石油運載配銷產業中，如何有效提前依客貨需求存油及運輸來降低
近年來浮動油價產生的價差及運輸安排得以降低公司營運成本而提升獲
利。因此，本研究以南部油品運輸配銷公司為個案，對該公司在瀝青類客
群從2019~2021 年每月的需求量並使用SPSS 統計應用系統軟體以時間
序列分析之自迴歸移動平均整合模型來統整客群數年度資料彙以建立客
群油品需求量模型，並使用平穩R 平方、正規化BIC 資訊準則及平均絕
對百分比誤差(MAPE)來衡量，判別預測模型擬合優度及準確度，並進行
預測未來油品需求量。在模型檢測評估最後以ARIMA(3,1,2)模式來針對未
來每月在瀝青類客群的需求量做備存量參考，以期有效的降低因油價差
異並掌握客戶需求量做最適安排運輸配送。

In the oil transportation and distribution industry, how to effectively store and transport oil in advance according to the needs of passengers and goods to reduce the price difference caused by the floating oil price in recent years and the transportation arrangement can reduce the company's operating costs and increase profits. Therefore, this study takes the southern oil transportation and distribution company as a case, and uses the SPSS statistical application system software to analyze the autoregressive integrated moving average of the company's monthly demand for asphalt customers from 2019 to 2021. The model integrates the annual data collection of the customer group to establish a customer group oil demand model, and uses the stable R-square, the normalized BIC information criterion and the mean absolute percentage error
(MAPE) to measure, to determine the goodness of f it of the prediction model
and the accuracy, and forecast future oil demand. At the end of the model
testing and evaluation, the ARIMA (3,1,2) model is used to make a stock
reference for the future monthly demand of asphalt customers, in order to
effectively reduce the difference in oil prices and grasp the customer demand
to make optimal arrangements for transportation and distribution .

目錄
中文摘要 …………………………………………………………………… i
英文摘要 …………………………………………………………………… ii
誌謝 ………………………………………………………………………… iii
目錄 ……………………………………………………………………… iv
表目錄 ……………………………………………………………………… vii
圖目錄 …………………………………………………………………… … ix
第一章 緒論 ……………………………………………………………… 1
1.1 研究背景與動機 … … … … … … … … 1
1.2 研究目的 ……………………………………………………… 5
1.3 研究範圍 ………………………………………………… …… 6
1 . 4 架構說明 … … … … … … … … … … 6
第二章 文獻探討 …………………………………………………… 8
2.1 油品相關文獻回顧與探討 ………………………… 9
2.1.1 國內參考文獻 …………………………………………… 9
2.1.2 國外參考文獻 ………………………………………… 11
2.2 存貨 …………………………………………………………… 13
2.2.1 存貨的定義 ……………………………………………… 15
2.2.2 存貨的類型 ……………………………………………… 16
2.2.3 存貨的成本 ……………………………………………… 17
2.2.4 小結… … … … … … … … … … … … 20
2.3 預測 …………………………………………………………… 20
2.3.1 預測的定義 ……………………………………………… 20
2.3.2 預測的類型 ……………………………………………… 21
2.3.3 小結… … … … … … … … … … … … 28
2.4 自我迴歸移動平均整合模型 ………………… 29
2.4.1 模型的運用 ……………………………………………… 29
2.4.2 模型預測績效評估 ……………………………… 35
第三章 研究方法與架構運用流程………………… 39
3.1 ARIMA 相關模型………………………………………… 39
3.2 研究方法 ……………………………………………………… 42
3.3 模型評估 ……………………………………………………… 43
3.4 研究架構運用 …………………………………………… 46
3.5 研究架構運用流程步驟 ………………………… 48
第四章 實證分析應用與探討 ……………………… 50
4.1 研究個案背景簡介 …………………………………… 50
4.2 模式構建與應用 ………………………………………… 52
4.2.1 時間序列資料事前彙整分析 …………… 54
4.2.2 時間序列的預先處理 …………………………… 55
4.2.3 模型建模 …………………………………………………… 59
4.3 時間序列預測值 ……………………………………………70
第五章 研究結論與建議 …………………………………… 72
5.1 研究結論 ………………………………………………… …… 72
5.2 研究建議…...................... 73
參考文獻 …………………………………………………………………… 74

參考文獻
一、中文部分:
1.王燕,2005,應用時間序列分析[M],北京,中國人民大學出版社。
2.田明輝,2007,以時間數列ARIMA與VARMA模式分析及預測台灣地區失業率與工業部門勞動生產力，中華大學應用數學系碩士論文。
3.江權富,2001,建立全民健保應收保費預測模型-時間數列ARIMA模之應用，中國醫藥大學醫務管理研究所。
4.沈志陽，姜齊,2007，以ARIMA季節鄉城模式預測汽車銷售後服務進廠台數之研究-以裕隆日產體系為例，國立陽明交通大學畢業論文。
5.李惠研,2003,「類神經網路與回歸模式在台股指數期貨預測之研究」,國立成功大學敢理學院碩士論文。
6.李宏志、邱志中,2005,自我回歸整合移動平均,倒傳遞類神經網路與基因演算法在短期匯率預測績效之比較。臺南市：國立成功大學財務金融研究所碩士論文。
7.李松霖,2017,油品公路經營績效之研究,國立中正大學會計與資訊科技學系碩士在職專班。
8.呂穎昇,2003,我國原油進口之期貨避險研究,中華大學經營管理研究所碩士論文。
9.肖枝洪,郭明月,2009,時間序列分析與SAS應用,武漢大學出版社。
10.吳柏林,1995,時間序列分析導論,華泰書局。
11.林茂文,1992,時間序列分析與預測,華泰書局。
12.林振松,2003,「應用類神經網路於啤酒之銷售預測」,國立雲林科技大學工業工程與管理研究所碩士論文。
13.林楓淳,2007,結合ARIMA與支援向量回歸於財務時間序列預測模型之建構-以新加坡交易所日經225指數期貨為例，天主教輔仁大學管理學研究所未出版碩士論文。
13.郭翊翔,2008,晶圓代工廠之需求規劃模式之研究-以ARIMA模式分析，國立交通大學管理學研究所管理科學學程論文。
14.許通安,2004,「短期訂單預測模型之研究-PDA產業為例」,中原大學資訊管理學系碩士論文。
15.黃信源,2003,「台灣地區行動電話需求預測模式之建構與評估-時間序列之應用」,國立台北科技大學企業管理學系。
16.黃惠民、楊柏中,2007,供應鏈存貨系統設計與管理,滄海書局。
17.賈繼德,2009,台灣電力需求預測模型之探討-ARIMA模型及迴歸模型，東吳大學經濟學系。
18.張雅涵,2010,我國油品市場架構、廠商行為與政府管制之研究,國立成功大學資源工程所碩士論文。
19.游智元,2006,「時間序列方法於台鐵短期旅運需求預測之研究」,國立成功大學交通管理科學研究所碩士論文。
20.傅和彥,2008,生產與作業管理:建立產品與服務標竿,第5版。
21.翟志剛,1998,商業快速回應輔導案例-供應商管理存貨,經濟部商業司。
22.劉蘇萍,2002,台灣能源需求結構性變化、影響因素及節能政策效果,中原大學國際貿易未出版碩士論文。
23.鄭莉,段冬梅,陆鳳彬,等,2013,中國豬肉消費需求量集成預測—基於ARIMA、VAR和VEC模型的實證 [J].系统工程理論與實踐, 33(4):918-925。
24.鄭淑芬,2004,「台南縣主要水果出口量預測之研究」,台南科技大學工業管理研究所碩士論文。
25.陳執中,2006,「台股加權指數隔月收盤價預測之研究」,國立成功大學統計學研究所碩士論文。
26.陳思穎,2000,以中油公司進口原油價格與匯率之選擇性避險研究,國立臺北大學經濟學系碩士論文。
27.盧舜年、鄒坤霖,2002,供應鏈管理的第一本書,商周出版。
28.蔡正修,2007,「台灣上市電子類股價指數走勢預測之研究」,國立成功大學統計學研究所碩士論文。
二、英文部分:
1.A.Piotrowski,et al.,2006,Flash-flood forecasting by means of neural
networks and nearest neighbor approach-1 comparative study, Nonlin Processes Geophys, 13, 443-448.
2.Betts,M.,1994 ,Manage my inventory or else, Computer World, 28(5), 93-95.
3.Clive Granger, 1981,"Some Properties of Time Series Data and Their Use in Econometric Model Specification", Journal of Econometrics,16, 121-130.
4.I.Maqsood,et al.,2004,Anesemble of neural networks for weather forecasting , Neural Comput & Applic, 13, 112-122.
5.G.Peter Zhang, 1999~2001,Times series forecasting using a hybrid ARIMA and neural network model, Neurocomputing,50, 159-175.
6.Lewis, C.D.,1982, Industrial and Business Forecasting Method, London, Butterworth Scientific Publishers.
7.Philip Doganis,et al.,2006,A Model Predictive Control and Time.
8.R.E Abdel-Aal and A.Z.Al-Garni, 1996, Forecasting Monthly Electric Energy Consumption in Eastern Saudi Arabla Using Univariate Time-Series Analysis.
9.S.Gonzales Chavez,J. Xiberta Bernat and H.Llaneza Coalla,1999, Forecasting of energy production and consumption in Asturias (northern Spain),Energy, 24, 183-198.
10.Saab, Samer & Badr, Elie &Nasr, George,2001, Univariate modeling and forecasting of energy consumption: the case of electricity in Lebanon, Energy, Elsevier, 26(1), 1-14.
11.Series Forecasting Framework for Supply Chain Management, Proceedings
of world academy of science, Engineering and technology volume 15.
12.Tugba Taskaya-Temizel and Matthew C.Casey, 2005,A comparative study of autoregressive neural network hybrids, Neural Networks, 18, 781-789.
13.Victor R. Prybutok, et al.,2000, Comparison of neural Network models with ARIMA and regression model for prediction of Houston's daily maximum ozone concentrations, Journal of Operational Research,122, 31-40.
14.Volkan S.Ediger and Sertac Akar, 2007, ARIMA forecasting of primary demand by fuel in Turkey, Energy Policy,35,1701-1708.
15.Way, D., and Irastorza, J.,1996, VMI is for fashion, too, Apparel Industry Magazine,57(3),16.
16.William J.Stevenson,2005,Operatins management.8th ed, New York:
The Mcgraw-Hill companies.
17.Yossi, A.,1998, Planning models for the design of capacitated multi-stage production and distribution systems(demand, inventory, vendor managed inventory),Operation Reserarch, DAI-B,59(6),3034.
三 、網站:
1.MBA智庫百科 http://www.mbalib.com/
2.維基百科 https://zh.wikipedia.org
3.IBM 官方網路