預測 前言 資料 預測時間長度及規模 主要預測技術 時間序列分析 外部技術 存貨系統的預測錯誤

前言 一.預測 1.APICS的定義 2.臆測 3.預測與生產型態的關係 4.臆測的使用場合 5.預測在生產計畫過程中的角色(圖3-1)

資料(1) 壹.時間數列資料的意義 貳.資料與時間序列資料(第5頁) 參.時間數列資料的二型態 A.外部資料 B.內部資料

Back

資料(2) 伍.內部資料的修正 A.經常產生偏誤的資料是來自於銷售促 銷及新廣告宣傳 B.資料的修正應該被限制在已經知道原因 的較大異常的糾正 Random cause Assignable cause

預測時間長度及規模(1) 肆.價格高的項目，由當作預測的更新增加的準確性可以覆蓋消除昂貴的安全存量 壹.產品的預測時間長度至少要和產品的總前置時間相同 貳.預測更新的頻率由資料獲得的價值及產品的銷售變異度作決定 參.價格高的項目應該較常作預測的更新，而價格低的項目則較不常作 肆.價格高的項目，由當作預測的更新增加的準確性可以覆蓋消除昂貴的安全存量 伍.預測是為產品群組(Product groups)而不是為個別的項目(individual items)所作的

主要的預測技術 壹.定性法(P95) 多依賴判斷,直覺與主觀的評價--->臆測 Ex.市場研究,Delphi法,管理的估計 1.移動平均法 2.加權移動平均法 3.指數平滑法 4.時間序列分解 5.Winter’s 三因素模式

Delphi預測過程 1.成立Delphi委員會 2.專家尋找與問卷設計 3.問卷發放 4.問卷回收與整理 5.問卷重新設計 6.問卷發放 7.問卷回收與整理 …..

時間數列分析法 壹.移動平均法(p99)( 表3-2) A.期數之選擇 B.適用時機及優缺點 貳.加權移動平均法(p102))( 表3-3)

預測誤差的量度 預測誤差的量度 (T23,T24) A.平均絕對差(MAD) B.均方差(MSE) (表六:MAD與MSE衡量誤差的好處) C.量度方法的選擇(p110) 重點:如何以預測誤差選擇預測方法及指數 追蹤訊號(p111) (T25) A.追蹤訊號:(Tracking signal,TS)幫助保持預測 的不偏性(功能類似管制圖的應用)

預測誤差的量度 B.追蹤訊號的計算與表示(參考表3-7計算過程) a. TSi = E(ei) / MAD b. TSi = ∑(ei) / MAD c.TSi依發生時間的先後次序繪圖(類似管制圖) C. TSi可正可負,介於0~1之間 D.實務上的意義:管制﹑預警 E.當追蹤訊號超過某一個臨界值時，此訊息會 列出顯示預測的誤差值得懷疑。 F.臨界值的大小視預測項目的重要性來決定 G.TSi與指數平滑法間的關係( p.113)

時間數列分析法(3) 陸.調整指數平滑法(P112) 柒.時間數列分解法 捌.時間數列分解法步驟(P113) (記住步驟以及各步驟的目的) A.將一個時間序列分解為趨勢，季節性和這個序列組成的隨機單元 B.最好有 48個月以上的需求歷史資料 捌.時間數列分解法步驟(P113) (記住步驟以及各步驟的目的) 玖.估計隨機部分 拾.時間數列分解法的障礙及解決辦法(P123)

時間數列分解各步驟的目的 Step1:去除季節指數(但觀測值並非月中之值) Step2:以月中之值來代表該月份之觀測值

Winter’s三因素模式 壹.Winter’s三因素模式的適用時機(P123) 肆.優點為何(與其他方式比較)

Winter’s三因素模式 二﹑觀念： 影響因素 指數 基本值(Base) α 趨勢(Trend) β 季節性因素(Season) γ 1.指數平滑法觀念之應用[Fn =αDn-1 + (1α) Fn1] 2.預測值之推算考慮三種影響因素且三種影響因素各自有自己之指數 影響因素 指數 基本值(Base) α 趨勢(Trend) β 季節性因素(Season) γ Fn = (Bn1+iTn1)  Snp (p表示季節指數)

Winter’s三因素模式 1.利用上一期的基本值﹑趨勢值﹐以及上年度的季節指數來估計下一期的預測值 2.圖解(if 已經經過四期﹐且一年有四季) F5 = B4 + i T4)  S1 (i 表往後第i 期)

Winter’s三因素模式 三﹑解法 由基本資料求過去最近一期之趨勢值T(概估) (參考Table 3-12) 當得到次一期的真實值後﹐則依此來陸續推算 (Xn 表真實發生的數值) A﹑Bn =αBn  (1α)  (Bn1  Tn1) 由於Xn已知(n = 5)﹔則Bn = Xn  Sn-p = X5  S1 Bn = Xn  Snp已知﹐α已知﹐Bn1已知﹐Tn1已知 Bn = α(Xn  Snp)  (1α)(Bn1  Tn1) B5 = 0.2 (112 0.9)  0.8(136  4) = 24.9 112 = 137

Winter’s三因素模式 B﹑Tn =β(BnBn1)  (1β) Tn1 T5 = 0.1(B5B4)  (1 0.1) T4 = 0.1(137136)  0.9  4.0 = 0.1  3.6 = 3.7 C﹑Sn =γ(Xn  Bn)  (1γ)Snp = 0.05(112  137)  0.95 0.9 = 0.896 3.F6 = (Bn1 + i Tn1)Snp = (137  13.7) S6-4 = (137  3.7)  0.7 = 98