去掉季节性因素的需求.PPT

8/29/00 S. Chopra / Demand Planning Supply Chain Management 第 6 章 供應鏈之需求預測 學習目標 瞭解預測在企業和供應鏈中扮演的角色 能辨識出需求預測的構成要素 在給定歷史需求資訊的情況下，利用時間序列方法在供應鏈上進行需求預測 分析需求預測並估計需求誤差 預測在供應鏈中扮演的角色 在供應鏈上，未來需求的預測為所有策略和規劃決策的基礎 同時用於推╱引流程 以下決策可以強化供應鏈廠商間的協同預測： 生產：排程、存貨控制、總體規劃、採購 行銷：行銷人員分派、促銷、新產品介紹 財務：工廠／設備投資、預算規劃 人事：人力規劃、僱用、解僱 所有決策都有相互關係 預測的特性 預測永遠會有誤差，所以必須包含期望值和預測誤差的量測 長期預測通常較短期預測來得不準確 總合預測通常比個別預測來得正確 預測方法 定性法：定性的預測方法是主觀的，其依個人的判斷和意見去進行預測 時間序列法：使用歷史需求去進行預測 靜態方法 適應性預測方法 因果關係法：假設需求預測與環境中的某些特定因子是高度相關 模擬法 模仿消費者的選擇，這些選擇會引起需求，因而推導出預測 能結合時間序列與因果分析 可觀察到的需求的構成部分 可觀察到的需求(O)＝系統部分(S)＋隨機部分(R) 需求預測的基本方法 進行預測的六個步驟 瞭解預測目標 整合供應鏈中的需求計畫和預測 瞭解與確認顧客的類別 確認影響需求預測的主要因素 決定適當的預測技術 建立預測的成果與誤差量測 時間序列的預測方法 任何預測方法的目標都是為了預測需求的系統部分 相乘：系統部分＝水準×趨勢×季節性因素 相加：系統部分＝水準＋趨勢＋季節性因素 混合：系統部分＝（水準＋趨勢）×季節性因素 靜態方法 適應性預測方法 時間序列的預測方法（續） 靜態方法 適應性預測方法 移動平均法 簡單指數平滑法 趨勢修正的指數平滑法（Holt模式） 趨勢和季節性修正的指數平滑法（Winter模式） 靜態方法 假設需求的系統部分是混合的 　系統成分＝（水準＋趨勢）×季節性因素 期間t＋l的需求在期間t作預測可以表示如下： 　Ft+1 = [ L + ( t +l ) T ] St+1 　L＝期間0的水準估計 　T＝趨勢估計 　St＝期間t季節性因素的估計 　Dt＝期間t可觀察到的真實需求 　Ft＝期間t的需求預測 靜態方法（續） 估計水準和趨勢 估計季節性因素 估計水準和趨勢 在估計水準和趨勢之前，必須將需求資料的季節性因素去掉 去掉季節性因素的需求，亦即代表在去除季節變動影響下所觀察到的需求 週期代號 p 代表每一季節性循環中的週期數 以Tahoe Salt的需求為例，那麼在表6.1的 　需求週期數為 p＝4 時間序列的預測（表6.1） 時間序列的預測（圖6.1） 去掉季節性因素的需求 去掉季節性因素的需求（續） 在此例子裡，p＝4是偶數。對於期間t＝3，可以利用公式6.2得到去除季節性的需求。這個需求計算如下： 去掉季節性因素的需求（續） 接著加入趨勢 T 　Dt = L + Tt 使用Dt 代表在時間t的去除季節性因素需求 　L＝水準，意即在時間0的去除季節性因素需求 　T＝代表去除季節性因素需求的成長率或趨勢 可以利用線性迴歸估計出L與T之值，利用去除季節性因素需求當作應變數，而時間當成自變數（可以利用Excel完成） 以Tahoe Salt為例，我們得到L＝18,439， T＝524 圖6.3 Tahoe Salt 去除季節性需求 估計季節性因素 利用公式6.4可以得到每一個期間的去除季節性因素需求。對於期間t的去除季節性因素，是真實需求對去除季節性需求的比值，可以表示如下： 估計季節性因素（圖6.4） 估計季節性因素（續） 若給定r個季節循環資料，對於任一給定週期 　pt＋i，1 ≤ i ≤ p，可以得到季節性因素如下： 對於Tahoe Salt 的例子，資料總計是12週期，循環週期數p ＝ 4 ，表示有r＝3的季節性循環週期。利用公式6.6可以得到季節性因素如下： 估計預測值 利用靜態預測方法對下四季求得的預測值如下： F13 = (L + 13T) S13 = (18,439 + 13 × 524)0.47 = 11,868 F14 = (L + 14T) S14 = (18,439 + 14 × 524)0.68 = 17,527 F15 = (L + 15T) S15 = (18,439 + 15 × 524)1.17 = 30,770 F16 = (L + 16T) S16 = (18,439 + 16 × 524)1.67 = 44,794 適應性預測方法 適應性預測方法中，水準、趨勢和季節性因素的估計都會因為觀測到的需求值而修正 適