木製框式車身銷售數量之組合預測研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：46

、訪客IP：3.128.202.252

姓名

林加皓(Chia-Hao Lin) 查詢紙本館藏

畢業系所

工業管理研究所在職專班

論文名稱

木製框式車身銷售數量之組合預測研究
(A Study of Combined Forecast of Sales Volume of Truck Wooden Boxes)

相關論文

★ 以類神經網路探討晶圓測試良率預測與重測指標值之建立	★ 六標準突破性策略—企業管理議題
★ 限制驅導式在製罐產業生產管理之應用研究	★ 應用倒傳遞類神經網路於TFT-LCD G4.5代Cell廠不良問題與解決方法之研究
★ 限制驅導式生產排程在PCBA製程的運用	★ 平衡計分卡規劃與設計之研究-以海軍後勤支援指揮部修護工廠為例
★ 導入符合綠色產品RoHS之供應商管理-以光通訊產業L公司為例	★ 不同產品及供應商屬性對採購要求之相關性探討－以平面式觸控面板產業為例
★ 中長期產銷規劃之個案探討 -以抽絲產業為例	★ 消耗性部品存貨管理改善研究-以某邏輯測試公司之Socket Pin為例
★ 封裝廠之機台當機修復順序即時判別機制探討	★ 客戶危害限用物質規範研究-以TFT-LCD產業個案公司為例
★ PCB壓合代工業導入ISO/TS16949品質管理系統之研究-以K公司為例	★ 報價流程與價格議價之研究–以機殼產業為例
★ 產品量產前工程變更的分類機制與其可控制性探討-以某一手機產品家族為例	★ 保健食品代工廠資格認定-以A公司為例

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

銷售預測的結果是許多重要生產決策的基礎，良好的預測結果能使整體的產銷規劃井然有序，成本得以控制，企業的獲利與長期的發展是可預期的；而糟糕的預測結果則可能導致不好的規劃，不是增加閒置成本與庫存成本，就是增加缺貨成本與流失客戶。
對木製框式車身製造業者來說，僅僅依據過往的銷售數據使用統計預測方法，再加上直覺的判斷，來預測未來的銷售數量，已無法因應多變的銷售環境。因此，本研究將以專業產製木製框式車身個案公司為對象，討論不同預測方法其預測狀況與適用性，使個案公司能從中選擇較優良的方法，來計算預測數值。
本研究在預測方法的選擇，除了以業界常用的移動平均法與指數平滑法外，另納入近來廣為預測研究使用的灰色理論。最後採用組合預測之三種預測模型，將移動平均法、指數平滑法、灰預測法所求得之解作組合預測，以探討組合預測模型是否適合木製框式車身的銷售數量預測。
由實證分析結果發現，以迴歸方式決定權數之組合預測模型不論是在訓練區間、績效測試區間、全區間，都有較佳的預測效果。因此，以迴歸方式決定權數之組合預測模型，為本研究最優良之銷售數量預測模型，適合且足可作為個案公司木製框式車身產品之銷售數量預測之用。

摘要(英)

The result of sales forecast underpins vital production decisions, in which accurate forecast results in complete and orderly planning of overall production and sales operations, precise control over cost and predictable enterprise profit and its long-term development. Contrarily, inaccurate forecast can cause defective planning, either increasing idle and inventory cost, or enlarging stockout cost and losing customers.
It has been difficult for truck wooden boxes manufacturers to respond effectively to volatile marketing environments by predicting future sales volume through only statistics methods based on past sales data as well as intuitive judgment.
Therefore, this research, which focuses on professional manufacturers of truck wooden boxes, aims to discuss the forecast status and adaptability for variant forecast methods in hope of providing the manufacturer a more accurate method to calculate forecast results.
Widely used in forecast research recently, Gray System Theory is also adopted as one of the forecast methods, besides the two widespread methods of Moving Average and Exponential Smoothing in this field. Based on the three prediction models, the combined forecast is conducted using the separate solutions of Moving Average, Exponential Smoothing and Gray Prediction to investigate whether the combined forecast model matches the sales volume prediction of truck wooden boxes.
Empirical analyses reveal a combined forecast model, with weighting factor determined by recursive algorithms, offers better prediction in training scope, performance test scope and the whole scope, which justifies that the aforesaid model with weighting factor decided by recursive algorithms is the best one, and is suitable for sales volume prediction of truck wooden boxes.

關鍵字(中)

★ 木製框式車身
★ 灰預測法
★ 組合預測
★ 以迴歸方式決定權數

關鍵字(英)

★ Truck Wooden Boxes
★ Grey Prediction
★ Combined Forecast
★ Weights Determined By Regression Analysis

論文目次

摘要---------------------------------------- i
Abstract------------------------------------- ii
致謝---------------------------------------- iii
目錄---------------------------------------- iv
圖目錄------------------------------------- vi
表目錄------------------------------------- vii
第一章緒論---------------------------------- 1
1.1 研究背景與動機-------------------------- 1
1.2 研究目的-------------------------------- 2
1.3 研究範圍-------------------------------- 3
1.4 研究架構與流程-------------------------- 4
第二章文獻探討------------------------------ 6
2.1 預測概論-------------------------------- 6
2.2 現行預測方法之回顧---------------------- 12
2.3 衡量預測誤差標準------------------------ 17
2.4 灰色系統理論---------------------------- 17
2.5 組合預測理論---------------------------- 22
第三章研究方法------------------------------ 27
3.1 移動平均法------------------------------ 28
3.2 指數平滑法------------------------------ 28
3.3 灰預測法-------------------------------- 29
3.4 組合預測-------------------------------- 38
3.5 預測精確度檢驗-------------------------- 40
第四章實例驗證------------------------------ 44
4.1 數據資料蒐集與前處理-------------------- 45
4.2 移動平均法建模-------------------------- 46
4.3 指數平滑法建模-------------------------- 48
4.4 灰預測法建模---------------------------- 50
4.5 篩選各實驗法最佳結果數據進行組合預測---- 55
4.6 簡單平均組合預測法建模------------------ 58
4.7 權數與平方差之合成反比組合預測法建模---- 61
4.8 迴歸方式決定權數組合預測法建模---------- 65
4.9 預測模型精確度檢驗---------------------- 68
第五章結論與建議---------------------------- 70
5.1 研究結論與貢獻-------------------------- 70
5.2 研究限制-------------------------------- 71
5.3 後續研究-------------------------------- 72
參考文獻------------------------------------- 73
中文文獻------------------------------------- 73
英文文獻------------------------------------- 75
附錄---------------------------------------- 77
附錄 A MATLAB 軟體介紹----------------------- 77
附錄 B MATLAB 程式--------------------------- 78
附錄 C MINITAB 軟體介紹---------------------- 84

參考文獻

中文文獻
1. 賴士葆，生產/作業管理：理論與實務，二版，華泰書局，1995年。
2. 于宗先，經濟預測，大中國圖書有限公司，1972年。
3. 徐桂祥，「灰色系統在商情預測上之研究」，雲林技術學院，碩士論文，1997年。
4. 黃俊英，行銷研究—管理與實務，華泰書局，1992年。
5. 方世杰，市場預測方法一百種，書泉出版社，1988年。
6. 唐淑娟，「台灣地區鳳梨零售價格預測之研究-灰預測、類神經網路與預測組合之應用」，屏東科技大學，碩士論文，2000年。
7. 溫坤禮，灰預測原理與應用，全華科技圖書股份有限公司，2002年。
8. 林意剛，「台灣地區公民營觀光遊樂區人次預測之研究」，朝陽科技大學，碩士論文，2005年。
9. 蘇怡如，「供應鏈管理下需求預測控制之研究」，逢甲大學，碩士論文，2005年。
10. 許純君譯，預測的原理與應用，台灣西書出版社，1999年。
11. 江金山、吳佩玲、蔣祥第、張廷政、詹福賜、張軒庭、溫坤禮，灰色理論入門，高立圖書有限公司，1998年。
12. 孫金華，「台灣肉雞價格組合預測方法之研究」，台灣大學，碩士論文，1989年。
13. 許仲傑，「工具機業協同預測模式之研究」，東海大學，碩士論文，2005年。
14. 張嘉烈，「匯率水準決定之實證研究—預測組合法」，嶺東學報，第3 期，頁2-11，1991年。
15. 黃傳欽，「台灣地區白肉雞產地價格組合預測方法之研究」，嘉義農專學報，32：p121-142，1993年。
16. 高志祥，「隨機性解釋變數下組合迴歸式預測能力之研究」，清華大學，碩士論文，1993年。
17. 陳宗玄，「台灣六種主要畜產品產地價格預測分析」，臺灣銀行季刊，第四十五卷第三期，1994年9月。
18. 梁國源，高志祥，「隨機性迴歸子下之預測組合理論」，中國統計學報，第三十二卷第三期，p367-388，1994年9月。
19. 梁國源，邱繼輝，「經濟計量與外部資訊模型預測值之組合：臺灣案例之研究」，臺灣銀行季刊，第四十六卷第三期，p62-90，1995年9月。
20. 林明昌，「台灣芒果批發價格預測模型之比較研究」，台灣大學，博士論文，2002年。
21. 劉定焜、施能仁，「灰色動態模式下台灣股價指數期貨之避險策略評估研究」，臺灣經濟，264 期，1998年。
22. 何怡慧，「上市公司財務績效指標灰色預測模式之研究」，長榮管理學院，碩士論文，1998年。
23. 李宗儒、鄭卉方，「應用灰色理論預測物之價格—以紅豆為例」，農林學報，49(2)，P83-92，2000年。
24. 許哲強、陳家榮，「灰色模糊預測模式在區域尖峰負載預預測之應用-以台灣中部地區為例」，台灣土地金融季刊，第37卷第1期，2000年。
25. 廖世裕，「應用灰色系統理論建立茶葉產銷預測系統之研究」，中興大學，碩士論文，2000年。
26. 林昌本，「灰色系統的應用及及其使用於預測研究」，台灣科技大學，博士論文，2000年。
27. 楊修懿，「共同基金績效評估與淨值預測--灰色理論之應用」，大葉大學，碩士論文，2001年。
28. 孫崇智，「水資源區域需水量預測模型之研究」，高雄第一科技大學，碩士論文，2001年。
29. 李昌明，「多層次灰色預測方法--以國軍軍官考績評鑑為例」，國防管理學院，碩士論文，2001年。
英文文獻
1. Lebell, D.and Krasner, O. J.,”Selecting Environmental Forecasting from Business Planning Requirements,”Academy of Management Review,pp.373-383,1977.
2. Herbig, P., Milewicz, J.and Golden, J. E.,“Forecasting：Who, What, When, and How,”Journal of Business Forecasting,Vol.12,No.2,1993.
3. Kolter, P.,Marketing Management Analysis,Planning Implementation and Control,9th Edition,1997.
4. Huan, J. S.,James, T. L.and Trefor, P. W.,“Using Neural Networks to Predict Component Inspection Requirements for Aging Aircraft,”,Computers and Industrial Engineering,Vol. 30, No. 2,1996.
5. Chang, K. H.,”Applying Grey Forecasting Model on the Systematic Risk Estimation: A Study of the Dow Jones Industry Index Component Securities,” Journal of Grey System and Uncertainty,Vol. 7, No. 2, pp.1-13,2004.
6. Chang,K.H. and Wu, C.S.,“A Gray Time Series Model on Foreign-Exchange-Exchange-Rate Forecasting Models,”The Journal of futures Markets,,pp.219-236,1998.
7. Charles, W.and Chase, J.,”Composite forecasting: Combining forecasts for improved accuracy,”The Journal of Business Forecasting Methods & Systems,Flushing, Vol. 19, pp.2-5,Summer 2000.
8. Gerald, E. S.,”Food Price Variability and Economic Reform:An ARCH Approach for Ghana,”American Journal of Agricultural Economics,pp.126-136,1996.
9. Morita, H.,Kase, T, Tamura, Y.and Iwamoto, S.,”Interval prediction of annual maximum demand using grey dynamic model,”Electrical power & Energy Systems,Vol.18,pp.409-413,1996.
10. Lin, M.,“An Application of the GM(1,1) Model :The Prediction of Flight Safety,” The Journal of Gray System,,pp.99-102,1989.
11. Clemen, R. T. and Winkler, R. L.,”Combining Ecomomic Forecasts,”Journal of Business & Economic Statistics,Vol.4, No.1,pp.39-46,1986.
12. Shi, Shan S. Ming Shi., Xu, L.i Da Xu. and Bao, Liu Bao.,”Improving the accuracy of nonlinear combined f forecasting using neural networks,”Expert Systems with Applications,pp.49-54,1999.

指導教授

沈國基(Gwo-Ji Sheen)

審核日期

2008-1-7

推文