企業的訂購和存貨政策與其營運成本有密切的關聯。訂貨不足會導致銷售機會的喪失，過多的存貨則會造成企業成本上升。如何決定合適的訂購量，一直以來都是企業所重視的一環。本研究以統一超商的便當為分析對象，發展出一套易腐性商品三階段補貨策略，以決定其最佳的訂購量。首先，以移動平均法求得粗估的整體數量。其次，運用支援向量機(SVM)加以微調，使整體訂購量能更加的精確。最後，再利用資料包絡分析法，以決定各式便當最佳訂量。在面對不確定的環境下，許多因素都會影響到預測的準確性。因為支援向量機能考慮現實環境中許多不確定的因素，而這些因素是往往是會影響到預測的準確度，例如來客數、天氣、促銷活動等，因此加入SVM後，可以使訂購量更符合實際情況。為提高SVM預測的準確度，本研究以田口實驗設計法，找出影響訂購決策中的關鍵因素組合。經實驗比較，本研究所提的方法，遠比統一超商所使用的人為預測來得有效率，證明本研究的方法能有效地決定最佳訂量，並提高便利商店的獲利能力。

In the past decade, convenience stores have generally experienced low profit margins due to the intensive competition that exists in the industry. To reduced operating costs, these stores must be able to efficiently control their stock replenishment, especially for deteriorating items such as meal-boxes. To solve this problem, we employed a three-step model to determine the optimal amount of replenishment. In the first step, we obtained the basic reorder quantity of all the meal-box by moving average method. In the second step of our model, a novel warning system is established by employing the support vector machine to modify the basic order quantity, which may be varied due to the effect of uncertain factors such as the weather, climate and economic prospects. In the third step, we employ DEA solver to determine the order quantity of each meal-box. Using actual data from a convenience store which was a part of the President Chain Store Corporation in Taiwan, the prediction accuracy of the three-step replenishment policies was evaluated. We also apply Taguchi method to determine the optimal portfolio of the factors that may influence the accuracy of SVM prediction. The results show that the model is workable, and the results can be used as a valuable reference for future practical applications.

目 錄
中文摘要 i
英文摘要 ii
誌 謝 iii
目 錄 iv
表 目 錄 vi
圖 目 錄 viii
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 2
第三節 研究範圍與限制 2
第四節 研究流程 3
第二章 文獻回顧 4
第一節 易腐性商品存貨政策 4
第二節 移動平均法 6
第三節 支援向量機 6
壹、線性支援向量機 7
貳、非線性支援向量機 9
第四節 資料包絡分析 11
壹、DEA基本理論 13
貳、DEA之特性與限制 14
參、CCR模式 15
肆、BBC模式 17
第三章 研究方法 19
第一節 研究架構 19
第二節 研究對象及資料來源 20
第三節 移動平均法 20
第四節 田口實驗設計 21
壹、田口實驗法簡介 21
貳、直交表 22
參、品質特性的分類與S/N比 23
第五節 支援向量機 27
第六節 資料包絡分析 30
第四章 實驗結果與討論 32
第一節 移動平均法結果分析 32
第二節 田口實驗設計結果分析 33
第三節 支援向量機結果分析 39
第四節 資料包絡分析結果分析 42
第五章 結論與建議 53
第一節 結論 53
第二節 建議 54
第三節 未來研究方向 54
參考資料 55
附錄A 便當進貨量 59
附錄B 便當銷貨量 62
附錄C 便當報廢量 65
附錄D 影響訂貨不確定因素 68
附錄E 移動平均法比較表 71
附錄F DEA分析結果 72

參考資料
中文部分
江季哲（民97）。模糊田口法於多重品質特性製程上之研究-以液晶顯示器製程為例，國立高雄大學亞太工商管理學系，碩士論文
江蕙民（民96）。支援向量機運用在文件分類上的研究，國立成功大學，工業與資訊管理學系，碩士論文
李永新（民95）。利用支援向量機衡量公司違約風險，長庚大學，企業管理研究所，碩士論文
李成禎（民89）。應用田口法實現感應電動機之參數量測與強健速度控制器設計，中正理工學院，電子工程研究所，碩士論文
李婉怡（民95）。便利商店鮮食品銷售預測模式之研究－探討類神經網路與平日假日移動平均法的比較，國立高雄第一科技大學，行銷與流通管理所，碩士論文
李婉怡、陳功興（民94）。應用鞏固迴圈架構理論建構銷售預測模式之研究 －以便利商店早餐類商品為例，資訊科學應用期刊，第一卷 ，第一期，103-113
李輝煌（民97）。田口方法-品質設計的原理與實務，第三版，台北：高立圖書
高強、黃旭男、Toshiyuki Sueyoshi（民92）。管理績效評估：資料包絡分析法，台北：華泰文化
張巨協（民96）。快速原型系統之參數最佳化設計與適應性切層之研究，逢甲大學，材料與製造工程，碩士論文
張耕誌（民97）。 手形辨識，國立宜蘭大學，電機工程學所，碩士論文
連英釋（民93）。便利商店鮮食商品之銷售預測模式探討─以統一超商為例，樹德科技大學，經營管理研究所，碩士論文
郭于賢（民95）。全球十五大IC設計公司經營績效之研究-DEA方法之應用，東吳大學，企業管理學系，碩士論文
陳世輝、張家樺、黃昌凱（民98）。應用模糊推論於易腐性商品訂購量之研究，國立雲林科技大學，資訊管理實務研討會，323-337
陳同孝、陳榮昌、何英治、陳柏仰（民84）。使用支援向量機器以及問卷調查系統建立自動化自用卡防盜系統，中山醫學雜誌，第二卷，第十六期， 295-304
陳建華、黃嘉彥（民97），支援向量機於超商存貨管理之應用，國立雲林科技大學，2008管理與技術國際學術研討會
黃承龍、陳穆臻、王界人（民93）。支援向量機於信用評等之應用，計量管理期刊，第一卷，第二期， 155-172
楊詠新（民97）。不完美品質下易腐商品經濟訂購量之探討，國立成功大學，工業與資訊管理學系碩士論文
賴士葆 （民90）。生產與作業管理：理論與實務，台北：華泰書局
薄喬萍（民94）。績效評估之資料包絡分析法，台北：五南圖書
簡禎富（民94）。決策分析與管理，台北：雙葉書廊
藍偉銘（民98）。基於空間分佈模型與支援向量機之人臉辨識系統，國立臺灣科技大學，資訊工程系，碩士論文
羅慕君（民93）。短期訂單預測模型之研究—PDA產業為例，中原大學，資訊管理研究所，碩士論文
蘇朝墩（民91）。品質工程，中華民國品質學會

英文部分
Banker, R. D., A. Charnes, and W. W. Copper (1984).Some Models for Estimating Technical and Scale Inefficiency in Data Envelopment Analysis, Management Science, 30（9）, pp.1078-1092.
Boussofiiane , A., Dyson, R. G. and Thanassoulis, E (1991). Aplied Data Envelopment Analysis, European Journal of Operational Research , 52, pp.1-15
Charnes, A., W. W. Cooper and E. Rhodes(1978). Measuring the Efficiency of Decision Making Units, European Journal of Operational Research, 2（6）, pp.429-444.
Harris(1915). Operations and Cost, Factory Management” Production and Operation Management, No.5, pp.1-6.
Kim, K.J., (2003). Financial time series forecasting using support vector machines, Neurcomputing, 55, pp.307-319
Lewin,A. Y., R. C. Morey and T. J. Cook, (1982). Evaluating the Administrative Efficiency of Courts, Omega, 10(4),pp.401-411 .
Lewin,A. Y.,and John W. Minton(1986). Determining Organizational Effectiveness: Another Look, and an AGENDA for Research，Management Science, 32(5), pp.514-538 .
Lovell, C.A.K.(1993). Production Frontiers and Productive Efficiency,in The Measurement of Productive Efficiency: Techniques and applications, edited by H.O. Fried, C.A.K. Lovell and S. S. Schmidt, Oxford University Press, New York,PP.3-67
Makridakis,S. and R.L.Winkler(1983).Averages of Foreacsts: Some Empirical Results ,Management Science, 29(9),pp.987-996
Padmanabhan, G., Vrat, P(1995). EOQ models for perishable items under stock dependent selling rate, European Journal of Operational Research, 86, 281-292
Pai, P.F. and C.S. Lin(2005).Using support vector machines to forecasting the production values of machinery industry in Taiwan, International Journal of Advanced Manufacturing Technology,27,pp.205-210
Sani, B. and B.G Kingsman(1997). Selecting the Best Periodic Inventory Control and Demand Forecasting Methods for Low Demand Items ,Journal of the operational Research Society, 48(7),pp.700-713
Tay, F. E. H., and Cao, L. (2001). Application of support vector machines in financial time series forecasting. Omega, 29,pp. 309–317.