生产预测的定义与步骤.pptx
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
例如：45/250 = 0.18
year3
0.22 1.30 1.84 0.63
year4
0.18 1.32 2.11 0.39
季節因素之處理（例）
步驟3- 各季（月）平均季節指數之求算
第一季：（0.18+0.23+0.22+0.18）/4 = 0.2 第二季：1.3 第三季：2.0 第四季：0.5
德爾菲法 主管人員共識凝聚法 銷售人員調查法 市場研究法
定量預測
時間序列分析法 簡單回歸分析法 因果關係分析 季節因素法
時間序列分析
假設
過去資料對未來預測是與時間相關的 用於中、短期預測
時間序列之組成
趨勢 季節性 循環 不規則變動 隨機變動
方法
純真法 移動平均值法 加權移動平均法 指數平滑法
純真法
16 … 1
5.654 = 6.818 + .2(1-6.818)
15
15 / 5.654 = 2.65
17 … 4
5.323 = 5.654 + .2(4-5.654)
11
11 / 5.323 = 2.07
18 … 3
4.858 = 5.323 + .2(3-5.323)
44
9……… 25
35
10…….. 24
26
11……..
25
12……..
32
13……..
34
14……..
50
15……..
51
16……..
54
17……..
55
18……..
51
19……..
50
20……..
43
21……..
38
22……..
27
23……..
27
24……..
32
4
4
4
7
7
11
4
4
15
4
4
19
-5
簡單回歸分析法
假設
預測之數量大小僅與時間之長短有關
模式
Y a bX
預測模式之評估 由相關係數來判斷
因果關係分析法
假設
預測之數量大小不僅與時間之長短有關、尚有其他 相關之因子
模式
Y a b1X1 b2 X 2 b3X 3
預測模式之評估
由相關係數來判斷
預測模式之監控
管制圖法 - 利用誤差制定管制上、下限
生產預測
生產預測之定義
預測是對未來事物的一種估計。 生產預測則是利用有系統之方法對未來之生產數量作 一合理之估計，以作為釐訂生產計畫之參考
預測之時程 長程、中程、短程。
生產預測之步驟
決定預測之時程
收集過去之歷史資料、繪圖 預測過去 預測模式之評估與選用 預測未來 預測模式之監控
生產預測之方法
定性預測
純真法適用之時機
生產穩定 – 本期之預測值 = 前一期之實際值 季節性變化 – 本期之預測值 = 同時間點前一期之實際值 趨勢 – 本期之預測值 = 前一期之實際值 + 同時間點前二期實際值 之差異
舉例說明
（加權）移動平均值法
移動平均值法
本期之預測值為過去n期之實際值平均 加權移動平均值法 本期之預測值為過去n期之加權實際值平均 問題
第一年：1000/4 = 250 第二年：1200/4 = 300 第三年：1800/4 = 450 第四年：2200/4 = 550
季節因素之處理（例）
步驟2- 各季（月）季節指數之求算
季 year1 year2
1 0.18 0.23 2 1.34 1.23 3 2.08 1.97 4 0.40 0.57
n之大小應為何 敏感程度 無實際值之預測
指數平滑法
簡單指數平滑法
Ft Ft1 At1 Ft1
問題
第一期之數量應如何估計
之大小應為何
指數平滑法(續)
二次簡單指數平滑法
TAFt1 St Tt
St TAFt At TAFt Tt Tt1 TAFt TAFt1 Tt1
預測模式之評估
監控訊號 MSFE At Ft
MAD MAD
A
F
A–F
Month (Sales) (Forecast) (Error)
Cumulative ∣e∣ ∣e∣
1……… 47
43
2……… 51
44
3……… 54
50
4……… 55
51
5……… 49
54
6……… 46
48
7……… 38
46
8……… 32
13 … 10
6.090 = 5.112 + .2(10-5.112)
-2
-2 / 6.090 = -0.33
14 … 7
6.272 = 6.090 + .2(7-6.090)
5
5 / 6.272 = 0.80
15 … 9
6.818 = 6.272 + .2(9-6.272)
14
14 / 6.818 = 2.05
5
24
-2
2
26
-8
8
34
-12
12
46
-10
10
56
-2
2
58
MAD = 58/10 = 5.8 監控訊號 = -20/5.8
= -3.45
(Month) ∣e∣ MADt=MADt-1+.2(∣e∣-MADt-1)
Cumulative Tracking Signal=Cumulative
t
一般而言以誤差來評估
誤差之種類
偏差 平均絕對誤差 均方差 平均絕對百分誤差
誤差之種類
偏差
Bt At Ft
平均絕對誤差
MAD At Ft
n
誤差之種類（續）
均方差
公式 MSE At Ft 2
n 1
季節因素之處理
利用簡單數學平均法
利用簡單回歸分析法
季節因素之處理
利用簡單數學平均法
各季（月）生產均值之求算 各季（月）季節指數之求算 各季（月）平均季節指數之求算 各季（月）預測值之求算
Error
=Cumulative Error÷MAD
10
-20
-20 / 5.800Fra Baidu bibliotek= -3.45
11 … 5
5.640 = 5.8 + .2(5-5.8)
-15
-15 / 5.640 = -2.66
12 … 3
5.112 = 5.640 + .2(3-5.64)
-12
-12 / 5.112 = -2.35
季節因素之處理（例）
範例
季
1 2 3 4 合計
Year1
45 335 520 100 1000
Year2
70 370 590 170 1200
Year3
100 585 830 285 1800
Year4
100 725 1160 215 2200
季節因素之處理（例）
步驟1- 各季（月）生產均值之求算
季節因素之處理（例）
步驟4- 各季（月）預測值之求算
第五年全年需求量之預測值為2200+400 = 2600 第一年：650*0.2 = 130 第二年：845 第三年：1300 第四年：325
季節因素之處理（續）
利用簡單回歸分析法
各季季節指數之求算 消彌各季銷售量之季節因素影響 利用簡單回歸分析預測各季之生產數量 還原季節因素之影響
year3
0.22 1.30 1.84 0.63
year4
0.18 1.32 2.11 0.39
季節因素之處理（例）
步驟3- 各季（月）平均季節指數之求算
第一季：（0.18+0.23+0.22+0.18）/4 = 0.2 第二季：1.3 第三季：2.0 第四季：0.5
德爾菲法 主管人員共識凝聚法 銷售人員調查法 市場研究法
定量預測
時間序列分析法 簡單回歸分析法 因果關係分析 季節因素法
時間序列分析
假設
過去資料對未來預測是與時間相關的 用於中、短期預測
時間序列之組成
趨勢 季節性 循環 不規則變動 隨機變動
方法
純真法 移動平均值法 加權移動平均法 指數平滑法
純真法
16 … 1
5.654 = 6.818 + .2(1-6.818)
15
15 / 5.654 = 2.65
17 … 4
5.323 = 5.654 + .2(4-5.654)
11
11 / 5.323 = 2.07
18 … 3
4.858 = 5.323 + .2(3-5.323)
44
9……… 25
35
10…….. 24
26
11……..
25
12……..
32
13……..
34
14……..
50
15……..
51
16……..
54
17……..
55
18……..
51
19……..
50
20……..
43
21……..
38
22……..
27
23……..
27
24……..
32
4
4
4
7
7
11
4
4
15
4
4
19
-5
簡單回歸分析法
假設
預測之數量大小僅與時間之長短有關
模式
Y a bX
預測模式之評估 由相關係數來判斷
因果關係分析法
假設
預測之數量大小不僅與時間之長短有關、尚有其他 相關之因子
模式
Y a b1X1 b2 X 2 b3X 3
預測模式之評估
由相關係數來判斷
預測模式之監控
管制圖法 - 利用誤差制定管制上、下限
生產預測
生產預測之定義
預測是對未來事物的一種估計。 生產預測則是利用有系統之方法對未來之生產數量作 一合理之估計，以作為釐訂生產計畫之參考
預測之時程 長程、中程、短程。
生產預測之步驟
決定預測之時程
收集過去之歷史資料、繪圖 預測過去 預測模式之評估與選用 預測未來 預測模式之監控
生產預測之方法
定性預測
純真法適用之時機
生產穩定 – 本期之預測值 = 前一期之實際值 季節性變化 – 本期之預測值 = 同時間點前一期之實際值 趨勢 – 本期之預測值 = 前一期之實際值 + 同時間點前二期實際值 之差異
舉例說明
（加權）移動平均值法
移動平均值法
本期之預測值為過去n期之實際值平均 加權移動平均值法 本期之預測值為過去n期之加權實際值平均 問題
第一年：1000/4 = 250 第二年：1200/4 = 300 第三年：1800/4 = 450 第四年：2200/4 = 550
季節因素之處理（例）
步驟2- 各季（月）季節指數之求算
季 year1 year2
1 0.18 0.23 2 1.34 1.23 3 2.08 1.97 4 0.40 0.57
n之大小應為何 敏感程度 無實際值之預測
指數平滑法
簡單指數平滑法
Ft Ft1 At1 Ft1
問題
第一期之數量應如何估計
之大小應為何
指數平滑法(續)
二次簡單指數平滑法
TAFt1 St Tt
St TAFt At TAFt Tt Tt1 TAFt TAFt1 Tt1
預測模式之評估
監控訊號 MSFE At Ft
MAD MAD
A
F
A–F
Month (Sales) (Forecast) (Error)
Cumulative ∣e∣ ∣e∣
1……… 47
43
2……… 51
44
3……… 54
50
4……… 55
51
5……… 49
54
6……… 46
48
7……… 38
46
8……… 32
13 … 10
6.090 = 5.112 + .2(10-5.112)
-2
-2 / 6.090 = -0.33
14 … 7
6.272 = 6.090 + .2(7-6.090)
5
5 / 6.272 = 0.80
15 … 9
6.818 = 6.272 + .2(9-6.272)
14
14 / 6.818 = 2.05
5
24
-2
2
26
-8
8
34
-12
12
46
-10
10
56
-2
2
58
MAD = 58/10 = 5.8 監控訊號 = -20/5.8
= -3.45
(Month) ∣e∣ MADt=MADt-1+.2(∣e∣-MADt-1)
Cumulative Tracking Signal=Cumulative
t
一般而言以誤差來評估
誤差之種類
偏差 平均絕對誤差 均方差 平均絕對百分誤差
誤差之種類
偏差
Bt At Ft
平均絕對誤差
MAD At Ft
n
誤差之種類（續）
均方差
公式 MSE At Ft 2
n 1
季節因素之處理
利用簡單數學平均法
利用簡單回歸分析法
季節因素之處理
利用簡單數學平均法
各季（月）生產均值之求算 各季（月）季節指數之求算 各季（月）平均季節指數之求算 各季（月）預測值之求算
Error
=Cumulative Error÷MAD
10
-20
-20 / 5.800Fra Baidu bibliotek= -3.45
11 … 5
5.640 = 5.8 + .2(5-5.8)
-15
-15 / 5.640 = -2.66
12 … 3
5.112 = 5.640 + .2(3-5.64)
-12
-12 / 5.112 = -2.35
季節因素之處理（例）
範例
季
1 2 3 4 合計
Year1
45 335 520 100 1000
Year2
70 370 590 170 1200
Year3
100 585 830 285 1800
Year4
100 725 1160 215 2200
季節因素之處理（例）
步驟1- 各季（月）生產均值之求算
季節因素之處理（例）
步驟4- 各季（月）預測值之求算
第五年全年需求量之預測值為2200+400 = 2600 第一年：650*0.2 = 130 第二年：845 第三年：1300 第四年：325
季節因素之處理（續）
利用簡單回歸分析法
各季季節指數之求算 消彌各季銷售量之季節因素影響 利用簡單回歸分析預測各季之生產數量 還原季節因素之影響