第十二章预测

《第十二章预测》由会员分享，可在线阅读，更多相关《第十二章预测（51页珍藏版）》请在金锄头文库上搜索。

1、第十二章 預測指導教授：盧淵源 教授組 員：陳怡茜 謝文琪 陳建良 蔡志豪大 綱一、前言二、需求管理三、預測的類型四、需求的型態五、定性預測技巧六、時間序列分析七、因果關係預測八、焦點預測九、網路化預測前言預測的重要性l預測在不同領域的運用財務及會計領域預算規劃、成本控制行銷企劃領域規劃新產品、獎勵銷售人員、擬定其它重要決策生產管理領域製程選擇、產能規劃、設備配置、產量之排程與庫存量之控制需求管理l目的協調和控制所有的需求來源l需求來源相依需求l需求來自於其他的產品或服務獨立需求l需求不直接來自其他產品l是預測的重點預測類型l定性法主觀判斷，仰賴估計與個人觀點l時間序列分析依據過去的歷史資料預

2、測未來的需求l因果預測法需求與環境中許多要素有關l模擬模型對未來的情境在一個規範的假設下做預測需求的型態某段時間的平均需求趨勢季節性因素週期性因素l較難決定的元素，可能無法知道時間的區間 ex:政治選舉、戰爭、社會性壓力隨機變異l由偶發事件所引起自我相關l任何一點的期望值是與他過去的值高度相關常見的趨勢類型l線性趨勢直接連續的關係lS-曲線趨勢典型的產品成長和成熟週期l漸近線趨勢由較高的需求成長開始，漸漸遞減l指數趨勢常見於具有爆炸性成長的產品需求銷售量季銷售量季銷售量季銷售量季定性預測技巧l草根法l市調法l群體意見法l歷史類推法lDelphi法草根法假設越接近顧客或最終產品使用者的人，愈了解

3、未來的需求彙整最基層的預測值，並進行上一個更高的層級計算Ex：地區性的配銷中心，將安全存量與訂購批量的數量，提供給上一個層級，也許是區域性配銷中心，反覆進行計算，直到得出最高層級的輸入值為止市調法雇用專精於市場調查的外部公司常用於尋找新產品的靈感、對既有產品的意見、及在特定產品服務類別中，最喜歡那一位競爭者的產品服務等進行研究。收集資料的主要方法是問卷和訪談群體意見法l三個臭皮匠勝過一個諸葛亮！l經由開放式會議l所有管理層級和個人自由交換意見l困難點：職位較低的員工會被較高管理階層所影響。歷史類推法在預測新產品的需求時，以現有的同類產品來做為預測的模式。互補產品l對CD的需求引發對CD音響的需

4、求替代性產品l百事可樂與可口可樂Delphi法法l對參與研究的個人採匿名方式！l步驟如下：1.選擇專家，包含各個不同領域中具備專業知識的人。2.經由問卷或E-mail，從參與者取得預測值。3.綜合結果，並找出合適的新問題，回饋給所有的參與者。4.再次整理，修正預測和條件，並再次整理新問題。5.如有必要，重覆步驟4 ，將最後結論發給所有參與者。六、時間序列分析l使用過去的資料來預測未來的結果l企業依據下列要素，選擇預測模型：預測的時間範圍資料的取得性需要的準確度預測之預算多寡是否可取得適合的人員時間序列分析方法l簡單移動平均l加權移動平均l指數平滑法l迴歸分析簡單移動平均l使用時機：n產品的需求

5、量並非快速的成長或下降n不受季節因素的影響l有效去除不規律變異對預測的影響Ft=預測值n=期數At-1,At-2,.At-n=實際歷史資料三週及九週的簡單移動平均需求預測實際需求與三週及九週的移動平均圖選擇較短期數，將產生較大的波動，選擇較短期數，將產生較大的波動，但也愈接近真正的資料趨勢。但也愈接近真正的資料趨勢。選擇長的期數，將出現較平滑的曲線，選擇長的期數，將出現較平滑的曲線，對趨勢的反應較為平緩與延遲，會產對趨勢的反應較為平緩與延遲，會產生緩和波動生緩和波動 的缺點。的缺點。簡單移動平均法缺點l於預測時，它必需放棄一筆舊資料與加入一筆新的資料，再重新計算。這對預測三或六期的移動平均法影

6、響不大。但對於以60天為期數，分別預測倉庫中20,000個貨品的需求時，就需要處理大量的資料。加權移動平均l賦予每一個變數相對應的權重值，權重值的總和等於1l加權的法則沒有一定的規則Wn為第t-n期的比重為預測的總期數加權移動平均l選擇加權值經驗法則試誤法最近的資料對於未來的預測，是最重要的指標，所以也該有較高的權重。資料若是季節性的，那權重的分配就要根據季節而定。l好處它可以改變過去每一資料點對未來的影響力l缺點麻煩且費時指數平滑法l指數平滑法只需要下列三項資料：最近的預測結果最近一期的實際需求平滑常數alpha（）(0 1)Ft=第第t期的預測值期的預測值Ft -1 =第第t-1期的預測值

7、期的預測值At-1=第第t-1期的實際需求期的實際需求=調整係數調整係數指數平滑法廣範的被接受原因：-準確-建構指數平滑的公式簡單-使用者可以理解它是如何運作，運算簡易-僅使用少量的歷史資料，所以資料的儲存空間小-驗證此法則的準確度也很簡單調整式預測l值愈高時，預測的結果也愈接近真實資料l為減低真實資料和預測資料間誤差，除調整外，可加入趨勢值加以修正l趨勢值可基於合理的猜測或使用過去資料計算產生Ft=第第t期的指數平滑預測期的指數平滑預測Tt=第第t期的指數平滑趨勢期的指數平滑趨勢FITt=第第t期的預測期的預測(趨勢趨勢)FITt-1=第第t-1期的預測期的預測(趨勢趨勢)At-1=第第t-

8、1期的實際需求值期的實際需求值 =平滑常數平滑常數 =平滑常數平滑常數預測誤差l誤差是預測值和實際值之間的差值，統計學上稱作殘值（Residuals）l只要預測值落在信賴區間，則認為誤差不存在誤差來源l誤差可分為偏差(bias)或隨機誤差(random)l偏差：多因固定的錯誤造成，如採用錯誤的變數、變數間的關係錯誤、使用錯誤的趨勢線、誤把季節性因素去除等。l隨機錯誤：無法以正常的預測模式解釋的部分誤差衡量l標準差、平均平方差(或差異數)、平均絕對值誤差、或用追蹤訊號表示正向或負向的偏差。l平均絕對誤差(MAD)：計算實際值與預測值間差異的絕對值，再將誤差絕對值的總和除以資料筆數l當預測誤差呈常

9、態分配時，1標準差 =1MAD = 0.8標準差追蹤訊號(Tracking Signal；TS)l將預測誤差值的總和除以MADRSFE：預測誤差值的總和，正負可相抵MAD：所有絕對誤差的平均值l追蹤訊號的可接受限度是基於預期需求量的大小，與預測人員的時間(窄的信賴區間使得預測不容易落在信賴區間內，故須更多時間決定)。預測的平均絕對誤差（MAD）、）、累加誤差（RSFE）、）、及追蹤信號（TS）l一個完美的預測，所有預測誤差的總和應該為零，同時信號軌跡值也應該為零表示整個趨勢和實際資料點的走勢相砌合，也就是無偏模式lMAD常用來預測誤差MAD指數平滑法：類似單一指數平滑法l預測未來的誤差範圍l設

10、定安全庫存量誤差MADt = | At-1 - Ft-1 | + ( 1- )MADt-1線性迴歸分析l迴歸：兩個或兩個以上相關變數間的關係，可使用一個變數預測另一個變數。l線性迴歸線方程式：y=a+bx限制：過去資料和未來資料都必須落在一條假 設直線上。l使用於時間數列和因果關係的預測分析。-時間序列分析：依變數(Y軸)隨時間(X軸)的改變而改變-因果關係：一變數會因另一變數改變而改變線性迴歸分析模式與法則l目視線性模式法過去三年12季的產品銷售狀況線性迴歸分析模式與法則l最小平方法：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時間序列的分解l定義：資料具有時間順序，期包

11、含一種或多種的需求因素 - 趨勢、季節、週期、自我相關或隨機性 -趨勢和季節因素較易找出-週期、自我相關或隨機性不易找出l加法性季節變動與乘法性季節變動同時包含季節與趨勢效應l加法性季節變動與乘法性季節變動預測=趨勢+季節因素預測=趨勢*季節因素a.加法性b.乘法性季節因子l簡單等比例季節 歷史銷售量 季平均銷售量 季節因素 春 200 250200/250=0.8 夏 350 250350/250=1.4 秋 300 250300/250=1.2 冬 150 250150/250=0.6總計 1000 1000目測預測模式 170610目測截點 170斜率 = (610-170)/8 之間的

12、變化量故：趨勢方程式：Trendt = 170 + 55 t計算下年度的預測結果FTTSt=趨勢*季節性 I- 1998 FITS9 = (170+55(9)1.25=831II- 1998 FITS10 = (170+55(10)0.78=562III-1998 FITS11 = (170+55(11)0.69=535IV-1998 FITS12 = (170+55(12)1.25=1,038最小平方迴歸分析步驟l求出季節因子l去除需求的季節效應l找出趨勢因子l考量未來的趨勢因子l將趨勢因子乘上季節因子b =誤差範圍總誤差範圍等於兩條線與所有代表資料分布之直線的誤差，由圖可知誤差範圍將隨預測

13、的期間越遠而擴大。因果關係預測年度 核准建照數 銷售(平方碼)1989 18 130001990 15 120001991 12 110001992 10 100001993 20 140001994 28 160001995 35 190001996 30 170001997 20 130001020303620001400010000600020000地毯的銷售新建的房屋數因果關係Y = 7000 + 350x7000 + 350(25) = 15750多變量迴歸分析l考量所有具有影響作用的項目，例如新婚比例、新建房屋數、個人年度所得等對家具業的影響 S=B+Bm(M)+Bh(H)+Bi(

14、I)+Bt(T)S：年度總銷售量B：基本銷售額M：年度結婚人數I：個人年度所得T：時間趨勢焦點預測l由Bernie Smith提出，認為使用統計方法的預測技術，並無法獲得最好的結果，只要能有效的分析歷史資料，即使是簡單的方法也能產生好的預測。焦點預測的方法論l兩大因素1.數種簡單的預測法則a.前三個月銷售量或許是後三個月銷售量b.去年此季銷售量應該是今年本季銷售量c.後三月銷售量或許比前三個月銷售量高10d.本年下一季銷售量，應該比去年同期銷售量高50e.今年和去年本季銷售量比較後的改變程度 應該和本年下一季與去年同期的比較是一樣的2.使用電腦模擬這些法則網路化預測：協同規劃、預測與補貨(CP

15、FR)lCPFR用於整合多層供應練中所有的成員，使用CPFR最佳的作業是零售層級的需求預測，並進一 步整合供應練上游的預測、生產與補貨計畫。網路化預測：協同規劃、預測與補貨(CPFR)lCPFR的目標是透過網站分享特定的內簿資訊，以提供供應練可靠、長期的需求預測。lCPFR五大步驟：1.建立前端夥伴協定2.聯合企業規劃3.發展需求規劃4.分享預測資訊5.補貨結論l預測為規劃的基礎l短期：預估需求改變原料、產品、服務變動 調整生產排程l長期：做為策略前導l運用多種預測方法的網路化協同預測系統，將是許多產業未來的主流l預測理想的做法是盡力建立最佳的預測，並考量不可避免的預測誤差以維持系統應變的彈性。