趨勢調整指數平滑法.pptVIP

第3章 預測 第3章 預測 學習目標 列舉一個好的預測中所需要的元素。 概述預測流程的步驟。 描述三種以上的定性預測技術，並且說明其優點與缺點。 比較定性與定量的預測方法。 簡單描述平均法、趨勢與季節技術以及迴歸分析法，並解決基本的問題。 描述三種預測精確性的衡量方式。 描述兩種評估與管制預測的方法。 了解在選擇預測技術時的主要考量因素。 3.1 導論 預測有兩個層面是重要的 需求期望水準： 是一個有結構變異的函數，如趨勢性或季節性變異。 預測精確度： 是根據預測者需求、隨機變異和突發狀況，來正確地建構模型的能力。 預測被用來做為特定時間幅度的參考。 短期預測適合連續性的作業。 長期預測是一個重要的策略規劃工具。 預測會影響組織的決策和活動 預測的兩種用途 系統規劃 包含一些長程規劃，例如，提供何種型態的產品與服務、籌備設備與機具、地點設置等。 使用系統的規劃 指一些中短程規劃，例如，存貨規劃、勞動力水準、採購與生產規劃、預算與排程規劃等。 預測需求 企業預測不只針對需求做預測，但為了簡化討論，本章的焦點只放在預測需求。謹記，此概念與方法也能夠用在其他的預測變數上。 3.2 各種預測技術的共同特徵 預測的技術的共同特徵為： 預測技術通常假設過去存在的因果系統未來將持續。 預測很少完美無缺。 整體預測會比單一預測更為精確。 隨著預測的時間週期愈廣，亦即增加時間幅度(time horizon)，預測精確度會減少。 彈性的企業組織（亦即能迅速反應需求改變）進行預測所需的幅度較短。 3.3 優良預測的因素 一個適當的預測應該滿足下列必要條件： 預測有時間性。 預測必須精確，並應該說明其精確度。 預測必須具備可靠性。 預測必須具備有意義的計量單位。 預測必須書面化。 預測技術必須容易了解、容易使用。 預測必須符合成本效益。 3.4 預測流程的步驟 預測流程的六大基本步驟如下： 決定預測的目的與時機。 建立預測所需的時間幅度。 選擇預測技術。 蒐集與分析適當的資料。 準備預測。 檢視預測。 注意，當需求與預測不相符時，除了上述六步驟外，可能尚需制定一些額外的策略或措施。 3.5 預測的精確度 預測誤差(error)是針對給定的期數，其實際值與預測值的差。 預測誤差會以兩種稍微不同的方式影響決策。 一種是在許多預測替代方案中選擇其一。 另一種是評估預測技術的成功或失敗。 彙整預測精準度 精確度主要建立在預測的歷史誤差績效之基礎上。常用的衡量方法主要有三種： 平均絕對偏差 (mean absolute deviation, MAD) 均方誤差 (mean squared error, MSE) 平均絕對百分比誤差 (mean absolute percent error, MAPE) 例題1 求解MAD、MSE 與MAPE 彙整預測精準度 總括來說，作業管理者必須決定歷史績效對反應能力的相對重要性，以及是否要使用MAD、MSE或MAPE來衡量歷史績效。 MAD最容易計算，但對所有誤差的權重相等。 MSE權重是根據其平方值，但也有較大誤差，所以會產生較多問題。 當需要以相對的觀點來衡量誤差時，則使用MAPE。 3.6 預測技術 常用的預測技術，分為定性法與定量法。 定性法 主要由主觀判斷所組成，通常缺乏精確的數字描述。 能在預測流程中加入俗稱軟性的資訊（例如，人的因素、個人意見、直覺）。 定量法 涵蓋客觀的歷史資料，或開發以因果變數做預測的關聯性模型。 由客觀分析或硬性資料所組成，通常可以避免會影響定性法結果的個人偏見。 三種預測技術 判斷預測法(judgmental forecasts) 根據主觀的分析。 時間序列預測法(time-series forecasts) 根據過去的經驗來了解未來，利用歷史資料，並假設未來和過去所有情況相同。 關聯性模型(associative model) 利用包含一個以上可解釋的變數方程式來預測需求。 3.7 以判斷與意見為基礎的預測 主管的意見 高層管理者一同進行預測。 銷售員的意見 以銷售╱客服人員為資訊來源。 3.7 以判斷與意見為基礎的預測 消費者調查 組織設計問卷，並以抽樣方式直接從顧客身上獲得資訊。 德菲法(Delphi method) 反覆進行流程以取得一致的預測結果。 3.8 以時間序列資料為基礎的預測 時間序列(time series) 指間隔固定時間並依時間順序排列的觀測值。 假設未來的序列值能經由過去的序列值估計。 時間序列的基本行為： 趨勢(trend)：指資料長期隨時間向上或向下的移動。 時間序列基本行為 季節性(seasonality)：指短期、規則的變異，通常與日期或一天中的時間因素有關。 循環(cycle)：指持續一年以上的波狀變異。 時