← 全部概念地圖
標準

概念地圖・倍週期分岔

分類:系統

這一頁不只是把一個概念解釋一遍——一張自己畫的結構圖,加上拿台灣情境從頭走一次的實例演練、這個框架什麼時候會騙你,以及它接回 P.A.I.N. 之後長什麼樣。一頁必須交付的三層 →

倍週期分岔:參數推一格,系統就多一種節奏

同一條規則、同一個平均值,把控制參數往前推一格,系統會從「每天一樣」變成「一天多、一天少」。再推一格,四天一循環;再推,八天;再推,就再也數不出循環了。1978 年費根鮑姆把這一串分岔點量出來,發現每一段的間距都以幾乎固定的倍率縮短——縮短的比例還是一個常數。這張分岔樹畫的就是那個過程。它不談效率、不談成本,只回答一件事:你手上那個正在被調大的參數,從哪一格開始,系統會不再只有一個落腳點。

倍週期分岔樹:控制參數往前推,系統落腳點從一條裂成兩條、四條、八條,最後裂進混沌 橫軸是控制參數 r,從 2.8 到 4.0,縱軸是系統反覆落腳的穩態值。左段只有一條線,在 r 等於 3.0 分成兩條、3.449 分成四條、3.544 分成八條,r 約 3.5699 之後進入以淡色整片示意的混沌帶。混沌帶裡在 r 約 3.828 留一道空白直縫,縫內只有三條線,代表週期三窗口。圖下方兩個朱紅雙箭頭標出前兩段的間距 0.449 與 0.095,比值約 4.73,另註費根鮑姆常數 4.6692。 倍週期分岔樹:一條線裂成兩條、四條,最後裂進混沌 橫軸=控制參數 r 縱軸=系統反覆落腳的穩態值 高 低 週期 8 r ≈ 3.5699 起進入混沌 週期 1 週期 2 週期 4 週期三窗口 2.8 3.0 3.449 3.544 4.0 0.449 0.095 0.449 ÷ 0.095 ≈ 4.73 相鄰兩段間距的比值 δ = 4.6692 往後每一段比值越擺越靠近的極限值
規則沒變、平均值沒變,只有參數往前推了三格——落腳點就從一個變成八個。

一條線怎麼一分二、二分四

先把這張圖翻成一張你在現場真的看得到的表。左邊是參數的刻度,右邊是那一刻你會看見什麼、又會把它誤讀成什麼。

控制參數 r系統落在幾個值上現場看到的樣子最常見的誤讀
小於 3.0一個天天一樣,起伏只像雜訊以為這條線天生就穩
= 3.0兩個一天高、一天低,兩天一輪以為是排班或人手的問題
= 3.449四個四天一輪,週報還看得順以為是需求本來就有週期
= 3.544八個八天一輪,月報開始讀不懂以為是資料髒了
≈ 3.5699數不完每天都不一樣,預測全失準以為是外部環境變了
≈ 3.828又收回三個忽然又規律起來以為問題自己好了

把前兩段的寬度相除,這張表就會多講一句話:3.449 減 3.0 是 0.449,3.544 減 3.449 只剩 0.095,兩者相除約 4.73。再往後算,這串比值會在 4.6692 附近上下擺——4.751、4.656、4.668——越擺越靠近,最後就停在那裡。它叫費根鮑姆常數 δ。要留意方向:第一個算出來的 4.73 比 4.6692 大,這串數字是從上面一路壓下來的。還有一件事更容易記反——δ 量的是「間距的比值」,跟第一個分岔發生在哪一格完全無關。它不告訴你起點,只告訴你:一旦你量到了前兩格,第三格就躲不掉。

你的系統走到哪一段,看三個訊號

一、先確認你手上真的有一個「推得動」的參數。倉儲裡那個參數是揀貨批量:一個數字、你自己調得動、而且今天的批量會回頭決定明天的出車數。天氣、油價、對手的促銷檔期都推不動,它們屬於外生輸入,這棵樹管不到。分岔樹只在「輸出會餵回輸入」的迴路上長得出來。自問:我打算調大的那個數字,是我自己能一格一格調的嗎?

二、量循環長度,別量波動幅度。批量調到 60 箱那一週,出車數的標準差確實變大了——但真正的訊號是它變成兩天一輪。標準差只告訴你晃得多凶,循環長度才告訴你系統現在有幾個落腳點。把最近三十天的日資料抄成一列,看它能不能對折成兩段幾乎重疊的序列;對得上,你已經過了第一格。自問:我上一次真的把日資料排成一列看,是什麼時候?

三、平均值不會替你報警。四種批量的日均出車都是 12 車:40 箱是 12,60 箱是(15+9)÷2=12,80 箱是(16+8+14+10)÷4=12。你的月報只印平均,那份月報在分岔前後長得一模一樣——連小數點都不會動。真正該進儀表板的是「這個月的出車序列,最短要幾天才重複一次」。自問:我的儀表板上,有沒有任何一格會因為節奏換了而變色?

四、分岔點只會越來越密。第一格到第二格有 0.449 寬,第二格到第三格只剩 0.095。你在前兩格之間累積的從容,到第三格會被砍掉將近八成。這代表:上一次調參數之後你留了三個月觀察期,下一次照這個比例只剩兩三週,而且再下一次更短。把觀察期綁在「上次也是這樣過的」上面,是這條規則最愛咬的地方。自問:我這一次留給自己的觀察期,有沒有跟著縮短?

一座自動倉儲的揀貨批量,四種批量各推一次

底下這家台灣中部的自動倉儲,是為了把這個結構講清楚而編出來的示意情境,沒有指涉任何真實公司。它只動一個參數——揀貨批量。其他全部照舊:同一批人、同一條輸送帶、同一群客戶、同一套派車規則。

實例演練
  • 批量 40 箱:每天出 12 車,天天一樣。排班表印一份,貼在牆上用一整年。一個落腳點
  • 批量 60 箱:一天 15 車、一天 9 車,兩天一輪。倉管開始每天早上跟司機喬班。兩個落腳點
  • 批量 80 箱:16、8、14、10,四天一輪。牆上得貼四張表輪著看。四個落腳點
  • 批量 100 箱:連續三十天,怎麼對折都對不上。數不出來

四種批量,日均出車都是 12 車:15 加 9 是 24,除以 2 還是 12;16、8、14、10 加起來 48,除以 4 還是 12。平均一車都沒有動,節奏卻整個換掉了。老闆手上四份月報長得一樣,現場的倉管卻從「照表操課」掉進「每天早上重排一次」——痛全部落在後面那個人身上,而報表上一格都沒亮。要講明白:這座倉儲並沒有真的照邏輯斯諦映射那條式子在跑,這裡借的只是分岔的形狀——一個參數往前推,落腳點翻倍、再翻倍。以上為說明結構用的示意情境,僅供理解框架之用。

這棵分岔樹什麼時候會騙你

  1. 它假設整個系統只有一條迴路。邏輯斯諦映射是一條式子、一個變數、一個參數。真實倉儲同時有揀貨、補貨、退貨三條迴路互相咬,多迴路系統的分岔圖長相完全不同——它可能在你還沒推到「第一格」就先炸開,也可能一路推到底都乖乖的。所以看到日出車數開始跳,第一件事是回頭確認這段期間你只動了一個參數。動了兩個,這張圖就只剩比喻的價值。
  2. 混沌帶裡還有規律,你可能剛好站在窗口上。圖上 r 約 3.828 那道白縫是週期三窗口:明明已經進了混沌帶,系統卻忽然回到三天一輪。現場的感覺會是「問題自己好了」,於是那個參數就再被推一格——然後又掉回混沌。更麻煩的是週期三窗口自己也會倍週期分岔成六、十二。亂了一陣又規律,別急著結案。
  3. δ = 4.6692 描述的是比例,不會替你換算成日期。這個常數對一大類單峰映射都成立,這正是它了不起的地方——你不必知道那條式子長什麼樣。但它只說「下一段的間距大約是這一段的五分之一多一點」,沒說一段等於幾週,也沒說你的參數刻度和 r 的刻度是同一把尺。把 4.6692 直接乘進排程表,你會得到一個看起來很精密的錯誤數字。

用痛點的眼光,穩定與可預測差在哪

痛點視角

穩定跟可預測,在這棵樹上是兩件事。

r = 3.2 的系統其實非常穩定:它有兩個明確的落腳點,永遠在那兩個值之間輪流,一百年後還是那兩個值。數學上它一點問題也沒有。可是對客戶來說它已經壞了——他打電話問「明天幾點到」,你只能回一句「看是單日還是雙日」。系統的穩定是它自己的事,可預測才是別人付錢買的東西。P.A.I.N. 那把尺量的一直是後面這件事:有沒有人因為這個節奏而痛,痛到願意付錢換掉它。這張圖畫得出落腳點什麼時候翻倍,畫不出翻倍那一天有誰會掛掉電話。今晚做一件事就好:把最近三十天的日出貨量抄成一列,然後對折——第 1 天對第 3 天、第 2 天對第 4 天。兩兩貼合,你就找到自己現在站在哪一格了。

關於倍週期分岔,常被問到的幾件事

倍週期分岔跟一般講的「系統變不穩」差在哪?

「變不穩」通常指波動變大、標準差上升。倍週期分岔講的是落腳點的數量增加:一個變兩個、兩個變四個、四個變八個。它可以在總波動幾乎沒變的情況下發生,這也是它最常被漏掉的原因——你的告警規則綁在振幅那一欄,而事情發生在循環長度那一欄。要抓它,得先有人願意把日資料排成一列看一眼。

費根鮑姆常數 4.6692 到底在量什麼?

它量相鄰兩段分岔間距的比值。第一段從 3.0 到 3.449 是 0.449 寬,第二段從 3.449 到 3.544 只剩 0.095,相除約 4.73;往後每一段都以接近 4.6692 的倍率縮短。第一個算出來的 4.73 比 4.6692 略大,這串比值是從上面壓下來的。它真正驚人的地方在於跟你用哪一條式子無關——只要那條式子有一個單峰,量出來就是這個數。

進了混沌帶,是不是就完全沒救了?

混沌指的是長期落點對初始值極度敏感,短期仍然有結構:上界、下界、密度分佈都算得出來。圖上那道白縫講得更直接——混沌帶裡藏著週期三窗口,規律沒有完全消失。實務上的解法多半是把參數往回收一格,退到你數得出循環的那一段,用一點理論產能換回一份排得出來的班表。承認自己回不去「天天一樣」,通常比硬要預測便宜得多。

這套東西可以直接套在營收或流量上嗎?

要先問一件事:那個數字會不會回頭決定下一期的自己。倍週期分岔的前提是回饋——今天的值餵進同一條規則,生出明天的值。營收若主要由外部投放決定,它比較像被推著走的量,這棵樹說不上話。但如果你的營收會改變下個月的備貨、備貨改變出貨速度、出貨速度又改變營收,那條迴路就閉合了,這張圖才開始有效。

手邊那個你正在調大的參數,先問它離第一個分岔還有多遠。延遲造成的擺盪換一個入口講同一種麻煩——回饋走得太慢,系統一樣會晃起來;長鞭效應則把場景搬到供應鏈,看同一個訊號怎麼一路往上游放大。

發現引用或事實有誤?請寫信回報,我會依更正政策修正。

喜歡這篇文章嗎?

每週幫你拆二本好書,把判斷力、好書金句、好問題,直送你的信箱。

不適合你可隨時退訂 · 每週兩封,陪你把書讀進生活。

送出即表示同意我們依隱私權政策使用你的 email。