發文作者:Service Planning | 09/21/2009

肇因預測 (Causal Forecast)

delta-nwa
肇因預測在SCP中也常被提到. 不過一般的應用是用於生產預測及銷售預測, 或一些大環境景氣訊號之間的關連. 在後勤服務規劃中, 大量使用肇因預測始於航空國防業. 大多是應用在以設備使用狀況, 如飛行時間, 操作時數來預測, 甚至連降落次數和距離等都可以列入考量.
 
肇因預測在後勤服務規劃中的挑戰主要在於計算量, 並不特別複雜. 一般SCP可能有數個到數十個變因來預測可數的新上市產品. 後勤服務規劃則是用幾個變因來預測”所有現有產品”中的零件. 舉例來說:
SCP: 華碩預測明年要上市的手提電腦數. 大約一個月一至二款. 所以大約二十款左右. 銷售預測,景氣指標和股市指數可以列入參考.
SP: 以美國達美航空來說. 全機隊五百架飛機,約有二十五種機型. 每架約有一萬五千個零件. 有大約一半的零件可以另用肇因預測, 經由操件小時或落地狀況來預估其可能的使用量.
 
肇因預測的統計方程基本上都已經完成. 像ANOVA等都已被廣泛的應用. 連excel都可以做得到. 剩下的就是系統的規模可塑性(Scalability), 失效性的處理(Failure test and handling) 和系統的易用 性 (應該叫Apple來做點serious的東西).
 
在肇因預測中常見的詞彙:
– Install base
– causal value
– causal factor
– Correlation coefficient
廣告

發表迴響

在下方填入你的資料或按右方圖示以社群網站登入:

WordPress.com Logo

您的留言將使用 WordPress.com 帳號。 登出 / 變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 / 變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 / 變更 )

Google+ photo

您的留言將使用 Google+ 帳號。 登出 / 變更 )

連結到 %s

分類

%d 位部落客按了讚: