變異數低情境之實驗結果與分析

在變異數低的情境之實驗結果如表 5.17 所示，我們可以看到改良後補貨模 式的平均 IDD 較改良前為低，大約改善了 30.12%；平均庫存量降低了 23.15%，

平均缺貨數量也從 2.56 單位降為 0.31 單位。所以大致上看來，改良後之補貨模 式在三種指標上皆有較佳的表現，接下來要分別討論在此情境下兩補貨模式各衡 量值得表現，並進行 ANOVA 檢定。

方法 平均 IDD 平均庫存量 平均缺貨數量 改良前 4913.50 252808.00 2.56

改良後 3776.12 176656.62 0.31 改善幅度 30.12% 23.15%

表 5.1 情境之模

„ IDD：

要針對兩補貨模式模擬的平均 IDD 進行 ANOVA 分析，在分析之前一樣要

檢查 設，分別為 同質性以及 設，而我 11 的

Norm bility Plo 看出來，資 近似為一條 常態 7 變異數低 擬結果

平均 首先

模型的假 常態性、 獨立性假 們由圖 5.

al Proba t 圖可以 料的分佈 直線，故

性假 檢定的 P 值大於 顯著水準，故同質性假設亦成立；在獨立性檢定方面，圖 5.12 可以看出預測值 明顯的圖形相關，故獨立性的假設亦成立，因此以上三 模式在變異數較低的情境下進行平 IDD 的 ANOVA 分析。

圖5.11 低變異 平均IDD P-Plot

設成立；在同質性假設方面，由表 5.18 可以看出，同質性 以及殘差值之相對關係無

種假設皆成立的狀態下，接下來要對兩種補貨 均

表5.18 低變異 平均IDD 同 定 圖5.11 低變異 平均IDD P-Plot 表5.18 低變異 平均IDD 同質性檢質性檢定

表5.19 低變異 平均IDD ANOVA表

圖5.12 低變異 平均IDD 獨立性檢定

圖5.12 低變異 平均IDD 獨立性檢定 表5.19 低變異 平均IDD ANOVA表

三大假設皆成立的情境下，兩補貨模式在低變異的情境下之平均 IDD 的 ANOVA 分析表如表 5.19 所示，我們由表中可以看出來 Method 的 P 值幾近於 0 低 於顯著水準，代表方法間有顯著的差異。兩模式的平均值比較圖如圖 5.13 所示，

我們由此圖可以看出來在各種參數組合所組的情境下，改良後之 TOC 補貨模式 (Method 2)在平均 IDD 的表現上皆優於改良前的補貨模式，因此我們可以推論出 在需求變異數較低的情境下，改良後的補貨模式會有較佳的 IDD 表現。

圖5.13 低變異 平均IDD 平均值比較表 圖5.13 低變異 平均IDD 平均值比較表

„

的假設，分別為常態性、同質性以及獨立性假設，而我們由圖 Probability Plot

成立；在同質性假設方面，由表 5.20

準，故同質性假設亦成立；在獨立性檢定方面，圖 差值之相對關係無明顯的圖形相關，

成立的狀態下，接下來要對兩種補貨模式在變異數較低的情境下之平均庫存量進 行 ANOVA 分析。

平均庫存量：

在針對兩補貨模式模擬的平均庫存量進行 ANOVA 分析之前，一樣要檢查模型 5.14 的 Normal 圖可以看出來，資料的分佈近似為一條直線，故常態性假設 可以看出，同質性檢定的 P 值大於顯著水

5.15 可以看出預測值以及殘 故獨立性的假設亦成立。在以上三種假設皆

圖5.14 低變異 平均庫存量 P-Plot 圖5.14 低變異 平均庫存量 P-Plot

表5.20 低變異 平均庫存 量 同質性檢定

表5.20 低變異 平均庫存 量 同質性檢定

表5.21 低變異 平均庫存量 ANOVA表 圖5.15 低變異 平均庫存量 獨立性檢定

圖5.15 低變異 平均庫存量 獨立性檢定

表5.21 低變異 平均庫存量 ANOVA表

三大假設皆成立的情境下，兩補貨模式在低變異的情境下之平均庫存量的 ANOVA 分析表如表 4.21 所示，我們由表中可以看出來各方法間有顯著的差異，

較圖如圖 4.16 所示，我們由此圖可以看出來在各種前置時 以及補貨頻率的組合下，改良後之 TOC 補貨模式(Method 2)在平均庫存量的表 現上

且兩模式的平均值比 間

皆優於改良前的補貨模式，因此我們可以推論出在需求變異數較低的情境 下，改良後的補貨模式能夠有效的降低平均庫存量。

圖5.16 低變異 平均庫存量 平均 值比較表

圖5.16 低變異 平均庫存量 平均 值比較表

„ 平均缺貨量：

在進行兩補貨模式模擬的平均缺貨量的 ANOVA 分析之前，一樣要檢查模型的 常態性、同質性以及獨立性假設，首先看圖 5.17 的 Normal Probability Plot，

我們可以發現圖上的點數很少，這是因為兩種補貨模式的缺貨量大部分都為 0，

因此大部分的點都集中在 0 那一點，但是還是可以由此圖看出來圖中的點還是近 似一直線，故常態性假設成立；在同質性假設方面，由表 5.22 可以看出，同質 性檢定的 P 值大於顯著水準，故同質性假設亦成立；在獨立性檢定方面，因為兩 補貨模式的缺貨量大部分都為 0，因此圖 5.18 上的殘差值也大都集中在 0 那點 上，因此雖然由預測值以及殘差值之相對關係看起來圖形似乎有外擴的趨勢，但 這主要的原因是因為大部分的缺貨量都集中在 0 那一點所導致，因此我們依舊認 為獨立性假設亦成立。在以上三種假設皆成立的狀態下，接下來要對兩種補貨模 式在變異數較低的情境下的平均缺貨量進行 ANOVA 分析。

圖5.17 低變異 平均缺貨量 P-Plot

圖5.17 低變異 平均缺貨量 P-Plot 表5.22 低變異 平均缺貨量 同質性檢定表5.22 低變異 平均缺貨量 同質性檢定

表5.23 低變異 平均缺貨量 ANOVA表 圖5.18 低變異 平均缺貨量 獨立性檢定

圖5.18 低變異 平均缺貨量 獨立性檢定 表5.23 低變異 平均缺貨量 ANOVA表

三大假設皆成立的情境下，兩補貨模式在低變異的情境下之平均庫存量的 OVA 分析表如表 5.23 所示，而如預期所示，兩種方法間沒有顯著的差異，這

式本來就為一個比較保守的補貨模式，不容易發生缺貨的情

。因此由以上模擬結果我們可以看出來改良後的 TOC 補貨模式還是可以像改良

在平均缺貨數量方面，因為 TOC

模式，因此改良前及改良後的模擬中都沒有發生較嚴重的缺貨 貨數量為 3.67 單位，改良後的平均缺貨數量為

很小，都有不錯的表現。大致上看來，

存量上有較佳的表現，

標上的表現，並進行 ANOVA 檢定。

AN

是因為 TOC 的補貨模 形

前一樣，有效的保護庫存，避免缺貨的發生。

綜合以上三種指標的比較，我們可以看出來，在變異數較低的情境下，改良 後的 TOC 補貨模式較改良前更可以有效的降低在庫庫存量，同時也可以避免因為 庫存量的降低而造成缺貨的發生，而在平均 IDD 的表現上，改良後的補貨模式亦 有較佳的表現，因此本研究認為在低變異的情境下，改良後的 TOC 補貨模式明顯 比改良前可以有較佳的績效表現。