時 間 序 列 法 在 醫 院 衛 材 庫 存 管 理 之 應 用

時 間 序 列 法 在 醫 院 衛 材 庫 存 管 理 之 應 用 － 以 某 醫 院 為 例

第一組

M10257001 洪素卿M10257013 蕭佳宜B9957082 李易霖

指數平滑法

指數平滑法是生產預測中常用的一種方法。也用於中短期經濟發展趨勢預測，所有預測方法中，指數平滑是用得最多的一種。而指數平滑法則兼容了全期平均和移動平均所長，不捨棄過去的數據，但是僅給予逐漸減弱的影響程度，即隨著數據的遠離，賦予逐漸收斂為零的權數。

也就是說指數平滑法是在移動平均法基礎上發展起來的一種時間序列分析預測法，它是通過計算指數平滑值，配合一定的時間序列預測模型對現象的未來進行預測。其原理是任一期的指數平滑值都是本期實際觀察值與前一期指數平滑值的加權平均。

指數平滑法

指數平滑法

年份 2011年 2012年月份 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 1月

實際值 482 392 472 590 560 520 519 537 560 489 471 415 　預測值 482 482 464 466 490 504 508 510 515 524 517 508 489

482+0.2(392-482)

508+0.2(415-508)

操作工具的改善

應以醫院的需求與考量為設計的主要概念

建議與修正

趨勢修正指數平滑法

• 在一連串的時間數列上，資料上升或下降顯示出趨勢時，常會使得指數平滑法預測的結果遠落後於真實資料，此種情況可藉由加入一些趨勢調整因子做修正。

• 趨勢調整指數平滑法需要 、 平滑與趨勢修正係數，

來修正目的在於減少真實資料和預測資料間的誤差。

年份 2011 年 2012 年

月份 1 月 2 月 3 月 4 月 5 月 6 月 7 月 8 月 9 月 10 月11月 12 月 1 月

實際值482 392 472 590 560 520 519 537 560 489 471 415 　Ft 482 482 464 460 481 501 513 524 535 549 547 537 513

Tt 0.00 0.00 -

7.20 -

5.98 4.91 10.83 11.50 11.03

11.22

12.31

6.52

-0.07 -9.82

預測值482 482 457 454 486 512 525 535 546 561 553 537 503

482+0.2(392-482)

513+(-9.2)

-7.20+0.2*0.4(472-464)

年份 2011 年 2012 年

月份 1 月 2 月 3 月 4 月 5 月 6 月 7 月 8 月 9 月 10 月11月 12 月 1 月

實際值482 392 472 590 560 520 519 537 560 489 471 415 　Ft 482 482 464 460 481 501 513 524 535 549 547 537 513

Tt 0.00 0.00 -

7.20 -

5.98 4.91 10.83 11.50 11.03

11.22

12.31

6.52

-0.07 -9.82

預測值482 482 457 454 486 512 525 535 546 561 553 537 503

482+0.2(482-482)

513+(-9.2)

-7.20+0.2*0.4(472-457)

計算工具數據檢視

檢視 excel 計算工具是否有無計算錯誤。

趨勢和季節性修正的指數平滑法（ WINTER 模式）

當需求的系統部分假定有水準，趨勢和季節性因素時，本方法就很適用。在此情況下有下列關係：

需求的系統部分＝ (水準＋趨勢 )×季節性因素

趨勢和季節性修正的指數平滑法（ WINTER 模式）

+

p

去除季節性因素的需求=

p

期別 0 1 2 3 4 5 6 7 8 9 10 11 12

實際值 482 392 472 590 560 520 519 537 560 489 471 415

493.75 519.50 541.38 540.63 534.00 530.13 520.25 499.00

線性迴歸 522.32 522.32 522.32 522.32 522.32 522.33 522.33 522.33 522.33 522.33 522.33 522.33 522.34

線性回歸

𝐹 0 𝐿0=522.32−522.32

估計季節性因素

p= 循環週期數r= 季節性循環週期

期別 0 1 2 3 4 5 6 7 8 9 10 11 12

實際值 　 482 392 472 590 560 520 519 537 560 489 471 415

522.32

522.32

522.32

522.32

522.32

522.33

522.33

522.33

522.33

522.33

522.33

522.33

522.34

　 0.92 0.75 0.9 1.13 1.7 1.00 0.99 1.03 1.07 0.94 0.90 0.79

1.02 0.89 0.93 0.98 0.97 0.83 0.95 1.10 1.04 0.90 0.94 1.02 482/522.

32472/522.

32

估計需求預測值

期別 0 1 2 3 4 5 6 7 8 9 10 11 12 13

實際值 　 482 392 472 590 560 520 519 537 560 489 471 415 　S 　 1.02 0.89 0.93 0.98 0.97 0.83 0.95 1.10 1.04 0.90 0.94 1.02 1.02

F522.32

512.15

494.15

488.79

504.60

519.97

546.41

557.96

555.24

557.96

558.74

550.09

520.49

406.26

T 0.00 -4.07 -9.64 -7.93 1.57 7.09 14.83 13.52 7.02 5.30 3.49 -1.36 -

12.66 -

53.29

預測值 　 533.99

454.26

452.05

473.19

492.82

439.35

534.63

625.85

582.31

509.44

528.02

558.80

516.18

(520.49-12.66)1.02

0.2(392/0.89)+(1-0.2)(512.15-4.07)

0.4(504.6-488.79)+(1-0.4)(-7.93)

0.6(520/546.41)+(1-0.6)0.83

+

p

計算工具數據檢視

檢視 excel 計算工具是否有無計算錯誤。

批判

瞭解整體研究資料以及該組所做的 excel 預測計算工具，發現這套計算工具單純只是為了計算各種預測方法哪一個比較好，然而做了一連串的計算最終得知 Winter 模式預測誤差為最小。此時又發現 Winter 預測方法雖然預測誤差為最小，但經過計算與比較發現並不是每一項衛材都適用 Winter 預測方法，舉例來說：胰島素空針 0.5cc 31G/B-D(12062) 這個品項在移動平均法下預測誤差為最小。

批判

沒有以醫院的立場來思考，醫院需要的很簡單只要下一期以及未來每一期各種衛材的預測值。但在該套計算工具上如果以醫院為使用者來看的話，完全得不到他想要的預測資訊。

投影片設計部分過於簡單、文字太多，以至於報告時無法抓住聽眾的目光。

建議與改善

建議該套計算工具介面可以設計讓使用者點選該項衛材就可以得知下一期的預測值，才能真正替使用者創造價值省下多餘的衛材存貨與庫存成本。

建議把這個計算工具針對每一項衛材所適用的方法找出來，撰寫計算工具時，可針對該衛材品項適合的預測方式彙整在這一個計算工具裡。

建議投影片可以設計得更生動活潑以及避免過多的文字敘述。