生產(chǎn)與作業(yè)管理——預測--網(wǎng)路化預測：協(xié)同規(guī)劃、預測與補貨(編輯修改稿)
2025-03-22 14:57 本頁面
【文章內(nèi)容簡介】 +90 +170 90 350 70 6 1000 1050 +50 +220 50 400 追蹤訊號 (續(xù) ) ? 可預測正向或負向的偏差 1 2 3 4 5 6信號軌跡月實際大於?預測實際小於預測 追蹤訊號 (續(xù) ) 月 需求預測 實際 差異 RSFE 絕對差 絕對差 之和 MAD TS 1 1000 950 50 50 50 50 50 1 2 1000 1070 +70 +20 70 120 60 3 1000 1100 +100 +120 100 220 4 1000 960 40 +80 40 260 65 5 1000 1090 +90 +170 90 350 70 6 1000 1050 +50 +220 50 400 ? 一個完美的預測，所有預測誤差的總和應該為零，即信號軌跡值也應該為零 ? 表示高估的誤差可與低估的誤差相抵消 ? MAD常用來預測誤差 ? MAD指數(shù)平滑法 ：類似單一指數(shù)平滑法 ? 預測未來的誤差範圍 ? 設定安全庫存量 誤差 MADt = α| A t1 Ft1 | + ( 1 α)MAD t1 線性迴歸分析 ? 定義： 兩個或兩個以上相關變數(shù)間的關係，可使用一個變數(shù)去預測另一個變數(shù)稱之為迴歸。 ? 線性迴歸： 是迴歸分析法的特例 ? 線性迴歸方程式： ? 使用限制： 過去的資料和未來的預測資料，均必須落在同一條線上。 bxaY ??季 銷售量 1 600 2 1550 3 1500 4 1500 5 2400 6 3100 7 2600 8 2900 9 3800 10 4500 11 4000 12 4900 1 2 3 4 5 6 7 8 9 10 11 1205001 , 00 01 , 50 02 , 00 02 , 50 03 , 00 03 , 50 04 , 00 04 , 50 0$ 5 , 0 0 0(1 21 )(4 , 95 0 75 0 )........... .最小平方法 ? 所有資料點與其相對應的迴歸線對應點間，垂直距離之平方總和的最小值。 ? Y=應變數(shù) ? y=應變數(shù)之實際值 ? a=Y的截距 ? b=斜率 ? x=時間 xbya ??22 xnxyxnxyb?????1 2 3 4 5 6 7 8 9 10 11 1205001 ,0 0 01 ,5 0 02 ,0 0 02 ,5 0 03 ,0 0 03 ,5 0 04 ,0 0 04 ,5 0 0$ 5 ,0 0 0Y1Y2Y3Y4Y5Y6Y7Y8 Y9Y10Y11Y12y1.. y2 .y3y4.y5.. y6y7. y 8.y9.y10.y11.y12.季銷售bxaY ??時間序列的分解 ? 定義： 為資料具有時間順序關係，其包含下列一種或多種的需求因素：趨勢、季節(jié)、週期、自我相關性、隨機性。 ? 季節(jié)因子： 為一修正值，是時間序列分析中，針對季節(jié)所做的調(diào)整量。雖以週期為表示，並非年度性定期活動的週期，是以年度中特別活動的某段期間稱為「季」。 ? 加法性： 假設不論趨勢或平均量如何變化，季節(jié)量恆為一常數(shù)。 ?預測 =趨勢因子＋季節(jié)因子 ? 乘法性： 季節(jié)變動大小與趨勢水準有關，趨勢增加時，季節(jié)變化量也隨之增加。 ?預測 =趨勢因子＋季節(jié)因子 簡單等比法 歷史銷售量 季平均銷售 (1000/4) 季節(jié)因素 春 200 250 200/250= 夏 350 250 350/250= 秋 300 250 300/250= 冬 150 250 150/250=.06 總計 1000 明年之 預估需求 季平均銷售量 (1100/4) 季節(jié)因子 明年之 需求預測 春 275 Ｘ ＝ 220 夏 275 Ｘ ＝ 385 秋 275 Ｘ ＝ 330 冬 275 Ｘ ＝ 165 總計 1100 目測預測模式 季 量 I1998 300 II1998 200 III1998 220 IV1998 530 I1999 520 II1999 420 III1999 400 IV1999 700 200100300400500600700I II III IV I III IVII1 9 93 1 9 94170 610 目測截點 170 斜率
教學課件相關推薦
鄂ICP備17016276號-1