第2种计算生产预测的方法是分解产品族的主生产计划量，而不考虑已经接到的客户订单。使用这种方法，使得关于产品选项的总需求保持不变，直到确有某种选项的实际销售超过生产预测。仅仅在此时，亦即发现对某种选项的预测的确是错误的，才重新计算所有选项的生产预测。

    使用这种方法，客户订单要减少它所选择的选项的生产预测。当某种选项的销售超过预测时，系统将把该选项的生产预测改为零，并把该选项的客户订单作为主生产计划的需求。为了使关于选项的客户订单和生产预测和关于产品族的主生产计划保持一致，必须要重新计算（减少）其他选项的生产预测。

    例如，如果在某个时区售出了100辆汽车，那么售出4缸、V-6 和V-8 发动机的总数一定也是100。如果其中售出V-8 发动机的数量高于预测，那么售出4缸发动机 和V-6 发动机数量一定低于预测。因此，应当按照V-8 发动机多售出的数量减少4缸发动机 和V-6 发动机的生产预测。使用这种方法计算生产预测的步骤如下：

    1)按计划清单分解产品族的生产预测得到选项的生产预测。

    2)按客户订单减少相应选项的生产预测，并检查其销售是否超过预测。

    3)对于销售超过预测的选项，重新计算其生产预测。

    4)重新计算所有选项的未来的生产预测。

    表2给出了一份使用这种方法的两级主生产计划的报告。从这例子看到，当收到客户订单并做出承诺之后，选项的生产预测将减少。和前面的例子一样，V-8 发动机和V-6发动机在关于汽车的计划物料清单中的数量都是50%，而且，报告显示在已经发生的客户订单中，选择V-8 发动机的比率高与预测的比率。这种产生生产预测的方法所依据的是类似于“从一个装有50个黑球、50个白球的袋子里摸出一个球”的概率模型。开始时，从袋子中摸出一个黑球的概率是50%，但是，如果已经从袋子中摸出了50个球，其中40个是黑球，10个是白球， 那么，再摸出一个黑球的概率就不再是50%，而是20%。也就是说，在不断从袋子中摸出球的过程中，根据已经发生的情况，摸出一个黑球的概率随时在变化。

    我们介绍了两种计算生产预测的方法，它们依据不同的概率模型，很难说那一种方法一定更好。但是，第1种方法计算比较简单，在识别客户订单的趋势方面做得更好些；第2种方法计算比较复杂，在发现客户订单趋势方面不是很有效。所以，在实践中，许多公司都愿意使用第1种方法。如果发现这种方法会产生太多的不必要的例外信息，或者能够确认这种方法在处理产品选项时效果不好，则可尝试另外一种方法。