专利名称：需求预测系统及方法
技术领域：
本发明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需求预测系统及方法。
背景技术：
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。
发明内容
有鉴于此，本发明提供一种需求预测系统及方法。
依据本发明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。
本发明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。
本发明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。
本发明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。
本发明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。
本发明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。
本发明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发明的装置。
本发明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。
图1为一示意图是显示依据本发明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发明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发明实施例的预测趋势。
具体实施例方式
为使本发明的上述目的、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发明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测的准确度。
正规化的历史预测数据130可以是灰色预测模型111的输入，且透过灰色预测模型111可以产生两个预测值。计划模块110使用此两预测值来产生预测错误区间。
调整模块120接收一目标计划区间的目标预测值140，且依据预测错误区间机制与/或预测错误区间与一既定基准值间的距离调整目标预测值。值得注意的是，基准值可以是实际订单的正规值，如100.00％。调整模块120产生的预测结果150(调整过的目标预测值)可以用来预测需求/销售。值得注意的是，目标计划区间可以是任一个计划区间。举例来说，为了移除季节性的变化影响，此特定与目标计划区间可以是在不同年度的同一个月。
图2为一流程图是显示依据本发明实施例的需求预测方法。
首先，如步骤S210，历史预测数据被正规化。如前所述，历史预测数据可以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连续的计划区间，历史预测数据可以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、或是其他值来进行正规化。如果历史预测数据对应至一特定计划区间，历史预测数据可以依据特定计划区间的实际订单来正规化。
如步骤S220，依据历史预测数据与灰色预测模型产生一预测错误区间。在此实施例中，采用依据灰色预测理论的GM(1，1)模型。首先，正规化的历史预测数据输入灰色预测模型(dX(1)dt+aX(1)=b)]]>中，来得到两个灰色预测参数(a与b)。其可以用来得到两个预测值。预测值可以用来产生预测错误区间。
在表2的例子中，使用2003/1月的6个历史预测数据，两个灰色预测参数为a=(Σi=26Z(1)×Σi=26Z(1))-(5×Σi=26X(1)Z(1))5×Σi=26(Z(1)2)-(Σi=26Z(1))2=-0.0171,]]>以及b=Σi=26X(1)×(Σi=26Z(1))2-(Σi=26Z(1)×Σi=26X(1)Z(1))5×Σi=26(Z(1)2)-(Σi=26Z(1))2=0.9654.]]>其中，X(1)为AGO(累加生成操作(Accumulated GeneratingOperation))序列，且Z(1)为平均序列。此外，X(0)定义为历史数据(X(0)(1)～X(0)(6))的原始序列(Series)。值得注意的是，灰色预测理论为公知的技术，其细节在此省略。之后，可以由X(0)的历史数据的原始序列得出预测值(X(0)(7))为
X(0)(7)=b-(1-0.5a1+0.5a)×X(0)(1)1+0.5a×(1-0.5a1+0.5a)5=1.0810=108.10%]]>以及X(0)(7)={[X(0)(1)-ba]×exp(-6a)}+ba-X(1)(7)=1.0809=108.09%]]>同样地，使用2003/2月的6个历史预测数据，两个预测值分别为61.66％与77.49％。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。如图3所示，2003/1月的预测错误区间FEI1为108.10％与108.09％之间，且至基准值(100％)的距离D1为8.09％。2003/2月的预测错误区间FEI2为77.49％与61.66％之间，且至基准值(100％)的距离D2为22.51％。
之后，如步骤S230，依据预测错误区间与预测错误区间与基准值(如100％)间的距离调整一目标计划区间的目标预测值。其中，基准值表示预测商品的市场趋势。如果预测错误区间高于基准值，依据下述方程式调整目标预测值ATFV＝TFV×(1-(s1×FEI))×(1-(s2×D)) (1)，如果预测错误区间低于基准值，依据下述方程式调整目标预测值ATFV＝TFV×(1+(s1×FEI))×(1+(s2×D)) (2)，其中TFV为目标预测值，ATFV为调整后的目标预测值，FEI为预测错误区间，D为预测错误区间与基准值间的距离，且s1与s2为可调整常数。值得注意的是，s1与s2可以依据产品类型、产业、客户条件、历史预测准确度、市场趋势与其他因素进行动态调整。
如前所述，目标计划区间可以是任一个计划区间。如果历史预测数据对应一连续的计划区间，如2003/1月～2003/6月，目标计划区间可以是2003/7月。在此例子中，季节性变化可以进一步移除。在表2的例子中，2003/1月的6笔历史预测数据可以用来预测计划区间2004/1月的目标预测值，且2003/2月的6笔历史预测数据可以用来预测计划区间2004/2月的目标预测值。另外，2004/1月的目标预测值可以使用公式(1)进行调整，且2004/2月的目标预测值可以使用公式(2)进行调整，使得调整后的目标预测值可以改善来接近基准值，成为未来进来的实际订单。
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。计算机程序产品包括可以使用于计算机系统400中具有储存计算机可读取程序码的存储介质410。计算机可读取程序码至少包括程序码411，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；以及程序码412，用以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。计算机可读取程序码更包括程序码(未显示)，用以正规化历史预测数据。
图5为一示意图是显示依据本发明实施例的预测趋势。如图5所示，预测错误区间FEI与预测趋势T(距离)都可以被调整，使得预测结果可以接近实际。值得注意的是，本发明可以应用至其他的数据预测，如销售、产能、资源、材料与库存预测等等。
本发明的方法与系统，或特定型态或其部分，可以以程序码的型态包含于实体介质，如软盘、光盘、硬盘、或是任何其他机器可读取(如计算机可读取)存储介质，其中，当程序码被机器，如计算机加载且执行时，此机器变成用以参与本发明的装置。本发明的方法与装置也可以以程序码型态透过一些传送介质，如电线或电缆、光纤、或是任何传输型态进行传送，其中，当程序码被机器，如计算机接收、加载且执行时，此机器变成用以参与本发明的装置。当在一般用途处理器实作时，程序码结合处理器提供一操作类似于应用特定逻辑电路的独特装置。
以上所述仅为本发明较佳实施例，然其并非用以限定本发明的范围，任何熟悉本项技术的人员，在不脱离本发明的精神和范围内，可在此基础上做进一步的改进和变化，因此本发明的保护范围当以本申请的权利要求书所界定的范围为准。
附图中符号的简单说明如下100需求预测系统110计划模块111灰色预测模型120调整模块130历史预测数据140目标预测值150预测结果S210、S220、S230操作步骤FEI、FEI1、FEI2预测错误区间D、D1、D2距离400计算机系统410存储介质411、412程序码T预测趋势。
权利要求
1.一种需求预测系统，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。
2.根据权利要求1所述的需求预测系统，其特征在于该计划模块更正规化该历史预测数据。
3.根据权利要求1所述的需求预测系统，其特征在于该历史预测数据对应至一特定计划区间，且该计划模块更依据该特定计划区间的实际订单来正规化该历史预测数据。
4.根据权利要求1所述的需求预测系统，其特征在于该历史预测数据对应至一连续的计划区间。
5.根据权利要求1所述的需求预测系统，其特征在于该计划模块更使用依据该历史预测数据与该灰色预测模型产生的两预测值来产生该预测错误区间。
6.根据权利要求1所述的需求预测系统，其特征在于该灰色预测模型为依据灰色预测理论的GM(1，1)模型，且依据该历史预测数据与该灰色预测模型产生的两预测值来产生该预测错误区间。
7.根据权利要求1所述的需求预测系统，其特征在于该调整模块更依据该预测错误区间与一基准值间的距离调整该目标预测值。
8.根据权利要求7所述的需求预测系统，其特征在于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。
9.根据权利要求7所述的需求预测系统，其特征在于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。
10.一种需求预测方法，其特征在于所述需求预测方法包括下列步骤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。
11.根据权利要求10所述的需求预测方法，其特征在于更包括正规化该历史预测数据。
12.根据权利要求10所述的需求预测方法，其特征在于更包括依据一特定计划区间的实际订单来正规化该历史预测数据，其中该历史预测数据对应至该特定计划区间。
13.根据权利要求10所述的需求预测方法，其特征在于该历史预测数据对应至一连续的计划区间。
14.根据权利要求10所述的需求预测方法，其特征在于更包括使用依据该历史预测数据与该灰色预测模型产生的两预测值来产生该预测错误区间。
15.根据权利要求10所述的需求预测方法，其特征在于更包括依据该历史预测数据与该灰色预测模型产生的两预测值来产生该预测错误区间，其中该灰色预测模型为依据灰色预测理论的GM(1，1)模型。
16.根据权利要求10所述的需求预测方法，其特征在于更包括依据该预测错误区间与一基准值间的距离调整该目标预测值。
17.根据权利要求16所述的需求预测方法，其特征在于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。
18.根据权利要求16所述的需求预测方法，其特征在于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。
全文摘要
本发明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。
文档编号G06Q10/00GK1815498SQ200510093908
公开日2006年8月9日 申请日期2005年8月31日 优先权日2005年2月4日
发明者廖元福 申请人:台湾积体电路制造股份有限公司