生产计划的基础：生产预测及其影响因素

为了拟订生产计划中的产量，首先必须进行生产预测，这是计划的基础。有了这种预测就可以规划所需的人力、材料、资金、生产率和库存水平。生产预测属于市场预测范畴，是一种侧重短期的、以一个企业作为基本出发点的微观预测，主要是预测企业在年度、季度和月度等短期所生产的产品的市场需求量。

（一）影响生产预测的主要因素

1.产品

各种产品和劳务有着各不相同的需求方式。对消费品的需求，当然不同于对工业用品的需求。就是在消费品的需求中，耐用品也不同于非耐用品。一般说来，产品越是耐用，它的需求量很可能是越不稳定；相反，产品越不耐用，它的需求量反而越加稳定。例如，对食品（如牛奶）的需求要比对电视机的需求预测容易得多。即使是同一产品，由于它处于生命周期的阶段不同，其市场需求量也不同，如成长期的销售增长率远远大于投入期的销售增长率；成熟期的市场需求相对稳定，且销售总量要大于其他各个阶段。

2.技术

技术的革新往往能够猛烈地并且常常在一个短时期内改变需求的方式。技术的革新能够中断一项产品的使用，并且淘汰那些不适应这一变革的企业。例如，电子手表的出现，几乎使瑞士的钟表工业陷于瘫痪；小型计算器的使用，确实消灭了活动计算尺的制造业。技术进步是很难预言的，因为它经常是在与它无关的另一个工业或另一领域里创造出来的，而在它突然出现于市场之前，又总是以技术秘密的形式掩盖起来。

3.经济态势与市场

诸如个人收入、利率、货币发行量、信贷政策以及一般商业活动之类的经济因素，对各种商品的需求会产生不同程度的影响。个人收入、货币供应量或商业活动越多，对商品和劳务的需求也会越大；利率与税收则起相反的作用，利率与税收越高，对商品和劳务的需求就会越低。此外，需求非常容易受到经济周期性波动的影响，在通货膨胀的情况下，或在经济衰退期间减少需求之后，通常会出现较高的需求。

市场的所在地、结构、状况和行为，在很大程度上可以决定需求的模式。企业认为，它分享的市场越大，它对需求的预测就会更正确，因为它可以对它的竞争者施加影响，以维持和增大需求。对一项产品的需求，可能由于商标、价格、质量或销售地区不同而有差别。在国内与国外市场之间、南方与北方市场之间，由于顾客对文化的爱好不同，需要使用不同的方法来估计需求。

4.企业的政策与战略

以上所讲的都是影响需求的外部因素，它超出了商品生产者或劳务供应者所能控制的能力。这里要讲的是某些内部的政策和战略决策，也能严重影响需求。诸如价格、广告、分销渠道和手段、市场对象、产品地位或市场份额等等有关营销策略，对需求的方式都会产生很大影响。由于同样的原因，诸如质量标准、生产与交货率、技术设计以及信贷政策等方面的生产与金融政策，也对需求具有影响。当然，由于管理部门对于这些可变的政策拥有相当大的决策权力，它们可以巧妙地使用这些政策，以便取得一种最有利的效果。

（二）生产预测的方法

预测方法的种类有许多，既有定性预测方法，又有定量预测方法；既有适用长期预测的方法，又有适用短期预测的方法。下面仅介绍几种适用于生产预测的常用方法：

1.简单移动平均法

简单移动平均法的基本思想是，每次取一定期数的数据平均，按时间序列逐次推进，每推进一期，增加一个新期的数据，而舍去最早期的那个数据，再进行平均，依此类推。其计算公式为：

式中：Mt——第t期的移动平均值；

xi——第i期的实际数；

n——选定的移动平均值的期数。

简单移动平均法适用于产品的需求不具有迅速增长和季节性影响的情况，用这种方法可消除预测中的随机变动。预测时，n的取值不同，对预测值有较大的影响。n取值大，对随机变动的平滑效果好，预测值适应新水平的时间长，然而，当数据中存在着需求上升或下降的趋向时，预测值会表现出迟于趋向的不良特征；n取值小，预测值能较灵敏地反映实际趋势，但其适用新水平的时间短。

在简单移动平均法中，把构成移动平均数基础的每个数据，都视作具有相同的作用（效果）。然而，我们也许会对最近期的数据更感兴趣，并希望在预测时予以更多的重视。加权平均数有助于达到这个目的。一个简单可行的求得差额加权和修匀的方法是指数平滑法。

2.指数平滑法

指数平滑法的基本思想是认为资料离现时越近，信息就越新，应给予较高的权数。其基本公式为：

St=αxt+（1-α）St-1

式中：St——第t期的指数平滑值；

xt——第t期的实际数；(www.xing528.com)

St-—第t-1期的指数平滑值；

α——平滑系数（0≤α≤1）

根据以上基本公式而得一般公式如下：

St-1=αxt-1+（1-α） St-2

经过迭代，得：

St=αxt+α（1-α）xt-1+α（1-α）2xt-2+…+α（1-α）t-1x1+（1-α）tS0

由此可见，用指数平滑法预测，实际包含了所有原始数据，只是随着时间的推移，离现时越远的数据，权数越小。权数分别为：α，α（1-α），α（1-α）2…呈几何级数。根据公式，在计算中只要有本期实际值和预测值（即上期指数平滑值）就能预测下期。若没有预测值，仅有实际值，那么用迭代后的公式。在公式的最后一项有个S0，它的求法有两种，当数据较多时，可用x1代替S0，因为此时（1-α）t的值很小，影响不大；但当数据不多时，可用n个数据的平均值来代替S0。

应用指数平滑法，关键是α值的选择。α越大，则近期资料的影响越大；α越小，则近期资料影响越小。α取值的一般原则是：时间序列长期趋势处于稳定状态，则α取值应较小，一般为0.05～0.2；时间序列具有迅速明显的变动倾向，则α取值应较大，一般为0.3～0.5。

3.回归分析法

当产品的需求和销售受某些因素的影响很大时，或者说与某些因素密切相关时，我们可以运用回归分析法进行生产预测。如果某种产品的销售只与某一因素密切相关，则可应用一元回归分析法进行预测。这种方法通常适用于趋势预测，不仅可用于时间序列分析预测，也可用于因果分析预测。这里仅以一元线性回归分析法来说明回归分析法的应用。

一元线性回归法是把一个变量“回归”到另一个变量上去。例如，大家知道消费是收入的一个函数，如果我们以y表示消费（因变量），以x表示收入（自变量），则线性预测模型为：

式中：n——历史数据的期数。

【例】 根据统计数据，某产品的销售量与广告费存在如下关系（见表6—1），试问当6月份计划广告费为20万元时，估计销售量（千件）将达到多少？

表6—1　某产品广告与销售量的关系

将数据代入公式得：

则回归直线为：

当6月份的计划广告费为20万元时，估计销售量为：