跳到主要內容

臺灣博碩士論文加值系統

(44.200.86.95) 您好!臺灣時間:2024/05/18 12:07
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:薛詩穎
研究生(外文):Hsueh, Shih-Ying
論文名稱:數位相機業關鍵維修備品之需求預測與庫存策略研析
論文名稱(外文):Demand Forecasting and Inventory Strategies for Digital Camera Critical Spare Parts
指導教授:邱裕鈞邱裕鈞引用關係
指導教授(外文):Chiou, Yu-Chiun
學位類別:碩士
校院名稱:國立交通大學
系所名稱:管理學院運輸物流學程
學門:運輸服務學門
學類:運輸管理學類
論文種類:學術論文
論文出版年:2012
畢業學年度:100
語文別:中文
論文頁數:80
中文關鍵詞:需求預測數位相機備品零件存貨管理
外文關鍵詞:Demand forecastingDigital cameraSpare partsInventory management
相關次數:
  • 被引用被引用:2
  • 點閱點閱:347
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
現今企業面對的商業環境快速而多變,為滿足顧客需求,預測是回應
市場動態變化及有效降低存貨成本的重要手段,不過適合的預測需求方式
卻因產品的差異性而有顯著地不同。特別是如何有效管理產品生命週期短
暫的備品零件存貨更是仰賴精確的預測和動態存貨調整機制。有鑑於此,
本研究目標在針對數位相機關鍵備品零件-印刷電路板(簡稱機板),藉由整
合需求預測與動態存貨調整機制的模型提出有效的庫存管理策略。
根據數位相機維修中心的實際維修紀錄(機板的需求數量),藉由過去
銷售的數位相機銷售數量分別以週、月、季三種不同的規劃範圍之迴歸模
型回推機板需求量作預估,並以 MAPE(絕對平均誤差)做模型校估與比較。
再者,結合需求預測結果的動態存貨調整模型,以演化式計算為基礎進一
步發展最佳相關參數以致於最小化總存貨成本,包括持有成本、訂購成本、
缺貨成本及運輸成本。
整合存貨模式結果顯示,以月作資料處理範圍的預測技術的績效表現
最佳,可有效降低存貨成本表明該模型的適用性。
The current commercial environment is rapidly changed and diversified.In order to meet the request of customers, forecasting is important in the response to dynamic changes of market demand and to effectively curtail the
inventory cost. However, it is well recognized that demand forecasting for different products is dramatically different. Especially, the successful inventory management of the spare parts of short-lived digital products extremely rely on
the accurate forecast and dynamic inventory adjustment mechanism. Based on this, this study aims to propose effective inventory management strategies for the critical spare parts of digital cameras, Printed Circuit Board (PCB), based on an integrated demand forecasting model and dynamic stock adjustment mechanism.

According to the real maintenance records (quantity demanded of PCB) of a digital camera maintenance center, three regression models under various planning horizons: weekly, monthly, and seasonal, are respectively estimated by regressing quantity demanded of PCB on the sales quantity of digital cameras in previous periods. These models are then further compared in terms of MAPE
(mean absolute percentage error). Furthermore, a dynamic stock adjustment model based on the forecasted demand is then developed along with the related parameters optimally tuned by evolutionary computation so as to minimize the total inventory cost, including the holding cost, ordering cost, shortage cost, and transportation cost.

The results show that the integrated inventory model based on the monthly forecasting technique performs best, which can effectively curtail inventory cost, suggesting the applicability of the proposed model.
目錄
中文摘要.............................................................I
英文摘要............................................................II
誌謝................................................................IV
目錄................................................................ V
圖目錄.............................................................VII
表目錄.............................................................. X
第一章 緒論........................................................ 1
1.1 研究背景與動機.................................................. 1
1.2 研究目的........................................................ 3
1.3 研究流程與內容.................................................. 3
1.4 研究範圍........................................................ 6
第二章 文獻探討.................................................... 8
2.1 維修備品管理策略文獻探討........................................ 8
2.2 維修備品需求預測............................................... 14
2.3 研究個案現行維修備品管理策略................................... 18
第三章 研究方法................................................... 23
3.1 迴歸分析....................................................... 25
3.2 動態調整演算法................................................. 28
第四章 資料蒐集分析............................................... 31
4.1 數位相機類型與銷售特性......................................... 31
4.2 數位相機維修之關鍵備品......................................... 32
4.3 數位相機機板報修與產品銷售數量趨勢分析......................... 32
4.4 小結........................................................... 35
第五章 報修需求推估............................................... 36
5.1 需求預測模式架構建立........................................... 36
5.2 需求預測模式推估結果........................................... 41
5.3 需求預測模式驗證與比較......................................... 50
5.4 小結........................................................... 52
第六章 數位相機機板動態調整存貨模式............................... 53
6.1 需求預測與動態調整存貨整合模式................................. 53
6.2 模式績效評估................................................... 68
第七章 結論與建議................................................. 69
7.1 硏究結論....................................................... 69
7.2 硏究限制....................................................... 70
7.3 硏究建議....................................................... 70
參考文獻........................................................... 72
附錄............................................................... 77
1. 徐依筠 (2010),考量回廠率下零組件需求預測與備貨模式之研究-以汽車業
為例,國立臺灣大學管理學院商研所碩士論文。
2. 吳沛軒 (2008),考量零件生命週期下之汽車售後零組件需求預測與備貨模
式,國立臺灣大學管理學院商學研究所碩士論文。
3. 滕喆安 (2009),服務性零組件最後訂購情況下最適服務水準之研究-以汽車
產業為例,國立臺灣大學工學院工業工程學研究所碩士論文。
4. 林孟則 (2006),生產計劃與管理 ,初版,台灣,華泰文化事業股份有限公
司。
5. 春日井博 (1988),需求預測入門 ,初版,台北市,書泉出版社。
6. 管中閔 (2000),統計學-觀念與方法 ,初版,台北市,華泰文化事業股份
有限公司。
7. 廖慶榮 (2009),作業研究 ,二版,台北市,華泰文化事業公司。
8. 林翰輝 (2007),考慮需求不確定下庫存管理模式-以維修汽車零件為例,
國立臺灣大學管理學院商學研究所碩士論文。
9. 戴佳穎 (2010),建構汽車維修零組件存貨策略之研究-T 公司個案與系
統模擬分析為例,國立東華大學全球運籌管理研究所碩士論文。
10.林竹璇 (2005),產品服務網絡之維修供應初探,台灣大學工業工程學研究
所碩士論文。
11.胡婉琪 (2006),TFT-LCD面板業之需求預測方法論,國立清華大學工業工
程與工程管理學系工業工程組碩士論文。
12.張景閎 (2008),有限規劃期與階梯式訂購成本之經濟訂購批量模式,國立
交通大學工業工程與管理學系碩士論文。
13.羅文陽,蔡志弘,李榮貴 (1999),“線性遞增需求之補貨政策最佳化~ 應
用連續改善方法”,Web Journal of Chinese Management Review, Vol.2,
No.3, pp.97-105.
14.黃証國 (2002),應用基因演算法於動態投資組合保險中操作策略的最適
化,國立交通大學資訊管理研究所碩士論文。
15.黃登源 (1998),應用迴歸分析 ,初版,台北市,華泰文化事業股份有
限公司。
16.趙民德,謝邦昌 (2000),迴歸分析 ,初版,台北市,曉園出版社有限公
司。
17.林昇輔,徐永吉 (2009),遺傳演算法及其應用 ,初版,台北市,五南圖書
出版股份有限公司。
18.曹民和 (2008),基因模組與關鍵調控參數用於廣義人工生命之研究,國立
台灣科技大學機械工程研究所博士論文。
19.林豐澤 (2005),“演化式計算上篇:演化式演算法的三種理論模式”,智
慧科技與應用統計學報,第三卷第一期,頁1-28。
20.Snyder,R.D.,Ord,J.K., Beaumonta,A.(2012),“Forecasting the
intermittent demand for slow-moving inventories: A modeling
approach,”International Journal of Forecasting,22, pp.485–496.
21.Zheng, X., Liu, M. (2009),“An overview of accident forecasting
methodologies,”Journal of Loss Prevention in the Process
Industries, 22,pp.484–491.
22.Altay,N.,Litteral,L.A.,Rudisill,F.(2012),“Effects of correlation
on intermittent demand forecasting and stock control”,
International Journal of Production Economics,135, pp.275-283.
23.Pinçe,C.,Dekker, R. (2011),“An inventory model for slow moving
items subject to obsolescence”, European Journal of Operational
Research, 213,pp.83-95.
24.Thomas R. Willemain, Charles N. Smart, Henry F. Schwarz (2004),
“A new approach to forecasting intermittent demand for service
parts inventories“, International Journal of Forecasting, 20,
pp.375-387.
25.S.Cavalieri,M.Garetti,M.Macchi and R.Pinto (2008),“A
decision-making framework for managing maintenance spare
parts“, Production Planning & Control, Vol. 19, No. 4, pp.379-
396.
26.Lisa N. Yelland*, Amy B. Salter, and Philip Ryan (2011),
“Performance of the Modified Poisson Regression Approach for
Estimating Relative Risks From Clustered Prospective Data“,
American Journal of Epidemiology, Vol.174, No. 8, pp.984-992.
27.Ritchie,E.and Wilcox,P.(1977),“Renewal theory forecasting for
stock control”, European Journal of Operational Research, 1, 2,
pp.90-93.
28.Satoshi Munakata, Masaru Tezuka, Shinji Iizuka, and Shintarou
Urabe (2010), Demand Forecasting Model of Service Parts with
Different Failure Rate , pp.1427-1431, Fukuoka, JAPAN .
29.Wongmongkolrit, S., Rassameethes, B. (2011),“The determination of
high cost and low cost spare parts by using the comparison between
EOQ model and lot-for-lot inventory model: A case study of slow
moving item”,Quality,Reliability,Risk,Maintenance,and Safety
Engineering (ICQR2MSE), pp.115 – 121.
30.Silver,E.A. Perterson. R. (1998), Inventory Management and
Production Planning and Scheduling,3rd ed.,John Wiley & Sons,
New York.
31.Aris A. Syntetos,Konstantinos Nikolopoulos,John E. Boylan
(2010),”Judging the judges through accuracy-implication
metrics”,A.A. Syntetos et al., International Journal of
Forecasting, pp.134-143.
32.Wilson, J H and Keating, B, (2007),Business Forecasting,5th
edition,McGraw-Hill,Singapore.
33.Keller,G.,and Brian Warrack (2003),“Statistic For Management and
Economics”,Thomson.
34.Back,Th. and Schwefel, H. -P. (1993),“An overview of evolutionary
algorithms for parameter optimization”, Evolutionary
Computation,1(1),pp.1-24.
35.P.C.Chang,J.C. Hsieh,and C.H.Hsiao (2002),“Application of genetic
algorithm to the unrelated parallel machine problem scheduling
Journal of the Chinese Institute of Industrial Engineering, Vol.
19,No.2,pp.79-95.
36.Boylan,J.E.,Syntetos,A.A.(2008),Forecasting for inventory
management of service parts. In: Murthy, D.N.P., Kobbacy, K.A.H.
(Eds.), Complex System Maintenance Handbook. Springer Verlag,
London,pp.479-508.
37.Wilkinson, F. (1989), “How Forecasting Model is Chosen“, The
Journal of Business Forecasting,Vol.8,No.2,pp77.
38.J.J.Grefenstette (1986),“Optimization of control parameters for
genetic algorithms,”IEEE Trans.Syst.,Man,Cybern.,Vol.6,No.1,pp.
122-128.
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top