称为独立需求。如果物流需求是随着另一种需求而产生或派生出来的，比如：物流需求由某一特定的生产计划要求派生出来，这就是需求的派生性。这是一种从属性的需求。例如，从某供应商处购买新轮胎的数量就是汽车厂要生产的新汽车量的一定倍数。对于独立的和派生的需求，预测方法是不同的。对于独立的需求预测，统计预测方法的效果就很好。多数短期预测模型的基本条件都是需求独立且随机。对于派生的需求，因这种需求模式有很强的倾向性，且不是随机的，通过判断系统随时间发展而呈现出的倾向性和规律性，就能较好地改进预测结果。【例5-1】某大型制造企业的电力设备部门为工业用户生产一系列小功率电动机。每台电动机包含50-100个零部件。企业根据所收到的订单制定生产计划，产品在未来某时间交付，生产计划的制定要基于需求预测，预测的产品是那些标准化程度高的等待出售的电动机。根据以上要求，就需要制定未来三个月的生产计划，表明什么时间生产某特定型号的电动机，生产多少。然后，物料管理经理据此备齐生产所需的所有配件和原材料从例题可看出，只要最终产品的需求确定、已知，利用派生需求的方法得出的需求预测是非常准确的。5.3.2指数平滑与回归分析物流管理者要进行的预测一般是与库存控制、运输调度、仓库装卸计划等决策活动有关的需求预测。实践经验说明，时间序列分析模型简单，预测效果较好。下面介绍两种常用的时间序列预测方法：指数平滑法和回归分析预测法。5.3.2.1指数平滑法指数平滑法是一种非常有效的短期预测法。该方法简单、易用，只需很小的数据量就可以莲续使用。指数平滑法在同类预测法中被认为是最精确的，当预测数据发生根本性变化时还可以进行自我调整。指数平滑预测法是在移动平均法的基础上发展起来的一种预测方法，包括一次指数平滑预测法、二次指数平滑预测法和高次指数平滑法。1.一次指数平滑如果时间序列观察值的发展趋势单纯围绕某一水平作随机跳动，可采用一次指数平滑法来做预测，其一次指数平滑预测模型如下：AY4r=S,S() = αX, +(1-α)S()=αX, +α(1-α)X,- +α(1-α)X,-2 +..-+α(1-α)-X, +(1-α)sg))(5-1)6
6 称为独立需求。如果物流需求是随着另一种需求而产生或派生出来的，比如：物流需求由某 一特定的生产计划要求派生出来，这就是需求的派生性。这是一种从属性的需求。例如，从 某供应商处购买新轮胎的数量就是汽车厂要生产的新汽车量的一定倍数。对于独立的和派生的 需求，预测方法是不同的。 对于独立的需求预测，统计预测方法的效果就很好。多数短期预测模型的基本条件都是 需求独立且随机。对于派生的需求，因这种需求模式有很强的倾向性，且不是随机的，通过 判断系统随时间发展而呈现出的倾向性和规律性，就能较好地改进预测结果。 【例 51】 某大型制造企业的电力设备部门为工业用户生产一系列小功率电动机。每台电 动机包含 50-100 个零部件。企业根据所收到的订单制定生产计划，产品在未来某时间交付， 生产计划的制定要基于需求预测，预测的产品是那些标准化程度高的等待出售的电动机。根 据以上要求，就需要制定未来三个月的生产计划，表明什么时间生产某特定型号的电动机， 生产多少。然后，物料管理经理据此备齐生产所需的所有配件和原材料。 从例题可看出，只要最终产品的需求确定、已知，利用派生需求的方法得出的需求预测 是非常准确的。 5.3.2 指数平滑与回归分析 物流管理者要进行的预测一般是与库存控制、运输调度、仓库装卸计划等决策活动有关 的需求预测。实践经验说明，时间序列分析模型简单，预测效果较好。下面介绍两种常用的 时间序列预测方法：指数平滑法和回归分析预测法。 5.3.2.1 指数平滑法 指数平滑法是一种非常有效的短期预测法。该方法简单、易用，只需很小的数据量就可 以连续使用。指数平滑法在同类预测法中被认为是最精确的，当预测数据发生根本性变化时 还可以进行自我调整。 指数平滑预测法是在移动平均法的基础上发展起来的一种预测方法，包括一次指数平滑 预测法、二次指数平滑预测法和高次指数平滑法。 1．一次指数平滑 如果时间序列观察值的发展趋势单纯围绕某一水平作随机跳动，可采用一次指数平滑法 来做预测，其一次指数平滑预测模型如下： (1) t T t Y S D + = (1) 1 (1) (1 ) t = t + - t - S aX a S (1) 1 0 1 2 2 1 X (1 )X (1 ) X (1 ) X (1 ) S t t = a t + a - a t + a - a t + + a - a + - a - - - L （51）
式中，S)表示第期的一次指数平滑值：X，表示第期的实际观察值；α表示权重，通常取α=0.01-0.30；Y表示第（I+T）期的预测值。当资料数据较多（如数据点大于50）时，可取S("~X或S("~X。令:w,=α,w-=α(1-α),",w,=α(1-α)-,,w,=α(1-α)-,w。=(1-α)则s()=w,X, +w.-X,++.+w,X,+woS)且0≤w,≤1,Zw,=1,i=1,2,. ,t。i=0所以w,是各历史时期实际数据的权重（i=1,2，,t），而且有0≤W≤W,≤W, ≤..W,-- ≤w,≤l。2.二次指数平滑如果时间序列观察值的发展趋势包含某种线性持续增长或下降趋势，则应采用二次指数平滑法进行预测。二次指数平滑预测模型为：Y+r =a, +b,Ta, = 2s( (2)~(s" -s(2)b, =11-αS() =αX, +(1-α)S) , S(2) =as()+(1-α)S()(5-2)式中，a，，b,为平滑系数；s表示第1期的一次指数平滑值；S(2）表示第t期的二次指数平滑值；X表示第t期的实际观察值；α表示权重，通常取α=0.01-0.30；Y+表示第（+T）期的预测值。3.三次指数平滑当时间序列观察值的发展趋势出现较大曲率时，宜采用三次指数平滑法。它是在二次指数平滑法的基础上进行的。利用一次、二次指数平均值建立的时间序列的趋势方程为：Y+=a,+b,T+c,T2a, = 3s() -3s(2) + S(3)d[6- 5α)S() -2(5-4α)S(2) +(4-3α)s(3)]b.201-αα?2(1-a) (s( -252)+ $()7
7 式中， (1) t S 表示第t期的一次指数平滑值； Xt 表示第t期的实际观察值；a 表示权重，通 常取a = 0.010.30；Yt + T 表示第（ t+T）期的预测值。 当资料数据较多（如数据点大于50）时，可取 1 (1) S0 ª X 或S ª X (1) 0 。 令： t i t t wt , wt (1 ), , wi (1 ) , , w (1 ) , w (1 ) 0 1 = a 1 = a - a = a - a 1 = a - a = - a - - - L L 则 (1) 1 1 1 1 0 0 (1) S w X w X w X w S t = t t + t t + + + - - L 且0 £ £ 1 wi ， 1 0 Â = = t i wi ，i = 1,2 ,. ,t 。 所以wi 是各历史时期实际数据的权重（i = 1,2 ,. ,t）， 而且有 0 1 £ w0 £ w1 £ w2 £L wt -1 £ wt £ 。 2．二次指数平滑 如果时间序列观察值的发展趋势包含某种线性持续增长或下降趋势，则应采用二次指数 平滑法进行预测。二次指数平滑预测模型为： Y a b T t T = t + t D + (1) (2) 2 t t t a = S - S ( ) 1 (1) (2) t t t b S - S - = a a (2) 1 (1) (2) (1) 1 (1) (1 ) , (1 ) t = t + - t - t = t + - t - S a X a S S a S a S （52） 式中， t 、bt a 为平滑系数； (1) t S 表示第 t 期的一次指数平滑值； (2) t S 表示第 t 期的二次指数平滑值； Xt 表示第 t 期的实际观察值； a 表示权重，通常取a = 0.010.30；Yt + T 表示第（t+T）期的预测值。 3．三次指数平滑 当时间序列观察值的发展趋势出现较大曲率时，宜采用三次指数平滑法。它是在二次指 数平滑法的基础上进行的。利用一次、二次指数平均值建立的时间序列的趋势方程为： 2 Y a b T c T t T = t + t + t D + (1) (2) (3) 3 3 t t t t a = S - S + S [ ] (1) (2) (3) 2 (6 5 ) 2 (5 4 ) (4 3 ) 2(1 ) t t t t b a S a S a S a a - - - + - - = ( 2 ) 2 (1 ) (1) (2) (3) 2 2 t S t S t S t c - + - = a a