《指数平滑法exponentialsmoothing》由会员分享，可在线阅读，更多相关《指数平滑法exponentialsmoothing（96页珍藏版）》请在金锄头文库上搜索。
1、預測第3章學習目標1. 列舉一個好的預測中所需要的元素。2. 概述預測流程的步驟。3. 描述三種以上的定性預測技術，並且說明其優點與缺點。4. 比較定性與定量的預測方法。5. 簡單描述平均法、趨勢與季節技術以及迴歸分析法，並 解決基本的問題。6. 描述三種預測精確性的衡量方式。7. 描述兩種評估與管制預測的方法。8. 了解在選擇預測技術時的主要考量因素。3.1導論預測有兩個層面是重要的需求期望水準：是一個有結構變異的函數，如趨勢性或季節性變異。預測精確度：是根據預測者需求、隨機變異和突發狀況，來正確地 建構模型的能力。預測被用來做為特定時間幅度的參考。短期預測適合連續性的作業。長期預測是一個重
2、要的策略規劃工具。預測會影響組織的決策和活動組織活動預測的例子會計新產品/製程成本估計、利潤規劃、現金管理。財務設備/設備替換需求、資金投入與借款需求的時機與金額。人力資源僱用活動，包括招募、面試、訓練、解僱規劃、解僱 者的新職介紹。行銷訂價與促銷、企業e化策略全球化競爭策略。管理資訊系統全新/修正的資訊系統、網際網路服務。作業排程、產能規劃、工作指派與工作負荷、存貨規 劃、自製或外購決策、外包、專案管理。產品與服務設計現存特徵的修正、新產品或服務的設計。預測的兩種用途系統規劃包含一些長程規劃5例如，提供何種型態的產品與服務、籌備設備與機具、地點設置等。使用系統的規劃指一些中短程規劃，例如，存
3、貨規劃、勞動力水準、採購與生產規劃、預算與排程規劃等。預測需求企業預測不只針對需求做預測，但為了簡化 討論，本章的焦點只放在預測需求。謹記， 此概念與方法也能夠用在其他的預測變數上。#3.2各種預測技術的共同特徵預測的技術的共同特徵為：1. 預測技術通常假設過去存在的因果系統未來將 持續。2. 預測很少完美無缺。3. 整體預測會比單一預測更為精確。4. 隨著預測的時間週期愈廣，亦即增加時間幅度 (time horizon)，預測精確度會減少。彈性的企業組織(亦即能迅速反應需求改變) 進行預測所需的幅度較短。#33優良預測的因素 一個適當的預測應該滿足下列必要條件：1234567預測有時間性。預
4、測必須精確，並應該說明其精確度。預測必須具備可靠性予頁測必須具備有意義的計量單位預測必須書面化。預測技術必須容易了解、容易使用預測必須符合成本效益#34預測流程的步驟: 預測流程的六大基本步驟如下：1. 決定預測的目的與時機。2. 建立預測所需的時間幅度。3. 選擇預測技術。4. 蒐集與分析適當的資料。5. 準備預測。6. 檢視預測。 注意，當需求與預測不相符時，除了上述六步，驟 外，可能尚需制定一些額外的策略或措施。35預測的精確度預測誤差(eiroi*)是針對給定的期數，其實際 值與預測值的差。誤差=實際值一預測值 = At Ft預測誤差會以兩種稍微不同的方式影響決策。一種是在許多預測替代
5、方案中選擇其一。 另一種是評估預測技術的成功或失敗。#彙整預測精準度精確度主要建立在預測的歷史誤差績效之基礎 上。常用的衡量方法主要有三種：平均絕對偏差(mean absolute deviation MAD)MAD 二纠實際值一預測值n 均 方誤差(mean squared error MSE)MSE 二工(實際值r預測值/n 平均絕對百分比誤差 (mean absolute percent error, MAPE)X 100|實際值r-預測值MAPE =I#n例題1求解MAD MSE與MAPE(A F)MAPE =2x 100L實際值 =10.26%=1.28%12期數 實際值 預測值 誤
6、差 I誤差I 誤差平方 (I誤差I*實際值)X10012172152240.92%2213216-3391.4132162151110.464210214-44161.9052132112240.94621921455252.287216217-1110.468212216-44161.89-2227610.26%使用表格內的數字，計算過程為Xlel22 宀MAD =丄=2.75n8Se276MSE - -10.86n 18 一 1彙整預測精準度總括來說，作業管理者必須決定歷史績效對 反應能力的相對重要性，以及是否要使用 MAD、MSE或MAPE來衡量歷史績效。 MAD最容易計算，但對所有誤差
7、的權重相等。 MSE權重是根據其平方值，但也有較大誤差， 所以會產生較多問題。當需要以相對的觀點來衡量誤差時，則使用MAPE。3.6預測技術常用的預測技術，分為定性法與定量法。定性法主要由主觀判斷所組成，通常缺乏精確的數字描述。 能在預測流程中加入俗稱軟性的資訊（例如，人的因 素、個人意見、直覺）。定量法涵蓋客觀的歷史資料，或開發以因果變數做預測的關 聯性模型。由客觀分析或硬性資料所組成，通常可以避免會影響 定性法結果的個人偏見。三種預測技術判斷預測法(judgmental forecasts)根據主觀的分析。時間序列預測法(time-series forecasts)根據過去的經驗來了解未來
8、，利用歷史資料， 並假設未來和過去所有情況相同。關聯性模型(associative model)利用包含一個以上可解釋的變數方程式來預測 需求。#3.7以判斷與意見為基礎的預測主管的意見高層管理者一同進行預測。優點缺點集合各個部門管理者重要的知識可能某位管理者的意見勝出，整個 與智慧。體便傾向此看法，無法綜合意見。銷售貝的意見以銷售/客服人員為資訊來源。優點缺點銷售人員了解顧客的需求，並能 考慮到未來性。銷售人員難以分辨顧客想做的事與 實際會做的事。其亦可能會受到最 近銷售經驗的影響。3.7以判斷與意見為基礎的預測消費者調查組織設計問卷，並以抽樣方式直接從顧客身上獲得資訊。優點缺點可以得到別種
9、方法得不到的資訊。需相當程度的知識和技能才能進行 調查、更正與解釋錯誤資訊結果。 調查相當昂貴且耗時。需考慮不合理的行為模式。德菲法(Delphi method)反覆進行流程以取得一致的預測結果。#3.8以時間序列資料為基礎的預測時間序列(time series)指間隔固定時間並依時間順序排列的觀測值。假設未來的序列值能經由過去的序列值估計。時間序列的基本行為：趨勢(trend):指資料長期隨時間向上或向下的移時間序列基本行為季節性(seasonality):指短期、規則的變異，通常 與日期或一天中的時間因素有關。yyyJFMAMJJASOND季節性變異第4年第3年第2年第年月一循環(cycl
10、e):指持續一年以上的波狀變異。y時間序列基本行為不規則變異(irregular variation):指由不尋常的情 況所產生，其無法反映典型行為，應盡可能確 認出這些資料並移除。隨機變異(random variations):指考量所有其他活 動狀況之後，所留下的殘餘變異。#時間序列分析方法天真預測法 平均法分析技術21#天真預測法(naive forecast)缺點不能提供高精確度的預測。使用時間序列的前一期數值當做預測基礎， 可用於穩定序列季節性變異或趨勢。穩定序列上一期的數值將成為下一期的預測值。季節性變異本季的預測值和上一季的數值相同。趨勢預測值為序列中，前一個數值加上（或減去）最
11、後兩個 數值的差。【參照教科書第74頁的舉例】不需任何成本、方法簡單迅速；無 需分析資料，故容易了解。平均法分析技術 歷史資料通常包含部分的隨機變異或白噪音 (white noise)，平均法分析技術可使資料的變異 變小。適合此法的三種型態資料AMAV預測 理想型態階梯型變動型態漸進型變動型態三種平均法技術：1. 移動平均法。2. 加權移動平均法。3. 指數平滑法。移動平均法(moving average)使用數個近期的實際資料來產生預測值。Ft = MA” =nA-n + + 人 2 + -1n其中耳=第期的預測值優點缺點容易計算與了解。各期的貪料權重都相同。請參照教科書第76頁例題2MA/
12、Z = n期的移動平均 九1 =第t- 1期的實際值 h =移動平均的期數(資料點)#移動平均法說明：移動平均法的資 料傾向於平滑, 而且變動較實際 資料落後。#加權 平均 法(weighted average)和移動平均法很類似，不同之處是愈近期的資料，給定的權重愈大（權重總和必為1.00）。Ft =叫(4) +(/_) + + wr_n(At_J其中叱=期間r之權重，叱_1 =期間r 1之權重 勺=期間（實際值，A,=期間r 1之實際值【參照教科書第77頁例題3】優點缺點與移動平均法相比，其能反映較近 權重的選擇有點武斷，通常需使 期的事情。用試誤法才能找出適當的權重。指數平滑法(expo
13、nential smoothing)以前一個預測值為基礎5再加上預測誤差的 百分比。Ft = t- 1 +1 Ft-i）其中耳=第期的預測值Ft_x =前一期的預測值（亦即第f 1期） （1=平滑常數（代表預測誤差的百分比） A1 =前一期的實際需求或銷售量上述公式亦可寫作：Ft = (1 a)Fz_ 1 + aAt_1指數平滑法(exponential smoothing)平滑常數a愈接近0，則預測誤差調整的速期數優點缺點計算容易，僅需改變a即可變更權為一複雜的加權平均法。重其他預測方法焦點預測由柏納史密斯(Bernard T. Smith)所發展。包含多種預測方法的運用(例如，平均移動法、加權平均法和指數平滑
