臺灣博碩士論文加值系統

近年來，企業為回應多元化的顧客需求，大量生產模式朝大量客製化模式的生產方式發展。大量客製化是以顧客需求為導向，而產品的多元化則是來自所用之材料或零組件的不同組合，故材料或零組件之需求預測在大量客製化中將比傳統大量生產來的重要，而選擇較佳的預測模式有助於獲得較合適之存貨，且也能降低公司的存貨成本與風險。。

本文將以Nike鞋類大量客製化部門所推出之PN-S鞋型為例，分析其該款鞋型近15個月內之鞋材需求用量，以EXCEL與LINDO軟體透過三種預測模式：指數平滑模式、灰預測模式與模糊指數平滑模式進行模擬大量客製化鞋材需求預測。結果顯示，當鞋材需求呈現明顯向上趨勢時，以模糊指數平滑模式來預測結果最佳，且在短期預測時，模糊指數平滑模式較指數平滑模式與灰預測模式來的穩定。本文透過三種預測模式進行模擬大量客製化鞋材需求之預測，並與實際需求量進行精確度與分析的結果，望此研究成果能提供欲實行大量客製化之鞋廠作為預測模式之參考。

Recently, in order to response diverse customers’ demand, enterprise’s production models trend to mass customization model from mass production model. Mass-customized is one of production models based on customer-demand-orientated and its diversification product combinations consist of variety materials and components. Therefore, the demand prediction of materials and components under mass-customized production model will be more important than traditional mass production model, and through well selecting better prediction models will help enterprises acquire suitable inventory level, and reduce inventory cost and risk as well.

This article uses a shoe model, PN-S type, as an example from mass-customized footwear departments of Nike Company to analyze its material demand quantity of every single month for almost 15-month duration. Applying EXCEL and LINDO software to simulate demand quantity through 3 prediction models, Exponential Smoothing model, Grey Prediction model and Fuzzy Exponential Smoothing model, and then compare the simulation results with real demand quantity. As to simulation result, the simulation of Fuzzy Exponential Smoothing model is superior to others when there is an obvious uptrend demand for materials. When to simulate short-term demand quantity, Fuzzy Exponential Smoothing model provides more stable stimulation result than Grey Prediction model. Comparing the result of 3 prediction methodologies for predicting demand quantity of mass-customized with real demand quantity concludes this research analysis and hopefully, this effort will provide a reference to footwear manufactures whom intend to implement mass customization production model.

目 錄
誌謝 i
摘 要 ii
Abstract iii
目 錄 iii
圖目錄 v
表目錄 vi
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 研究範圍與限制 3
1.4 研究架構 3
第二章 文獻探討 4
2.1大量客製化 4
2.1.1 大量客製化定義 4
2.1.2 大量客製化特徵 6
2.1.3 大量客製化模式 8
2.1.4 大量客製化衡量方式 10
2.2預測 11
2.2.1 預測理論 11
2.2.2 預測的特徵 12
2.2.3 以時間序列數據為基礎的預測 13
2.3 指數平滑法 14
2.4 灰色理論 15
2.4.1 灰色理論介紹 15
2.4.2 灰預測的應用 18
2.4.3 灰色滾動建模 20
2.5 模糊指數平滑模式 20
2.5.1 模糊理論的基本概念 20
2.5.2 模糊迴歸模式 21
2.5.3 由模糊迴歸轉換成模糊指數平滑概念 23
第三章 產業分析與個案公司背景 25
3.1 產業分析 25
3.2 個案公司 26
3.2.1 背景概述 26
3.2.2 Nike ID部門介紹 27
3.2.3 Nike ID部門接單製鞋流程簡介 27
第四章 研究方法 30
4.1 實驗說明 30
4.2 指數平滑模式 32
4.3 灰預測模式 32
4.3.1 灰預測演算流程 32
4.3.2 灰預測滾動建模 36
4.4 模糊指數平滑模式演算流程 36
4.5 模式預測檢驗 39
第五章 預測結果與分析 40
5.1 關鍵參數試算 42
5.2 各預測模式之演算 43
5.2.1 指數平滑模式 44
5.2.2 灰預測建模模式 44
5.2.3 模糊指數平滑模式 45
5.3 各項鞋材需求預測分析 45
5.4 小結 56
第六章 結論與建議 57
6.1 結論 57
6.2 建議 57
參考文獻 59

[1]方世榮（2001），「統計學導論」，台北市：華泰文化。
[2]王富恩 (2002)，「長鞭效應在不同需求型態下關鍵影響」，國防管理學院後勤
管理碩士論文。
[3]王勝宏（2000），「入口網站之顧客價值、產品組合特性、與客製化策略之
關係研究」，政治大學企業管理學系碩士論文 。
[4]江金山、吳佩玲、蔣祥第、張廷政、詹福賜、張軒庭、溫坤禮（1998），「灰
色理論入門」，台北市：高立圖書。
[5]李順益（2002），「灰色理論於短期銷售預測之適用性探討」，義守大學資
訊工程研究所碩士論文。
[6]林進財、王淑滿、江長慈(1999)，「台灣地區海上航行員人力供需問題之研究」，
交大管理學報，第19期，頁85-101。
[7]林聰明、吳水丕（1981），「指數平滑法之選擇與應用」，台北市：華泰文
化。
[8]吳柏林（2005），「模糊統計導論—方法與應用」，台北市：五南書局。
[9]吳漢雄、鄧聚龍、溫坤禮（1996），「灰色分析入門」，台北市：高立圖書
。
[10]周海龍（1985），「台北都會區生活用水量之預測—類神經網路之應用」，
中興大學資源管理研究所碩士論文。
[11]洪欽銘、李龍鑣(1996)，「台灣地區高職教師人數需求之灰色預測模式」，研
究教育資訊，第4期，頁104-119。
[12]許寶東、陳清燿、羅啟豪（2006），「灰色預測理論在短期預測適用性之研」
究，創新、整合與應用研討會。
[13]陳俊穎（2002），「設計生產（D T O）經營模式之大量客製—以N I K E i d
為例」，台灣科技大學工業管理所碩士論文。
[14]陳建宏 （2002），「應用灰色理論與模糊控制建構及時電力需量控制系統」，
國立高雄第一科技大學，機械與自動化工程系，碩士論文。
[15]莊國彬（2000），「結合灰色與模糊理論在負載預測之應用」，國立台北科
技大學電機工程所碩士論文。
[16]曹銳勤（2001），「以灰色預測值建構模糊指數平滑模式」，中國工業工程
期刊，第18期，頁95-103。
[17]曹銳勤（1998），「模糊迴歸模式之模建與分析」，國立清華大學工業工程
與管理學所研究所博士論文。
[18]黃崇興（2003），「作業管理」，台北市：美商麥格羅.希爾出版。
[19]鄭仲凱（1998），「境外航運中心貨物運輸需求之研究」，長榮管理學院經
營管理研究所碩士論文。
[20]溫坤禮、黃宜豊、陳繁雄、李元秉、連志峰、賴家瑞（2002），「灰預測原
理與應用」，台北市：全華圖書。
[21]趙嬙（2003），「灰色預測理論應用於汽車產業預測之研究-以台灣、大陸市
場為例」，朝陽科技大學企業管理所碩士論文。
[22]蔡玉雯（2001），「台灣地區中等教育師資人力供需之研究」，銘傳大學管
理科學研究所碩士論文。
[23]鄧聚龍（1999），「灰色系統理論與應用」，台北市：高立圖書。
[24]鄧聚龍、郭洪（1996），「灰預測原理與應用」，台北市：全華圖書。
[25]劉子琦（2004），「臺灣中部地區製鞋業競爭策略分析以四家個案公司為例」，
台中健康管理學院經營管理所碩士論文。
[26]應立志、潘美秋（2004），「迴歸分析與灰色理論在尖峰負載預測能力之比
較」，僑光學報，第23期，頁27-41。
[27]Archer, B. H.（1980）, “Forecasting demand: Quantitative and Intvitive
Techniques,” International Journal of Tourism Management, 1(1), pp.5-12.
[28]Bardossy, A., Bogardi, I. and Duckstein, L.（1990）, “Fuzzy Regression in
Hydrology,” Water Resources Research, 26(7), pp.1497-1508.
[29]Boyton, A. C., Victor, B., and Pine, B. J.（1993）, “New Competitive Strategies:
Challenges to Organizations and Information Technology,” IBM Systems Journal,
1(1), pp.40-64.
[30]Davis, S.（1989）, “From Future Perfect: Mass Customization,” Planning Review,
17(2), pp.16-21.

[31]Duray, R., Ward, P. T., Milligan, G. W and Berry,W. L.（2000）, “Approaches to
Mass Customization: Configurations and Empirical Validation.” Journal of Operations Management 18, pp. 605-625.
[32]Hart, C.（1995） “Mass Customization: Conceptual Underpinnings, Opportunities
and Limits.” International Journal of Service Industry Management 6(2) pp. 36-45.
[33]Kay, M. J.（1993）, “Making Mass Customization Happen: Lessons for
Implementation,” Planning Review, 21(1), pp.14-18.
[34]Kotler, P.（1989）, “From Mass Marketing to Mass Customization,” Planning
Review, 17(5), pp.10-13.
[35]Pine, B. J.（1993） “Mass Customization: The New Frontier in Business
Competition” ,Boston:Harvard Business School Press.
[36]Sheth, J. N. and Sisodia, R. S.（1999）, “Revisiting Marketing’s Lawlike
Generalizations” , Joural of the Academy of Marketing Sciences, 17(1), pp.71-87
[37]Silveira, G. D., Borenstein, D. and Fogliatto, F. S.（2001）, “Mass Customization:
Literature Review and Research Direction.” International journal of production
economics, 72, pp. 1-13.
[38]Tanaka, H., Uejima, S. and Asai, K.（1987）, “Fuzzy Linear Model, Fuzzy Linear
Regression Model”, IEEE Transactions System, Man and Cybernet, 12,
pp. 903-907.
[39]Tanaka, H. and Watada, J.（1988）, “Possibilistic Linear Systems and Their
Application to the Linear Regression Model”, Fuzzy Sets and Systems, 27,
pp. 275-289.
[40]Tsaur, R. C（2005）, “Further Examination to Fuzzy Exponential Smoothing
Model”, Journal of the Chinese Institute of Industrial Engineers , 22(6),
pp. 521-530.
[41]Tu, Q., Vonderembse, M. A., and Rang-Nathan, T. S. (2001), “The Impact of
Time-based Manufacturing Practices on Mass Customization and Value to Customer,” Journal of Operation Management, 19, pp.201-217.
[42]Zimmermann, H. J.（1987）, “Fuzzy Sets, Decision Making and Expert Systems”,
Kluwer Academic, Boston, Mass.