服务业作业管理技术.ppt

服務業作業管理技術,預測,1,預測,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。,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,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,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：,服務業作業管理技術,預測,6,企業組織中運用預測例子,服務業作業管理技術,預測,7,各種預測技術特徵,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 預測很少完美無缺。 整體項目預測會比單一預測更為精確。(誤差平均分攤掉) 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。,服務業作業管理技術,預測,8,優良預測因素,預測有時間性：預測須涵蓋可能變動所需時間。 預測必須精確，並應該說明其精確程度。 預測必須具備可靠性。 預測必須具備有意義的計量單位(金額、人工小時、單位)。 預測技術必須容易了解、容易使用(減少誤用、增進使用信心)。 預測必須符合成本效益。,服務業作業管理技術,預測,9,預測步驟,決定預測的目的與何時需要預測 。 建立預測所需時間幅度。 選擇預測方法。 蒐集與分析適當資料。 進行預測。 追蹤預測。,服務業作業管理技術,預測,10,三種預測技巧,判斷預測法: (定性型預測方法) 採用主觀投入 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 關聯性模型:利用解釋性變數預測未來,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,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),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,服務業作業管理技術,預測,14,天真預測法,每一期預測值等於前一期的實際值,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。,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：,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 (Averaging methods) 移動平均法 (Moving average)-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 (Weighted moving average):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 (Exponential smoothing average),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,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,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,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。,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,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) =平滑常數 At-1=前一期實際需求量,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)=41.92 Example: 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,服務業作業管理技術,預測,24,指數平滑法-Example,42+0.1(42-42)=42,40-42=-2,42+0.1(40-42)=41.8,服務業作業管理技術,預測,25,指數平滑法,服務業作業管理技術,指數平滑法,預測,26,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。,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。,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。,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。 使用季節趨勢方程式並針對目標期間以求得趨勢估計值。 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。,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(centered moving average): 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。,服務業作業管理技術,預測,生產管理技術,32,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。,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：,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：,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：,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,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。,服務業作業管理技術,Regression Example,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,服務業作業管理技術,Regression Example,預測,40,服務業作業管理技術,Regression Example,預測,41,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。,服務業作業管理技術,預測,43,例題說明,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。 相關係數 迴歸方程式為 (負相關),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： 在直線附近的變動是隨機的。 在直線附近的偏差應為常態分配。 只在觀察值的範圍內進行預測。 滿足上列假設後，為了得到最佳結果： 經常將資料繪成圖形，驗證線性關係是否恰當。 資料也許會受時間影響，檢查並繪出相依變數相對於時間的圖；若時間模式發生，則使用時間序列替代迴歸分析，或把時間當作多元迴歸分析的獨立變數。 低度相關暗示有其他更為重要變數存在而未受考慮。,服務業作業管理技術,預測,45,應用線性迴歸分析要點(2/2),迴歸分析缺點包括： 簡單線性迴歸只能用在包含一項獨立變數的線性關係。 建立這種關係需要大量資料，至少超過20個觀測資料。 所有觀測值之權重皆相等。,服務業作業管理技術,預測,46,曲線與多元迴歸分析,適用於包含一個以上預測變數而不適合線性模型，或不適用簡單線性迴歸，或是存在有非線性關係時。 雖然這些分析超出範圍，但仍很常使用，並使用電腦計算。(SPSS, MINITAB, MATLAB, Excel+VBA),服務業作業管理技術,預測,47,預測精確度與管制,預測精確度與管制對預測來說是相當重要層面。指出預測值偏離實際值的程度是相當重要的，這可以讓使用者知道預測精確度。 要精確地預測這些變數幾乎不可能。,服務業作業管理技術,預測,48,預測誤差,觀察預測誤差以確定誤差是否在合理範圍之內。 預測誤差是針對給定期數，實際值與預測值的差。因此，誤差實際值預測值,服務業作業管理技術,預測,49,預測精確度,常用來衡量誤差方法： 平均絕對偏差（MAD）- Mean Absolute Deviation. 平均均方誤差（MSE）- Mean Squared Error. 平均絕對百分比誤差（MAPE）- Mean Absolute Percentage Error.,服務業作業管理技術,預測,50,平均絕對偏差（MAD）,MAD是絕對預測誤差的平均值。,服務業作業管理技術,預測,51,均方誤差（MSE）,MSE 是預測誤差平方的平均值。,服務業作業管理技術,預測,52,平均絕對百分比誤差（MAPE）,MAPE 是絕對百分比誤差的平均值。,服務業作業管理技術,預測,53,例題,使用下列資料計算 MAD、MSE 和 MAPE 。,e,|e|,e2,服務業作業管理技術,預測,54,例題說明,使用表格內的數字，計算過程為： 它們之間差異在於 MAD 對所有誤差的權重都相等，MSE 誤差權重是根據其平方值，而MAPE 則是根據相對誤差。,服務業作業管理技術,預測,55,預測管制(1/2),追蹤並分析預測誤差，有助於檢視預測是否適當。 管制圖是用來偵測非隨機誤差絕佳工具。,服務業作業管理技術,預測,56,預測管制(2/2),非隨機性的範例,服務業作業管理技術,預測,57,管制圖,誤差分配標準差估計值就是MSE的平方根。 管制圖有下列基本假設：當誤差為隨機分配時，誤差會是常態分配，且平均值在 0 的附近。 因此 管制上限： 管制下限： 管制界限：,服務業作業管理技術,預測,58,追蹤訊號,累積預測誤差與相關的平均絕對偏差（即MAD）的比，目的在偵測誤差的偏差。 追蹤訊號的值可正可負，若為 0 則最理想，通常 為可接受值。,服務業作業管理技術,預測,59,選擇預測技巧,選擇預測技巧的二個重要因素： 成本 精確性 最佳的預測不一定是精確度最高或成本最低，而是管理者認定的精確度與成本之最佳組合。 其他考慮的因素有：歷史資料之使用性、電腦資料之可使用性、決策者使用預測技術之能力、蒐集資料之時間、分析資料並籌劃預測之時間。,服務業作業管理技術,預測,60,使用預測資訊與使用電腦預測,管理者對預測可能採取反應或先制方法。 於準備定量資料預測實務上，電腦扮演重要角色，其可讓管理者快速建立與修正預測，且無手動計算負擔。 Excel, SPSS, MINITAB,服務業作業管理技術,實務預測案例,某公司採漸進式工廠轉移至上海昆山廠，鑑於現有訂單執