第十二章预测.pptVIP

第十二章 預測 指導教授：盧淵源 教授 組 員：陳怡茜 謝文琪 陳建良 蔡志豪 大 綱 一、前言 二、需求管理 三、預測的類型 四、需求的型態 五、定性預測技巧 六、時間序列分析 七、因果關係預測 八、焦點預測 九、網路化預測 前言─預測的重要性 預測在不同領域的運用 需求管理 目的 協調和控制所有的需求來源 需求來源 相依需求 需求來自於其他的產品或服務 獨立需求 需求不直接來自其他產品 是預測的重點 預測類型 定性法 主觀判斷，仰賴估計與個人觀點 時間序列分析 依據過去的歷史資料預測未來的需求 因果預測法 需求與環境中許多要素有關 模擬模型 對未來的情境在一個規範的假設下做預測 需求的型態 某段時間的平均需求 趨勢 季節性因素 週期性因素 較難決定的元素，可能無法知道時間的區間 ex:政治選舉、戰爭、社會性壓力 隨機變異 由偶發事件所引起 自我相關 任何一點的期望值是與他過去的值高度相關 常見的趨勢類型 線性趨勢 直接連續的關係 S-曲線趨勢 典型的產品成長和成熟週期 漸近線趨勢 由較高的需求成長開始，漸漸遞減 指數趨勢 常見於具有爆炸性成長的產品需求 定性預測技巧 草根法 市調法 群體意見法 歷史類推法 Delphi法 草根法 假設越接近顧客或最終產品使用者的人，愈了解未來的需求 彙整最基層的預測值，並進行上一個更高的層級計算 Ex：地區性的配銷中心，將安全存量與訂購批量的數量，提供給上一個層級，也許是區域性配銷中心，反覆進行計算，直到得出最高層級的輸入值為止 市調法 雇用專精於市場調查的外部公司 常用於尋找新產品的靈感、對既有產品的意見、及在特定產品／服務類別中，最喜歡那一位競爭者的產品服務等進行研究。 收集資料的主要方法是問卷和訪談 群體意見法 三個臭皮匠勝過一個諸葛亮！ 經由開放式會議 所有管理層級和個人自由交換意見 困難點：職位較低的員工會被較高管理階層所影響。 歷史類推法 在預測新產品的需求時，以現有的同類產品來做為預測的模式。 互補產品 對CD的需求引發對CD音響的需求 替代性產品 百事可樂與可口可樂 Delphi法 對參與研究的個人採「匿名」方式！ 步驟如下： 1.選擇專家，包含各個不同領域中具備專業知識的人。 2.經由問卷或E-mail，從參與者取得預測值。 3.綜合結果，並找出合適的新問題，回饋給所有的參與者。 4.再次整理，修正預測和條件，並再次整理新問題。 5.如有必要，重覆步驟4 ，將最後結論發給所有參與者。 六、時間序列分析 使用過去的資料來預測未來的結果 企業依據下列要素，選擇預測模型： 預測的時間範圍 資料的取得性 需要的準確度 預測之預算多寡 是否可取得適合的人員 時間序列分析方法 簡單移動平均 加權移動平均 指數平滑法 迴歸分析 簡單移動平均 使用時機： 產品的需求量並非快速的成長或下降 不受季節因素的影響 有效去除不規律變異對預測的影響 Ft=預測值 n=期數 At-1,At-2,….At-n=實際歷史資料 三週及九週的簡單移動平均需求預測 實際需求與三週及九週的移動平均圖 簡單移動平均法缺點 於預測時，它必需放棄一筆舊資料與加入一筆新的資料，再重新計算。這對預測三或六期的移動平均法影響不大。但對於以60天為期數，分別預測倉庫中 20,000個貨品的需求時，就需要處理大量的資料。 加權移動平均 賦予每一個變數相對應的權重值，權重值的總和等於1 加權的法則沒有一定的規則 加權移動平均 選擇加權值 經驗法則 試誤法 最近的資料對於未來的預測，是最重要的指標，所以也該有較高的權重。 資料若是季節性的，那權重的分配就要根據季節而定。 好處 它可以改變過去每一資料點對未來的影響力 缺點 麻煩且費時 指數平滑法 指數平滑法只需要下列三項資料： 最近的預測結果 最近一期的實際需求 平滑常數alpha（α） 指數平滑法 廣範的被接受原因： -準確 -建構指數平滑的公式簡單 -使用者可以理解它是如何運作，運算簡易 -僅使用少量的歷史資料，所以資料的儲存空間小 -驗證此法則的準確度也很簡單 調整式預測 ?值愈高時，預測的結果也愈接近真實資料 為減低真實資料和預測資料間誤差，除調整?外，可加入趨勢值加以修正 趨勢值可基於合理的猜測或使用過去資料計算產生 預測誤差 誤差是預測值和實際值之間的差值，統計學上稱作殘值（Residuals） 只要預測值落在信賴區間，則認為誤差不存在 誤差來源 誤差可分為偏差(bias)或隨機誤差(random) 偏差：多因固定的錯誤造成，如採用錯誤的變 數、變數間的關係錯誤、使用錯誤的趨 勢線、誤把季節性因素去除等。 隨機錯誤：無法以正常的預測模式解釋