Transcript Document

Operations Strategy and Management
指導教授:黃勇富教授
報告學生:9917007 温承容
10217635 陳鳴詠
Contents
1
導 論 (Introduction)
2
預測的共同特性(Features Common To All Forecasts)
3
良好的預測因素(Elements of a Good Forecast)
4
預測的流程步驟(Steps in the Forecasting Process)
5
預測的準確度(Accuracy of Forecasts)
6
預測的方法(Approaches to Forecasting)
7
選擇預測技巧(Choosing a Forecasting Technique)
8
預測資訊的使用&電腦預測(Using Forecast Information
& Computers in Forecasting)
9
結論(Conclusion)
123
1.導論(Introduction)
未來需求的資訊
無法被誇大
供給=需求
預
測
1.1導論(Introduction)
1.2導論(Introduction)
短期預測
中期預測
長期預測
2.預測的共同特徵
(Features Common To All Forecasts)
假設正常系統
過去→未來
因為隨機變異，因此預測很難達到完美
群體的預測會比單一預測更為精準
預測的正確性會隨時間而變異
時間長→準確性小
時間短→準確性大
我看到你這學期會
得到一個A.
3.良好的預測因素
(Elements of a Good Forecast)
時間性
成本效益
正確性
可靠性
書面化
預測
4.預測的流程步驟
(Steps in the Forecasting Process)
“預測”
步驟6 檢視預測
步驟5準備預測
步驟4 搜集與分析適當的資料
步驟3 選取預測的方法
步驟2 建立預測所需的基準時間
步驟1 決定預測的目的
5.預測的準確度
(Accuracy of Forecasts)
誤差=實際值-預測值
衡量誤差的方法有三種
1.平均絕對偏差(MAD)
2.平均方誤差(MSE)
3.平均絕對百分誤差(MAPE)
5.1預測的準確度
(Accuracy of Forecasts)
平均絕對誤差與平均方法
Mean Square
Error
MSE =
Mean Absolute
Deviation
S(D )2
MAD =
t
n-1
Mean Absolute
Percentage Error
MAPE =
Sn|Dt| yt
n
S |D t|
n
6.預測的方法
(Approaches to Forecasting)
• 定性預測法(Qualitative Forecast)：由主觀判斷所
組成，通常缺乏精確的數字描述。
–
–
–
–
主管的意見(Executive Opinions)
銷售人員的意見(Salesforce Opinions)
消費者調查(Consumer Surveys)
德菲法(Delphi method)
• 定量預測法(Quantitative Forecast)：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。
– 時間序列法(Time series methods)
– 關聯預測法(Causal methods)
6.1預測的方法-定性預測法
• 主管的意見(Executive Opinions)：
集合高層管理者一起進行預測
– 優點：集合了各個部門管理者重要的知識與智慧。
– 缺點：可能因某位管理者的意見勝出，整個團體便傾向此
看法，無法綜合意見，決定出優良的預測。
• 銷售員的意見(Salesforce Opinions)：
– 優點：銷售人員更能了解顧客的需求，並能考慮到未來性。
– 缺點：1）難以分辨顧客想做的事與實際會做的事。
2）可能會因為市場反映的銷售狀況，做出過於樂
觀或悲觀的判斷。
• 消費者調查(Consumer Surveys)：
-優點：可以得到其他方法所無法取獲的資訊。
-缺點：需要相當程度的知識和技能才能進行調查&更正與解
釋錯誤資訊的結果。
得6.2預測的方法-德菲法
德菲法(Delphi Method)
成立德菲委員會
選擇專家
發放與回收問卷
意見不一
彙總意見
結束
6.3預測的方法-定量分析法
• 以時間序列資料為基礎的預測
– 時間序列：指間隔固定時間(每小時、每週、每月、
每季、每年)並依時間順序排列的觀測值。
– 時間序列受以下五種情況影響：
1.
2.
3.
4.
5.
趨勢(trend)
季節性(seasonality)
循環(cycle)
不規則變異(irregular variation)
隨機變異(random variations)
• 關聯性預測技術
– 簡單線性回歸
6.4預測的方法-以時間序列為基礎
• 時間序列(time series)
– 天真預測法(naive forecast)
– 移動平均法(moving average)
– 加權平均法(weighted average)
– 指數平滑法(eponential smoothing)
– 線性趨勢方程式(linear trend equation)
– 季節性分析技術(Techniques for Seasonality)
6.5預測的方法-移動平均法
• 將數個近期的實際值平均後當作下一期的
預測值，其計算方式如下：
n
F t  MA n 

At  i
i 1

n
At
 n
 ...  A t
n
𝐹𝑡 =第t期的預測值
MA𝑛 =n期的移動平均
𝐴𝑡−1 =第t-1期的實際值
n=移動平均的期數（資料點）
 2
 At
 1
6.6預測的方法-移動平均法
例題
例題
已知過去五期貨車需求量， 求算三期移
動平均預測值
期數
需求
1
42
2
40
3
43
4
40
5
41
43+40+41
F6 =
= 41.33
3
假設第六期實際需求為38 ，
第七期的移動平均值為：
40+41+38
F7=
=39.67
3
最
近
三
期
6.6預測的方法-加權移動平均法
加權移動平均法
• 在計算預測值時，越近期的資料，給定的
權重越大，其計算方式如下：
Ft  w t( At)  w t
𝑊𝑡 =期間t之權重
𝑊𝑡−1 =期間t-1之權重
𝐴𝑡 =期間t之實際值
𝐴𝑡−1 =期間t-1之實際值
1
( At
1
)  ....  w t
 n
( At
 n
)
6.6預測的方法-加權移動平均法
例題
 以之下列需求資料：
 最近數值給定權重為0.40；次近數值為0.30；
其次為0.20；再其次為0.10，以此計算加權
平均預測值。
 若第六期實際需求為39 ，使用上一小題權種
預測第七期的需量。
F6=0.1(40)+0.2(43)+0.3(40)+0.4(41)=41.0
F7=0.1(43)+0.2(40)+0.3(41)+0.4(39)=40.2
6.7預測的方法-指數平滑法
指數平滑法
• 一種複雜的加權平均法，以前一個預測值為基礎，
再加上預測誤差的百分比，即
新預測值=前一個預測值+α(實際值-前一個預測值)
其中，(實際值-前一個預測值)表示預測誤差，且α
為誤差的百分比。更簡潔的表示法如下：
F t  F t  1   ( A t  1  F t  1)
𝑭𝒕 =第t期的預測值
𝑭𝒕−𝟏 =第t-1期的預測值
𝑨𝒕−𝟏 =第t-1期的實際需求
α=平滑常數
6.7預測的方法-指數平滑法
例題
• 例如前一個預測值為42單位，實際值為40
單位，若Alpha=0.1，則新預測值：
Ft=42+0.1(40-42)=41.8
• 若實際值為43，則下一個預測值為：
Ft+1=41.8+0.1(43-41.8)=41.92
6.8預測的方法-線性趨勢方程式
• 趨勢分析是建立一個方程式來適當的描述
趨勢（假設資料呈現趨勢）
• 線性趨勢方程式的形式為：
𝐹𝑡 = 𝑎 + 𝑏𝑡
其中 𝐹𝑡 =第t期的預測值
𝑎為𝑡 = 0時的𝐹𝑡 值
𝑏 =斜率
𝑡 =從𝑡 = 0之後欲推測的期數
6.8預測的方法-線性趨勢方程式
• 利用下列兩個方程式，可從歷史資料計算直線
的係數𝑎與𝑏：
n  ty   t  y
b
2
2
n  t  ( t )
a

y  b t
n
或
其中
n =期數
y =時間序列值
y  bt
6.8預測的方法-線性趨線方程式
𝑡與
n
𝑡
𝑡2
2
𝑡 的值
n
𝑡
𝑡2
1
1
1
11
66
506
2
3
5
12
78
650
3
6
14
13
91
819
4
10
30
14
105
1,015
5
15
55
15
120
1,240
6
21
91
16
136
1,496
7
28
140
17
153
1,785
8
36
204
18
171
2,109
9
45
285
19
190
2,470
10
55
385
20
210
2,870
6.8預測的方法-線性趨線方程式
例題
• 下表為加州某公司過去10週的行動電話銷售量。將資
料繪成圖，並檢查此線性趨勢是否適當。求出趨勢線
性方程式，並預測第11、12週的銷售量。
週
單位銷售數
1
700
2
724
3
720
4
728
5
740
6
742
7
758
8
750
9
770
10
775
6.8預測的方法-線性趨線方程式
趨勢方程式-以Excel計算
以EXCEL做預算
6.9預測的方法-季節分析技術
季節性分析技術
• 季節性有兩種不同的模型：加法模型與乘法模型。
– 加法模型：季節性是以數量表示，即時間序列之平均值
加上或減去某一數量。
– 乘法模型：季節性是以百分比表示，即時間序列值乘以
平均趨勢值的某一個百分比。乘法模型中的季節百分比
又稱為季節相對性或季節指數。
6.9預測的方法-季節分析技術
季節性分析技術
• 預測的季節相對性有兩種不同的使用方式。一
種方式為消除時間序列的季節性，另一種是在
預測中加入季節性。
– 消除時間序列的季節性是將季節性因素從資料中移
除，以得到更清楚的非季節性趨勢。消除季節性是
將每個資料點除以相對應的季節相對性。
– 當需求同時具有趨勢與季節性因素時，加入季節性
將有助於預測，其方式如下：
1. 使用趨勢方程式，求出所要求期間的趨勢估計值。
2. 將這些趨勢估計值乘以對應的季節相對性，再加上季
節性。
6.9預測的方法-季節分析技術
例題
6.10預測的方法-關聯預測法
簡單線性迴歸(1/10)
• 關聯性技術重點在於建立出歸納預測變數
效果方程式，主要的分析方法為迴歸。
Ex:牛肉的銷售量與每磅牛肉的價格有關
6.10預測的方法-關聯預測法
簡單線性迴歸(2/10)
目的是求出一條直線方程式，使每個資
料點與此線的垂直距離平方和最小。
此最小平方直線的方程式如下：
y c  a  bx
yc=被預測(相依)變數
x=預測(獨立)變數
b=直線的斜率
a=為x=0時，yc的值(即y截距)
6.10預測的方法-關聯預測法
簡單線性迴歸(3/10)
6.10預測的方法-關聯預測法
簡單線性迴歸(4/10)
b
a
n (  xy )  (  x )(  y )
n ( x )  ( x )
2

y  b x
或
2
y  bx
n
其中， n = 觀察數目。
6.10預測的方法-關聯預測法
簡單線性迴歸(5/10)
160
140
120
銷售量
100
銷售量
Predicted 銷售量
80
60
40
20
0
0
1
2
3
4
時間期間
5
6
7
8
6.10預測的方法-關聯預測法
簡單線性迴歸(6/10)
 迴歸於預測應用與指標之使用有關，這些指
標為不可控制的變數，會在變數變動之前先
改變
-工廠存貨淨變動量
-商業銀行放款利率
-工業產出
-消費者物價指數
-物價指數
-股票市場價格
6.10預測的方法-關聯預測法
簡單線性迴歸(7/10)
相關性(→correlation)
-衡量兩變之間的強度與方向
-相關係數r的範圍為-1.00~+1.00
-相關係數為0表示→兩變數沒有線性關係
-兩變數的相關性公式:
r 
n (  xy )  (  x )(  y )
n ( x )  ( x )
2
2
n ( y )  ( y )
2
2
6.10預測的方法-關聯預測法
簡單線性迴歸(8/10)
• 相關係數的平方（
）可用來衡量線性
迴歸對數據的解釋能力。
• 若 r 值為0~1.00，越接近1.00，其解釋
能力越高（例如 0.80或以上），表示立
變數是相依變數的優良預測值。
• 反之，若 r 介於0.25~0.80之間，其為中
間預測值。
r
2
2
6.10預測的方法-關聯預測法
簡單線性迴歸(9/10)
表為新房子銷售與落後三個月之失業
率。決定失業水準是否能預測新房子
需求，若能預測，請推導預測方程式
6.10預測的方法-關聯預測法
簡單線性迴歸(10/10)
r  0 . 966 失業率水準在3.6~9.0的範圍
y  71 . 85  6 . 91 x 很高的負相關
7.1選擇預測技巧
(Choosing a Forecasting Technique)
選擇預測技巧的二個重要因素：
◦ 成本
◦ 精確性
最佳的預測
不一定是精確度最高或成本最低
而是管理者認定的精確度與成本最佳組合。
7.2選擇預測技巧
其他考慮因素
– 成本與精確度。
– 歷史資料的完整性與可獲得性。
– 電腦資料的完整性與可使用性。
– 決策者對預測知識的充足性與使用預測技巧的
能力。
– 預測的籌劃時間。
– 有關預測資料的蒐集時間。
– 預測有關的資料分析時間。
– 預測範圍與預測時間長度。
7.3選擇預測技巧
選擇適合的預測方法
8.預測資訊的使用&電腦預測
(Using Forecast Information & Computers in Forecasting)

管理者對預測可能採取反應或先制方法。

於準備定量資料預測實務上，電腦扮演重要角色，
其可讓管理者快速建立與修正預測，且無手動計
算負擔。

Excel, SPSS, MINITAB
9.結論
(Conclusion)
• 預測是作業生產系統相當重要的一環，其協助
決策者預測未來
• 預測主要分為定性與定量兩種。前者靠的主要
是經驗；而後者主要是參考歷史資料。
• 預測結果一般都無法避免產生誤差，因此必須
保持系統應變的彈性，讓其達到最佳的效果。
• 使用電腦來進行預測，將可減少人為的疏失所
產生的誤差。
練習題
(Exercise)
• 您為朝陽冷氣機公司之新進預測管理師，要規劃明年(2014)每
一季節資金、人員及原物料的需求，從過去三年每季的銷售資
料顯示如下，您欲以簡單直線迴歸分析為明年度(2014)四季的
各別銷售量(單位：千台)做預測。因以往本產品的資料並未完
整留下，從以前的相關檔案取得以下兩組季節因子：第一組(一
至四季分別為0.85；1.1；1.25；0.8)；另一組為(一至四季分
別為1.0；1.1；1.05；0.85)。請使用適當的歷史資料為明年度
(2014)四季的冷氣機各別銷售量做出正確的預測（預測準確度
至一台）。
年
第一季
第二季
第三季
第四季
2011
6.5
7.5
9
5.5
2012
6
8
9.5
6.5
2013
6.5
9
9.5
6.5