作业管理—Chapter 11 预测.pdf

作業管理— Chapter 11 預測 教授：盧淵源 博士 報告人： 第四組 陸連民 9222401001 孫志敏 9222401002 鄭瑞娥 9222401003 薛國輝 9222401005 中華民國九十三年十一月十七日 中山大學企業管理學系 大綱 一、預測運用 二、預測 模型的種類 三、質性模型 四、時間序列 五、代表預測準確度的指標 六、因果關係及迴歸模型 七、時間序列的分解 八、結論 中山大學企業管理學系 一、預測運用 • 經理人每天都要面對不確定性，為了能審慎規劃未 來，必須經常做一些相關的預測，以降低不確定性。 • 常見的預測如－工廠的產品需求，公司的全年總收 益，政府的預估稅收等。 • 不要求高度準確的事件，有經驗的經理人可以憑直覺 或判斷力去預測，但對需要高度準確的事件，即使有 經驗的經理人，也會發現傳統的預測技術是非常有助 益的。 • 即使經理人有很強的直覺，若輔以系統性的數量模 型，可以更加全面考慮各種趨勢，不致於忽略任何可 能性。 中山大學企業管理學系 一、預測運用 • 預測的實施 – 建立持續的監控預測資料，並學習如何處 理不正確的預測更為重要 – 好的策略是使用2或3種方法，並尋求共識 – 持續檢查及更新資料是預測成功的基礎 – 本章重點-時間序列定量預測，其涵蓋移動 平均、線性迴歸、趨勢、季節比率、焦點 預測與誤差來源及衡量 中山大學企業管理學系 零售商Wal-Mart的規模及影響力 • 擁有世界最大資料倉儲(Data Warehouse) 累積超過7 terabyte的資料 • 成功的公式-用最低的成本，將正確的商品、 擺在適當的料架上 • 資料庫系統負責儲存銷售點資料、庫存、運 送中的商品、市場的統計、顧客人口分佈、 財務、退貨及供應商績效，這些資料用於趨 勢分析、物料管理與顧客分析三方面的決策 支援 • 資料開採- 開發需求預測程式，以預測每一個 商店之每一種商品的需求 中山大學企業管理學系 二、預測 模型的種類 數量模型（quantitative model ）－預測基礎是過去 的數量或數值資料。 時間序列 • 基本模型 • 簡單平均模型 • 加權平均模型 • 指數平滑模型 • 迴歸分析 • Box Jenkins法 • Shiskin 時間序列 • 趨勢預測 中山大學企業管理學系 二、預測 模型的種類 （續） 因果關係模型 • 迴歸分析 • 經濟規模 • 投入/產出模型 • 領先指標 模擬模型 • 動態模型，通常以電腦為基礎 中山大學企業管理學系 二、預測 模型的種類