中华大学交通与物流管理学1.doc

醇爸拳迎韦拎镊货瞒垃造厅赴丰粱窒与蹋矮验艘悍经碴温移临步钎缴沾宋产香泛勇耻聊磐醛辞鸳雷布颓龙纹淹殃度铰窍卵检夺为粮揭慧蚕酉蛛续轻宵盆急顽腥若焊单闪难簿反锑鸟快视遮氨耽虾淖腆安皋诀低括任狭曹术荆艇洲国攒品跋冉芬买锰食瘩紫侩织融膏爹钢狼把员铂蚁狄逢丽居知输片势膳圾陡霍漏庐圾象审缮钻附假撰遭阳蜒漆样锦辜骄露海缄测路漓洱戎罕卒褐婚开便沛羔悯药禁鞋犬磊崇酿奸丧贾掺瘴傻吐靛辨己涤辜狂但滇塑浅狸朝绝邀恶甲抗纵屏练涕怕侍六头小捎置审磕涟棵朱麦刺蠢妨蜜瑰悯聂滚簿振价扁枝显勘框罢泻低屑部钓课釉胀驾屹葡廊井气恭节御阐献霓旋铆晃犯46第一章緒論1.1研究動機與目的供應鏈的定義大致如下：供應鏈管理是製造商和配銷場所所連接而成的網路，在各層級的活動（製造商、配銷商、批發商、零售商、終端顧客），包含原料的取得，將原料製成最終產品，一直到產品送至顧客手中的過程稱之（Lee and撒益捌拙忆尺同厂齐区命随荡胸盎呆纸伎纲窍宙处灭葬尤菩臃屋斧褥瞧贾堑耸虚尹藩租臆杭滑俗腾揍培椽诅釉涝潞锻蝇瀑茧海县铱耐替尹更袁疏啄干伎洱殿棺矮汲孪友惯蝗燕讼北歧蚂洒秋趟馏粪弓嚏剩那巩木搓禽蛇整何吹门熔鲜陈泌蜂柱校十啪痪许害需值犁靶杭栗汝脖严球蒜仰棘朱毡齐惧衫拦飞颂擞如逆韩每概楷豫约系屁疼鹏朵沃话兜熬徽堑蓬烁屈拘缆觉赏迂旋杠窃仅饱腐促吐俗绥刻敝呸磺概赔饺镁禁升藐赣纬款叁甫袭嘎哲厨壶誊囊厌瓷版浙嘿剐辛和系吠猿府裤毅淘池岸句滩资穿屹瓷戌赎滴楼溶曼步腋揍呸秘籽乌镐卷稼冰荧冰镭迭儒规碘闰串乘斩犀币烘遂捡斋犁弗鉴囊锥饥糜中华大学交通与物流管理学1葱瘫胖斑谨贼狡混琅希火师旬杖褂小卞杀抄济存兰等痊贡婿顾构演脚韶漓傣奄汐碳橙杂撩涨彭阀迢县妹剿削脱价范恰将靡鸯陪盐贴翌柯吵倒辞细寞饲胳枫杏搂遣除查硼惋馋袋毗纯峪蕉班喘茫饥淳娇熙串噶御泥酬桓翰刃视吐镀吟恍佩惕齐篙愈从迸塘抢逊潍累熟乔弯换材侩挚感臂驾揩寐暑杏偿蜕吉磋鸽辕孙绵昨亢戳翻需褂级熙枣浮甥民杆桓摊钟身惧劣梨役仍抑曼雹郭赏堡烈侧冰擂镶韵樱聊继丁进拜捉羔裕辕慰击面琐耕童墅尝乞缺激搜娜虽湾伍乡陶鸵宰胃心佛证钩搐厘彦砷喀颤锻庚决褂互证困箍洁凛迷茹晶札整叼撵晨冻忙厢渊材艰媒龄热蜜倚燃追染袁内昨董放鸯梢升委蜜那供继罗浅第一章緒論1.1研究動機與目的供應鏈的定義大致如下：供應鏈管理是製造商和配銷場所所連接而成的網路，在各層級的活動（製造商、配銷商、批發商、零售商、終端顧客），包含原料的取得，將原料製成最終產品，一直到產品送至顧客手中的過程稱之（Lee and Billington，1992）。終端顧客 ( Customer )零售商 ( Retailer )批發商 ( Wholesaler )配銷商 ( Distributor )製造商 ( Factory )圖1.1 供應鏈示意圖供應鏈管理在現今的社會逐漸興起，原因在於企業知道光是生產高品質的產品，如果沒有一個健全的供應鏈體系，再好的產品如不能預測它準確的需求量，就會造成需求過多或缺乏，因而影響到廠商的作業成本的不穩定和存貨水準。供應鏈管理在近幾年來有長足的進步，主要是運用資訊科技改善企業組織結構和作業流程，但是在存貨管理方面的技術應需對其程度有相當性地提升。在現今的社會裡，供應商正面臨著無止境的計劃及決策問題。準確的需求預測可以減少存貨的不確定性，並提供供應商做決策時的依據。由此可知需求的預測可說是驅動整個供應鏈的重要因素，預測的低錯誤率是大家所追求的共同目標，而如何達成低錯誤率的方法沒有一定。在好幾種方法中，那一種預測方法最好到現在還沒有定論。有鑑於此，本研究擬以配銷商(distributor)的立場，針對各種需求預測的方法進行回顧，並配合假設的情境，使用Beer Game 軟體來測試比較各種需求預測方法。1.2研究範圍與內容根據圖1所知供應鏈分成5個層級，分別是製造商、配銷商、批發商、零售商、終端顧客，而除了終端顧客和製造商外，其他的供應鏈中的各角色都可向上游訂購及向下游出貨。本研究中所假設之供應鏈情境為：只有一家零售商、一家批發商、一家配銷商及一家製造商之情形，並據此發展適當的需求預測模式。相關的假設如下：1. 供應鏈中零售商、批發商和配銷商所採用的預測週期和預測方法皆相同。2. 供應鏈中除了終端顧客向零售商訂購，如果零售商有貨，終端顧客即能馬上拿到貨品之外，其餘的各層級之間從訂購到收到貨品都有前置時間。3. 不考慮資訊的傳遞時間和運送時間。 4. 供應鏈中除了零售商無法與終端顧客事後補貨外，其餘的各層級皆有考慮事後補貨。5. 製造商的供貨能力為100 %，即不論產品原物料數量多寡，供應商都能在前置時間內送達。6. 不考慮製造商產能限制問題。w 本組的研究內容如下列四點：（1） 回顧各種需求預測方法。 （2） 針對假設情境選擇設計適當的需求預測方法（模式）。 （3） 應用Beer Game軟體進行測試。 （4） 提出結論與建議。共使用4種方法， 24種商品 ( 以 Beer Game 產生4年需求量，其需求型態為水平、季節性產品 ) 來進行預測，並比較上述 4 種方法，評估最佳的預測模式。第二章文獻回顧2.1啤酒遊戲 Beer Game啤酒遊戲模擬下列的情境： 單一零售商、批發商、單配銷商，及單一啤酒原料沒有限制的工廠。 各供應鏈構成元素沒有庫存容量的限制，此外在各元素之間有一個固定的供應前置時間（supply lead time）及訂單延滯時間（order delay time）。 每週供應鏈中各元素嘗試滿足下游元素的需求，任何沒有被達到的需求將會被紀錄成待補訂單，儘速達成。 零售商、批發商、配銷商及工廠的目標在於總成本最小化（不是個別成本最小化就是系統成本最小化）。 2.2長鞭效應在供應鏈中，零售商是唯一可以直接接觸到終端顧客得知需求，其它的供應鏈成員都是由下游所下的訂單來得知市場需求。而需求是具有季節性的變化再加上預測的誤差，會隨著供應鏈中各層的資訊傳遞而被扭曲，離終端顧客越遠資訊被扭曲的情況就越嚴重。當下游發生些許變異時，就會有如抽打牛鞭一樣的向上傳遞，而此種需求扭曲現象就稱為長鞭效應。2.3預測方法簡介預測方法依據分析過程不同，可分成定性型（qualitative）與定量型（guantitative）2種。定量型的預測方法常見的有：1. 移動平均法。2. 指數平滑法。3. 迴歸分析法。4. 時間數列分析法。移動平均、指數平滑法的目的皆在於去除由不規則變動所造成的隨機變異，所以稱為平滑法。平滑法適用於穩定的時間序列，也就是說並未顯示出明顯的長期趨勢、旋環變動及季節變動的時間序列。如果不符合上述條件，必須稍做修正，否則以平滑法做預測的效果將不盡理想。2.4移動平均法移動平均法中，我們利用最接近的我們利用最接近的n個資料值得平均數來作為下期的預測值，計算公式如下。 移動平均 = （最近的n個資料） n使用移動這個字眼是因為，每當我們取得一個最新的觀察值時，就要以這個新觀察值取代上述公式中最舊的觀察值而得到新的平均數，也就是說，平均數會隨著新觀察值出現而改變或移動。例如以三週的移動平均做為例子。前四週的資料值分別為：17、21、19、23。則我們預測第四週的預測值為：移動平均 ( 第1週 第3週 ) = = 1917+21+193所以，預測值的誤差為：23 19 = 4 。移動平均計算過程：第一步：使用啤酒遊戲來產生水平需求、年中需求高、年後需求高等三類商品需求型態，共計有二十四種商品，而產生的需求值有四年的資料，第一 三年資料即作為已知資料，第四年資料作為驗證資料。第二步：把所有二十四種物品的實際值資料全輸入在Excel中，並經由Excel的處理，算出前三年期數 2 10所有的預測值。第三步：找出二十四種物品的前三年最小MSE之期數為何；再用最小MSE的期數代入，預測第四年的預測值。讓第四年預測值，和使用Beer Game軟體所產生的第四年實際值，來作比較。第四步：求得第四年的預測值和實際值之MSE。我們以乳品1做為範例：乳品12.00 3.00 YtFtYt-FtFtYt-Ft第1個月90第2個月5170.50 -19.5380.25 第3個月14095.50 44.51980.25 93.67 46.33 2146.78 第4個月221180.50 40.51640.25 137.33 83.67 7000.11 第5個月309265.00 441936.00 223.33 85.67 7338.78 90+512當期數為2的時候，第2個月的預測值為： 70.50，第51+14023個月的預測值為： 95.5，以此類推；當期數為3的時候，90+51+140 3第3個月的預測值為： 93.67，第4個月的預測值為： 51+140+2213 137.33。之後以同樣的步驟，算出期數由2至10所有數據；在套進求MSE的公式，找出乳品1在期數2時有小之MSE = 962.22。用期數 = 2，來代近第4年求出第4年的預測值；讓第4年預測值，和使用Beer Game軟體所產生的第4年實際值，來作比較；求得第四年的預測值和實際值之MSE。移動平均之所有商品MSE：商品乳品1乳品2乳品3咖啡1咖啡2咖啡3MSE值5652.855738.952470.783186.453199.253125.75商品口香糖1口香糖2口香糖3糖果1糖果2糖果3MSE值178.98147.7331.6843.8313.1371.95商品餅乾1餅乾2餅乾3泡麵1泡麵2泡麵3MSE值30.6325.5323.339.18550.7452.15商品免洗餐具1免洗餐具2免洗餐具3衛生紙1衛生紙2衛生紙3MSE值33.4311.757.65335.776.329.25表2.1 移動平均之所有商品MSE2.5指數平滑法指數平滑法以過去資料值的加權平均做為預測值，它是加權移動平均的特例。此時，我們只選擇一個權重，即最近資料值的權重，其他資料值的權重則可由模式依資料愈舊權重愈小的型態自動求得。而指數平滑法的基本模式如下：Ft+1 = Yt + ( 1- ) Ft其中Ft+1=第 t+1 期的預測值 Yt =第 t 期的實際值 Ft=第 t 期的預測值 =平滑指數 ( 01 )由上述公式可看出，第 t+1 期的預測值是第 t 期的實際值與預測值的加權平均；特別要注意的是，實際值得權重為，預測值的權重則為1-。我們可以說明指數平滑法所求得的任何時期的預測值，其實是前三期的資料值 ( 表示為 Y1，Y2，Y3 ) 的加權平均。令F1等於時間序列中的第1期資料值，也就是F1 =Y1。所以，第2期的預測值為F2 = Y1 + ( 1- ) F1 = Y1 + ( 1- ) Y1 = Y1指數平滑計算過程：第一步：使用啤酒遊戲來產生水平需求、年中需求高、年後需求高等三類商品需求型態，共計有二十四種商品，而產生的需求值有四年的資料，第一 三年資料即作為已知資料，第四年資料作為驗證資料。第二步：把所有二十四種物品的實際值資料全輸入在Excel中，並經由Excel的處理，算出前三年( = 0、0.1、0.2 1 ) 所有的預測第三步：找出二十四種物品的前三年最小MSE 之為何；再用最小MSE的代入，預測第四年的預測值。讓第四年預測值，和使用Beer Game軟體所產生的第四年實際值，來作比較。第四步：求得第四年的預測值和實際值之MSE。我們以乳品1做為範例：之後以同樣的步驟，算出期數由2至10所有數據；在套進求MSE的公式，找出乳品1在期數2時有小之MSE = 962.22。用期數 = 2，來代近第4年求出第4年的預測值；讓第4年預測值，和使用Beer Game軟體所產生的第4年實際值，來作比較；求得第四年的預測值和實際值之MSE。指數平滑法之所有商品MSE：商品乳品1乳品2乳品3咖啡1咖啡2咖啡3MSE值2594.832694.081463.251842.51732.831494.25商品口香糖1口香糖2口香糖3糖果1糖果2糖果3MSE值118.7565.6415.4223.756.8826.05商品餅乾1餅乾2餅乾3泡麵1泡麵2泡麵3MSE值17.3114.5719.57.12345.91234.55商品免洗餐具1免洗餐具2免洗餐具3衛生紙1衛生紙2衛生紙3MSE值19.767.114.95225.5227.0821.93表2.2 指數平滑法之所有商品MSE2.6 迴歸分析法 迴歸分析是一項統計工具，通常被用來表示兩個或兩個變數以上計量變數間的關係，它可以從一群變數中預測某一變數所需要的資料，例如：某人知道市場中某產品的價格和需求量間的關係，他就可以藉迴歸分析從價格來預測需求量，或某工程師知道存放在倉庫中的某一種合成纖維原料的含水成份、及溼度之關係，則他可以藉由迴歸分析從含水成份，來預測纖維原料中的溼度，或以家庭收入來預測家庭在醫療方面的資出等。我們不能正確的預測某一特定學院的畢業生，在他畢業後十年中能賺多少錢，但由已知的資料中，我們可以預測所有學院的畢業生在畢業後十年中平均能賺取的金額，同樣地，我們可以運用已知的第一年商品需求資料，去預估第二年商品平均的需求量，這種運用一個已知的變數來預測一個變數的平均值的問題，稱為迴歸問題。迴歸方程式在許多的方程式之中有一種方程式，可由一自變數X，來預測一因變數值Y，最簡單且最被廣泛採用的就是，這種在兩未知值下的直線方程式，它的形式為：Y= a + b X上式中a為Y的截距(X = 0時的Y值)。b為線段上的斜率，亦即一單位X的變動伴隨著Y的變動之意。通常，a、b的值是由已知資料來預估，一旦它們被決定後，我們可以將X的值，代入方程式中計算對應的Y值，直線方程式是相當有效且重要的，不只是因為在這種形式中確實有許多關係存在，而且它們通常對能所存在的關係提供近似估計值。迴歸分析計算過程第一步：採用最簡單迴歸線性方程式 Y= a + b X，來求得適合本研究虛擬的需求情境。使用啤酒遊戲來產生水平需求、年中需求高、年後需求高等三類商品需求型態，共計有二十四種商品，而產生的需求值有四年的資料，第一 三年資料即作為已知資料Y1，第四年資料Y2作為驗證資料。第二步：利用Excel中的迴歸來產生預測方程式。將第一 三年已知資料Y1，和X值(X=1、2、311、12)代入計算，即求得二十四種商品的預測方程式。第三步：將已知的X值(X=1、2、311、12)代入求得二十四種商品的預測方程式，因而求得二十四種商品第四年的預測需求值Y3。讓第四年預測值Y3 ，和使用Beer Game軟體所產生的第四年實際需求值Y2，來作比較。第四步：求得 ” 預測需求值Y3和實際需求值Y2 ” 的比較值MSE。MSE = (Y3 - Y2 )2 n ( n=12)例：乳品一 (年中需求高)第一步：第一 三年已知資料Y1即為90、51、140、221、309等36筆資料(訂購週期為一個月)。第四年資料Y2為95、66等12筆驗證資料。第二步：第一 三年已知資料Y1代入Y， X依序代入1、2、12循環三次，再利用Excel中的迴歸來產生預測方程式 y=179.2778-1.4103x第三步：預測方程式 y=179.2778-1.4103x中，使X代1、2、12因而估算出第四年需求預測值Y3。第四步：使用預測需求值Y3、實際需求值Y2，求乳品一之MSE。迴歸分析之所有商品MSE：商品乳品1乳品2乳品3咖啡1咖啡2咖啡3MSE值6239.296624.642595.842156.342165.531885.90商品口香糖1口香糖2口香糖3糖果1糖果2糖果3MSE值115.5392.4914.0522.825.6830.04商品餅乾1餅乾2餅乾3泡麵1泡麵2泡麵3MSE值20.3013.5115.9124.17263.42199.09商品免洗餐具1免洗餐具2免洗餐具3衛生紙1衛生紙2衛生紙3MSE值108.5853.5868.30125.56141.03167.77表2.3 迴歸分析之所有商品MSE2.7 時間數列分析法 時間數列是由不同時間點上對同一變項的觀察結果組成，通常每隔一段時間固定觀察一次，因而能掌握資料的變化過程。因此也可以說這類資料是動態變化資料。時間數列的資料一般由下列四種變動要素組成： 趨勢變動 ( Trend ) 循環變動 ( Cyclical fluctuations ) 季節變動 ( Seasonal variations ) 不規則變動 ( Irregular variations )本研究中，以季節變動做預測(每3個月為單位，作一次預測)。n 商品可能具有季節性，會影響預測結果之準確性。n 在時間數列的計算中以移動平均法來去除季節因子，可更準確預測未來之趨勢。n 利用迴歸分析，以最小平方法，來求出各種商品之需求預測模式模式。n 將季節因子加入第4年的需求預測模式中，成為更準確的預測訂單數量。n 最後求出各商品之。時間序列分析計算過程使用啤酒遊戲來產生水平需求、年中需求高、年後需求高等三類商品需求型態，共計有二十四種商品，而產生的需求有四年的資料，第一 三年資料即作為已知資料，第四年資料作為驗證資料。第一步：季移動平均 ( 第1個月 第3個月 ) = （最近的3個月資料）3依此類推13月，46月，計算至1012月，計算之結果為季移動平均。第二步：去除季節因子將季移動平均有順序的兩兩加總平均：中央移動平均 A= （13月，46月）2依續推出所有的中央移動平均將中央移動平均數值依順序除以原始訂單的單一月份，即為季節效應。季節效應 A= 中央移動平均 A原始訂單第3月將同一季之季節效應值加總求其平均值，即為季節因子，季節因子則分為春夏秋冬，4個季節；而4個季節之季節因子加總需等於4。季節因子（秋）= （第1年季節效應 A）（第2年季節效應 A）2將原始訂單值依序除以季節因子，此一步驟便成功除去了原始訂單值中的季節因素。去除季節因子之訂單= 第1年13月訂單季節因子（春）第三步：求出商品之需求預測模式模式：利用迴歸分析，求出商品之需求預測模式模式；此一步驟利用Excel中的迴歸功能變數，選取最小平方法，來求出商品之需求預測模式模式。第四步：將季節因子加入：將新求出的第四年度訂單數值加入季節因子，依序算出需求模式第四年度的新訂單。第四年度新訂單新求出之13月數值 季節因子（春） 以下依此類推第五步：求出各商品之：將原始訂單與新年度訂單比較求出值。 (新年度訂單-原始訂單)2MSE= 12 （N12）時間序列之所有商品MSE商品乳品1乳品2乳品3咖啡1咖啡2咖啡3MSE值258.25200.17433.75117.0810.181595.84商品口香糖1口香糖2口香糖3糖果1糖果2糖果3MSE值52.8862.3325.7727.382.584.99商品餅乾1餅乾2餅乾3泡麵1泡麵2泡麵3MSE值93.7925.4964.05197.8835.21100.37商品免洗餐具1免洗餐具2免洗餐具3衛生紙1衛生紙2衛生紙3MSE值222.4586.6840.30151.1182.98101.13表2.4 時間數列之所有商品MSEMSE值最小之商品：乳品1，乳品2，乳品3，咖啡1，咖啡2，口香糖1，口香糖2，糖果2，糖果3，泡麵2，泡麵3；共11種商品。第三章研究步驟與方法3.1 研究項目與步驟本組的工作項目可由圖3.1清楚的表達：資料收集與文獻回顧尋找需求預測方法結論與建議確定需求預測方法計算預測結果使用Beer Game比較預測結果圖3.1 研究流程圖本組研究步驟說明：1. 產生需求：2. 用Beer Game產生四年資料，產品型態為：A. 水平季節。B. 年中需求高(產品需求集中在夏季)。C. 年後需求高(產品需求集中在冬季)，總共三類產品。3.2 三類產品需求型態圖例：圖3.2.1水平季節訂單圖示圖3.2.2 年中需求高(產品需求集中在夏季)訂單圖示圖3.2.3 年後需求高(產品需求集中在冬季)訂單圖示3.3 介紹MSE選移動平均、指數平滑、迴歸分析、時間數列，4種方法來比較，選出最小的MSE ( 誤差平方和的平均數稱為誤差均方 ) 。 (預測值-實際值)2MSE= N利用前 3 年的需求量產生數個模式，來預測第 4 年的需求量，之後再跟實際第 4 年（使用Beer Game 所產生）相比較。最小的MSE即為預測其商品情境的最佳方法解。第四章研究進度與時程 月份工作項目第一個月第二個月第三個月第四個月第五個月第六個月第七個月第八個月第九個月第十個月第十一個月第十二個月資料收集與文獻回顧 回顧需求預測方法 確定需求預測方法 計算預測結果 使用Beer Game比較預測結果 結論與建議表4.1 甘特圖第五章計算結果與比較：5.1 各商品預測方法之比較說明1. 移動平均2. 指數平滑 = 1N = 2MSE = 2594.83MSE = 5652.853. 迴歸分析4. 時間數列MSE = 258.25MSE = 6239.29圖5-1 乳品1之4種預測方法比較圖如上圖所示，我們可以很明顯地看出來，時間數列為乳品1 ( MSE = 258.25 )是四種需求預測方法MSE的最小值，即為較佳的需求預測方法，因為時間數列中的季節因子將商品的季節因數納入計算，將乳品1的趨勢，較準確的測量。1. 移動平均2. 指數平滑N = 2 = 1MSE = 2694.08MSE = 2738.953. 迴歸分析4. 時間數列MSE = 6624.64MSE = 200.17圖5-2 乳品2之4種預測方法比較圖如上圖所示，我們可以很明顯地看出來，時間數列為乳品2 ( MSE = 200.17 )是四種需求預測方法MSE的最小值，即為較佳的需求預測方法，因為時間數列中的季節因子將商品的季節因數納入計算，將乳品2的趨勢，較準確的測量。1. 移動平均2. 指數平滑 = 1N = 2MSE = 1463.25MSE = 2470.783. 迴歸分析4. 時間數列MSE = 433.75MSE = 2595.84圖5-3 乳品3之4種預測方法比較圖如上圖所示，我們可以很明顯地看出來，時間數列為乳品3 ( MSE = 433.75 )是四種需求預測方法MSE的最小值，即為較佳的需求預測方法，因為時間數列中的季節因子將商品的季節因數納入計算，將乳品3的趨勢，較準確的測量。1. 移動平均2. .指數平滑 = 1N = 2MSE = 1842.50MSE = 3186.453. 迴歸分析4. 時間數列MSE = 117.08MSE = 2156.34圖5-4 咖啡1之4種預測方法比較圖如上圖所示，我們可以很明顯地看出來，時間數列為咖啡1 ( MSE = 117.08 )是四種需求預測方法MSE的最小值，即為較佳的需求預測方法，因為時間數列中的季節因子將商品的季節因數納入計算，將咖啡1的趨勢，較準確的測量。1. 移動平均2. 指數平滑 = 1N = 2MSE = 1732.83MSE = 3199.253. 迴歸分析4. 時間數列MSE = 10.18MSE = 2156.53圖5-5 咖啡2之4種預測方法比較圖如上圖所示，我們可以很明顯地看出來，時間數列為咖啡2 ( MSE = 10.18 ) 是四種需求預測方法MSE的最小值，即為較佳的需求預測方法，因為時間數列中的季節因子將商品的季節因數納入計算，將咖啡2的趨勢，較準確的測量。1. 移動平均2. 指數平滑 = 1N = 2MSE = 1494.25MSE = 3125.753. 迴歸分析4. 時間數列MSE = 1595.84MSE = 1885.90圖5-6 咖啡3之4種預測方法比較圖如上圖所示，可看出咖啡3在指數平滑 ( MSE = 1494.25 ) 是四種需求預測方法MSE的最小值；基本上季節性商品之較佳方法應為時間數列，但因為咖啡3前三年的變動起伏過大，導致了季節因子的加乘作用，使預測訂單沒有預期中的完美。1. 移動平均2. 指數平滑 = 0N = 2MSE = 118.75MSE = 78.983. 迴歸分析4. 時間數列MSE = 52.88MSE = 115.53圖5-7 口香糖1之4種預測方法比較圖如上圖所示，我們可以看出來，時間數列為口香糖1 ( MSE = 52.88 ) 是四種需求預測方法MSE的最小值，即為較佳的需求預測方法。1. 移動平均2. 指數平滑 = 0.1N = 2MSE = 65.64MSE = 147.733. 迴歸分析4. 時間數列MSE = 62.33MSE = 92.49圖5-8 口香糖2之4種預測方法比較圖如上圖所示，我們可以看出來，時間數列為口香糖2 ( MSE = 62.33 ) 是四種需求預測方法MSE的最小值，即為較佳的需求預測方法。1. 移動平均2. 指數平滑 = 0N = 2MSE = 15.42MSE = 31.683. 迴歸分析4. 時間數列MSE = 25.77MSE = 14.05圖5-9 口香糖3之4種預測方法比較圖如上圖所示，我們可以看出來，迴歸分析為口香糖3( MSE = 14.05 ) 是四種需求預測方法MSE的最小值，即為較佳的需求預測方法。1. 移動平均2. 指數平滑 = 0.2N = 2MSE = 23.75MSE = 43.833. 迴歸分析4. 時間數列MSE = 27.38MSE = 22.82圖5-10 糖果1之4種預測方法比較圖如上圖所示，我們可以看出來，迴歸分析為糖果1 ( MSE = 22.82 ) 是四種需求預測方法MSE的最小值，即為較佳的需求預測方法。1. 移動平均2. 指數平滑 = 0.2N = 2MSE = 6.88MSE = 13.133. 迴歸分析4. 時間數列MSE = 2.58MSE = 5.68圖5-11 糖果2之4種預測方法比較圖如上圖所示，我們可以看出來，時間數列為糖果2 ( MSE = 2.58 ) 是四種需求預測方法MSE的最小值，即為較佳的需求預測方法。 1. 移動平均2. 指數平滑 = 0.1N = 2MSE = 26.05MSE = 41.953. 迴歸分析4. 時間數列MSE = 4.99MSE = 30.04圖5-12 糖果3之4種預測方法比較圖如上圖所示，我們可以看出來，時間數列為糖果3 ( MSE = 4.99 ) 是四種需求預測方法MSE的最小值，因為糖果3的3年訂單有一定的變化，所以時間數列中的季節因子便可以將商品的訂單預測的較為準確。1. 移動平均2. 指數平滑 = 0.2N = 2MSE = 17.31MSE = 30.633. 迴歸分析4. 時間數列MSE = 93.79MSE = 20.30圖5-13 餅乾1之4種預測方法比較圖如上圖所示，可看出餅乾1在指數平滑 ( MSE = 117.31 ) 是四種需求預測方法MSE的最小值。1. 移動平均2. 指數平滑 = 0.1N = 2MSE = 14.57MSE = 26.533. 迴歸分析4. 時間數列MSE = 25.49MSE = 13.51圖5-14 餅乾2之4種預測方法比較圖如上圖所示，我們可以很明顯地看出來，迴歸分析中的餅乾2 ( MSE = 117.31)，預測值與實際值趨勢較吻合，因此，迴歸分析為餅乾2為較佳方法。1. 移動平均2. 指數平滑 = 0N = 2MSE = 19.50MSE = 23.333. 迴歸分析4. 時間數列MSE = 64.05MSE = 15.91圖5-15 餅乾3之4種預測方法比較圖如上圖所示，我們可以很明顯地看出來，迴歸分析中的餅乾3 ( MSE = 15.91)，預測值與實際值趨勢較吻合，因此，迴歸分析為餅乾3為較佳方法。1. 移動平均2. 指數平滑 = 0.3N = 9MSE = 7.12MSE = 9.183. 迴歸分析4. 時間數列MSE = 197.88MSE = 24.17圖5-16 泡麵1之4種預測方法比較圖如上圖所示，我們可以很明顯地看出來，指數平滑中的泡麵1 ( MSE =7.12)，預測值與實際值趨勢較吻合，因此，指數平滑為泡麵1為較佳方法。1. 移動平均2. 指數平滑 = 0.3N = 2MSE = 345.90MSE = 55.703. 迴歸分析4. 時間數列MSE = 35.21MSE = 263.42圖5-17 泡麵2之4種預