進階搜尋


   電子論文尚未授權公開,紙本請查館藏目錄
(※如查詢不到或館藏狀況顯示「閉架不公開」,表示該本論文不在書庫,無法取用。)
系統識別號 U0026-2806202017112200
論文名稱(中文) 台灣聚酯絲需求預測與產能規劃
論文名稱(英文) Demand Forecasting and Capacity Planning of Polyester Filament Yarn in Taiwan
校院名稱 成功大學
系所名稱(中) 工程管理碩士在職專班
系所名稱(英) Institute of Engineering Management (on the job class)
學年度 108
學期 2
出版年 109
研究生(中文) 陳靖方
研究生(英文) Chin-Fang Chen
學號 N07061041
學位類別 碩士
語文別 中文
論文頁數 59頁
口試委員 指導教授-李家岩
口試委員-洪郁修
口試委員-施勵行
口試委員-鄭泗滄
中文關鍵字 需求預測  ARIMA  LSTM  產能規劃  線性規劃 
英文關鍵字 Demand Forecasting  ARIMA  LSTM  Capacity Planning  Linear Programming 
學科別分類
中文摘要 台灣紡織業經過數十年的發展,至今仍然替台灣經濟帶來巨大貢獻,目前為止是台灣第三大創匯的產業。而紡織業的火車頭-人造纖維產業在台灣紡織業發展過程中扮演極重要的角色,由於台灣土地幅員狹小造成天然纖維不足,因此主要發展人造纖維,其中聚酯絲更是台灣人造纖維產業中的重要產品,提供關鍵原物料給國內紡織中下游的紡紗、織布以及成衣業所需。近年來,在國際環境激烈的變化情境下,包含亞洲新興國家的崛起、原油價格波動、環保意識崛起以及中美貿易戰等因素,造成台灣聚酯絲供給與需求的不確定性。若能準確預測聚酯絲的需求量,勢必可以協助台灣紡織業者提早進行分析與規劃,來制定較佳的產能規劃以因應未來的變化。
本研究分為兩個階段,第一階段為預測未來台灣聚酯絲之需求量,分別建構三個預測模型包含自我迴歸整合移動平均模型(ARIMA model)及單變量、多變量兩種長短期記憶模型(Long Short-Term Memory, LSTM),多變量模型則加入原物料價格、競爭產品價格、下游消費能力等相關變數來建立預測模型;第二階段延續第一階段之最佳預測結果來進行產能規劃,加入生產成本、存貨成本等因素,利用線性規劃的方式來求取成本最小化,期望能在未來需求不確定下,提供企業一套經營決策時的參考依據。
研究結果顯示,預測模型中以多變量長短期記憶模型得到的預測結果為最佳;至於產能規劃結果,與不考慮成本因素之規劃結果相比,利潤多了1.2%,顯示考量企業內部成本之產能規劃能替公司帶來更高的效益。
英文摘要 Taiwan's man-made fiber industry plays an extremely important role in the development of Taiwan’s textile industry, providing raw materials to spinning industry, weaving industry and apparel industry. Polyester Filament Yarn, the most important product in Taiwan's man-made fiber industry, its annual yield accounts for up to 50 percent of all man-made fibers in Taiwan. However, the demand uncertainty of Polyester Filament Yarn caused by the drastic change of international situations including the rise of Southeast Asian countries economy, the fluctuations of crude oil price, the rise of environmental awareness and U.S.-China trade war, etc. If the demand for Polyester Filament Yarn can be predicted accurately, Taiwan’s textile companies can make a better capacity planning and prepare for the future changes.
The study is divided into two stages, the first stage is to predict the demand of Polyester Filament Yarn in Taiwan, by using Autoregressive Integrated Moving Average model (ARIMA model) and Univariate/ Multivariate Long Short-Term Memory models (LSTM model), adding relevant variables such as raw material price and competitive product price to establish forecast models; the second stage continues the first stage forecast result for capacity planning, adding several cost variables to establish Linear Programming model to minimize costs, hoping to provide a solution for Taiwan’s textile companies under demand uncertainties.
The study shows that the forecasting result by Multivariate LSTM model is more accurate than other models. As for capacity planning, the profit will increase 1.2% by cost minimization.
論文目次 摘要 I
Extended Abstract II
誌謝 VII
目錄 VIII
表目錄 XI
圖目錄 XIII
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 4
1.3 研究流程與論文架構 4
第二章 文獻探討 6
2.1 人造纖維產業紹 6
2.2 聚酯纖維產業現況分析 8
2.2.1 聚酯纖維生產及原料簡介 9
2.2.2 影響聚酯纖維需求的因素 10
2.3 預測方法 11
2.4 產能規劃 15
2.4.1 產能規劃(Capacity Planning)介紹 16
2.4.2 總體規劃(Aggregate Planning)介紹 16
2.4.3 總體規劃技術 17
2.5 文獻探討小結 19
第三章 研究方法 20
3.1 資料化約 21
3.2 資料特徵篩選 (Feature Selection) 21
3.2.1 隨機森林 (Random Forest) 22
3.2.2 交叉驗證 (Cross Validation) 23
3.3 資料整合 24
3.3.1 資料正規化(Normalization) 25
3.3.2 滑動時窗法(Sliding Time Window Method) 26
3.4 建立預測模型 27
3.4.1 ARIMA 27
3.4.2 長短期記憶類神經網路 29
3.5 建構總體規劃模型 31
3.5.1 總體規劃資訊 31
3.5.2 研究內容的假設與限制 32
3.5.3 線性規劃模型 33
第四章 研究結果-預測模型 35
4.1 資料蒐集 35
4.1.1變數介紹 36
4.2 資料化約 36
4.3 ARIMA模型 38
4.3.1 ARIMA模型建構 39
4.3.2 ARIMA預測結果 42
4.4 LSTM模型 43
4.4.1 單變量LSTM模型 43
4.4.2 單變量LSTM模型預測結果 45
4.4.3 多變量LSTM模型 46
4.4.4 多變量LSTM模型預測結果 48
4.5 全部模型之預測結果與比較分析 49
第五章 研究結果-總體規劃模型 50
5.1 資料蒐集 50
5.2 產能規劃模型結果 51
第六章 結論 54
6.1 結論 54
6.2 研究建議與未來研究方向 55
參考文獻 56
參考文獻 一、中文文獻
1. 江明建,優化TFT_LCD面板產能規劃與生產管制作業流程,國立成功大學工學院工程管理碩士在職專班,碩士論文,2014。
2. 江政儒,應用ARIMA建立公部門航空油料需求預測模型,國防大學管理學院運籌管理學系碩士班,碩士論文,2019。
3. 呂陳秋,基於多元線性迴歸模型的化纖產量預測,合成纖維工業,2013。
4. 何應欽,作業管理第十二版,華泰文化,2017。
5. 李洪影,纖用聚酯工業的發展趨勢及需求預測,石油化工技術經濟,2003。
6. 李政遠,以少量相依性數據預測台灣聚酯纖維紡織業未來之出口量,國立成功大學工業與資訊管理碩士在職專班,碩士論文,2006。
7. 李均,生產管理,前程文化,2013。
8. 李信宏,全球纖維生產量統計,財團法人紡織產業綜合研究所,2018。
9. 林暉凱,扣件業盤元價格預測,國立成功大學工學院工程管理碩士在職專班,碩士論文,2017。
10. 林立哲,統計與機器學習中變數選取方法之比較,國立交通大學統計學研究所,碩士論文,2018。
11. 邱美莉,油價波動對人造纖維產業的影響分析,國立中央大學產業經濟研究所,碩士論文,2009。
12. 邱國耀,變換生產線之最佳生產規劃研究-以某塑膠加工廠為例,國立中正大學企業管理研究所,碩士論文,2012。
13. 周百建,資料科學與強化學習於石化原物料之價格預測與採購決策,國立成功大學製造資訊與系統研究所,碩士論文,2018。
14. 徐志榮,預測交通需求之分佈與數量—基於多重式注意力機制之AR-LSTMs 模型,國立中央大學資訊工程學系軟體工程碩士班,碩士論文,2019。
15. 陳德明,變換生產線之最佳生產規畫研究-以某塑膠加工廠為例,國立中正大學企業管理研究所,碩士論文,2012。
16. 陳時仲,隨機森林模型效力評估,國立交通大學統計學研究所,碩士論文,2015。
17. 張文權,以數學規劃求解最佳之間接材料選擇與人力配置,國立國立中央大學工業管理碩士班,碩士論文,2016。
18. 黃維民,產品產能最佳化配置之線性規劃研究-漆包線產品之應用,國立成功大學工學院工程管理碩士在職專班,碩士論文,2006。
19. 黃貞翔,供應網路之總體生產規劃-以專業電子代工產業為例,東海大學工業工程與經營資訊學系,碩士論文,2012。
20. 閩潔、李信宏、王雨讓、王冠翔, 巫佳宜、楊宜蓁、龔薇文、安大中、林俊宏、蘇英傑、顧裕珍、陳宏一、梁瑋苓、葉乙昌、林仁豪、黃稚評、劉新蘋,紡織產業年鑑,財團法人紡織產業綜合研究所,2013~2019。
21. 劉昌振,因應CO2減量的煉油業生產排程最適化研究,國立成功大學資源工程學系,博士論文,2013。
22. 謝振威,基於多元線性迴歸和神經網路的化纖行業能耗預測研究,北京服裝學院學報,2012。
23. 魏全偉,利用線性規劃求解最適排程-以電子代工廠為例,國立中興大學高階經理人碩士在職專班,碩士論文,2018。

二、英文文獻
1. Aizenshtein, E. M. Production and use of polyester fibres today and tomorrow. Fibre Chemistry, Vol.35, No.5, 317-328, 2003.
2. Adugna, E.K., & Thakur, A. Case Study on Profit Planning of Textile Industry Using Linear Programming Approach, REST Journal on Emerging trends in Modelling and Manufacturing Volume 2(1), 1–9, 2016.
3. Box, G. E. P. and Jenkins, G. Time Series Analysis: Forecasting and Control. San Francisco: Holden-Day, 1970.
4. Bougadis, J., & Adamowski, K. Short‐term municipal water demand forecasting, 2005.
5. Chien, C.F., & Zheng, J.N. Mini-max regret strategy for robust capacity expansion decisions in semiconductor manufacturing, 2011.
6. Gonzalez-Romera, E. Monthly Electric Energy Demand Forecasting Based on Trend Extraction, IEEE Transactions on Power Systems, Volume: 21, Issue: 4, 2006.
7. Graves, A. Supervised Sequence Labelling with Recurrent Neural Networks, 2012.
8. Jain, C. L. Which forecasting model should we use?, The journal of business forecasting, 19(3), 2, 2000.
9. Holczer, B. Random Forest Classifier – Machine Learning,
Available: https://www.globalsoftwaresupport.com/random-forest-classifier/
(Accessed by May. 15, 2020)
10. Jin, H., & Miao, X., & Wang, D. Model and Algorithm of Production Scheduling for the Polyester Fiber, Contemporary Logistics, 2012.
11. Jaffe, A.S. Long Short-term Memory Recurrent Neural Networks for Classification of Acute Hypotensive Episodes, 2017.
12. Lewis, K. A. An Econometric Analysis of the Demand for Textile Fibers, American Journal of Agricultural Economics, Volume 54, Issue 2, 238–244, 1972.
13. Lee, C.Y., & Chien, C. F. Stochastic Programming for Vendor Portfolio Selection and Order Allocation under Delivery Uncertainty. OR Spectrum, 36 (3), 761–797, 2014.
14. Lee, C. Y., & Chiang, M.C. Aggregate Demand Forecast with Small Data and Robust Capacity Decision in TFT-LCD Manufacturing. Computers & Industrial Engineering, 99, 415-422, 2016.
15. Laptev, N., & Yosinski, J., & Li, E. L., & Smyl, S. Time-series Extreme Event Forecasting with Neural Networks at Uber, 2017.
16. Lee, C. Y., & Liang, C.L. Manufacturer's Printing Forecast, Reprinting Decision, and Contract Design in the Educational Publishing Industry. Computers & Industrial Engineering, 125, 678-687, 2018.
17. Mendes, R. de L., & Oliveira Neto, R. F. de. The Power of Ensemble Models in Fingerprint Classification: A case study, 2018.
18. Natrajan, V. Inter-Fiber Competition: Econometric Modeling of U.S. Cotton and Polyester Fiber Demand, 2002.
19. Pan,S., & Mohanty, S., & Welch, M. Effects of Chinese currency revaluation on world fiber markets, Contemporary Economic Policy, 185-205, 2007.
20. Sabir, E. C. & Batuk, E. Demand Forecasting Withof Using Time Series Models In Textile Dyeing-Finishing Mills, 2013.
21. Scikit-learn documentation, Compare the effect of different scalers on data with outliers, Available:
https://scikit-learn.org/stable/auto_examples/preprocessing/plot_all_scaling.html/ (Accessed by May. 15, 2020)
論文全文使用權限
  • 同意授權校內瀏覽/列印電子全文服務,於2025-06-21起公開。
  • 同意授權校外瀏覽/列印電子全文服務,於2025-06-21起公開。


  • 如您有疑問,請聯絡圖書館
    聯絡電話:(06)2757575#65773
    聯絡E-mail:etds@email.ncku.edu.tw