需求预测系统及方法技术方案

本发明专利技术提供一种需求预测系统及方法。一计划模块正规化历史预测数据，且依据历史预测数据与灰色预测模型产生一预测错误区间。调整模块依据预测错误区间与／或预测错误区间与一基准值间的距离调整一目标计划区间的目标预测值。本发明专利技术所述需求预测系统及方法，预测错误区间与预测趋势都可以被调整，使得预测结果可以接近实际。

【技术实现步骤摘要】

本专利技术是有关于供应链管理，且特别有关于一种具有依据灰色预测模型的调整机制的。
技术介绍
在商品的供应中，供应链包括了材料(material)采购、将材料转换为半成品与成品、以及将成品配送至客户的部分。为了强化企业竞争力，供应链管理已经成为达到减少库存与增加产能的重要因素。制造与分布能力是受限于资源与产能。换言之，并不是每一个客户的要求都能够满足，一些客户可能被承诺但并不一定会满足，其中，一些要求可以得到部分供应，以及其他的要求可能会被拒绝。因此，供应链管理中，没有过量的产能损失的有效管理已经成为需要控制制造与配送的产品制造者与服务供应者的重要前提。在供应链中，客户传送包括一特定数量与一特定日期的产品的要求或是需求给供应者。供应者可以依据接收到的要求来预测与计划其本身内部或外部的制造排程，并事先配置用来制造产品产能以满足每一个客户。当由客户接收到相应需求的订单时，供应者便开始制造产品。值得注意的是，供应者必须事先依据需求预测投资资本支出来准备相关设备与材料。如果需求预测无法有效趋近于实际订单，供应者将会遭受到庞大的损失。现有地，销售预测是依据一回归(Regression)或是时间序列(Time Series)模型预测。回归模型假设变量(variables)间的关系是线性的。然而，由于不明确的市场需求，实际订单很少可以表现出一个干净与完整的趋势。时间序列模型需要大量的实验参考值(通常超过50笔数据或是更多)。另外，回归或是时间序列模型得到的预测结果通常为缺乏弹性的实验简单预测值。因此，对于拥有具有不易预测的市场生命周期以及有限的历史预测数据的多样性的产品类型的企业，如半导体产业中的上游与下游工厂而言，这些预测值是不实用的。
技术实现思路
有鉴于此，本专利技术提供一种。依据本专利技术提供一种需求预测系统，包括一计划模块与一调整模块。计划模块提供一预测错误区间机制来依据历史预测数据与一灰色(Grey)预测模型产生一预测错误区间。调整模块依据预测错误区间调整一目标计划区间的目标预测值。计划模块更正规化(Normalize)历史预测数据。历史预测数据对应至一特定计划区间，或是一连续的计划区间。如果历史预测数据对应至一特定计划区间，计划模块依据特定计划区间的实际订单来正规化历史预测数据。计划模块更使用依据历史预测数据与灰色预测模型产生的两预测值来产生预测错误区间。灰色预测模型为依据灰色预测理论(Grey forecast theory)的GM(1，1)模型。调整模块更依据预测错误区间与一既定基准值(Benchmark)间的距离调整目标预测值。本专利技术所述的需求预测系统，当该预测错误区间高于该基准值时，该调整模块依据下述方程式调整该目标预测值ATFV＝TFV×(1-(s1×FEI))×(1-(s2×D))，其中，TFV为该目标预测值，ATFV为调整后的该目标预测值，FEI为该预测错误区间，D为该预测错误区间与该基准值间的距离，且s1与s2为可调整常数。本专利技术所述的需求预测系统，当该预测错误区间低于该基准值时，该调整模块依据下述方程式调整该目标预测值ATFV＝TFV×(1+(s1×FEI))×(1+(s2×D))，其中，TFV为该目标预测值，ATFV为调整后的该目标预测值，FEI为该预测错误区间，D为该预测错误区间与该基准值间的距离，且s1与s2为可调整常数。本专利技术提供一种需求预测方法，首先，依据历史预测数据与一灰色预测模型产生一预测错误区间。接着，依据预测错误区间调整一目标计划区间的目标预测值。历史预测数据更被正规化。历史预测数据对应至一特定计划区间，或是一连续的计划区间。如果历史预测数据对应至一特定计划区间，历史预测数据是依据特定计划区间的实际订单来正规化。预测错误区间是使用依据历史预测数据与灰色预测模型产生的两预测值所产生。灰色预测模型为依据灰色预测理论的GM(1，1)模型。目标预测值更依据预测错误区间与一既定基准值间的距离进行调整。本专利技术所述的需求预测方法，更包括当该预测错误区间高于该基准值时，依据下述方程式调整该目标预测值ATFV＝TFV×(1-(s1×FEI))×(1-(s2×D))，其中，TFV为该目标预测值，ATFV为调整后的该目标预测值，FEI为该预测错误区间，D为该预测错误区间与该基准值间的距离，且s1与s2为可调整常数。本专利技术所述的需求预测方法，更包括当该预测错误区间低于该基准值时，依据下述方程式调整该目标预测值ATFV＝TFV×(1+(s1×FEI))×(1+(s2×D))， 其中，TFV为该目标预测值，ATFV为调整后的该目标预测值，FEI为该预测错误区间，D为该预测错误区间与该基准值间的距离，且s1与s2为可调整常数。本专利技术上述方法可以透过程序码方式收录于实体介质中。当程序码被机器加载且执行时，机器变成用以实行本专利技术的装置。本专利技术所述，预测错误区间与预测趋势都可以被调整，使得预测结果可以接近实际。附图说明图1为一示意图是显示依据本专利技术实施例的需求预测系统的架构；图2为一流程图是显示依据本专利技术实施例的需求预测方法；图3为一示意图是显示对应计划区间2003/1月与2003/2月的预测错误区间；图4为一示意图是显示储存提供需求预测方法的计算机程序的存储介质；图5为一示意图是显示依据本专利技术实施例的预测趋势。具体实施例方式为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举实施例，并配合所附图示，进行详细说明如下。图1为一示意图是显示依据本专利技术实施例的需求预测系统的架构。需求预测系统100包括一计划模块110与一调整模块120。计划模块110提供一预测错误区间机制来依据历史预测数据130与一灰色(Grey)预测模型111产生一预测错误区间。计划模块110可以先将需要的历史预测数据130进行正规化。正规化的目的在于要在一特定的基线(Baseline)将历史预测数据130标准化(standardize)。需要的历史预测数据130可以对应至一特定计划区间，或是一连续的计划区间。举例来说，对应至计划区间1月的多个数据集合，或是分别对应至计划区间1月、2月、3月、与4月的多个数据集合可以用来透过此机制来产生预测错误区间。如果历史预测数据130对应至一连续的计划区间，计划模块110依据这些计划区间的平均实际订单、最后一计划区间的实际订单、或是其他值来正规化历史预测数据130。如果历史预测数据130对应至一特定计划区间，计划模块110依据特定计划区间的实际订单来正规化历史预测数据130。表1显示历史预测数据130的原始数据的例子。表1 计划区间1月的历史预测数据130包括1200、1100、1000、1200、1300与1050。计划区间2月的历史预测数据130包括1300、1400、800、700、1000与900。1月与2月的历史预测数据130可以分别以相应的实际订单1100与900进行正规化。正规划的历史预测数据130显示于表2中。表2 灰色预测模型111可以是依据灰色预测理论的GM(1，1)模型。灰色预测理论是由Deng博士于公元1982年提出的理论，其着重于犹豫不决地与有限的案例样本。灰色预测模型只需要4个样本就可以预测非线性的行为。值得注意的是，当使用更多样本时可以增加预本文档来自技高网...

【技术保护点】
一种需求预测系统，其特征在于所述需求预测系统包括：一计划模块，用以依据历史预测数据与一灰色预测模型产生一预测错误区间；以及一调整模块，用以依据该预测错误区间调整一目标计划区间的一目标预测值。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：廖元福，
申请(专利权)人：台湾积体电路制造股份有限公司，
类型：发明
国别省市：71[中国|台湾]