【正文】 should fluctuate around 0 biasn = Sum(t=1 to n)[Et] ? Tracking signal ? Should be within the range of +6 ? Otherwise, possibly use a new forecasting method TSt = bias / MADt 44 執(zhí)行預(yù)測的建議 ? Collaborate in building forecasts ? Be sure to distinguish between demand and sales 45 協(xié)同規(guī)劃預(yù)測補貨模式 (Collaborative Planning, Forecasting, and Replenishment , CPFR) ? 源起 1995年， WalMart、 WarnerLambert、 SAP、Manugistics、 Benchmarking Partners等五家公司合作之零售業(yè)供應(yīng)鏈工作小組進行之供應(yīng)商與零售商快速回應(yīng)示範計劃 ? 共同標準協(xié)會 (Voluntary Interindustry Communication Standards, VICS)以示範計劃中有關(guān)買賣雙方合作預(yù)測市場需求內(nèi)容為基礎(chǔ)，於 1998年正式發(fā)表有關(guān)供應(yīng)鏈合作商務(wù)的規(guī)範，以指導(dǎo)供應(yīng)商與零售商進行協(xié)同預(yù)測與例外狀況之處理機制 ? 演進成為 B2B電子商務(wù)中供應(yīng)鏈合作商務(wù)規(guī)範。Demand Forecasting in a Supply Chain 71 2 大綱 ? 預(yù)測在供應(yīng)鏈的角色 ? 預(yù)測的特性 ? 主要企業(yè)預(yù)測項目 ? 預(yù)測的方法與組成 ? 時間序列預(yù)測 ? 預(yù)測誤差的衡量指標 ? 執(zhí)行預(yù)測的建議 ? CPFR 3 預(yù)測在供應(yīng)鏈的角色 ? The basis for all strategic and planning decisions in a supply chain ? Examples: ? Production: scheduling, inventory, aggregate planning ? Marketing: sales force allocation, promotions, new production introduction ? Finance: plant/equipment investment, budgetary planning ? Personnel: workforce planning, hiring, layoffs ? All of these decisions are interrelated 4 預(yù)測的特性 ? Forecasts are always wrong. Should include expected value and measure of error. ? Longterm forecasts are less accurate than shortterm forecasts (forecast horizon is important) ? Aggregate forecasts are more accurate than disaggregate forecasts 5 主要企業(yè)預(yù)測項目 ? 市場需求量 ? 母體數(shù)預(yù)測 ? 單位需求量預(yù)測 ? 驅(qū)動變數(shù)預(yù)測 ? 市場佔有率預(yù)測 ? 企業(yè)銷售量預(yù)測 ? 單價預(yù)測 ? 生命週期預(yù)測 6 預(yù)測的方法 ? 主觀法 (subjective methods) 預(yù)測人員依個人主觀的判斷進行預(yù)測 常應(yīng)用在缺乏歷史資料時透過專家進行主觀預(yù)測 ? 草根法 Grass roots ? Bottom up ? 市調(diào)法 Market research ? Longrange ? New product sales ? 歷史類推法 Historical analogy ? 類似的產(chǎn)品經(jīng)驗類推 ? Delphi Method ? 以問卷方式蒐集專家意見以進行預(yù)測 ? 經(jīng)由問卷溝通，專家間無直接互動以避免主控性 ? 以統(tǒng)計量收斂為停止指標 7 預(yù)測的方法 ? 客觀法 (objective methods) 以歷史資料為基礎(chǔ)進行預(yù)測 ? Time Series(外插法 ) ? 假設(shè)過去之需求資料是未來需求良好指標下，使用歷史資料進行預(yù)測，適合當需求環(huán)境穩(wěn)定、無劇烈變動時進行 ? Causal (因果關(guān)係法 ) ? 假設(shè)需求與環(huán)境中某些因素是高度相關(guān)，藉由發(fā)現(xiàn)需求與環(huán)境因素的相關(guān)性去估計未來的需求 ? Transfer Function Model(轉(zhuǎn)換函數(shù)模式 ) ? 結(jié)合 Time Series 與 Causal 兩者，經(jīng)由解釋變數(shù)與應(yīng)變數(shù)之歷史資料產(chǎn)生轉(zhuǎn)換函數(shù)，再將解釋變數(shù)之預(yù)測值代入轉(zhuǎn)換函數(shù)產(chǎn)生應(yīng)變數(shù)之預(yù)測值 ? ARIMAT 、 SARIMAT 8 需求資料的組成 Observed demand (O) = Systematic ponent (S) + Random ponent (R) Level (current deseasonalized demand) Trend (growth or decline in demand) Seasonality (predictable seasonal fluctuation) ? Systematic ponent: Expected value of demand ? Random ponent: The part of the forecast that deviates from the systematic ponent ? Forecast error: difference between forecast and actual demand 9 需求資料組成的關(guān)係類型 ? 相乘 ? 系統(tǒng)部分＝水準 趨勢 季節(jié)性因素 ? 相加 ? 系統(tǒng)部分＝水準 ＋ 趨勢 ＋ 季節(jié)性因素 ? 混合 ? 系統(tǒng)部分＝（水準 ＋ 趨勢） 季節(jié)性因素