生产与作业管理

生產與作業管理指導教授:盧淵源教授小組別:第一組小組成員:9322404073王永南9222404042邱士峯9322404004余美玲9322404037林建成9322404042楊盛斌9322404097陳怡全9322404039張普倫9322404088鄭凱仁第十一章:預測大綱•預測之意義功能與特性•需求管理•預測的類型•定性預測技巧–草根法–市調法–專家意見法–歷史類法大綱•時間序列分析–簡單移動平均–加權移動平均–指數平滑–預測誤差–線性迴歸分析–時間序列的分解•因果關係預測–多變量迴歸分析大綱•焦點預測–焦點預測的方法論–發展一個焦點預測系統•電腦程式•結論預測之意義與功能•預測為任何生產活動計劃的開始。預測可依涵蓋的時間長度分為長程、中程、與短程預測。•預測的功能有兩種:一、幫助管理者規劃系統。二、協助管理者規劃系統之使用。•合理而可靠的預測資料可以使生產設備做有效的產能規劃，以減少生產成本。銷售預測與生產規劃之關係市場預測∣銷售預測→生產規劃→生產控制↓↓↓各項產品之長期:產能/製程規劃、廠址選擇品質需求預測中期:集體規劃數量短期:MRP、存量管制、生產日程安排交期成本彈性預測在不同領域之運用•財務及會計領域:–預算規劃、成本控制。•行銷企劃領域:–新產業企劃、獎賞銷售人員及做其他的重要決策。•生產管理的領域:–製程選擇、產能規劃、設備配置、產量之排程及庫存量之決策。各種預測技巧的共同特徵•過去存在的因果關係，未來仍會繼續存在。•預測不可能是完美無缺的。•群體項目的預測會比單項預測更為精確。•隨著預測時間的增加，預測精確性會減少。預測的步驟•確定預測的目的。•蒐集資料與基本資料分析。•確定預測所需涵蓋的時間幅度。•選擇適當的預測技術:定性法或定量法。•進行預測。•預測值的評估與運用。•持續檢視並更新資料，同時檢討誤差來源與改善預測技術。需求管理•目的:–提供及協調如何”及時有效地”滿足顧客對產品及服務之需求，亦即提供給顧客“及時、高品質以及最低廉的產品與服務”•相依需求:–需求來自其他產品。•獨立需求:–需求不直接來自其他產品。–為預測之主要重點。–積極/消極應對需求。•一般預測方法可分為:主觀(定性)方法與客觀(定量)方法。–定性方法通常依據事務的特徵或特性，或根據個人意見以及未來市場變化作一主觀預測。–定量方法經由數量方法，將資料間的關係分析出來，作為預測的依據。預測的類型預測方法定性法時間序列因果模擬模型草根法簡單移動平均回歸分析電腦模型市場研究加權移動平均經濟模型群體意見法回歸分析投入/產出模型歷史類推法指數平滑領先指標Delphi法BOXjenkinsShiskin時間序列趨勢預測需求的六種型態•某段時間的平均需求•趨勢:•季節性:•循環週期:•隨機變異:•自我相關性:–任何一點的期望值是與他過去自己的值高度相關。–等候線理論。(waitinglinetheory)定性預測技巧/常見的趨勢類型定性方法/德爾菲法•將設計好的問卷發給具相關知識、能力、經驗的經理及幕僚。•暱名提供自己的意見。•負責人彙整所有專家意見，設計新問卷再發回原受調查者，做第二次調查。•重複上步驟直到大家都有共同看法及結論。定性方法高階管理階層意見整合法•徵詢一群高階層管理者對某特定對象的意見。•綜合大家的看法成為預測結果。•適用於公司長期的規劃及新產品的開發。•優點是能運用專業的知識與經驗。•缺點是某一人的意見會支配其他人的意見。•群體風險的分擔，造成風險過高的決策結果。定性方法/草根法(銷售人員意見整合法)•優點:–銷售人員經常與經銷代理商或消費者直接接觸較易取得第一手資料。•缺點:–銷售人員無法正確分辨消費者真正的需求，會受短期經驗影響。–銷售人員為求自保會將預測值做偏低之預測。定性方法/市調法•優點:–消費者是實際使用商品或服務的人。•缺點:–問卷設計難度高。–回收率低。定量方法以時間數列資料為基礎的預測•時間數列乃是以固定時間間隔(每小時、每週、每月、每季、每年)為基礎之時間順序的觀察值。•時間數列受到四種現象之影響:–趨勢變動Trend。–循環變動Cycle。–季節性變動Seasonality。–隨機變動Randon。資料的趨勢變動•趨勢變動(Trendvariation)指歷史資料逐漸且緩慢的逞捵呈現上升或下降。資料的循環變動•循環變動(CyclesVariation)指歷史資料超過一年以上的循環波浪式的生下變化，大都因經濟或政治因素造成。資料的季節變動•季節變動(SeasonalityVariation)由氣候、人為因素使得歷史資料在短期內政部長大都為一年期間)十分規則且定期變化。資料的隨機變動•隨機變動(RandomVariation)變動因素除生述變動原因外的其他變動。時間序列預測模式•依照過去資料來預測未來•選擇預測模型的取決條件–預測的時間範圍–資料的取得性–需要的準確度–預測的預算之多寡–合格人員的取得–其他像是公司的彈性及預測錯誤的影響預測模型種類分析預測方法歷史資料的數量資料型態預測範圍準備時間人員背景簡單指數平滑5-10個觀察值以設定權數資料應該固定短短不複雜Holt指數平滑5-10個觀察值以設定權數趨勢但無季節性短到中短有點複雜Winter指數平滑每季至少4或5個觀察值趨勢和季節性短到中短適度複雜迴歸趨勢模型10-20，若季節性每季至少5個趨勢和季節性短到中短適度複雜因果迴歸模型每個獨立變數10個觀察值能處理複雜的型態短、中或長發展時間長執行時間短相當複雜時間序列分析足以看到兩個頂點與凹點處理循環性和季節性型態;能辨別轉折點短到中短到適度不複雜BoxJenkins50個以上的觀察值必須是固定的或轉變為穩定的短、中或長長高度複雜簡單移動平均•使用過去的資料來預測未來的結果•產品的需求量並非快速的成長或下降•沒有季節因素的影響•有效去除不規律變異•取相鄰資料的中間值nAAAFntttt...21三週及九週的簡單平均移動週需求3週9週週需求3週9週1800161,7002,2001,81121,400171,8002,0001,80031,000182,2001,8331,81141,5001,067191,9001,9001,91151,5001,300202,4001,9671,93361,3001,333212,4002,1672,01171,8001,433222,6002,2332,11181,7001,533232,0002,4672,14491,3001,600242,5002,3332,111101,7001,6001,367252,6002,3672,167111,7001,5671,467262,2002,3672,267121,5001,5671,500272,2002,4332,311132,3001,6331,556282,5002,3332,311142,3001,8331,644292,4002,3002,378152,0002,0331,733302,1002,3672,378實際需求與三週及九週的移動平均圖4008001,2001,6002,0002,4002,80048121620242832實際3週9週加權移動平均法•附予每一個變數相對應的比重值，且比重的加總等於一–簡單移動平均法每一個元素的比重是一樣的•加權的法則也沒有一定的規則ntntttAWAWAWF....2211niiW11指數平滑法•指數平滑法只需要三個資料–最近的預測結果–最近一期的實際需求–平滑常數alpha（α）)(111ttttFAFF調整式預測•選取適當的α值–先決定兩個或兩個以上的α值，計算預測值與真實值之間的誤差，依不同誤差的程度來決定α值•計算α值的軌跡值：用來計算預測值是否和實際的需求值之增減幅度跟著改變預測誤差•誤差是預測值和實際值之間的差值，統計學上稱作殘值（Residuals）–資料來源誤差（sourceoferror）•以過去的資料點走勢預測未來的趨勢–量度誤差（measurementoferror）平均絕對誤差（MAD）•量測預測值與觀測值差異的分佈狀況•實際值與預測值之間差值的絕對值總合再除以資料的樣本數•當預測誤差呈常態分配時，平均絕對誤差與標準差的關係ntFAMADntt11標準差=MADMAD25.121MAD=0.8標準差信號軌跡•衡量預測值是否和實際需求值走勢的上漲或下滑步調一致•信號軌跡是MAD的倍數，這些數字就是預測值和實際值之間的高低MADRSFETS信號軌跡ntttFARSFE1)(預測誤差值的總合預測的平均絕對誤差（MAD）、累加誤差（RSFE）、及追蹤信號（TS）月需求預測實際差異RSFE絕對差異絕對差異之和MAD*TSRSFEMAD#11,000950-50-50505050-121,0001,070+70+207012060.3331,0001,100+100+12010022073.31.6441,000960-40+8040260651.251,0001,090+90+17090350702.461,0001,050+50+2205040066.73.3123456信號軌跡月實際大於?預測實際小於預測信號軌跡•信號軌跡的可接受限度–預期需求量的大小•大量或高收益的項目就應常被監控–預測員的可用時間•窄的信賴限度使得預測不容易在信賴帶內，因而需要更多的時間線性迴歸分析•迴歸分析的定義為兩個或兩者以上相關（Correlated）變數的關係•線性回歸分析過程最好預先搭配散佈圖,配合相關係數r值(-1≦r≦1),觀察正相關與負相關趨勢•線性迴歸分析是迴歸分析法的特例，主要就是基於變數間的關係將形成一條直線的分佈–型式：Y=a+bX–目視法–最小平方分析法目視法某公司過去三年12季的產品銷售狀況12345678910111205001,0001,5002,0002,5003,0003,5004,0004,500$5,000(12--1)(4,950--750)............畫一條看起來似乎切合資料樣本分佈的直線(用尺即可)決定截點a和斜率b的值Y=400+382X最小平方分析法•求出所有的資料點與它相對應之迴歸線對應點間垂直距離的平方加總之最小值•標準差：代表直線和資料間的接近程度xbya22xnxyxnxyb最小平方和迴歸分析(1)x(2)y(3)xy(4)x2(5)y2(6)Y16006001360,000801.321,5503,10042,402,5001,160.931,5004,50092,250,0001,520.541,5006,000162,250,0001,880.152,40012,000255,760,0002,239.763,10018,600369,610,0002,599.472,60018,200496,760,0002,959.082,90023,200648,410,0003,318.693,80034,2008114,440,0003,678.2104,50045,00010020,250,0004,037.8114,00044,00012116,000,0004,397.4124,90058,80014424,010,0004,757.17833,350268,200650112,502,5006.5b=359.6153xy=2,779.17a=441.6666Y=441.66+359.6XSxy=363.9時間數列的分解•時間數列為一有時間先後關係的資料，其中包含了一種或多種的需求因素–趨勢、季節、週期、自我相關（AutoCorrelated）或隨機性–趨勢和季節因素較易找出–週期、自我相關（AutoCorrelated）或隨機性不易找出加法性及乘法性對季節與趨勢之影響•預測=趨勢+季節因素•預測=趨勢*季節因素※較常見的狀況a.加法性b.乘法性季節因素（或指標）•是一修正過後的值，在時間數列分析上