變異數高情境之實驗結果與分析

在變異數高情境的之實驗結果如表 5.24 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 20.39%；平均庫存量降低了 15.46%；

的補貨模式本身就是一個能有效保護庫存的補貨

，改良前平均的缺 0，兩個補貨模式的缺貨數量皆 改良後之補貨模式在平均 IDD 以及平均庫 接下來要分別討論在此情境下兩補貨模式在這三個衡量指

方法 平均 IDD 平均庫存量 平均缺貨數量 改良前 360068.64 6086.43 3.67

改良後 286656.44 5145.44 0.00 改善幅度 20.39% 15.46%

„ 平均 IDD：

首先要針對兩補貨模式在變異數高的情境下之模擬的平均 IDD 進行 ANOVA 分析，在分析之前一樣要檢查模型的假設，分別為常態性、同質性以及獨立性假 設。由圖 5.19 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 5.25 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 5.20 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高的 情境下之平均 IDD 進行 ANOVA 分析。

圖5.19 高變異 平均IDD P-Plot

圖5.19 高變異 平均IDD P-Plot 表5.25 高變異 平均IDD 同質性檢定表5.25 高變異 平均IDD 同質性檢定

圖5.20 高變異 平均IDD 獨立性檢定

圖5.20 高變異 平均IDD 獨立性檢定 表5.26 高變異 平均IDD ANOVA表表5.26 高變異 平均IDD ANOVA表

在三大假設皆成立的情境下，兩補貨模式在高變異的情境下之平均 IDD 的 ANOVA 分析表如 所示，

異的情境下，兩方法間有顯著的差異 所示，

我們由此圖可以看出來不管前置時間與補貨頻率怎麼變動，改良後之 TOC 補貨模 表 5.26 我們由表中可以看出來 P 值接近於 0，代表在高變

，且兩模式的平均值比較圖如圖 5.21

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 出在需求變異數較高的情境下，改良後的補貨模式會有較佳的 IDD 表現。

圖5.21 高變異 平均IDD 平均值比較表 圖5.21 高變異

„ 平均庫存量：

在針對兩補貨模式在高變異的情形下模擬之平均庫存量進行 5.22 的 Normal Probability Plot

故常態性假設成立；在同質性假設方面，由表 5.27 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 5.23 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 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高的情境下，

對兩補貨模式的平均庫存量進行 ANOVA 分析。

平均IDD 平均值比較表

ANOVA 分析之 前，一樣要檢查模型的假設，分別為常態性、同質性以及獨立性，而我們由圖

圖可以看出來，資料的分佈近似為一條直線，

上

圖5.22 高變異 平均庫存量 P-Plot 圖5.22 高變異 平均庫存量 P-Plot

表5.27 高變異 平均庫存量 同質性檢定表5.27 高變異 平均庫存量 同質性檢定

圖5.23 高變異 平均庫存量 獨立性檢定

圖5.23 高變異 平均庫存量 獨立性檢定 表5.28 高變異 平均庫存量 ANOVA表表5.28 高變異 平均庫存量 ANO

三大假設皆成立的情境下，兩補貨模式在高變異的情境下之平均庫存量的

VA表

ANOVA 分析表如表 5.28 所示，表中 Method 的 P 值近似於 0，明顯小於顯著水準，

故各方法間有顯著的差異。兩模式的平均值比較圖如圖 5.24，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 異數較高情境下，改良後的補貨模式能夠有效的降低平均庫存量。

圖5.24 高變異 平均庫存量 平均值比較表 圖5.24 高變異 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，首先先看圖 5.25 的 Normal Probability Plot，

我們可以發現圖上只有兩點，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 5.29 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，使得大部分的缺貨量都集中在 0 那一點，因此圖 5.26 上的殘差值圖上只有三點，但我們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5.25 高變異 平均缺貨量 P-Plot

圖5.25 高變異 平均缺貨量 P-Plot 表5.29 高變異 平均庫存量 同質性檢定表5.29 高變異 平均庫存量 同質性檢定

圖5.26 高變異 平均缺貨量 獨立性檢定

圖5.26 高變異 平均缺貨量 獨立性檢定 表5.30 高變異 平均缺貨量 ANOVA表表5.30 高變異 平均缺

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 所示。如預期所示，兩種方法間沒有顯著的差異，這原

貨量 ANOVA表

ANOVA 分析表如表 5.30

因同樣是因為 TOC 的補貨模式本來為一個比較保守的補貨模式，不容易發生缺貨 此我們可以看出來改良後的 TOC 補貨模式還是可以像改良前一樣，可

避免缺貨的發生。

的情形，因

以有效的保護庫存，

綜合以上結論，我們可以發現在變異數較高的情境下，雖然改良前和改良後 的 TOC 補貨模式在缺貨量皆有不錯的表現，但在平均庫存量以及平均 IDD 上，改 良後的補貨模式有較好的表現，代表在變異數較高的情境下，改良後的 TOC 補貨 模式可以確實降低庫存量，連帶的使 IDD 較低。因此本研究認為在高變異的情境 下，改良後的 TOC 補貨模式明顯比改良前可以有較好的績效表現。