服务业作业管理应用技术.pptVIP

服務業作業管理技術 實務預測案例 如下表所列，歷史產能利用率資料 預測 * 服務業作業管理技術 實務預測案例-進行預測 預測36~40週產能需求並決定生產線各站別人數與機器數量。 運用OM Explorer 預測 * 服務業作業管理技術 OM Explorer 預測 * 服務業作業管理技術 預測 * 服務業作業管理技術 Results 預測 * 服務業作業管理技術 Results 預測 * 42% 48% 43% 41% 實際值 服務業作業管理技術 Regression 迴歸預測 預測 * 服務業作業管理技術 Results 預測 * 服務業作業管理技術 Exercise 客戶抱怨次數數據以成對(時期, 抱怨次數)表示之:(第1期, 60) (第2期, 56) (第3期, 66) (第4期, 55) (第5期, 64)；請以下列方法進行預測第6期抱怨次數： (1) 天真法 (2) 三期移動平均 (3) 加權移動平均法，權重分別為0.5, 0.3, 0.2. (4) 指數平滑法，平滑係數為0.4。 服務業作業管理技術 預測 * * 第一層 使用黑色小圈圈 第二層 使用小橫槓 服務業作業管理技術 預測 * 季節性範例 – 計算季節相對性 中心點移動平均(centered moving average): 與移動平均法相同，其數值卻不能作為預測值，但此數值為該序列之代表值。 期數 星期 實際值 1 Tues 67 2 Wed 75 3 Thur 82 4 Fri 98 5 Sat 90 6 Sun 36 7 Mon 55 8 Tues 60 9 Wed 73 10 Thur 85 11 Fri 99 12 Sat 86 13 Sun 40 14 Mon 52 15 Tues 64 16 Wed 76 17 Thur 87 18 Fri 96 19 Sat 88 20 Sun 44 21 Mon 50 服務業作業管理技術 預測 生產管理技術 * 服務業作業管理技術 預測 * 關聯性預測 關聯性技術重點在於建立出歸納預測變數效果方程式，主要的分析方法為迴歸。 分為簡單線性迴歸，曲線與多元迴歸分析二種。 服務業作業管理技術 預測 * 簡單線性迴歸 目的是求出一條直線方程式，使每個資料點與此線的垂直距離平方和最小。 此最小平方直線的方程式如下： 服務業作業管理技術 預測 * 簡單線性迴歸(1/2) 以下的方程式可以計算出係數 a 與 b： 服務業作業管理技術 預測 * 簡單線性迴歸(2/2) 直線方程式的圖形如下： 服務業作業管理技術 預測 * 迴歸(1/2) 迴歸於預測應用與指標之使用有關，以下為常見指標： 工廠存貨淨變動量 商業銀行放款利率 工業產出 消費者物價指數 物價指數 股票市場價格 服務業作業管理技術 預測 * 迴歸(2/2) 迴歸相關性衡量二變數之間關係強度與方向。相關係數 r 的範圍為 -1.00到+1.00。 相關係數的平方（ ）可用來衡量線性迴歸對數據的解釋能力。若　值相當高（例如 .80或以上），表示獨立變數是相依變數的優良預測值。 服務業作業管理技術 Regression Example 某公司過去行動電話銷售量，如下表所列。請應用線性趨勢檢測是否適當，並預測第11、12週銷售量。 預測 * 週 1 2 3 4 5 6 7 8 9 10 銷售量 700 724 729 728 740 742 758 750 770 775 服務業作業管理技術 Regression Example 預測 * 服務業作業管理技術 Regression Example 預測 * 服務業作業管理技術 預測 * 例題 下表為新房子銷售與落後三個月之失業率。決定失業水準是否能預測新房子需求；若能預測，請推導預測方程式。 服務業作業管理技術 預測 * 例題說明 將資料繪於圖上，並觀察資料點的範圍，線性模型似乎是適當的。 相關係數 迴歸方程式為 (負相關) 服務業作業管理技術 預測 * 應用線性迴歸分析要點(1/2) 簡單迴歸分析的應用應滿足下列假設： 在直線附近的變動是隨機的。 在直線附近的偏差應為常態分配。 只在觀察值的範圍內進行預測。 滿足上列假設後，為了得到最佳結果： 經常將資料繪成圖形，驗證線性關係是否恰當。 資料也許會受時間影響，檢查並繪出相依變數相對於時間的圖；若時間模式發生，則使用時間序列替代迴歸分析，或把時間當作多元迴歸分析的獨立變數。 低度相關暗示有其他更為重要變數存在而未受考慮。 服務業作業管理技術 預測 * 應用線性迴歸分析要點(2/2) 迴歸分析缺點包括： 簡單線性迴歸只能用在包含一項