本研究利用分析網路程序法 (Analytic Network Process, ANP)，透過擷取專家經驗與判斷，進行台灣地區印表機營業量之預測。期望在難以獲得大量歷史資料且涉及社會層面廣泛時，利用關係人的意見以及兩兩成對比較之一模糊方式，建構ANP預測模型。其後再進行敏感度分析以驗證本模型之穩健性後，並與環保署基管會現行統計方法進行比較，以確認本法之適用。
受全球氣候及生態變遷之影響，各國無不將環保議題列為關注焦點。而台灣為執行資源回收之先驅國家，自民國60年起即進行資源回收與廢棄物清除之相關作業，並訂法律規範使其具有完整約束效力。於現今資訊化時代，印表機已成為個人及企業不可獲缺之資訊輸出品。而近年來對印表機的需求、使用行為趨於複雜化，造成廢印表機大量增加及難以進行推估。
民國90年基管會增列回收廢棄印表機，透過向責任業者徵收清除處理費，作為補貼末端執行回收處理業者之費用，而營業量及廢棄量皆為費率考量的要素因子之一。其預測準確度將會影響此政策執行的成效。
進行傳統預測分析時受限於需要多筆歷史資料，且難以反應複雜因素的相依關係與其即時變化現象。因此透過ANP將能改善及克服傳統預測方法所遭遇之困境，並建立一具有彈性且良好效果之預測模型，以利環保工作之執行。

This research apply Analysis Network Process (ANP) to collect experts’ judgments on forecasting sales volume of printer in Taiwan through pairwise comparison. When lacking of history data and clarity of social impacts, ANP technique can be constructed for forecasting. A sensitive analysis is also made to assure the forecasting model to be robust.   
Because the global warming and our ecological system are changed seriously, our concerns are forced to these issues. In 1971, Environmental Protection Administration (EPA) of R.O.C. government had started some actions on waste clean-up and resources recycling and established some regulations to improve recycling rate to decrease environmental deterioration. The used printers belong to one major part among electronic wastes, and the amount of printers to selling and recycling are difficult to estimate due to the complicated customers’ behavior and economic situation.
In the year of 2001, Recycling Fund Management Board (RFMB) of EPA initiates the action of recycling used printers in Taiwan. The Board collects funds from manufacturers and importers when they sell or import printers, and subsidize recycling industries with recycling and treatment fee to increase recycling ratio. Sales volume and waste collected volume are the major factors for setting up the fee, and both are relied on forecasting. Therefore, the accuracy of forecasting has a great impact on the performance of recycling.
There are a couple of limitations in conducting traditional forecasting tools, most of them are statistical methods. The first one is that the methods need sufficient amount of data, which might be impossible sometime. The second one is that they are hard to response the real-time moves. Processing dependence among concerned factors of the real world is the most unfavorable limitation. Hence, we choose ANP to divert the limitations, and establish a forecasting model with good performance and a flexible structure for recycling printers.

目錄
頁次
目錄 I
表目錄 III
圖目錄 IV
第1章 緒論 1
1.1研究背景與動機	1
1.2研究目的 2
1.3研究範圍 2
1.4研究方法與限制	3
1.5研究內容與架構	3
第2章 文獻回顧 5
2.1需求預測 5
2.2傳統預測方法 6
2.2.1時間數列預測	7
2.2.2關聯性預測 8
2.2.3判斷法 8
2.2.4傳統預測方法之應用 9
2.2.5預測準確度評估 9
2.3非傳統預測方法	11
2.3.1分析層級程序法和分析網路程序法 11
2.3.2AHP和ANP於預測之應用 12
2.4目前基管會營業量之推估 20
2.5小結 21
第3章 ANP用於預測建模 22
3.1問題描述 22
3.2非傳統預測方法	23
3.2.1回顧相關預測文獻 25
3.2.2專家訪談建立預測模型 26
3.2.3ANP專家問卷設計 32
3.2.4專家問卷填寫	34
3.2.5個別問卷分析	34
3.2.6專家意見整合	37
3.2.7建立超級矩陣	37
3.2.8預測結果分析	39
3.3小結 39
第4章 實證分析 40
4.1分析概述 40
4.1.1印表機市場概況 41
4.1.2國內執行資源回收現況 42
4.2趨勢分析法 43
4.2.1二次趨勢函數	44
4.2.2三次趨勢函數	44
4.3ANP預測方法 45
4.3.1主要群集權重	47
4.3.2因素間成對比較 49
4.3.3超級矩陣 52
4.3.4敏感度分析 60
4.4預測結果比較 62
4.5小結	63
第5章 結論與建議 64
5.1.結論	64
5.2.建議	65
參考文獻	66
中文部份	66
英文部分	67
附錄A 印表機90年4月至97年12月營業量 70
附錄B ANP之因素成對比較矩陣	72
附錄C 印表機97年銷售量預測之影響因素權重調查問卷 74

表目錄
表2-1 傳統分析預測比較表	10
表2-2 AHP/ANP用於預測之特性比較	20
表3-1 消費者類型群集及所包含因素說明	29
表3-2 消費者行為群集及所包含因素說明	30
表3-3 廠商競爭群集及所包含因素說明	31
表3-4台灣地區印表機91-96年營業量及其成長百分比 31
表3-5 預測方案群集所包含因素及說明 32
表3-6 九點評估尺度	33
表3-7 本研究問卷部分題項 34
表3-8  R.I值 37
表4-1 台灣地區90/4-97年印表機銷售量 42
表4-2 消費者類型群集 47
表4-3消費者行為群集 48
表4-4 廠商競爭群集	48
表4-5 經濟影響下各群集之權重 49
表4-6 個人用戶對消費者行為重視程度 50
表4-7 使用習慣對廠商競爭策略影響 51
表4-8 行銷活動對97年銷售量影響 51
表4-9 營業量大量增加對廠商競爭策略影響 52
表4-10 未加權超級矩陣 53
表4-11 加權超級矩陣 54
表4-12 極限超級矩陣 55
表4-13 不同類型消費者所重視之消費行為 56
表4-14 不同類型消費者改變對廠商競爭策略之影響	57
表4-15 不同消費者行為改變對廠商競爭策略之影響	58
表4-16 廠商競爭策略改變對不同類型消費者之影響	58
表4-17 廠商競爭策略改變對消費者行為之影響 59
表4-18  97年印表機銷售量 60
表4-19 消費者類型群集改變對預測結果造成影響 61
表4-20  ANP與統計方法預測結果比較 63

圖目錄
圖1-1 本研究流程 4
圖2-1 預測步驟 6
圖2-2預測韓國民航機產業科技指標模型 13
圖2-3預測馬克匯率模型 14
圖2-4某產品需求預測模型 15
圖2-5三大漢堡競爭者市佔率分析模型 16
圖2-6美國2001年經濟景氣復甦期間預測模型 17
圖2-7金融危機發生機率預測模型 18
圖2-8旅館需求預測模型 19
圖3-1  ANP預測流程圖 25
圖3-2兩種控制層級型態 27
圖3-3產品需求預測模型 29
圖3-4本研究ANP預測模型 32
圖4-1台灣印表機91-97年銷售量 42
圖4-2 印表機二次趨勢函數 44
圖4-3印表機三次趨勢函數 45
圖4-4  ANP預測97年印表機銷售量模型 46
圖4-5 敏感度分析 62

中文部份
1.翁振益、周瑛琦等(2006)，決策分析：方法與應用。初版，華泰文化，台北。
2.畢寧威、劉亮成(2007)，灰預測在台灣地區電力需求上之應用研究。科學與工程技術期刊。第三卷，第二期，第11-18頁。
3.畢寧威、劉亮成(2007)，灰預測在台灣地區電力需求上之應用研究。科學與工程技術期刊。第三卷，第二期，第11-18頁。
4.陳慈陽(2006)，配合廢棄物零廢棄政策檢討研修合併廢棄物清理法及資源回收再利用法計畫。行政院環境保護署94年度委託研究計畫，未出版。
5.溫麗琪(2005)，應回收廢棄物回收制度與費率架構檢討評估。行政院環境保護署93年度委託研究計畫，未出版。
6.溫麗琪(2008)，應回收廢棄物回收清除處理成本調查分析及費率訂定計畫，環保署。行政院環境保護署96年度委託研究計畫，未出版。
7.溫麗琪(2008)。資源回收費率審議委員會議運作及回收清除處理費率架構檢討計畫。行政院環境保護署96年度委託研究計畫，未出版。
8.溫麗琪(2009)，廢電子電器及廢資訊物品自主回收處理管道解構及最佳化運作系統規劃。行政院環境保護署97年度委託研究計畫，未出版。
9.溫麗琪(2009)，廢電子電器及廢資訊物品自主回收處理管道解構及最佳化運作系統規劃。行政院環境保護署97年度委託研究計畫，未出版。
10.葉怡成(民92)，類神經網路模式應用與實作。儒林圖書、台北。
11.劉志成(2008)，廢機動車輛回收清除處理體系檢討暨源頭減量再利用分析調查專案工作計畫。行政院環境保護署97年度委託研究計畫，未出版。
12.鄧振源(2002)，計畫評估：方法與應用。海洋大學運籌規劃與管理研究中心，基隆。

英文部分
1.A. R. Blair, Robert Nachtmann, Rozann Whitaker, T. L. Saaty (2002), Forecasting the resurgence of the US economy in 2001: an expert judgment approach, Socio-Economic Planning Sciences, 36 (2), p.77-91.
2.C. Bardaki, K. Pramatari, P. Miliotis (2007), Integrating demand forecasting with replenishment in a high-tech retail chain, The Journal of Business Forecasting, 26 (2), p. 19-22.
3.C. W. Chase Jr. , Selecting the Appropriate Forecasting Method (1997), The Journal of Business Forecasting, 16 (3), p. 2-5.
4.C. Wolf (1988), How to adjust forecasts with the analytic hierarchy process, the Journal of Business Forecasting Method& System, 7 (1), p. 13-17.
5.D. F. Blumberg (2004), Introduction to management of reverse logistic and closed loop supply chain process, CRC Press, Florida.
6.D. W. Trigg and A.G. Leach, Exponential smoothing with an adaptive response  rate, Operational Research Quarterly, 18 (1), p.53-59
7.D. Voulgaridou, K. Kirytopoulos, V. Leopoulos (2009), An analytic network process approach for sales forecasting, Operation Research, 9 (1), p.35-53.
8.F. Ulengin, B.Ulengin (1994), Forecasting foreign exchange rates: A comparative evaluation of AHP, Omega, 22 (5), p. 505-519.
9.J. Aczél and T. L. Saaty (1983), Procedures for synthesizing ratio judgments, Journal of mathematical psychology, 27 (1), p.93-102.
10.J. Korpela and M. Tuominen (1996), Inventory forecasting with a multiple criteria decision tool, International Journal of Production Economic, 45 (1-3), p. 159-168.
11.J. Magee, D.B. Rosenfield, and W.C. Copacino (1985), Modern Logistic Management, Wiley, New York.
12.J. Neter, G. A. Whitmore, and W. Wasserman (1992), Applied Statistic, 4ed ed., Allyn and Bacon, U.S.A.
13.M. P. Niemira, T. L. Saaty (2004), An analytic network process model for financial-crisis forecasting, International Journal of Forecasting, 20 (4), p.573-587.
14.O. S. Vaidya, S. Kumar (2006), Analytic hierarchy process: An overview of applications, European Journal of Operational Research, 169 (1), p.1-29.
15.R. D. Snyder, A. B. Koehler, J. K. Ord (2002), Forecasting for inventory control with exponential smoothing, International Journal of Forecasting, 18 (1), p.5–18.
16.R. F. Dyer and E.H. Forman (1991), Analytic Approach to Marketing Decision, Prentice-Hall, Englewood Cliffs, New Jersey.
17.R. J. Hyndman, A. B. Koehler (2006), Another look at measures of forecast accuracy, International Journal of Forecasting, 22 (4), p.679– 688.
18.R. R. Gung, G. Y. Lin, R.Y. Tsai, and  Y. T. Leng (2002), Demand Forecasting Today, OR/MS Today, 29 (6), December 2002
19.S. Yuksel (2007), An integrated forecasting approach to hotel demand, Mathematical and computer Modelling, 46 (7-8), p.1063-1070.
20.S.B. Kim, K.S. Whang (1993), Forecasting the capabilities of Korean civil aircraft industry, Omega, 21 (1), p.91-98.
21.T. L. Saaty (1978), Exploring the interface between hierarchies, multiple objectives and fuzzy sets, Fuzzy Sets and Systems,1 (1) , p.57-68
22.T. L. Saaty (1996), Decision Making with Dependence and Feedback: The Analytic Network Process, RWS Publications, Pittsburgh.
23.T. L. Saaty (1999), “Fundamentals of the analytic network process” , International Symposium on the Analytic Hierarchy Process, Kobe, Japan.
24.T. L. Saaty (2005), Theory and applications of the Analytic Network Process：Decision Making with Benefits, Opportunities, Cost, and Risks, RWS Publications, Pittsburgh.
25.T. L. Saaty (2006), Decision making with dependence and feedback: The analytic network process, RWS Publications, Pittsburgh. 
26.T. L. Saaty (2008), Decision making with the analytic hierarchy process, International Journal of Services Sciences, 1 (1), p.83-98.	 
27.T. L. Saaty and Luis G. Vargas, Economic (2006), Political, Social and Technological Applications with Benefits, Opportunities, Cost and Risks, Springer, New York.
28.V. Belton and P. Goodwin (1996), Remarks on the application of the analytic hierarchy process to judgmental forecasting, International journal of forecasting, 12 (1), p.155-161
29.W. J. Stevenson (2005), Operations Management, 8ed ed., McGraw-Hill, Singapore.