多重指標模式在易腐性商品日供應量預測上的應用研究－以S超級市場為例

A Study of Daily Demand Forecast Problem on Supermarkets' Perishables by Using Weighted Multi-indicator Model-An Example of S Supermarket

10.6338/JDA.200902_4(1).0001

張銀益(Yin-Yih Chang)；陳慧玲(Hui-Ling Chen)；吳元發(Yuan-Fa Wu)；蔡聰源(Tsung-Yuan Tsay)；胡俊之(Jyun-Jy Hu)

供應鏈 ； 需求預測 ； 超級市場 ； 易腐性商品 ； supply chain ； demand forecast ； supermarket ； perishable goods

Journal of Data Analysis

4卷1期（2009 / 02 / 01）

1 - 24

繁體中文

對於超級市場的採購人員而言，如何決定最佳的商品訂購量是一個非常頭痛的問題，因此需要發展適當的預測模式來推估市場的需求量。本研究針對超市販售的易腐性商品，分別採用時間序列預測方法、灰色理論和類神經網路，以及多重指標模式建構合乎其商品特性的需求預測模式，並且以S超市2005年至2006年七月份某品牌鮮乳的銷售資料為樣本進行模擬分析。結果顯示多重指標模式預測的準確度和時間序列方法相差無幾，且明顯優於灰預測GM（1,1）模型和類神經BPN網路模式的預測結果，特別是採用週期加權模式具有較佳的效果，利用該預測模式來決定易腐性商品每日的供貨量，應可兼顧服務水平且降低存貨數量，為企業創造更高的利潤。

How to determine the optimal order quantity of goods is a real headache for the procurement staffs in supermarkets, therefore they need to develop an appropriate forecasting model to estimate the real demands on the market. This study is carried out in S supermarket and focuses on perishable goods. We use time-series forecasting method, grey theory, neural network, and weighted multi-indicator model to construct demand forecasting models with the characteristics of perishables, and select milk sales from 2005/1/1 to 2006/7/31 as samples for analysis. The results showed that the forecast effect from weighted multi-indicator model is almost the same as that from time-series method, it is also superior to those from the GM (1,1) model and the BPN forecasting model. The forecast effect is even better when using the weighted weekly indicator. These supermarkets' procurement staffs utilizing this forecasting model to determine the daily supply of perishable goods should be able to achieve higher service level and lower number of inventories, and thus create more profits for the enterprise.

1. Chambers, C.,Mullick, S. K.,Smith, D. D.(1971).How to Choose the Right Forecasting Technique.Harvard Business Review,July-Augst,45-74.
2. Makridakis, S.,Winkler, R. L.(1983).Averages of Forecasts: Some Empirical Results.Management Science,29(9),987-996.
3. Nahmias, S.(1982).Perishable inventory theory: A review.Operations Research,30(4),680-708.
4. Van Donselaar K.,van Woensel, T.,Broekmeulen, R.,Fransoo, J.(2006).Inventory control of perishables in supermarkets.Production Economics,104,462-472.
5. 方世杰(1988)。市場預測方法一百種。台北:書泉。
6. 呂柏賢(2000)。碩士論文(碩士論文)。東海大學工業工程研究所。
7. 李宗儒、曾敏雅(1998)。農會超市低溫生鮮食品質管控資訊系統之研發。中華農會學報，187，78-91。
8. 李婉怡、陳功興(2005)。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，1(1)，103-114。
9. 周世玉、洪子健(1998)。生鮮處理物流中心易腐產品之存貨管理與控制。農產運銷，114，45-52。
10. 周海龍(1995)。碩士論文(碩士論文)。中興大學資源管理研究所。
11. 周磊(1993)。由競爭到寡占—蛻變中的零售業。臺灣經濟研究月刊，26(8)，76-82。
12. 林君維(1998)。物流中心內具保存期限商品之機動配送規劃研究。商業現代化學刊，1(1)，63-82。
13. 林純夙(2005)。碩士論文(碩士論文)。僑光技術學院管理研究所。
14. 徐桂祥(1997)。碩士論文(碩士論文)。雲林技術學院資訊管理技術研究所。
15. 連英釋(2004)。碩士論文(碩士論文)。樹德科技大學經營管理所。
16. 楊憲任、張森富(2005)。排隊理論應用於生鮮處理中心之進料分析。中華農學會報，6(2)，177-193。
17. 溫坤禮、鄧聚龍、吳漢雄(1996)。灰色理論入門。台北:高立。
18. 經濟部商業司(2001)。超市／量販店年鑑。
19. 經濟部商業司(2000)。超級市場經營管理實務。
20. 葉怡成(1997)。應用類神經網路。台北:儒林。
21. 零售市場編輯群(2007)。店數統計。零售市場，469，54。
22. 錢炳全、李順益、王學亮(2003)。基於灰色理論之短期銷售預測方法。資訊管理展望，5(1)，1-17。

1. (2023)。亮威菸酒—服務數位轉型：滾動計算缺貨落點結合 Line 快速推播補貨服務平台。管理評論，42(1)，65-89。