线性回归分析.pptVIP

單一指數平滑會有落後需求變化的缺點，即在趨勢增加或減少的情況下，常會出現預測延遲的狀況，當需求方向改變時，又會出現高估或低估的情形。為了使指數平滑預測更具效力，除了使用平滑常數α外，另外再使用一個平滑常數δ。包含趨勢(FIT)預測之計算公式如下：α會介於0~1之間，若需求量穩定(如食品業)，將選取較小的α值。實際上找出α值非常困難，因此要不斷修正，而控制α值有兩種方式： (1)先決定兩個或兩個以上的α值 (2)計算α追蹤值先判斷誤差來源是來自資料來源誤差(sourceoferror)量度誤差(measurementoferror)偏差(bias)採用錯誤的變數變數間的關係錯誤錯用趨勢線誤把季節性因素去除未知的趨勢所影響隨機誤差(random)無法以正常的預測模式解釋誤差可用標準差(或平均平方差或變異數)與平均絕對誤差值(meanabsolutedeviation)，此外亦可使用追蹤訊號表示預測的正向或負向偏差實際值與預測值之間差值的絕對值之總合除以資料的樣本數當預測誤差呈常態分配時，平均絕對誤差與標準差的關係1標準差=1MAD=0.8標準差信號軌跡衡量預測的值是否和實際需求值走勢的步調一致(上漲或下滑)定義：兩個或兩個以上相關變數間的關係，可使用一個變數去預測另一個變數稱之為迴歸。線性迴歸：是迴歸分析法的特例線性迴歸方程式：Y=a+bX使用限制：過去的資料和未來的預測資料，均必須落在同一條線上。所有資料點與其相對應的迴歸線對應點間，垂直距離之平方總和的最小值。使差值平方總和最小Y=應變數y=應變數之實際值a=Y的截距b=斜率x=時間定義：為資料具有時間順序關係，其包含下列一種或多種的需求因素：趨勢、季節、週期、自我相關性、隨機性。季節因子：為一修正值，是時間序列分析中，針對季節所做的調整量。雖以週期為表示，並非年度性定期活動的週期，是以年度中特別活動的某段期間稱為「季」。加法性：假設不論趨勢或平均量如何變化，季節量恆為一常數。預測=趨勢因子＋季節因子乘法性：季節變動大小與趨勢水準有關，趨勢增加時，季節變化量也隨之增加。預測=趨勢因子Ｘ季節因子歷史銷售量季平均銷售(1000/4)季節因素春200250200/250=0.8夏350250350/250=1.4秋300250300/250=1.2冬150250150/250=.06總計1000明年之預估需求季平均銷售量(1100/4)季節因子明年之需求預測春275Ｘ0.8＝220夏275Ｘ1.4＝385秋275Ｘ1.2＝330冬275Ｘ0.6＝165總計1100假設明年需求170610目測截點170斜率=(610-170)/8之間的變化量趨勢方程式：Trendt=170+55t預測下年度結果：FTTSt=趨勢x季節性I-2000FITS9=(170+55(9))1.25=831II-2000FITS10=(170+55(10))0.78=562III-2000FITS11=(170+55(11))0.69=535IV-2000FITS12=(170+55(12))1.25=1,038用於整合多階層供應鏈中的所有成員，包含製造商、配銷商與零售商*需求管理預測的類型需求的組成定性預測技巧時間序列分析因果關係預測焦點預測基於網路預測：協同規劃、預測與補貨(CPFR)結論AGENDA重大管理決策與長期規劃的基礎財會方面預算規劃成本控制行銷方面銷售預測、規劃新產品、獎勵銷售人員生產作業方面製程選擇、產能規劃、設備配置、生產規劃排成、存貨控制對於預測的態度不會完美，需要修正合理範圍求得最佳預測方法預測需求需求管理之目的是協調和控制所有的需求來源，以有效率使用生產系統，而能即時地供應產品。需求的來源獨立需求(Independencedemand)相依需求(Dependencedemand)積極影響消極反應定性技術時間序列分析因果關係模擬模式某段時間的平均需求趨勢季節性因素週期性因素較難決定的元素，無法知道時間的區間或未考慮到ex:政治選舉、戰爭自我