生产与存货管理的环境课件.ppt

1、預測I.前言II.資料III.預測時間長度及規模IV.主要預測技術V.時間序列分析VI.外部技術VII.存貨系統的預測錯誤前言一.預測1.APICS的定義2.臆測3.預測與生產型態的關係4.臆測的使用場合5.預測在生產計畫過程中的角色(圖3-1)資料(1)壹.時間數列資料的意義貳.資料與時間序列資料(第5頁)參.時間數列資料的二型態A.外部資料B.內部資料肆.外部資料的來源A.人口統計學B.銷售力的回饋Back資料(2)伍.內部資料的修正A.經常產生偏誤的資料是來自於銷售促 銷及新廣告宣傳 B.資料的修正應該被限制在已經知道原因 的較大異常的糾正 Random cause Assignable

2、 cause預測時間長度及規模(1)壹.產品的預測時間長度至少要和產品的總前置時間相同 貳.預測更新的頻率由資料獲得的價值及產品的銷售變異度作決定 參.價格高的項目應該較常作預測的更新，而價格低的項目則較不常作肆.價格高的項目，由當作預測的更新增加的準確性可以覆蓋消除昂貴的安全存量伍.預測是為產品群組(Product groups)而不是為個別的項目(individual items)所作的 主要的預測技術 壹.定性法(P95)多依賴判斷,直覺與主觀的評價-臆測Ex.市場研究,Delphi法,管理的估計貳.定量法(P96)(時間數列)1.移動平均法2.加權移動平均法3.指數平滑法4.時間序列分

3、解5.Winters 三因素模式Delphi預測過程1.成立Delphi委員會2.專家尋找與問卷設計3.問卷發放4.問卷回收與整理5.問卷重新設計6.問卷發放7.問卷回收與整理 .時間數列分析法壹.移動平均法(p99)(表3-2)A.期數之選擇B.適用時機及優缺點貳.加權移動平均法(p102)(表3-3)參考課本重點(p102)重點:權數的決定及優缺點參.指數平滑法(P104)(表3-4)(參考課本重點(p105)重點1:指數之決定及指數大小之影響,優缺點重點2:追蹤訊號之應用與調整指數之應用預測誤差的量度預測誤差的量度(T23,T24)A.平均絕對差(MAD)B.均方差(MSE)(表六:MA

4、D與MSE衡量誤差的好處)C.量度方法的選擇(p110)重點:如何以預測誤差選擇預測方法及指數追蹤訊號(p111)(T25)A.追蹤訊號:(Tracking signal,TS)幫助保持預測 的不偏性(功能類似管制圖的應用)預測誤差的量度B.追蹤訊號的計算與表示(參考表3-7計算過程)a.TSi=E(ei)/MADb.TSi=(ei)/MADc.TSi依發生時間的先後次序繪圖(類似管制圖)C.TSi可正可負,介於01之間D.實務上的意義:管制預警E.當追蹤訊號超過某一個臨界值時，此訊息會列出顯示預測的誤差值得懷疑。F.臨界值的大小視預測項目的重要性來決定G.TSi與指數平滑法間的關係(p.11

5、3)時間數列分析法(3)陸.調整指數平滑法(P112)柒.時間數列分解法A.將一個時間序列分解為趨勢，季節性和這個序列組成的隨機單元 B.最好有 48個月以上的需求歷史資料捌.時間數列分解法步驟時間數列分解法步驟(P113)(記住步驟以及各步驟的目的)玖.估計隨機部分拾.時間數列分解法的障礙及解決辦法(P123)時間數列分解各步驟的目的Step1:去除季節指數(但觀測值並非月中之值)Step2:以月中之值來代表該月份之觀測值Step3:求在無外力作用下之最佳回歸直線Step4:以Step3 求出的直線外推未來在無外力作用下可能發生的觀測值Step5:求 Step4 求出的觀測值,如果考慮外力作

6、用時(季節指數)的可能觀測值Winters三因素模式壹.Winters三因素模式的適用時機(P123)貳.Winters三因素模式的觀念它使用了分別對於基本(去除季節性)需求，趨勢，和季節性指數估計值的平滑因素。參.Winters參因素模式預測計算過程肆.優點為何(與其他方式比較)Winters三因素模式二觀念：1.指數平滑法觀念之應用Fn=Dn-1+(1)Fn12.預測值之推算考慮三種影響因素且三種影響因素各自有自己之指數影響因素指數基本值(Base)趨勢(Trend)季節性因素(Season)Fn=(Bn1+iTn1)Snp (p表示季節指數)Winters三因素模式1.利用上一期的基本值

7、趨勢值以及上年度的季節指數來估計下一期的預測值2.圖解(if 已經經過四期且一年有四季)F5=B4+i T4)S1(i 表往後第i 期)010203040501234Winters三因素模式三解法由基本資料求過去最近一期之趨勢值T(概估)(參考Table 3-12)當得到次一期的真實值後則依此來陸續推算(Xn 表真實發生的數值)ABn=Bn (1)(Bn1 Tn1)由於Xn已知(n=5)則Bn=Xn Sn-p=X5 S1Bn=Xn Snp已知已知Bn1已知Tn1已知Bn=(Xn Snp)(1)(Bn1 Tn1)B5=0.2(112 0.9)0.8(136 4)=24.9 112=137Winters三因素模式 BTn=(BnBn1)(1)Tn1 T5=0.1(B5B4)(1 0.1)T4 =0.1(137136)0.9 4.0=0.1 3.6=3.7 CSn=(Xn Bn)(1)Snp =0.05(112 137)0.95 0.9=0.896 3.F6=(Bn1+i Tn1)Snp =(137 13.7)S6-4 =(137 3.7)0.7 =98