臺灣博碩士論文加值系統

手機產業在全球電子資訊市場中，扮演著相當重要的角色。許多零組件及代工廠會依照客戶所給的長期需求調整後進行季度及年度產能規劃並利用短期需求做備料計劃，在機構零組件上尤其重要。工廠端需要有預測的能力來判斷品牌業者的長期及短期需求量是否合理才能確保進料的價格低及不會造成大量庫存。
目前尚無單一的預測法可以完全來預測手機各品牌業者的實際需求，產業普遍存在庫存堆積與部分停工待料的問題。然而，透過適合的預測法需求方式可以幫助零組件及代工廠有效減少這類問題發生的機率與所造成的成本損失。因此，本研究提出由各式預測法中應用所收集的數據尋求五大品牌業適合的預測 模型。藉著分析預測模型來幫助零組件及代工廠做正確銷售預測、產能規劃及備料判斷。
數據量及數據趨勢去選取合適的預測方法，並參考文獻及書籍選取適合的預測模型進行比較，當平均絕對誤差百分比，平均絕對偏差 及平均誤差做為最小時我們判定為最佳預測模型。
實驗結果顯示，NOKIA 、SAMSUNG、MOTOROLA 及SONYERISSON 使用Winter ‘s Method 較準確而 LG 則以多項回歸為最佳，這樣的評估結果可以提供相關產業進行需求預測時之參考。

Mobile phones in the global electronic industry marketing play an important role. Components suppliers and OEM Company will be in accordance with customer long-term demand to adjusted quarterly and annual production capacity and use Short-term demand to do material planning and preparation .This is particular important for Components supplier and OEM Company.

Factory need to have forecast ability to judge the long-term & short term demand if reasonable that Brand Company provided to them. This is in order to guarantee lowest purchase prices and no over stock in Factory site.

Currently,there is no single forecasting method to predict the actual demand which the brand company needed. In this field has serious inventory problems & production suspension issue. Therefore, through appropriate demand forecasting method can help components & OEM Company effectively reduce the probability of occurrence of such problems and costs caused by losses.

Accordingly, study various types of prediction method by the application of the data collected to find out the best prediction model. Through the analysis and forecast models help Company to do the right judge in planning and preparation capacity.

Collecting data and doing data trends analysis to select appropriate forecasting methods, and reference literature and books to select the prediction model for comparison. When the percentage of the average absolute error, mean absolute deviation and the average error as the assessment criteria is all minimum that we say it is the best forecasting model.

Experimental results show that, NOKIA, SAMSUNG, MOTOROLA and SONYERISSON use winter’s Method and LG by more precise number of returns for the best, so that the results of the assessment of related industries can provide forecasts of the demand for reference.

摘要 I
Abstract II
致謝 III
目錄 IV
表目錄 V
圖目錄 VI
第一章緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的及研究範圍 5
1.4 研究方法 8
1.5 論文架構與流程 8
第二章 文獻探討 11
2.1 預測的定義 11
2.2 預測時間分類 13
2.3 預測方法 14
2.4 預測文獻探討 17
2.4.1指數平滑法介紹及相關文獻: 17
2.4.2 灰色系統理論介紹及相關文獻: 18
2.4.3回歸分析介紹及相關文獻: 23
第三章 研究方法 28
3.1 指數平滑法 28
3.1.1簡單指數平滑法 Simple Exponential Smoothing 28
3.1.2 趨勢修正的指數平滑法（Holt模型） 29
3.1.3趨勢和季節性修正的指數平滑法（Winter模型） 30
3.2 灰色系統理論 35
3.3 回歸分析 37
3.4 預測績效評估指標: 40
第四章 實驗結果與數據分析 43
4.1 指數平滑法-Winter’s method，五大品牌2008 四季度銷售預測及績效評估指標 43
4.2 灰色預測GM(1,1)，五大品牌2008 四季度銷售預測及績效評估指標 49
4.3 多項式回歸預測，五大品牌2008 四季度銷售預測及績效評估指標 52
4.4 績效評估指標分析比較 55
第五章 結論與後續研究建議 59
5.1 研究結論 59
5.2 後續研究建議 60
參考文獻 61
表目錄
表1-1本研究數據收集 7
表2-2傳統預測方法與灰色預測方法的比較 21
表2-3回歸分析法特徵及估計方法列 26
表3-1Nokia 回歸趨勢EXCE運算結果 31
表3-2 Samsung 回歸趨勢EXCE運算結果 31
表3-3 Motorola回歸趨勢EXCE運算結果 31
表3-4 LG回歸趨勢EXCE運算結果 32
表3-5 Sony Ericsson回歸趨勢EXCE運算結果 32
表3-6 MINITAB運算結果 39
表3.7 評估準則之分類MAPE 效果 42
表4-1 Nokia最佳權數 44
表4-2 得到權數後重新計算2008年預測值與實際值 44
表4-3 Samsung最佳權數 45
表4-4 得到權數後重新計算2008年預測值與實際值 45
表4-5 Motorola 最佳權數 46
表4-6 得到權數後重新計算2008年四季預測值與實際值表 46
表4-7 LG最佳權數 47
表4-8得到權數後重新計算2008年四季預測值與實際值 48
表4-9 Sony Ericsson最佳權數 48
表4-10得到權數後重新計算2008年四季預測值與實際值 49
表4-11 Nokia灰色GM(1,1)預測值 50
表4-12 Samsung灰色GM(1,1) 預測值 50
表4-13 Motorola灰色GM(1,1) 預測值 51
表4-14 LG灰色GM(1,1) 預測值 51
表4-15 Sony Ericsson灰色GM(1,1) 預測值 52
表4-16 Nokia四季預測值與實際值 53
表4-17 Samsung四季預測值與實際值 53
表4-18 Motorola四季預測值與實際值 54
表4-19 LG四季預測值與實際值 54
表4-20 Sony Ericsson 四季預測值與實際值 55
表4-21 Nokia :MAPE、MAD、MSE 56
表4-22 Samsung: MAPE、MAD、MSE 56
表4-23 Motorola: MAPE、MAD、MSE 57
表4-24 LG :MAPE、MAD、MSE 57
表4-25 LG :MAPE、MAD、MSE 58
表4-26 SonyErisson1:MAPE、MAD、MSE 58
圖目錄
圖1-1活動架構 4
圖1-2研究流程圖 10
圖3-1 2003-2007 Nokia 季銷售趨勢圖形 33
圖3-2 2003-2007 Samsung 季銷售趨勢圖形 33
圖3-3 2003-2007 Motorola 季銷售趨勢圖形 34
圖3-4 2003-2007 LG 季銷售趨勢圖形 34
圖3-5 2003-2007 SonyErisson 季銷售趨勢圖形 35

Stevenson, W.J., Production/Operation Management 6th edition, McGraw Hill, 1999.
Herbig, Paul and John Milewicz (1993), "Reputation and Brands," Journal of. Consumer Marketing (Fall) 10/3.
Luxh, J. T., J O. Riis, B. Stensballe, 1996, “A hybrid econometric-neural network modeling approach for sales forecasting”, The International Journal of Production Economics, vol.43, pp.175-192.
Mills, T.C, “Time series techniques for economists”, Cambridge University Press,1990.
Deng, J., Guo, H., Xu, S., Xiong, J., and Chen, M. (1988),「Essential Topic son Grey System: Theory and Application, " HuaSheng University of Science and Technology, Beijing: China
Chin-Tsai Lin and Shih-Yu Yang, (2003), “Forecast the Output Value of Taiwan's Opto-electronics Industry Using the Grey Forecasting Model,” Technological Forecasting & Social Change 70, pp. 177-186, 2003.
Hsu, C. C., and Chen, C. Y., “Applications of improved grey prediction model for power demand forecasting,” Energy Conversion and Management 44, pp.2241-2249, 2003.
Markham, I. S. and Rakes, T. R. (1998).“The effect of sample size and variability of data on the comparative performance of artificial neural networks and regression”, Computers Operations Research, vol.25(4), pp.251-263
C. Chatfield, M. Yar, “Holt-Winters forecasting: some practical issues”, The Statistician, vol. 37, no. 2, pp. 129-140, 1988.
C. Chatfield, A. B. Koehler, J. K. Rod & R.D.Snyder, “A new look at models for exponential smoothing”, The Statistician, vol. 50, no. 2, pp. 147-159, 2001.
M.Z., Mao, E.C., Cheraw, “Application of grey model GM (1, 1) to vehicle fatality risk estimation,” Technological Forecasting and Social Change, no. 73, pp.588-605, 2006.
G. J., Tan, “The structure method and application of background value in grey system GM (1, 1)”Systems Engineering-theory and Practice, no. 4, pp.98-103, 2000.
Brown R G; Smoothing. R.G. Brown, Smoothing, Forecasting and Prediction of Discrete Time Series, Prentice-Hall, Englewood Cliffs, NJ (1963).
SMITH, N.R.D., 1998: Applied Regression Analysis, Third Edition. John Wilely & Sons, Canada.
余宗先，經濟預測，大中國出版社，1972。
方士杰，市場預測的一百種方法，書全出版社，1988。
徐桂祥(1997)，「灰色系統在商情預測上之研究」，碩士論文，雲林技術學院資訊管理技術研究所，雲林。
周文賢及陳錦滄，商情預測，華泰書局，民80 ... Black, J. T., THE DESIGN OF THE FACTORY WITH A FUTURE, International Edition 1991,
河南氣象2003年 第03期 作者: 劉勇軍, 郝齊芬, 期刊 ISSN :
1004-6372(2003)03-0018-02
中國民航大學學報2007年 第25卷 第02期 作者: 趙嶷飛, 王紅勇, 張亮, 期刊- ISSN : 1001-5000(2007)02-0001-03
數理統計與管理2008年 第27卷 第03期 作者: 童明榮, 薛恒新,
期刊ISSN : 1002-1566(2008)03-0500-05
許可達， 羅國彥，游美利，(2008) 應用灰色GM(1,1)模型與指數平滑法於老人失能率與老年長期照護需求之預測(2008)計量管理期刊vol. 5, no. 13, page 25~38
Deng Ju long, Control problems of Grey System, System and Control Letters, Vol.5, 1982, ... [16] 鄧聚龍，灰色系統理論教程，華中理工大學出版社，民國79年
鄧聚龍、溫坤龍、吳漢雄，「灰色分析入門」，高立圖書有限公司，1996 年
許巧鶯、溫裕弘（1997），「台灣地區國際航空客運量之預測一灰色預測模式之應用」，運輸計畫第26 卷第3 期。
王瓊敏，「電腦關鍵零組件之價格預測模式」，國立中央大學工業管理研究所，2000 年碩士論文。
李順益(2002)，「灰色理論於短期銷售預測之適用性探討」，碩士論文，義守大學資訊工程研究所，高雄。
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」，屏東科技大學農企業管理系，2001 年碩士論文。
洪楠、侯軍 (2007) MINITAB 統計分析教程 電子工業出版社
楊雅媛 迴歸分析與類神經網路預測能力之比較，2001 年碩士論文。
林建發 颱風降雨量之統計迴歸預測-2000年碩士論文
溫坤禮/張簡士琨/葉鎮愷/王建文/林惠珊 MATLAB 在灰色系統理論的應用，全回圖書股份有限公司 印行
方士杰，市場預測的一百種方法，書全出版社，1988。
趙嬙，「灰色預測理論應用於汽車產業預測之研究」，朝陽科技大學，民國九十二年。
莊昆益，灰色預測理論應用於電子遊戲產業預測之研究－灰色 預測理論應用於電子遊戲產業預測之研究－以台灣市場為例，朝陽科技大學企業管理系碩士論文，民91年
吳正裕 應用灰色理論、迴歸分析、指數平滑法於預測台商投資趨勢之研究 － 以印度為例 2001 年碩士論文
郭明哲（1976），預測方法—理論與實例，中興管理顧問，台北。
鄧聚龍、郭洪(1996)，灰色原理與應用，全華科技圖書公司，台北。
許可達、羅國彥、游美利，應用灰色GM(1,1)模型與指數平滑法於老人失能率與老年長期照護需求之預測(2008)計量管理期刊vol. 5, no. 13, page 25~38
基於灰色理論之短期銷售預測方法／錢炳全 李順益 王學亮 資訊管理展望 第5卷 第1期 民國九十二年三月