生產(chǎn)與作業(yè)管理之預測(編輯修改稿)
2025-03-22 15:21 本頁面
【文章內(nèi)容簡介】 辨消費者真正的需求，會受短期經(jīng)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(diào)法 ? 優(yōu)點 : – 消費者是實際使用商品或服務(wù)的人。 ? 缺點 : – 問卷設(shè)計難度高。 – 回收率低。 定量方法 以時間數(shù)列資料為基礎(chǔ)的預測 ? 時間數(shù)列乃是以固定時間間隔 (每小時、每週、每月、每季、每年 )為基礎(chǔ)之時間順序的觀察值。 ? 時間數(shù)列受到四種現(xiàn)象之影響 : – 趨勢變動 Trend。 – 循環(huán)變動 Cycle。 – 季節(jié)性變動 Seasonality。 – 隨機變動 Randon。 資料的趨勢變動 ? 趨勢變動 (Trend variation) 指歷史資料逐漸且緩慢的逞捵呈現(xiàn)上升或下降。 資料的循環(huán)變動 ? 循環(huán)變動 (Cycles Variation) 指歷史資料超過一年以上的循環(huán)波浪式的生下變化，大都因經(jīng)濟或政治因素造成。 資料的季節(jié)變動 ? 季節(jié)變動 (Seasonality Variation) 由氣候、人為因素使得歷史資料在短期內(nèi)政部長大都為一年期間 )十分規(guī)則且定期變化。 資料的隨機變動 ? 隨機變動 (Random Variation) 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(shù)量 資料型態(tài) 預測範圍 準備時間 人員背景 簡單指數(shù)平滑 510個觀察值以設(shè)定權(quán)數(shù) 資料應(yīng)該固定 短 短 不複雜 Holt指數(shù)平滑 510個觀察值以設(shè)定權(quán)數(shù) 趨勢但無季節(jié)性 短到中 短 有點複雜 Winter指數(shù)平滑 每季至少 4或 5個觀察值 趨勢和季節(jié)性 短到中 短 適度複雜 迴歸趨勢模型 1020 ， 若季節(jié)性每季至少 5個 趨勢和季節(jié)性 短到中 短 適度複雜 因果迴歸模型 每個獨立變數(shù) 10個觀察值 能處理複雜的型態(tài) 短、中或長 發(fā)展時間長執(zhí)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
教學課件相關(guān)推薦
鄂ICP備17016276號-1