臺灣博碩士論文加值系統

本研究係以某研發機關之五項關鍵物料之歷史需求為基礎，利用指數平滑法、類神經網路、多元迴歸分析與其合併法探討在需求環境變動下之最適用方法，研究證明合併預測法最適用於個案機構，進而利用此法發展出一套適用個案機構之預測存貨管理模式，預測存貨管理模式為訂購數量與週期皆不固定情況下於接近訂購點(一般模式)時加入預測機制，可減少安全庫存之存貨需求，以取得較佳之訂購時間與數量，經研究證明利用此法可有效降低平均庫存且在顧客服務水準(缺貨率)方面均較個案機構以往使用方法為佳。專案計畫物料隨其專案結束，在缺乏標準化下往往無法應用於其他計畫，物料需求預測之建立更加彌足珍貴，時值個案機構組織再造如火如荼展開，管理者可利用此模式之建立應用於該機構存貨管理。

The research is directed against with the past claim record from the five kinds of the pivot materials by one research and development organization. To take advantage of Exponential Smoothing Method、Artificial neural network、Multiple-regression analysis And combine forecast method, probing into the suitable manner under the variation of the demand condition. The investigation is approved that combine Forecast method is the most suitable for the singular institution. According to combine Forecast method, building the manner of the divinatory inventory control. On the basis of order quantity and periodicity are un-fixed, this manner of the divinatory inventory control is proceeding to make the divination while getting closed the order point (general mode), to reduce the inventory requisition of the secure storage for gaining the better order timing and quantity. This manner is proved to reduce the average secure storage in efficiently, and then the plane of the customer service (the rate in short supply) is better than the original one that an organization used. The materials and supplies for the special case as often as not be applied for the other case once the special case is finished. To build up the divinatory inventory control is required extremely. At present, re-build the organization is starting like a raging fire, the management could utilize and set up this manner for the inventory control.

目 錄
中文摘要
英文摘要
誌謝
目錄
表目錄
圖目錄
第一章 緒論
1.1 研究背景
1.2 研究動機
1.3 研究目的
1.4 研究方法
1.5 研究範圍與限制
1.6 研究架構與流程
第二章 文獻探討
2.1 專案計畫
2.1.1 個案機構專案描述
2.1.2 專案計畫用料特性
2.2 預測的定義
2.2.1需求的預測
2.2.2預測相關論述
2.3 物料管理總論
2.3.1傳統與現代物料管理
2.4 存貨管理
2.4.1 庫存管理
2.4.2 存貨系統
2.4.3 存貨成本之構成要素
第三章 問題定義與分析
3.1 個案機構簡介
3.1.1 國防科技的特性
3.2 現行存貨管理模式
3.2.1 目前物料管理問題探討
3.2.2 個案機構所面臨的問題
3.3 預測績效評估指標
第四章 研究方法
4.1 研究方向與架構
4.2 類神經網路
4.2.1 類神經網路簡介
4.2.2 類神經網路模型
1.2.3 類神經網路常遇到的問題
4.2.4 倒傳遞類神經網路
4.2.5 倒傳遞類神經網路之演算流程
4.3 迴歸分析
4.3.1 簡單線性迴歸
4.3.2 多元迴歸分析
4.4 指數平滑法
4.4.1 簡單指數平滑法
4.4.2 線性指數平滑法
4.5 存貨模型
4.5.1 固定訂購數量模式
4.5.2 固定訂購週期模式
4.6 預測存貨模型
第五章 實驗結果與數據分析
5.1 預測方法之比較
5.1.1 倒傳遞網路預測結果
5.1.2 多元迴歸分析預測結果
5.1.3 指數平滑法預測結果
5.1.4 合併法預測結果
5.1.5 預測準確度之比較
5.2 存貨模式
5.3 預測存貨模式
第六章 結論與建議
6.1 結果與討論
6.2 結論
6.3 未來研究方向
參考文獻

1.Chan, C. K., B. G. Kingsman, and H. Wang, “The value of combining foreast in inventory management a case study in banking,” European Journal of Operational Research, 117, 199-210(1999).
2.Chaudhry, S. S., L. Salchenberger, and M. Beheshtian, “A small business inventory DSS: design, development, and implementation issues,” Computer & Operational Research, 23, 63-72 (1996).
3.Fausett, Laurene, Fundamentals of Neural Network, Prentice Hall International, 1994.
4.Hill, R. M., and M. J. Dominey, “Inventory policies for all-or-nothing demand process,” International Journal of Production Economics, 71, 365-371(2001).
5.Hsu, P. H., C. H. Wang, Joseph Z. Shyu and H.C. Yu, “A Litterman BVAR approach for production forecasting of technology industries,” Technological Forecasting & Social Change, Vol.70, pp.67-82, 2002.
6.Hung, Y. F., and C. B. Chang, “Determining safety stocks for production planning in uncertain manufacturing,” International Journal of Production Economics, 58, 199-208(1999).
7.Jacek, M. Z., Introduction to Artificial Neural Systems, West Publishing Company, (1992)。
8.Korpela, J., and M. Tuominen, “Inventory forecasting with a multiple criteria decision tool,” International Journal of Production Economics, 45, 159-168(1996).
9.Law, R., and N. Au, “A neural network model to forecast Japanese demand for travel to Hong Kong,” Tourism Management, Vol. 20, pp.89-97, 1999.
10.Stevenson, William J., Production/Operation Management 6th edition, McGraw Hill, 1999.
11.Tawfik, M. “Sales forecasting practices of egyptian public enterprises: survey evidence,” International Journal of Forecasting, Vol.16, pp.359-368, 2000.
12.Tawfiq, A. S. & E. A. Ibrahim, “Artificial neural networks as applied to long-term demand forecasting,” Artificial Intelligence in Engineering, Vol. 13, pp.189-197, 1999.
13.Wang, Y., and Y. Gerchak, “Continuous review inventory control when capacity is variable,” International Journal of Production Economics, 45, 381-388(1996).
14.于宗先，經濟預測，大中國出版社，1972。
15.方士杰，市場預測的一百種方法，書全出版社，1988。
16.邱穎聖，「通用回歸神經網路在中長期需求模式上之建構與探討─以電腦零組件為例」，元智大學，民國九十一年。
17.周英琪、黃明官，「半導體機台慢速流動零件之存貨模型及參數的預測」，管理與系統，第八卷第四期，2001，469-478。
18.周富得，「中山科學研究院，整體物流管理講座」。
19.陳記成，「供應鏈存貨模式在不確定性因素下的採購決策支援系統」，碩士論文，國立台北科技大學生產系統工程與管理研究所，2001。
20.張百棧，「生產管理」，第初版，華泰書局，1996。P36
21.張瑤峰，「類神經網路在銷售預測應用之探討」，碩士論文，元智大學工業工程與管理研究所，2001。
22.葉怡成，「類神經網路模式應用與實作」，第七版，儒林圖書公司，2001。
23.潘曉葦，「需求預測模式之建立」，碩士論文，國立台灣科技大學資訊管理研究所，1999。
24.劉瑞鑫「時間序列與人工智慧方法在台股指數報酬率預測之績效比較」朝陽科技大學財務金融系2003年碩士論文。