供应链需求预测--rickyblcu.pptVIP

大綱 預測在供應鏈的角色 預測的特性 主要企業預測項目 預測的方法與組成 時間序列預測 預測誤差的衡量指標 執行預測的建議 CPFR 預測在供應鏈的角色 The basis for all strategic and planning decisions in a supply chain Examples: Production: scheduling, inventory, aggregate planning Marketing: sales force allocation, promotions, new production introduction Finance: plant/equipment investment, budgetary planning Personnel: workforce planning, hiring, layoffs All of these decisions are interrelated 預測的特性 Forecasts are always wrong. Should include expected value and measure of error. Long-term forecasts are less accurate than short-term forecasts (forecast horizon is important) Aggregate forecasts are more accurate than disaggregate forecasts 主要企業預測項目 市場需求量 母體數預測 單位需求量預測 驅動變數預測 市場佔有率預測 企業銷售量預測 單價預測 生命週期預測 預測的方法 主觀法(subjective methods) 預測人員依個人主觀的判斷進行預測 常應用在缺乏歷史資料時透過專家進行主觀預測 草根法Grass roots Bottom up 市調法Market research Long-range New product sales 歷史類推法Historical analogy 類似的產品經驗類推 Delphi Method 以問卷方式蒐集專家意見以進行預測 經由問卷溝通，專家間無直接互動以避免主控性 以統計量收斂為停止指標 預測的方法 客觀法(objective methods) 以歷史資料為基礎進行預測 Time Series(外插法) 假設過去之需求資料是未來需求良好指標下，使用歷史資料進行預測，適合當需求環境穩定、無劇烈變動時進行 Causal (因果關係法) 假設需求與環境中某些因素是高度相關，藉由發現需求與環境因素的相關性去估計未來的需求 Transfer Function Model(轉換函數模式) 結合Time Series 與 Causal 兩者，經由解釋變數與應變數之歷史資料產生轉換函數，再將解釋變數之預測值代入轉換函數產生應變數之預測值 ARIMAT 、SARIMAT 需求資料的組成 Observed demand (O) = Systematic component (S) + Random component (R) 需求資料組成的關係類型 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 時間序列預測 時間序列預測 預測的方法 Static Adaptive Moving average Simple exponential smoothing Holt’s model (with trend) Winter’s model (with trend and seasonality) 預測的流程 Understand the objectives of forecasting Integrate demand planning and forecasting Identify major factors that influence the demand forecast Understand and identify customer segments Determine the appropriate forecasting technique Establish performance and error measures for the forecast 時間序列預測 Goal is to predict systematic component of demand Multiplicative: (level)(trend)(seasonal factor) Additive: lev