變異數特高情境之實驗結果與分析

在需求變異數特高且需求分配左右尾不對稱的情境下，需求平均數為 1000

單位，但需求變異數也為 1000 單位，因此當期需求最大會出現 4000 單位，但是 期最小需求為 0 單位，故前後幾期的需求狀況變異數會相當的大，因此在這樣 TOC 補貨模式。若在此情境下改良後之 TOC

上可以推論此改良後的模式在大部分情境都可以有較佳的表現。

在變異數特高的情境之實驗結果如表

模式的平均 IDD 較改良前為低，大約改善了 ，

而改良前的補貨模式平均會有 368.48 數量下降為 0 單位。大致上看來，

現，接下來要分別討論在此情境下兩補貨模式在各衡量值得表現 檢定。

當

的情境下非常難以估計需求，故特別在這種情境下比較改良前以及改良後之 補貨模式還是可以有較佳的表現，則大致

5.31 所示，我們可以看到改良後補貨 17.59%；平均庫存量降低了 10.69%

單位的缺貨，改良後的補貨模式平均缺貨 改良後之補貨模式在三種指標上皆有較佳的表

，並進行 ANOVA

方法 平均 IDD 平均庫存量 平均缺貨數量 改良前 944420.78 11407.12 368.48

改良後 778297.51 10187.34 0.00 改善幅度 17.59% 10.69%

表 5.31 變異數特高情境之模擬結果

„ 平均 IDD：

首先要針對兩補貨模式在變異數特高的情境下模擬的平均 IDD 進行 ANOVA 分析

以上三種假設皆成立的狀態下，接下來 對兩種補貨模式在變異數較特高的情境下平均 IDD 進行 ANOVA 分析。

，在模型的假設檢定方面，我們由圖 5.27 的 Normal Probability Plot 圖 可以看出來，資料的分佈近似為一條直線，故常態性假設成立；在同質性假設方 面，由表 5.32 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，圖 5.28 可以看出預測值以及殘差值之相對關係無明顯 的圖形相關，故獨立性的假設亦成立。在

要

圖5.27 特高變異 平均IDD P-Plot 圖5.27 特高變異 平均IDD P-Plot

圖5.28 特高變異 平均IDD 獨立性檢定

圖5.28 特高變異 平均IDD 獨立性檢定 表5.33 特高變異 平均IDD ANOVA表表5.33 特高變異 平均IDD ANOVA表

在三大假設皆成立的情境下，兩補貨模式在特高變異的情境下之平均 IDD 的 ANOVA 分析表如表 5.33 所示，我們由表中可以看出來 Method 的 P 值接近於 0，

代表在特高變異的情境下，兩方法間有顯著的差異。兩模式的平均值比較圖如圖 5.29 所示，我們由此圖可以看出來改良後之 TO 式(Me 各種參 數組合的情境下，在平均 IDD 的表現上皆優於改良前的補貨模式 我們可以

推論出在需求變異數較特高的情境下 會有較佳的 表現。

C 補貨模 thod 2)在

，因此

，改良後的補貨模式 IDD

圖5.29 特高變異 平均IDD 平均值比較表 圖5.29 特高變異 平均IDD 平均值比較表

„ 平均庫存量：

在針對兩補貨模式在特高變異的情形下模擬之平均庫存量進行 ANOVA 分析 之前，一樣要檢查模型的假設，而我們由圖 5.30 的 Normal Probability Plot 圖可以看出來，資料的分佈近似為一條直線，故常態性假設成立；在同質性假設 方面，由表 5.34 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，圖 5.31 可以看出預測值以及殘差值之相對關係無明 顯的圖形相關，故獨立性的假設亦成立。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特高的情境下，對兩補貨模式模擬出的平均庫存 量進行 ANOVA 分析。

圖5.30 特高變異 平均庫存量 P-Plot

圖5.30 特高變異 平均庫存量 P-Plot 表5.34 特高變異 平均庫存量 同質性檢定表5.34 特高變異 平均庫存量 同質性檢定

5.31 特高變異 平均庫存量 獨立性檢定

圖圖5.31 特高變異 平均庫存量 獨立性檢定 表5.35 特高變異 平均庫存量 ANOVA表表5.35 特高變異 平均庫存量 ANOVA表

三大假設皆成立的情境下，兩補貨模式在特高變異的情境下之平均庫存量的 ANOVA 分析表如表 5.35 所示，表中 Method 的 P 值近似於 0，表示補貨模式之間 有顯著的差異。兩模式的平均值比較圖如圖 4.32，我們由此圖可以看出來在各 種前置時間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特高 情境下，改良後的補貨模式能夠有效的降低平均庫存量。

圖5.32 特高變異 平均庫存量 平均值比較表 圖5.32 特高變異 平均庫存量 平均值比較表

„

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， 0 那一點所導致，因此我們

種補貨模式在變異數較低的情境下的平均缺貨量進行 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 假設，而我們由圖 5.33 的 Normal Probability Plot 圖可以看出來，資料的分 佈近似為一條直線，故常態性假設成立；在同質性假設方面，由表 5.37 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 5.34 上的殘差值很多集中在 0 那點上，因此雖然由預

但這主要的原因是因為大部分的缺貨量都集中在

依舊認為獨立性假設亦成立。因此以上三種假設皆成立的狀態下，接下來要對兩 ANOVA 分析。

圖5.33 特高變異 平均缺貨量 P-Plot

圖5.33 特高變異 平均缺貨量 P-Plot 表5.36 特高變異 平均庫存量 同質性檢定表5.36 特高變異 平均庫存量 同質性檢定

5.34 特高變異 平均缺貨量 獨立性檢定

圖圖5.34 特高變異 平均缺貨量 獨立性檢定 表5.37 特高變異 平均缺貨量 ANOVA表表5.37 特高變異 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 ANOVA 分析表如表 5.38 所示，我們由表中可以看出來 Method 的 P 值接近於 0，

代表缺貨在此情境下的缺貨數量上，兩補貨模式有顯著差異。由圖 5.35 的平均 值比較表可以看出，改良後的 TOC 補貨法則在所有情況下的缺貨數都為 0，且明 顯比改良前還低。故改良後的 TOC 補貨模式在這種特殊變異的情境下，依舊可以 保持很低的缺貨數量。

圖5.35 特高變異 平均缺貨量平均值比較表 圖5.35 特高變異 平均缺貨量平均值比較表

綜合以上三種指標的比較，我們可以看出來，在變異數特高，且需求不確定 的情境下，改良後的 TOC 補貨模式可以有效的降低在庫庫存量，同時也可以避免 造成缺貨的發生，而在平均 IDD 的表現上，改良後的補貨模 亦有較佳的表現。因此本研究認為在此種情境下，改良後的 TOC 補貨模式明顯 比改

數高的情 LMI 值也增加，因此改善的幅度也降低；

之 良後的存貨管理模式可以比改良前改進

14.72%，皆是非常顯著的成果，因此本研究認為改良後的 顯比改良前在庫存的控制上有較佳的表現。

因為庫存量的降低而 式

良前可以有較好的績效表現。