独立需求物流采购需求分析

时间：2022-11-08 百科知识版权反馈

【摘要】：德尔菲法又名专家意见法，是依据系统的程序，采用匿名发表意见的方式，即团队成员之间不得互相讨论，不发生横向联系，只能与调查人员联系，反复填写问卷，收集问卷填写人的共识及搜集各方意见，可用来构造团队沟通流程，应对复杂任务难题的管理技术。逐轮收集意见并为专家反馈信息是德尔菲法的主要环节。德尔菲法同常见的召集专家开会、通过集体讨论、得出一致预测意见的专家会议法既有联系又有区别。

任务一　独立需求物流采购需求分析

任务引入

下面是某超市3—9月份可乐的需求情况，为了满足顾客对可乐的正常需求，超市需要提前采购一批可乐。请大家讨论，应该如何确定采购需求，才能达到最优效果？

表2－1　某超市3—9月份可乐的需求情况

【任务】　请你根据以上信息确定10月份该超市对可乐的采购需求量。

任务分析

很明显，要计算出10月份的可乐需求量，首先要考虑3—9月份的需求与10月份的需求有什么关系，应该选择哪种方法来依据3—9月份的可乐需求数据计算出10月份的可乐需求，这也是本任务需要解决的问题。

知识链接

一、独立需求与相关需求

进行采购，首先要分析需求者需要什么、需要多少、什么时候需要，明确应当采购什么、采购多少、什么时候采购，以及怎样采购的问题，从而确定一份可靠、科学、合理的采购任务清单这个环节的工作，就叫做采购需求分析。

需求分析是采购工作的第一步，是制订采购计划的基础和前提。

在某些情况情况下，需求分析是很简单的。例如，在单次、单一品种需求的情况下，需要什么、需要多少、什么时候需要的问题非常明确，不需要进行复杂的需求分析就很清楚。

在较复杂的采购情况下，需求分析就变得十分的必要。例如，一个汽车制造企业，有上万个零部件，有很多的车间、很多的工序，每个车间、每个工序生产这些零部件，都需要不同品种和不同数量的原材料、工具、设备等用品，在各个不同时间需求各个不同的品种。这么多的零部件，什么时候需要什么材料、需要多少，哪些品种要单独采购，哪些品种要联合采购，哪些品种先采购、哪些品种后采购、采购多少，这些问题不进行认真的分析研究，就不可能进行科学的采购工作。

为了更好地分析物料采购需求，通常将采购需求分析的情况分为独立需求和相关需求。

独立需求是指需求变化独立于人们的主观控制能力之外，因而其数量与出现的概率是随机的、不确定的、模糊的。当对某项物料的需求与对其他物料的需求无关时，则称这种需求为独立需求。独立需求物料的需求量是由外部市场决定的，与其他物料不存在直接的对应关系，表现出对这种库存需求的独立性，例如对成品或维修件的需求就是独立需求。

相关需求（也称非独立需求）是指根据物料之间的结构组成关系由独立需求的物料所产生的需求，例如，半成品、零部件、原材料等的需求。相关需求物料的需求量与其他物料有直接的匹配关系，当其他某种物料的需求确定以后，就可以通过一定的数学关系推算得出。

二、独立需求计算的相关方法

常见的进行独立需求的分析方法包括定性预测法和定量预测法。

1．定性预测法

定性预测是指预测者依靠熟悉业务知识、具有丰富经验和综合分析能力的人员与专家，根据已掌握的历史资料和直观材料，运用个人的经验和分析判断能力，对事物的未来发展做出性质和程度上的判断，然后，再通过一定形式综合各方面的意见，作为预测未来的主要依据。

采购预测中常见的定性预测法主要有以下几种。

1）用料部门（需求人员）调查法

用料部门调查法就是对需要用料的部门或者个人挨个进行调查，让用料部门或个人写出需要的采购量（可以通过让用料部门事先填写请购单的方式进行），然后进行汇总，进而确定总的采购量的方法。

使用该调查方法时，需要注意以下几个事项。

（1）需求者的回答意愿，即需求者是否愿意明确表达出其对产品的需求情况。

（2）消费者的回答能力，即需求者能否准确说出其对产品的需求情况。

（3）虽然需求者调查法能够比较准确地获得实际的需求数量，但是需求者调查法要对每个需求的需求情况进行调查，如果需求人员较多的话，成本比较高，因此要注意调查的成本与收益的比较。

需求者意向调查法适用对象是耐用消费品及工业用品，其适用范围具体如下。

（1）购买者的购买意向明确清晰。

（2）这种意向会转化为顾客购买行为。

（3）购买者愿意把其意向告诉调查者。

（4）购买者愿意吐露他们的意向。

（5）购买者有能力实行他们原来的意向。

采用这种预测法，一般准确率较高，但不太适合长期预测。因为时间长，市场变化因素大。所以，预测结果可用其他方法预测对比进行修正，使预测结果更为准确。

2）经验判断法

经验判断法是一种定性分析和定量分析相结合的预测方法。它是根据企业各层次有关人员的经验来判断而确定需求预测数的一种方法。一般在缺乏历史资料的情况下，依靠有关人员的经验和对市场形势发展的直觉判断进行预测。

这种预测方法有以下一些特点。

（1）比较简单明了，容易进行。

（2）不同层次、不同人员的综合分析判断，包括多因素、多层次、多方面的人员，分析判断销售数的可靠性较大，风险性较少，因此，实际价值较大。

（3）不论是大型企业还是中、小企业；是工业品经营还是副食品经营都可以应用。

（4）对商品销售量、销售额和花色、规格都可以进行预测，能够比较切合实际地反映当地需求，有利于商品适销对路，提高经营管理水平。

在实际应用中，该方法也存在以下一些主要缺点。

（1）销售人员可能对宏观经济形势及公司的总体规划缺乏了解。

（2）销售人员受知识、能力或兴趣的影响，其判断总会有某种偏差，有时受情绪的影响，也可能估计过于乐观或过于悲观。

（3）有些销售人员为了能超额完成下年度的销售配额指标，获得奖励或升迁的机会，可能会故意压低预测数字。

例2－1　经验判断法的应用实例

表2－2是某企业三位销售人员对下个月A产品销售情况的预测。

表2－2　某企业三位销售人员对下个月A产品销售情况的预测

根据三位销售人员的预测，我们可以通过计算得到表2－3所示的结果。

表2－3　销售人员预测计算表

如果企业对三位销售人员意见的信赖程度是一样的，那么可以计算得到下个月A产品的平预计需求量为

3）德尔菲法

德尔菲法是采用背对背的通信方式征询专家小组成员的预测意见，经过几轮征询，使专家小组的预测意见趋于集中，最后做出符合市场未来发挥在那趋势的预测结论。德尔菲法又名专家意见法，是依据系统的程序，采用匿名发表意见的方式，即团队成员之间不得互相讨论，不发生横向联系，只能与调查人员联系，反复填写问卷，收集问卷填写人的共识及搜集各方意见，可用来构造团队沟通流程，应对复杂任务难题的管理技术。他是美国蓝德公司于1964年首先用于预测领域的。

德尔菲法是为克服专家会议法的缺点而产生的一种专家预测方法。在预测过程中，专家彼此互不相识、互不往来，克服了在专家会议法中经常发生的专家们不能充分发表意见、权威人物的意见左右其他人的意见等弊病。各位专家能真正充分地发表自己的预测意见。

德尔菲法的具体实施步骤如下。

（1）组成专家小组。按照课题所需要的知识范围，确定专家。专家人数的多少，可根据预测课题的大小和涉及面的宽窄而定，一般不超过20人。

（2）向所有专家提出所要预测的问题及有关要求，并附上有关这个问题的所有背景材料，同时请专家提出还需要什么材料。然后，由专家做书面答复。

（3）各个专家根据他们所收到的材料，提出自己的预测意见，并说明自己是怎样利用这些材料并提出预测值的。

（4）将各位专家第一次判断意见汇总，列成图表，进行对比，再分发给各位专家，让专家比较自己同他人的不同意见，修改自己的意见和判断。也可以把各位专家的意见加以整理，或者请身份更高的其他专家加以评论，然后把这些意见再分送给各位专家，以便他们参考后修改自己的意见。

（5）将所有专家的修改意见收集起来，汇总，再次分发给各位专家，以便做第二次修改。逐轮收集意见并为专家反馈信息是德尔菲法的主要环节。收集意见和信息反馈一般要经过三四轮。在向专家进行反馈的时候，只给出各种意见，但并不说明发表各种意见的专家的具体姓名。这一过程重复进行，直到每一个专家不再改变自己的意见为止。

（6）对专家的意见进行综合处理。德尔菲法同常见的召集专家开会、通过集体讨论、得出一致预测意见的专家会议法既有联系又有区别。

德尔菲法能发挥专家会议法的优点：①能充分发挥各位专家的作用，集思广益，准确性高；②能把各位专家意见的分歧点表达出来，取各家之长，避各家之短。

同时，德尔菲法又能避免专家会议法的缺点：①权威人士的意见影响他人的意见；②有些专家碍于情面，不愿意发表与其他人不同的意见；③出于自尊心而不愿意修改自己原来不全面的意见。德尔菲法的主要缺点是过程比较复杂，花费时间较长。

在使用德尔菲法时需要注意以下两点。

（1）并不是所有被预测的事件都要经过多轮修正。可能有的事件在第二步就达到统一，而不必再进行下一步的修正。

（2）在第四步结束后，专家对各事件的预测也不一定都达到统一。不统一也可以用中位数和上下四分点来作结论。事实上，总会有许多事件的预测结果都是不统一的。

德尔菲法的主要特点如下。

（1）匿名。以匿名的方式，逐轮征求一组专家各自的预测意见，最后由主持者进行综合分析，确定市场预测值的方法。

（2）反馈性。多次逐轮征求意见，每一次征询之后，预测主持者都要将该轮情况进行汇总、整理，作为反馈材料发给每一位专家。

（3）量化性。对最后一轮专家意见运用适当的数学方法进行数量化处理。一般采用平均数、中位数、极差。

选择合适的专家是做好德尔菲预测的关键环节。

例2－2　德尔菲法的应用举例

某企业对某种产品某年的需求趋势难以确定，因而聘请12位专家采用德尔菲法进行预测。具体预测情况见表2－4。

表2－4　某企业12位专家采用德尔菲法第一次预测的数据

德尔菲法的应用过程如下。

（1）第一轮的中位数和极差数。

首先，排列第一轮专家意见的数列为12、22、22、25、30、30、32、32、50、55、55、60。

其次，计算中位数位置。

即中位数为30和32的平均数——31。

最后，计算极差数：60－12＝48。

第一轮将专家的意见收集统计后发现专家们的意见差异很大，难以得到有效的使用结果，因此需要将归纳整理后的数据返给各位专家，然后要求专家们参考他人的意见对自己的预测重新考虑，得到新的预测结果。

（2）第二轮的中位数和极差数。

首先，排列第二轮专家意见的数列为28、30、33、34、34、35、35、35、45、50、50、50。

其次，计算中位数位置。

即中位数为35和35的平均数——35。

最后，计算极差数：50－28＝22。

专家们完成第一次预测并得到第一次预测的汇总结果以后，大部分专家在第二次预测中都做了不同程度的修正，因此需要将归纳整理后的数据返给各位专家，得到第三轮的统计结果。

（3）第三轮的中位数和极差数。

首先，排列第二轮专家意见的数列为34、34、35、35、36、37、37、42、50、50、50、50。

其次，计算中位数位置。

即中位数为37和37的平均数——37。

最后，计算极差数：50－34＝16。

通过专家三轮预测及对专家意见归纳整理后，得到表2－5。

表2－5　某企业12位专家采用德尔菲法第一次的统计数据

专家在进行第三轮预测后大部分专家的预测意见均没有修改，说明专家的预测基本稳定，根据统计得到的中位数和极差数，经过三轮预测，专家的意见趋于一致。因此可以根据专家的意见得到对未来需求的预测值。

2．定量预测法

定量预测是使用一历史数据或因素变量来预测需求的数学模型。定量预测法是根据已掌握的比较完备的历史统计数据，运用一定的数学方法进行科学的加工整理，借以揭示有关变量之间的规律性联系，用于预测和推测未来发展变化情况的一类预测方法。定量预测法也称为统计预测法，其主要特点是利用统计资料和数学模型来进行预测。然而，这并不意味着定量方法完全排除主观因素，相反主观判断在定量方法中仍起着重要的作用，只不过与定性方法相比，各种主观因素所起的作用小一些罢了。定量预测法可以分为两种：一类是时间序列法；另一类是因果关系法。这里主要介绍时间序列法。

时间序列法主要包括简单移动平均法、移动加权平均法、指数平滑预测法。

移动平均法是用一组最近的实际数据值来预测未来一期或几期内公司产品的采购量、公司产能等的一种常用方法，移动平均法适用于即期预测。当产品需求既不快速增长也不快速下降，且不存在季节性因素时，移动平均法能有效地消除预测中的随机波动，是非常有用的。

1）简单移动平均法

简单移动平均法是指对由移动期数的连续移动所形成的各组数据，使用算术平均法计算各组数据的移动平均值，并将其作为下一期预测值。简单移动平均法的各元素的权重都相等。简单移动平均法的计算公式如下：

例2－3　简单移动平均法应用实例

表2－6所示为某公司1—12月的需求数据，假设步长为3，如果已知前三个月的需求数据，即可以采用简单移动平均法求出下一个月的预计需求量。

表2－6　某企业1—12月的需求数据采用移动平均法预测的结果

2）移动加权平均预测法

移动加权平均预测法是时间序列预测法的一种。它是利用与预测关系密切的近期资料的加权平均进行预测的方法。移动加权平均法计算简便，实用性强，缺点是没有考虑相关因素对预测值的影响。移动加权平均给固定跨越期限内的每个变量值以相等的权重。其原理是：历史各期产品需求的数据信息对预测未来期内的需求量的作用是不一样的。除了以n为周期的周期性变化外，远离目标期的变量值的影响力相对较低，故应给予较低的权重。

移动加权平均法的计算公式如下：

在运用移动加权平均法时，权重的选择是一个应该注意的问题。经验法和试算法是选择权重的最简单的方法。一般而言，最近期的数据最能预示未来的情况，因而权重应大些。例如，根据前一个月的利润和生产能力的数据比起根据前几个月的数据能更好地估测下个月的利润和生产能力。但是，如果数据是季节性的，则权重也应是季节性的。

例2－4　移动加权平均法应用实例

某企业A材料3—8月各月份实际需求量分别为1　200吨、1　000吨、1　100吨、1　300吨、1　200吨、1　080吨，权重分别为1、2、3、4、5、6，请用移动加权平均法分析9月份A材料的需求量。

3）指数平滑预测法

指数平滑预测法指以某种指标的本期实际数和本期预测数为基础，引入一个简化的加权因子，即平滑系数，以求得平均数的一种预测方法。它是移动加权平均预测法的一种变化。平滑系数必须大于0且小于1，如0．1、0．4、0．6等。它借助于所求得的上一期的实际值和上一期的预测值的加权和，并通过依次向前递推，进而考虑了所有期的历史数据。

计算公式如下：

式中，F_t＋1为t＋1期（下期）的指数平滑预测值；F_t为t期（当前期）的指数平滑预测值；A_t为t期（当前期）的实际值；a为平滑系数（0≤a≤1），其实际意义为当前期实际值的权重。

一般来说，下期预测数常介于本期实际数与本期预测数之间。平滑系数的大小，可根据过去的预测数与实际数比较而定。差额大，则平滑系数应取大一些；反之，则取小一些。平滑系数愈大，则近期倾向性变动影响愈大；反之，则近期的倾向性变动影响愈小，愈平滑。这种预测法简便易行，只要具备本期实际数、本期预测数和平滑系数三项资料，就可预测下期数。

一般情况下，实际需求稳定，可选用较小的平滑系数来减弱短期变化或随机变化的影响；实际需求波动较大，应选择较大的平滑系数以便跟踪这一变化。

平滑系数大小对预测值与实际值之间差异的响应速度如图2－1所示。

图2－1　平滑系数大小对预测值与实际值之间差异的响应速度

例2－5　指数平滑预测法应用实例

在1月份，某汽车销售公司预计2月份桑塔纳汽车需求量为142辆，实际需求量为153辆，请用指数平滑法来预测3月份的需求量。a＝0．20。

F_t＋1＝aA_t＋（1－a）F_t

3月份需求量＝0．20×153＋（1－0．20）×142辆＝144．2辆

即3月份对桑塔纳汽车的需求量为145辆。

3．回归模型预测法

回归模型预测法是一种数理统计方法。它是根据实际资料的发展趋势，从事物变化的因果关系中进行预测的方法。客观事物或经济活动中有许多因素常常存在一定的关系。具有相关关系的各个变量间没有确定的函数关系，不能由一个（或几个）变量数值精确地求出另一个变量的数值，但通过大量的数据分析可以发现其变化的规律性，找出其变量间比较确定的关系，这种关系称作回归关系。回归分析根据其预测对象和影响因素之间的关系可分为线性回归和非线性回归。线性回归根据其自变量多少又可划分为一元线性回归、二元线性回归和多元线性回归。

在一元回归分析预测法中，自变量只有一个，而在多元回归分析预测法中，自变量有两个以上。依据自变量和因变量之间的相关关系不同，可分为线性回归预测法和非线性回归预测法。本书主要介绍一元线性回归法。

1）回归分析预测法的步骤

（1）根据预测目标，确定自变量和因变量。明确预测的具体目标，也就确定了因变量。如预测具体目标是下一年度的销售量，那么销售量Y就是因变量。通过市场调查和查阅资料，寻找与预测目标的相关影响因素，即自变量，并从中选出主要的影响因素。

（2）建立回归预测模型。依据自变量和因变量的历史统计资料进行计算，在此基础上建立回归分析方程，即回归分析预测模型。

（3）进行相关分析。回归分析是对具有因果关系的影响因素（自变量）和预测对象（因变量）所进行的数理统计分析处理。只有当变量与因变量确实存在某种关系时，建立的回归方程才有意义。因此，作为自变量的因素与作为因变量的预测对象是否有关，相关程度如何，以及判断这种相关程度的把握性有多大，就成为进行回归分析必须要解决的问题。进行相关分析，一般要求出相关系数，以相关系数的大小来判断自变量和因变量的相关程度。

（4）检验回归预测模型，计算预测误差。回归预测模型是否可用于实际预测，取决于对回归预测模型的检验和对预测误差的计算。回归方程只有通过各种检验，且预测误差较小，才能将回归方程作为预测模型进行预测。

（5）计算并确定预测值。利用回归预测模型计算预测值，并对预测值进行综合分析，确定最后的预测值。

2）一元线性回归模型

计算公式如下：

y＝a＋bx

式中：y——预测变量，即因变量；

　　　x——独立变量，即自变量；

　　　b——直线斜率；

　　　a——直线截距（x＝0时y的值）

根据历史数据及一元线性回归模型，得