第十二章预测.ppt
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,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,目的 協調和控制所有的需求來源 需求來源 相依需求 需求來自於其他的產品或服務 獨立需求 需求不直接來自其他產品 是預測的重點,預測類型,定性法 主觀判斷，仰賴估計與個人觀點 時間序列分析 依據過去的歷史資料預測未來的需求 因果預測法 需求與環境中許多要素有關 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 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 由偶發事件所引起 自我相關 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,線性趨勢 直接連續的關係 S-曲線趨勢 典型的產品成長和成熟週期 漸近線趨勢 由較高的需求成長開始，漸漸遞減 指數趨勢 常見於具有爆炸性成長的產品需求,定性預測技巧,草根法 市調法 群體意見法 歷史類推法 Delphi法,草根法,假設越接近顧客或最終產品使用者的人，愈了解未來的需求 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,三個臭皮匠勝過一個諸葛亮！ 經由開放式會議 所有管理層級和個人自由交換意見 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 對CD的需求引發對CD音響的需求 替代性產品 百事可樂與可口可樂,Delphi法,對參與研究的個人採匿名方式！ 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,使用過去的資料來預測未來的結果 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,簡單移動平均 加權移動平均 指數平滑法 迴歸分析,簡單移動平均,使用時機： 產品的需求量並非快速的成長或下降 不受季節因素的影響 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，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，對趨勢的反應較為平緩與延遲，會產生緩和波動 的缺點。,簡單移動平均法缺點,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,賦予每一個變數相對應的權重值，權重值的總和等於1 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,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。 好處 它可以改變過去每一資料點對未來的影響力 缺點 麻煩且費時,指數平滑法,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 =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,值愈高時，預測的結果也愈接近真實資料 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 趨勢值可基於合理的猜測或使用過去資料計算產生,Ft=第t期的指數平滑預測 Tt=第t期的指數平滑趨勢 FITt=第t期的預測(趨勢) FITt-1=第t-1期的預測(趨勢) At-1=第t-1期的實際需求值 =平滑常數 =平滑常數,預測誤差,誤差是預測值和實際值之間的差值，統計學上稱作殘值（Residuals） 只要預測值落在信賴區間，則認為誤差不存在,誤差來源,誤差可分為偏差(bias)或隨機誤差(random) 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。 隨機錯誤：無法以正常的預測模式解釋的部分,誤差衡量,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。 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 當預測誤差呈常態分配時，,1標準差 =,1MAD = 0.8標準差,追蹤訊號(Tracking Signal；TS),將預測誤差值的總和除以MAD RSFE：預測誤差值的總和，正負可相抵 MAD：所有絕對誤差的平均值 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）,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 MAD常用來預測誤差 MAD指數平滑法：類似單一指數平滑法 預測未來的誤差範圍 設定安全庫存量,誤差,MADt = | At-1 - Ft-1 | + ( 1- )MADt-1,線性迴歸分析,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。 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。 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,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,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,定義：資料具有時間順序，期包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 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,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,簡單等比例 季節 歷史銷售量 季平均銷售量 季節因素 春 200 250 200/250=0.8 夏 350 250 350/250=1.4 秋 300 250 300/250=1.2 冬 150 250 150/250=0.6 總計 1000 1000,目測預測模式,目測截點 170 斜率 = (610-170)/8 之間的變化量 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=831 II- 1998 FITS10 = (170+55(10)0.78=562 III-1998 FITS11 = (170+55(11)0.69=535 IV-1998 FITS12 = (170+55(12)1.25=1,038,最小平方迴歸分析,步驟 求出季節因子 去除需求的季節效應 找出趨勢因子 考量未來的趨勢因子 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 13000 1990 15 12000 1991 12 11000 1992 10 10000 1993 20 14000 1994 28 16000 1995 35 19000 1996 30 17000 1997 20 13000,Y = 7000 + 350x,7000 + 350(25) = 15750,多變量迴歸分析,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(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,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,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10 d.本年下一季銷售量，應該比去年同期銷售量高50 e.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(CPFR),CPFR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),CPFR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。 CPFR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,預測為規劃的基礎 短期： 預估需求改變 原料、產品、服務變動 調整生產排程 長期：做為策略前導 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 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。,
