生活工场导入协同预测.pptVIP

* 第3章 預測 * 3.13 使用預測資訊 管理者對預測可能採取反應或先制的方法。 反應方法是視預測為未來需求之描述，而管理者有所反應並滿足該需求。 先制方法則主動設法影響需求。 先制方法需要可解釋模型（例如，迴歸）或需求影響的主觀判斷。 管理者可能會有兩種預測：一種是在什麼情況下會發生什麼事；另一種則是若預測的結果是不被允許的，就採用「若??，會如何？」的方法。 * 第3章 預測 * 3.14 使用電腦軟體預測 適用於預測的套裝軟體相當多，本書網站上附有Excel 範本，可以計算移動平均、指數平滑法、線性趨勢方程式、趨勢調整指數平滑法以及簡單線性迴歸。 章末的「問題與解答」將示範使用數種範本。 * 台灣案例 -生活工場導入協同預測 育冠企業股份有限公司於1990年6月成立生活工場（Working House），是居家生活用品的自創品牌及通路體系。 生活工場目前擁有超過150多家的門市，且採用自行生產及銷售的營運模式，也建立本身的供應鏈。 若產品開發耗時較久，且未能及時與供應商分享資訊，將使得產品的前置時間延長，造成延誤或缺貨問題。加上採購多憑經驗法則而非需求分析，對於產品週期較短的季節性商品而言，往往形成龐大的庫存壓力。因此，導入協同預測也變成生活工場改善現況的一項重要決策。 * 第3章 預測 * 台灣案例 -生活工場導入協同預測 生活工場以過去類似品項做為銷售範本，建立銷售預測的依據，並利用銷售預測模型產生預測初始值，且視門市回報的銷售資訊／需求分析進行適度的調整，以反應最新的市場需求量。 由系統自動通知相關供應商，再依銷售預測、前置時間與庫存資訊以反應最新訂單預測量，後由系統擷取為凍結預測結果，產生訂單。 * 第3章 預測 * 台灣案例 -生活工場導入協同預測 季節商品其前置作業時間從過去超過150個工作天，減少至70天內完成。 -在協同預測系統正式上線之後，所得資料為採購商品的 依據。 -當主要供應商生產重要產品時，在被生活工場授權的情 況下，登入協同預測系統裡，檢視商品實際的銷售情形， 根據供給需求情形及過去銷售資料進行分析，並評估是 否需要備料或進行生產。 * 第3章 預測 * 台灣案例 -生活工場導入協同預測 供應商大幅改善急單的生產供應能力，而生活工場與供應商持續修正彼此之間的預估值。 -藉由協同預測系統，供應商得以事先規劃生產排程， 提早備料或生產，縮短其作業時間，提高季節商品的 準時達交率，減少急單生產率。 -生活工場則可增加預測準確率，快速回應市場需求， 降低庫存壓力，供需雙方得以避免失衡的情形發生。 * 第3章 預測 PS:中譯紙本的章節大綱需更正「關鍵性」為「關聯性」 * * 第3章 預測 * 趨勢分析技術 建立一個方程式來適當地描述趨勢（假設資料呈現趨勢）。 當趨勢產生時，有兩種重要的技術可以建立預測： 趨勢方程式的使用。 指數平滑法的延伸。 * 常見的非線性趨勢圖形 * 線性趨勢方程式(linear trend equation) 其中 Ft ＝第t 期的預測值 a 為t ＝ 0 時的Ft 值 b ＝斜率 t ＝從t ＝ 0 之後欲推測的期數 利用下列兩個方程式，可從歷史資料計算直線的係數a與b： 其中 n ＝期數 y ＝時間序列值 【請參照教科書第88頁，例題5】 * 趨勢調整指數平滑法(trend-adjusted exponential smoothing) 當時間序列顯示出線性趨勢時使用，或稱為雙重平滑法(double smoothing)。 趨勢調整預測值(trend-adjusted forecast, TAF） 其中 St ＝ 前一個預測值加上平滑誤差 Tt ＝ 目前趨勢估計 且 其中 α 為平均的平滑常數、β為趨勢的平滑常數 【請參照教科書第91頁，例題6】 * 季節性分析技術 時間序列資料中的季節性變異(seasonal variations)指某種事件發生的時間序列資料呈現規則的上下反覆變動。 季節性指的是規則的年度變異，或每日、每週、每月及其他規則模式的資料。 在時間序列中的季節性，是以實際值偏離序列平均值的量來表示。 若序列傾向在平均值上下變動，則季節性可用平均值（或移動平均值）來表示。 若呈現趨勢，則季節性應以趨勢值來表示。 * 季節性分析技術的模型 加法模型 季節性以數量表示，即時間序列之平均值加上或減去某一數量。 乘法模型 季節性是以百分比 表示，即時間序列 值乘以平均（或趨 　勢值）的某一百分 比。 * 乘法模型 乘法模型中的季節百分比稱為季