在精益车间的供应链管理体系里，销售需求预测的精准度至关重要。在笔者前期的文章《供应链管理为什么要做销售需求预测？》中阐述了供应链管理中销售需求预测的本质和价值，明确了要使精益车间的供应链达成高质量、低成本的准时交付的使命，准确的销售需求预测是必不可少的输入。在笔者所辅导的企业的精益车间中，所有的企业都面临销售需求预测不准确的问题，在和供应链相关职能部门的访谈中，几乎所有的部门都把需求预测准确度低作为企业供应链管理当前最重要的痛点，没有之一。
在精益车间的实际运营中，当面临销售需求预测不准确的情况时，会直接影响到车间的生产安排、库存管理等多个环节。然而在笔者询问目前销售需求预测准确度具体是什么水平的时候，企业要么没有量化评价的数据，要么已有的数据不能准确评价需求预测的准确度。要持续提升精益车间销售需求预测的准确度，首要的工作就是建立量化的用于评价准确度的衡量指标，而不仅仅是凭感觉去做出判定，因为“不能衡量就不能管理，不能管理就不能改善”，那么应该用什么指标去量化评价需求预测的准确度呢？常使用的有以下两个指标。
平均方差误差（MSE）
平均方差误差（Mean Square Error）为需求预测值和实际值误差平方的平均值，其公式如下。
平均方差误差指标中各项术语定义如下：
- 误差为预测值和时间的差异值
- 误差平方是差异值的平方
- 误差平方和为所有预测的误差平方之和
- n为预测样本量，即为预测的个数
- 平方方差误差为误差平方和除以预测样本数n，也就是误差平方的平均值。
平均方差误差指标案例
由平均方差误差的定义可知，预测误差越大，则该指标越大，同时平均均方误差还有一个的特点，其受大的预测偏差影响更大。但是这个指标是没有的实际含义，如以上案例中的MSE为30583，那这个30583具有指的是什么？因此，平均方差误差不是仅仅通过一个数据做出预测准确度的判定的，而是通过比较做出评定的。通常是用于判定和选择准确度最好的预测模型。如一组数据，我们既可以用移动平均值方法进行预测，也可以用指数平滑法进行预测，那么到底哪一个方法更准确呢？这个是可以分别利用两种方法进行预测，然后计算两种方法的MSE，MSE更小的模型的预测拟合度更好。
平均绝对百分比误差（MAPE）
平均绝对百分比误差（Mean Absolute Percentage Error）为预测误差百分比绝对值的平均值，其公式如下。
平均绝对百分比误差指标中各项术语定义如下：
- 误差为预测值和时间的差异值
- 误差百分比为差异值除以实际值
- n为预测样本量，即为预测的个数
- 平均绝对百分比误差为误差百分比绝对值之和和除以预测样本数n，也就是误差百分比绝对值的平均值。
平均绝对百分比误差指标案例
由平均绝对百分比误差的定义可知，预测误差越大，则该指标越大。误差百分比除以实际值而不是预测值是因为预测的目的是要与实际值吻合，而取百分比的绝对值再求平均因为百分比误差有正有负，取绝对值可避免正负相消。在计算该指标的时候可能会遇上一种特殊的情况，这种情况为有预测值而实际值为零的时候，这种情况下，无法求出该预测的误差百分比，当出现这种情况时处理办法有两种，一种为以1作为实际值，第二种情况时把该预测排除在指标计算之外。平均绝对百分比误差指标只要用于销售预测准确率的评价、分析和改进。
以上就是常用的用于评价销售需求预测准确度的量化评价指标，对精益车间的需求预测工作建立可衡量的量化评价指标才能够对销售需求预测工作进行监控、分析和检讨，只有这样，销售需求预测才能不断地改进，预测准确度才会持续得到提升，从而更好地保障精益车间供应链的高效运行。
