服务业作业管理技术

結束服務業作業管理技術預測1預測結束服務業作業管理技術預測2學習目標概述預測過程與步驟。描述三種以上定性預測技術，並說明其優缺點。比較定性與定量預測方法。描述平均法、趨勢與季節法、及迴歸分析法，並運用預測分析法解決基本預測問題。描述三種預測精確性之績效衡量方式。描述二種評估與管制預測之方法。了解選擇預測技術時應考量之主要考量因素。結束服務業作業管理技術預測方法與期間預測方法質性方法量化方法預測期間可分成三類短期預測預測期間短於三個月，有時也長達一年。(工作排程、工作指派等。)中期預測預測期間在三個月到三年之間的預測。(銷售預測、生產規劃、預算與現金運用之規劃等。)長期預測預測期間在三年以上的預測。(新產品規劃、資本支出規劃、設施佈置與設備採購規劃等。)預測3結束服務業作業管理技術中、長期規劃與短期規劃比較中/長期預測所需考量範疇通常較為廣泛，並可在產品、廠房等規劃上提供相關決策資訊。短期預測可使用之預測方法較中、長期預測為多。短期預測結果較中、長期預測更為精確。預測4結束服務業作業管理技術預測5預測對一個變數的未來數值(例如需求)所作陳述。預測必須考慮二種資訊：目前情況條件與因素過去類似情況的處理經驗我看到你這學期將得到一個A。結束服務業作業管理技術預測6企業組織中運用預測例子會計估計成本/利潤財務現金流動和籌措資金人力資源雇用/招募/訓練行銷定價、促銷、策略MISIT/IS系統、服務作業排程、MRP、工作負荷產品/服務設計新產品與服務結束服務業作業管理技術預測7各種預測技術特徵1.預測技術通常假設過去存在因果系統(前後具有關連)，且未來將繼續存在。過去==未來2.預測很少完美無缺。3.整體項目預測會比單一預測更為精確。(誤差平均分攤掉)4.隨著預測時間之範圍愈廣，即增加時間幅度，預測精確性會減少。結束服務業作業管理技術預測8優良預測因素1.預測有時間性：預測須涵蓋可能變動所需時間。2.預測必須精確，並應該說明其精確程度。3.預測必須具備可靠性。4.預測必須具備有意義的計量單位(金額、人工小時、單位)。5.預測技術必須容易了解、容易使用(減少誤用、增進使用信心)。6.預測必須符合成本效益。結束服務業作業管理技術預測9預測步驟1.決定預測的目的與何時需要預測。2.建立預測所需時間幅度。3.選擇預測方法。4.蒐集與分析適當資料。5.進行預測。6.追蹤預測。結束服務業作業管理技術預測10三種預測技巧1.判斷預測法:(定性型預測方法)–採用主觀投入2.時間序列預測法:假設未來將與過去相似，利用歷史資料推估3.關聯性模型:利用解釋性變數預測未來量化預測線性迴歸法關聯模式指數平滑法移動平均法時間序列模式趨勢投影法結束服務業作業管理技術預測11主管意見(產能或製造相關決策)銷售員意見(銷售與需求量預測)消費者調查(問卷或訪談)其他方法德菲法:管理者與幕僚的意見達成一致之預測方法模糊德菲法(認知具有不確定性與模糊性)判斷預測結束服務業作業管理技術預測12時間序列預測時間序列乃指一段時間內，以固定時間間隔(小時、日、週…)所得觀察值。可將此類資料繪成圖形並檢視樣型(Pattern)。趨勢型–長期數據變動(股價變動)季節型–短期數據規律性變動(節日型產品銷售量、淡季/旺季)循環型–超過持續一年以上，數據波浪型變動不規則變動型–起因於不尋常環境變化(政治/經濟)隨機變動型–起因於偶發機會(地震、豪雨)結束服務業作業管理技術預測13時間序列預測(1/3)可能之時間序列圖形趨勢季節性循環不規則變動隨機變動結束服務業作業管理技術預測14天真預測法噢，等一下....我們上週銷售了250個輪胎....所以，我們下週應該銷售....每一期預測值等於前一期的實際值結束服務業作業管理技術預測15時間序列的預測(2/3)天真預測法使用前一期數值當作預測基礎。−優點：不需任何成本、方法簡單迅速；因為不用分析資料，易了解。−缺點：不能提供高預測精確度，可作為其他預測方法的成本與精確度比較基準。結束服務業作業管理技術預測16天真預測法範例若上週產品需求量為20箱，則本週之預測值就是20箱。若呈現季節性需求量，則季節變動就是這一季之預測值與上一季數值相同。例如：期數實際值與前一個值之差預測值t-250t-153+3(下一個)t53+3結束服務業作業管理技術預測17時間序列預測方法(3/3)平均法分析技術(Averagingmethods)移動平均法(Movingaverage)-以近期實際數值之平均作為最新預測值的參考加權平均法(Weightedmovingaverage):以愈近期數值乘以愈大權數方法以估算預測值指數平均法(Exponentialsmoothingaverage)nAniin1MA結束服務業作業管理技術預測18平均法分析技術(1/3)移動平均法使用數個近期實際資料產生預測值。Ft:第t期之預測值MAn:n期之移動平均At-1:第t-1期之實際值n:移動平均期數結束服務業作業管理技術移動平均法分析-Example例如已知過去五期貨車需求量，求算三期移動平均預測值。預測19期數需求142240343440541最近三期F6=(43+40+41)/3=41.33假設第六期實際需求為38，F7:F7=(40+41+38)/3=39.37結束服務業作業管理技術預測20平均法分析技術-加權平均法(2/3)加權平均法與移動平均法不同之處在於愈近期資料，給定愈大權重。假設條件—愈近期觀察資料，愈有可能得到最準確預測值，因此應該給予較近期數值較大的權數權重選擇通常要使用試誤法。11...)1(1tntnntntAwAwAwF結束服務業作業管理技術加權平均法-Example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0.20，0.10。若第六期實際需求為39，使用上一小題權種預測第七期需求量。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預測21期數需求142240343440541結束服務業作業管理技術預測22平均法分析技術-指數平滑法(3/3)指數平滑法每一個新預測值以前一個預測值為基礎，再加上預測值與實際值差額的百分比。Ft=第t期之預測值Ft-1=前一期之預測值(t-1)α=平滑常數At-1=前一期實際需求量結束服務業作業管理技術平均法分析技術-指數平滑法誤差調整速度是由平滑常數α決定。平滑常數愈接近0，則預測誤差調整的速度愈慢（愈平滑）。相反地，平滑常數愈接近1，則反應愈大，平滑程度愈小。A-F為誤差值，為回饋百分比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)=41.92Example:下張Slide中數列之預測資料，包含誤差=實際值-預測值，其中一個預測時採用Alpha=0.10，另一個採用Alpha=0.40。預測23結束服務業作業管理技術預測24指數平滑法-Example期間實際Alpha=0.1誤差Alpha=0.4誤差14224042-2.0042-234341.81.2041.21.844041.92-1.9241.92-1.9254141.73-0.7341.15-0.1563941.66-2.6641.09-2.0974641.394.6140.255.7584441.852.1542.551.4594542.072.9343.131.87103842.36-4.3643.88-5.8842+0.1(42-42)=4240-42=-242+0.1(40-42)=41.8結束服務業作業管理技術預測25指數平滑法結束服務業作業管理技術指數平滑法預測26結束服務業作業管理技術預測27時間序列預測(3/3)季節性分析技術某種事件發生的時間序列呈現規則上下反覆變動。季節性：規則年度變動。季節變動：可以是指每日、每週、每月及其他規則模式的資料。(銀行、郵局)、高速公路流量、飯店訂房。結束服務業作業管理技術預測28季節性分析技術季節性有二種不同的模型：加法模型與乘法模型。加法模型：季節性是以數量表示，即時間序列之平均數加上或減去某一數量。乘法模型：季節性以百分比表示，即時間序列值乘以平均趨勢值的某一百分比，又稱為季節相對性(或季節指數)。假設商店某月份之玩具銷售量之季節相對性為1.20，則表示該越之銷售量超出月平均量的20%。季節性變動於零售業規劃與排程之重要因素，此外掌握尖峰負荷亦很重要。結束服務業作業管理技術預測29季節性(1/2)加法模型與乘法模型。結束服務業作業管理技術預測30季節性(2/2)季節相對性：有兩種不同的使用方式。消除時間序列的季節性：將季節因素自資料中移除，以得到更清楚的非季節性趨勢。消除季節性乃將每個資料點除以相對應之季節相對比率。在預測中加入季節性：當需求同時具有趨勢與季節性因素時，加入季節性相對更加準確。1.使用季節趨勢方程式並針對目標期間以求得趨勢估計值。2.將這些趨勢估計值常以季節相對性將季節性加入趨勢估計值中。結束服務業作業管理技術預測31季節性範例–計算季節相對性中心點移動平均(centeredmovingaverage):與移動平均法相同，其數值卻不能作為預測值，但此數值為該序列之代表值。期數星期實際值1Tues672Wed753Thur824Fri985Sat906Sun367Mon558Tues609Wed7310Thur8511Fri9912Sat8613Sun4014Mon5215Tues6416Wed7617Thur8718Fri9619Sat8820Sun4421Mon50結束服務業作業管理技術預測生產管理技術32結束服務業作業管理技術預測33關聯性預測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。分為簡單線性迴歸，曲線與多元迴歸分析二種。結束服務業作業管理技術預測34簡單線性迴歸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：bxayc結束服務業作業管理技術預測35簡單線性迴歸(1/2)以下的方程式可以計算出係數a與b：結束服務業作業管理技術預測36簡單線性迴歸(2/2)直線方程式的圖形如下：結束服務業作業管理技術預測37迴歸(1/2)迴歸於預測應用與指標之使用有關，以下為常見指標：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股票市場價格結束服務業作業管理技術預測38迴歸(2/2)迴歸相關性衡量二變數之間關係強度與方向。相關係數r的範圍為-1.00到+1.00。相關係數的平方（）可用來衡量線性迴歸對數據的解釋能力。若值相當高（例如.80或以上），表示獨立變數是相依變數的優良預測值。2r2r結束服務業作業管理技術RegressionExample某公司過去行動電話銷售量，如下表所列。請應用線性趨勢檢測是否適當，並預測第11、12週銷售量。預測39週12345678910銷售量700724729728740742758750770775結束服務業作業管理技術RegressionExample預測40結束服務業作業管理技術RegressionExample預測41結束服務業作業管理技術預測42例題下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。結束服務業作業管理技術預測43例題說明1.將資料繪於圖上，並觀察資料點的範圍，線性模型似乎是適當的。2.相關係數3.迴歸方程式為(負相關)xy91.685.71966.0r結束服務業作業管理技術預測44應用線性迴歸分析要點(1/2)簡單迴歸分析的應用應滿足下列假設：1.在直線附近的變動是隨