生产预测步骤与方法

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
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
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
季節因素之處理（例）
範例
季節因素之處理（例）
步驟1- 各季（月）生產均值之求算 • 第一年：1000/4 =
250 • 第二年：1200/4 =
300 • 第三年：1800/4 =
450 • 第四年：2200/4 =
季節因素之處理（例）
步驟2- 各季（月）季節指數之求算
• 例如：45/250 = 0.18
54
6……… 46
48
7……… 38
46
8……… 32
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……..
二次簡單指數平滑法
預測模式之評估
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
平均絕對誤差
誤差之種類（續）
均Leabharlann Baidu差
公式
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
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
純真法適用之時 • 生機產穩定 – 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
按一生下产以预編测輯步母骤片与標方法題樣式
按一下以編輯母片本文樣式
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
• 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
模式
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 監控訊 號
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
27
24……..
32
4
4
4
7
7
11
4
4
15
4
4
19
-5
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
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
加權值平移均動平均值 法• 本期之預測值為過去n期之加權實際 問題值平均 • 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
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)
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
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