生產與作業管理第十二章預測.ppt

假設2000年允許新建的房屋數為25，則2000年的銷售預測 * * 收集資料，使用模擬系統測試每一項法則 預測結果準確度很高的法則，便可作為預測未來資料的法則。 可由買方存貨控制的人員負責驗證與修正預測 * * * 問nick動畫？ * * * * * * 故選擇一個最好的期數，對此方法非常重要 * * 簡單移動平均法中每一個元素權重值相同 * * 平滑常數決定平滑的程度，以及對預測資料與真實資料間差異的反應速度。 此數值可由所要預測產品的特性，以及管理者對良好反應速度的認知來決定。 Ex:企業生產標準化的產品且需求也相當穩定，此時對預測值和真實結果間誤差的反應速度將很小，可能只有5%~10%，但當企業正處成長期，其反應速度應定的比較高一點，大約在15%~30%，雨即成長的幅度愈明顯，則反應速度也就愈高。 新的預測 舊的預測資料+誤差值 * * 當實際的需求量相當穩定，可選取一個較小的?值，以降低短期的效應或隨機變化的影響。 若實際需求是快速的增加或衰退，則可選擇較大的?值，以反應其變化 經理：只要知道該年度新建置房屋的數目，便可預測公司毛毯的銷售量。 資料成直線分佈?直線回歸分析 10 20 30 36 2000 14000 10000 6000 20000 地毯的銷售 新建的房屋數 銷售與新建房屋的因果關係 Y 7000 + 350x 10 20 30 36 2000 14000 10000 6000 20000 地毯的銷售 新建的房屋數 銷售與新建房屋的因果關係 7000 + 350 25 15750 Y 的截點為7000碼，代表即使此地區沒有蓋新房屋，地毯的基本需求量，亦即是毛毯汰舊換新的可能情形。 斜率：此地區每蓋一棟新屋，將售出的平均地毯大小。 多變量回歸分析 考量所有具有影響作用的項目。 EX：新婚比例、新建置的房屋數、個人可支配所得對家具業的影響 S B + Bm M + Bh H + Bi I + Bt T S 年度總銷售量 B 基本銷售額 M 年度結婚人數 H 年度新建房屋數 I 年度可支配所得 T 時間趨勢（第一年 1, 第二年 2….） Bm、Bh、Bi 代表影響預售銷售量的因素，如新婚人數、新房數、收入和趨勢 AGENDA 需求管理 預測的類型 需求的組成 定性預測技巧 時間序列分析 因果關係預測 焦點預測 網路化預測：協同規劃、預測與補貨 結論 焦點預測 由Bernie Smith提出，認為使用統計方法的預測技術，並無法獲得最好的結果，只要能有效的分析歷史資料，即使是簡單的方法也能產生好的預測。 焦點預測的方法論 使用數種合理且容易理解的法則，分析過去的資料預測未來。這些法則均可是運於電腦模擬程式進行預測，並衡量何種法則最接近真實的需求。 焦點預測法許考量的兩項因素 數種簡單的預測法則 前三個月的銷售量也許即為下三個月的銷售量 去年某季的銷售量即為今年同季的銷售量 下一季的銷售量或許比前一季高10% 本年度下一季的銷售量，比去年高50% 比較今年前一天和去年同期銷售量改變的程度，或許今年下一季相較去年同期也有相同的變動程度。 使用電腦模擬這些法則 AGENDA 需求管理 預測的類型 需求的組成 定性預測技巧 時間序列分析 因果關係預測 焦點預測 網路化預測：協同規劃、預測與補貨 結論 12-8 網路化預測：協同規劃、預測與補貨 CPFR 定義與目標： 供應鏈夥伴間透過網路化工具，分享特定的內部資訊，進行協同規劃、預測與補貨作業，協調需求預測、生產、採購規劃與補貨，以提供供應鏈可靠、長期的需求預測。 優點： 節省供應鏈成本 應用： 常見於食品業、服飾業與一般零售業 多層次供應鏈與零售活動 零售商 注意：實線箭頭代表物流；虛線箭頭代表資訊流 第Ｎ層 供應商 第３層 供應商 第２層 供應商 第１層 供應商 製造與最後裝配 配銷 中心 預測資訊 補貨資訊 生產規劃 與採購資訊 CPFR 五步驟 AGENDA 需求管理 預測的類型 需求的組成 定性預測技巧 時間序列分析 因果關係預測 焦點預測 網路化預測：協同規劃、預測與補貨 結論 12-9 結論 預測為規劃的基礎 短期： 預估需求改變?原料、產品、服務變動?調整生產排程 使用較簡單的模式，如：指數平滑法+調整性預測+季節指數 長期： 做為改變策略的基礎 應同時使用數種預測方法，如：迴歸分析、多變量迴歸等 運用多種預測方法的網路化協同預測系統，將是許多產業未來的主流 預測理想的做法是盡力建立最佳的預測，並考量不可避免的預測誤差以維持系統應變的彈性。 Thanks for Your Listening ! * 其它相關議題 企業的彈性ex快速反應改變的能力愈高，預測需要的準確性就可愈低