生产与作业项目管理——预测.PPTVIP

1　預測的意義 預測（forecasting） 長期預測（long-term forecasting） 中期預測（middle-term forecasting） 短期預測（short-term forecasting） 2　各種預測技巧的共同特徵 預測技巧共同的重要特徵 預測技巧通常皆假設過去所存在的某種因果關係，未來將會繼續存在。 預測結果必然會有誤差存在。 群體項目預測所發生的誤差各項目之間常會發生抵銷作用。 預測時間愈短，其正確性愈高。 預測必須估計可能的誤差。 預測方法在使用前應加以試驗。 3　優良預測的條件 優良預測的六項條件 預測的時間性。 預測的正確性。 預測的可靠性。 預測的書面化。 預測的單位化。 預測技術之簡單、易懂、容易使用。 4　預測的步驟 預測過程的六項步驟 確定預測的目的與預測完成期限。 決定預測所需的時間長度。 選取預測方法。 蒐集有關的資料、分析資料，以完成預測前之準備工作。 進行預測。 檢核預測的結果是否令人滿意。 5　預測方法 一、判斷性預測法 根據各種不同來源之主觀判斷，從事分析並進行預測。 二、以時間數列（歷史）資料為基礎的預測 把時間數列（歷史）資料當作透視鏡看待，預測者可進一步透視（預測）未來。 三、關聯性的預測 利用一個或數個解釋變數，預測相關變數的未來數值。 6　判斷性預測法 一、消費者調查 二、銷售人員的意見 三、主管的意見 四、外部銷售專家的意見 7　以時間數列資料為基礎的預測 時間數列的規則大致受到四種現象的影響 長期趨勢（secular trend） 循環變動（cyclical movement） 季節變動（seasonal variation） 偶然變動（irregular flunctuation） 7　以時間數列資料為基礎的預測 一、平均法 二、天真預測法 三、移動平均法 移動平均預測法（moving average forecasts） 其中　I = 資料的期數（i=1, 2, 3, 4…） 　　　n = 移動平均之期數 　　　Ai = 期數 i 之實際值 　　　MAn = n 期之移動平均 7　以時間數列資料為基礎的預測 四、指數平滑化法(1/2) 指數平滑化法（exponential smoothing）(上) 其中　Ft = t期預測值 　　　Ft-1 = t-1期預測值 　　　α = 平滑化常數 　　　At-1= t-1期實際值 7　以時間數列資料為基礎的預測 四、指數平滑化法(2/2) 指數平滑化法（exponential smoothing）(下) 將 Ft-1 項合併而得 然後擴展如下 7　以時間數列資料為基礎的預測 五、長期趨勢分析(1/3) 7　以時間數列資料為基礎的預測 五、長期趨勢分析(2/3) 7　以時間數列資料為基礎的預測 五、長期趨勢分析(3/3) 7　以時間數列資料為基礎的預測 六、長期趨勢方程式(1/2) 其中　t = 期數，t從0開始 　　　yt = t期之預測值 　　　a = t = 0 時之 yt 值 　　　b = 直線的斜率 7　以時間數列資料為基礎的預測 六、長期趨勢方程式(2/2) 其中　n = 期數 　　　y = 時間數列值 　　　y =時間數列平均值 7　以時間數列資料為基礎的預測 七、趨勢調整指數平滑化法(1/2) 趨勢調整指數平滑化法（trend-adjusted exponential smoothing） 以趨勢來調整簡單指數平滑化的變動。有時可稱為雙重平滑化法。 7　以時間數列資料為基礎的預測 七、趨勢調整指數平滑化法(2/2) 趨勢調整預測（trend-adjusted forecast，簡稱TAF） 其中　St = 平滑化誤差 　　　Tt = 本期趨勢預估值 而且 其中　α1與α2為平滑化常數 。 7　以時間數列資料為基礎的預測 八、季節變動分析技巧 季節變動（seasonal variations） 　　　　Y = T + S + C + R（加法模型） 　　　　Y = T × S × C × R（乘法模型） 其中　Y為實際資料 　　　T為長期趨勢 　　　S為季節變動 　　　C為循環變動 　　　R為偶然變動 7　以時間數列資料為基礎的預測 九、中心點移動平均法 中心點移動平均法（centered moving average） 依各季銷售額先計算四季移動總和，並放置於第二欄。 第二欄的四季總和除以4，求得四季移動平均後，放置於第三欄。 相鄰的二個移動平均數再平均一次，求得中心點移動平均後，放置於第四欄。 求特定季節指數。 將特定季節指數彙總成於一表，並選擇各季的算術平均數。 依修正因子加以修正後，求得修正後的季節指數。 7　以時間數列