全球化趋势下一般企业经常面对问题.ppt

* * * * * * * * * * * 範例2 天真預測法 64 三期移動平均 MA3=(55+58+64)/3=59 WA=(0.5?64)+(0.3 ?58)+(0.2 ?55) 範例3 期數 抱怨數 預測值 計算 1 60 公式：Ft=Ft-1+α(Dt-1-Ft-1) 2 65 60 3 55 62 60+0.4(65-60)=62 4 58 59.2 62+0.4(55-62)=59.2 5 64 58.72 59.2+0.4(58-59.2)=58.72 6 60.83 58.72+0.4(64-58.72)=60.83 趨勢環境下之預測方法 雙指數平滑法(double exponential smoothing method) 迴歸分析法(regression analysis) 又稱最小平方法(least square method) 雙指數平滑法 FITt+1 = Ft+1 + Tt Ft+1 = FITt + α (At – FITt) Tt = Tt-1 + β[(FITt – FITt-1)– Tt-1)] =Tt-1 + β(Ft – FITt-1) 其中 Ft+1=第t+1期之不含趨勢預測 Tt=第t期之趨勢預測值 FITt=第t期之含趨勢預測值 α=平均平滑常數 β=趨勢平滑常數 α 與β皆介於0與1之間。 趨勢方程式 Yt = a + b t 0 1 2 3 4 5 t Y 計算 a 與 b 線型趨勢方程式範例1 線型趨勢方程式範例2 y = 143.5 + 6.3t b = 5 (2499) - 15(812) 5(55) - 225 = 12495 - 12180 275 - 225 = 6.3 a = 812 - 6.3(15) 5 = 143.5 季節性因素處理 若一時間數列明顯含有季節性因素，必須先計算各季之季節指數，再利用該各季節指數來對資料進行去除季節性，然後才可用一預測方法對去除季節性之資料，做正常之分析與預測。最後計算出預測值必須再乘以季節指數，使之變為含季節性之預測值。 考慮季節性之指數平滑法 季節指數(簡單平均)It 當季平均需求 總平均需求 = Ft= [ αAt-1 It-1 (1-α)Ft-1 It-1 + ] It Ft=[αAt-1+(1-α)Ft-1] It It-1 TM 12.3b 考慮季節性之預測範例 Suppose the projected demand for year 3 is 1320 units. quarter quarter quarter quarter (1320/4)=330 Causal Methods Forecasts are generated based on data other than the data being predicted Examples include: Inflation rates GNP Unemployment rates Weather Sales of other products 多元技術(multiple techniques)的使用 複合預測法(combination forecasts) 使用不同的預測方法或資料進行預測，取其平均值作為預測值。 焦點預測法(focus forecasts) 同時使用多種預測技術，採用最近且預測效果最佳的方法作為本期之預測方法。 預測的準確性 誤差 = 實際值與預測值之間的差額 平均絕對誤差(mean absolute deviation，MAD) 均方誤差(mean squared error，MSE) 平均絕對百分比誤差(mean absolute percent error，MAPE) 平均絕對誤差、均方誤差與平均絕對百分比誤差 MSE = Actual forecast) - 1 2 ? ? n ( MAD = Actual forecast ? ? n MAPE = Actualt forecastt ? ? n Actualt ?100% [ ] 預測的控制 預測方法適用與否之判斷→預測誤差是否是隨機的。 方法 追蹤信號(tracking signal) 管制圖 追蹤信號1 其範圍通常從±3到±8 一般採用±4 追蹤信號t = (實際值i - 預測值i) MADt ? i=1 t 追蹤信號2 MADt = MADt-1+α(|實際值-預測值|t-MADt-1) 管制圖 管制中心線(center line, CL)=E(e)=0 管制上限(upper control limit, UCL)=E(e)+zσe=z(M