一种面向生产制造的订单预测方法及系统与流程

1.本公开一般涉及汽车制造技术领域，具体涉及一种面向生产制造的订单预测方法及系统。


背景技术：

2.在面向生产制造的过程中，需要制定排产计划以进行合理排产，避免产能不足或产能过剩；在制定排产计划过程中，对于订单预测的准确性直接影响到了排产的合理性；现有技术中，对于订单预测多根据企业自身的历史订单数据，通过求均值等方式对下一阶段或下一年度的订单量进行初步预测；然后这种方式下仅以自身数据为支撑，导致准确性较低。


技术实现要素：

3.鉴于现有技术中的上述缺陷或不足，期望提供可解决上述技术问题的一种面向生产制造的订单预测方法及系统。
4.本技术第一方面提供一种面向生产制造的订单预测方法，包括以下步骤：构建上下游产品关联系数表，所述上下游产品关联系数表包括第一组合信息、对应的第二组合信息及关联系数；所述第一组合信息包括供货方名称及第一商品信息；所述第二组合信息包括与所述第一组合信息对应的订货方名称及使用所述第一商品的第二商品信息；向所有终端商品的订货方的客户端发送终端商品订单预测邀约；接收终端商品的订货方的客户端反馈的终端商品预测量信息；根据所述上下游产品关联系数表及所述终端商品预测量信息生成第一商品预测订单量；向所述第一商品的供货方的客户端发送所述第一商品预测订单量。
5.根据本技术实施例提供的技术方案，根据公式（一）计算关联系数：
ꢀꢀꢀ
（一）；其中，k
ij
表示订货方i的第二商品所需第一商品中供货方j的供货占比，m表示一件第二商品加工所需第一商品的数量。
6.根据本技术实施例提供的技术方案，供货占比通过以下子步骤得到：向第二商品的订货方的客户端发送模式选择信息，所述模式选择信息包括意向模式和历史模式；接收第二商品的订货方的客户端反馈的确认意向模式信息，所述确认意向模式信息包括其反馈的供货占比；接收第二商品的订货方的客户端反馈的确认历史模式信息，获取所述第二商品的
订货方的历史订购信息，根据所述历史订购信息确定所述供货占比。
7.根据本技术实施例提供的技术方案，所述第一商品信息、第二商品信息包括商品零件清单；所述数量m根据所述商品零件清单得到。
8.根据本技术实施例提供的技术方案，所述面向生产制造的订单预测方法还包括以下步骤：获取至少s个历史周期内终端商品的实际出售数量；构建实际出售数量变化曲线；获取至少s个历史周期内第一影响因素值至第n影响因素值，构建第一影响因素变化曲线至第n影响因素变化曲线；计算实际出售数量变化曲线分别与所述第一影响因素变化曲线、第二影响因素变化曲线
……
第n影响因素曲线的第一相关系数、第二相关系数
……
第n相关系数；将所述实际出售数量与第一影响因素值、第二影响因素值
……
第n影响因素值分别拟合，得到实际出售数量与第一影响因素、第二影响因素
……
第n影响因素的第一函数关系、第二函数关系
……
第n函数关系；获取第一影响因素预测值至第n影响因素预测值；根据所述第i影响因素预测值、以及第i函数关系计算得到第i终端商品数量预测值；；基于所有第i相关系数，将所有第i终端商品数量预测值加权平均得到终端商品数量预测值；所述终端商品订单预测邀约中包含所述终端商品数量预测值。
9.本技术第二方面提供一种面向生产制造的订单预测系统，包括：构建模块，所述构建模块用于构建上下游产品关联系数表，所述上下游产品关联系数表包括第一组合信息、对应的第二组合信息及关联系数；所述第一组合信息包括供货方名称及第一商品信息；所述第二组合信息包括与所述第一组合信息对应的订货方名称及使用所述第一商品的第二商品信息；发送模块，所述发送模块用于向所有终端商品的订货方的客户端发送终端商品订单预测邀约；接收模块，所述接收模块用于接收终端商品的订货方的客户端反馈的终端商品预测量信息；处理模块：根据所述上下游产品关联系数表及所述终端商品预测量信息生成第一商品预测订单量；所述发送模块还用于：向所述第一商品的供货方的客户端发送所述第一商品预测订单量。
10.根据本技术实施例提供的技术方案，所述构建模块还配置用于：根据公式（一）计算关联系数：
ꢀꢀꢀ
（一）；其中，k
ij
表示订货方i的第二商品所需第一商品中供货方j的供货占比，m表示一件
第二商品加工所需第一商品的数量。
11.根据本技术实施例提供的技术方案，所述发送模块还配置用于：向第二商品的订货方的客户端发送模式选择信息，所述模式选择信息包括意向模式和历史模式；所述接收模块还配置用于：接收第二商品的订货方的客户端反馈的确认意向模式信息，所述确认意向模式信息包括其反馈的供货占比；接收第二商品的订货方的客户端反馈的确认历史模式信息，获取所述第二商品的订货方的历史订购信息；所述处理模块还配置用于：根据所述历史订购信息确定所述供货占比。
12.根据本技术实施例提供的技术方案，所述第一商品信息、第二商品信息包括商品零件清单；所述数量m根据所述商品零件清单得到。
13.根据本技术实施例提供的技术方案，所述构建模块还配置用于：获取至少s个历史周期内终端商品的实际出售数量；构建实际出售数量变化曲线；获取至少s个历史周期内第一影响因素值至第n影响因素值，构建第一影响因素变化曲线至第n影响因素变化曲线；计算实际出售数量变化曲线分别与所述第一影响因素变化曲线、第二影响因素变化曲线
……
第n影响因素曲线的第一相关系数、第二相关系数
……
第n相关系数；将所述实际出售数量与第一影响因素值、第二影响因素值
……
第n影响因素值分别拟合，得到实际出售数量与第一影响因素、第二影响因素
……
第n影响因素的第一函数关系、第二函数关系
……
第n函数关系；获取第一影响因素预测值至第n影响因素预测值；根据所述第i影响因素预测值、以及第i函数关系计算得到第i终端商品数量预测值；；基于所有第i相关系数，将所有第i终端商品数量预测值加权平均得到终端商品数量预测值；所述终端商品订单预测邀约中包含所述终端商品数量预测值。
14.本技术的有益效果在于：通过构建上下游产品关联系数表，由此确定了上下游产品对应于各供货方和订货方之间的对应关系和关联系数，将各级产业的各个供需关系之间建立起桥梁；通过向所有终端商品的订货方的客户端发送终端商品订单预测邀约，接收终端商品的订货方的客户端反馈的终端商品预测量信息；由此根据所述上下游产品关联系数表及所述终端商品预测量信息生成第一商品预测订单量；而在上下游产品供需关系体系中通常具有多级产品链，每级产业中又包括多个商家；通过上述订单预测方法，可以快速且准确的反映出市场的需求，自下而上的得到各级供应方对于各级商品的预测订单量，为后续排产计划提供了数据支撑，避免产能不足或产能过剩。
附图说明
15.通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本技术的其它
商家的m1商品制作m2商品；m2商品制作的所需零件除了m1还需要k4，在其他实施例中，还可能有更多需要的零件；a1商家m1商品与b1商家m2的关联系数为2；a1商家m1商品与b2商家m2的关联系数为2；其中，关联系数表示：需要向供货方j订购第一商品数量与订货方i的第二商品数量的比值；以供货方a1与订货方b1为例：若订货方b1需要生产1000个m2，则需要向供货方a1订购2000个m1。
21.b1商家、b2商家还作为供货方，出售m2商品；c商家作为订货方，分别订购b1商家、b1商家的m2商品制作终端商品m3。
22.s200：向所有终端商品的订货方的客户端发送终端商品订单预测邀约；如表-1所示，终端商品m3的订货方为c商家，则向c商家发送终端商品订单预测邀约；终端商品的订货方（c商家）的客户端接收到所述终端商品订单预测邀请后，发送终端商品预测量信息；例如该终端商品预测量信息包括终端商品的预测量，例如m3的预测量为1000；终端商品指的是不可能再作为零件出售的商品，例如对于汽车产业链来说，汽车就是终端商品；对于手机产业链来说，手机就是终端商品。
23.s300：接收终端商品的订货方的客户端反馈的终端商品预测量信息；s400：根据所述上下游产品关联系数表及所述终端商品预测量信息生成第一商品预测订单量；通过上下游产品关联系数表确定了上下游产品对应于各供货方和订货方之间的对应关系和关联系数，由此通过终端商品预测量信息，使得可以确定各个供货方的第一商品预测订单量；为了便于理解，以m3的预测量为1000为例，则各级供货方的第一商品预测量如表-2所示：其中，各个供货方对应的第一商品预测订单量为下一级的预测订单量*关联系数；例如：终端商品m3的预测量为1000，制作终端商品m3所需商品m2的商品量为6000，则b2供货方的m2商品的预测量为1000*4=4000；b1供货方的m2商品的预测量为1000*2=2000；同理：a1供货方的m1的预测量为4000*2+2000*2=12000。
24.s500：向所述第一商品的供货方的客户端发送所述第一商品预测订单量。
25.向供货方a1的客户端发送第一商品预测量为：商品m1的预测量4000和8000；向供货方b1的客户端发送第一商品预测量为：商品m2的预测量2000；
向供货方b2的客户端发送第一商品预测量为：商品m2的预测量4000。
26.需要进一步说明的是，上述实例旨在与进一步说明本技术的工作原理，并非是对供货方、订购方的数量或具体预测量数值的限定；本技术的工作原理为：通过构建上下游产品关联系数表，由此确定了上下游产品对应于各供货方和订货方之间的对应关系和关联系数，将各级产业的各个供需关系之间建立起桥梁；通过向所有终端商品的订货方的客户端发送终端商品订单预测邀约，接收终端商品的订货方的客户端反馈的终端商品预测量信息；由此根据所述上下游产品关联系数表及所述终端商品预测量信息生成第一商品预测订单量；在上下游产品供需关系体系中通常具有多级产品链，每级产业中又包括多个商家；通过上述订单预测方法，可以快速且准确的反映出市场的需求，自下而上的得到各级供应方对于各级商品的预测订单量，为后续排产计划提供了数据支撑，避免产能不足或产能过剩。
27.在一些实施例中，所述面向生产制造的订单预测方法根据公式（一）计算关联系数：
ꢀꢀꢀ
（一）；其中，k
ij
表示订货方i的第二商品所需第一商品中供货方j的供货占比，m表示一件第二商品加工所需第一商品的数量。
28.为了便于说明计算原理，以上述表-1为例进行说明：例如：m2商品加工所需m1商品的数量为2，订货方b1仅从供货方a1订购m1商品，则k
ij
=1；由此得到=2；例如：m3商品加工所需m2商品的数量为6，订购方c从供货方b1订购m2商品的占比为三分之一，从供货方b2订购m2商品的占比为三分之二；则订购方c与供货方b1关联系数为2，与供货方b2关联系数为4。
29.在一些实施例中，供货占比通过以下子步骤得到：向第二商品的订货方的客户端发送模式选择信息，所述模式选择信息包括意向模式和历史模式；接收第二商品的订货方的客户端反馈的确认意向模式信息，所述确认意向模式信息包括其反馈的供货占比；接收第二商品的订货方的客户端反馈的确认历史模式信息，获取所述第二商品的订货方的历史订购信息，根据所述历史订购信息确定所述供货占比。
30.具体的，所述历史订购信息例如包括上一年度的订购信息；通过上述步骤，使得订货方根据其自身需求选择不同的模式；即通过服务端向第二商品的订货方的客户端发送模式选择信息；客户端接收到模式选择信息后，可选择的输出意向模式信息或历史模式信息；其中，意向模式信息可通过客户端自身需求进行自定义编辑，以设定其对于各供
货方的意向供货占比；例如用户在客户端的操作界面点击“模式选择”选项，弹出“模式选择界面”；点击“意向模式”，弹出“输入框”，此时在“输入框”中输入对于“各供货方的意向供货占比”，点击“保存发送”，即可将各供货方的意向供货占比上传至服务端。
31.历史模式信息则通过历史数据，自动生成供货占比。例如用户在客户端的操作界面点击“模式选择”选项，弹出“模式选择界面”；点击“历史模式”，弹出“是否确认”对话框，点击确认，即可将历史模式信息发送至服务端；此时服务端接收到历史模式信息后，获取所述第二商品的订货方的历史订购信息，根据所述历史订购信息确定所述供货占比。
32.进一步的，根据所述历史订购信息确定所述供货占比具体为：获取上一年度第二商品的订货方的历史订购信息，通过历史订购信息得到所述供货占比。
33.通过上述步骤，使得本技术提供的面向生产制造的订单预测方法，可适应于不同用户的使用需求，提高了便利性；同时也有利于进一步提高预测量的准确性。
34.在一些实施例中，所述第一商品信息、第二商品信息包括商品零件清单；所述数量m根据所述商品零件清单得到。
35.实施例2在实施例1的基础上，一些实施例中，所述面向生产制造的订单预测方法还包括以下步骤：获取至少s个历史周期内终端商品的实际出售数量；构建实际出售数量变化曲线；获取至少s个历史周期内第一影响因素值至第n影响因素值，构建第一影响因素变化曲线至第n影响因素变化曲线；计算实际出售数量变化曲线分别与所述第一影响因素变化曲线、第二影响因素变化曲线
……
第n影响因素曲线的第一相关系数、第二相关系数
……
第n相关系数；将所述实际出售数量与第一影响因素值、第二影响因素值
……
第n影响因素值分别拟合，得到实际出售数量与第一影响因素、第二影响因素
……
第n影响因素的第一函数关系、第二函数关系
……
第n函数关系；获取第一影响因素预测值至第n影响因素预测值；根据所述第i影响因素预测值、以及第i函数关系计算得到第i终端商品数量预测值；；基于所有第i相关系数，将所有第i终端商品数量预测值加权平均得到终端商品数量预测值；所述终端商品订单预测邀约中包含所述终端商品数量预测值。
36.具体的，所述历史周期可以为历史年度、历史季度或历史月度，s为设定值可根据实际需求进行设置；例如至少s个历史周期内终端商品的实际出售数量具体为：至少36个历史月度的终端商品的实际出售数量。
37.具体的，所述影响因素值包括利率、汇率、平均气温、摇号的开放数量等；具体的，所述第i相关系数用于表征实际出售数量与第i影响因素值之间的关联程度；所述相关系数大于等于0且小于等于1；具体的，基于所有第i相关系数，将所有第i终端商品数量预测值加权平均得到终端商品数量预测值的方法具体为：根据第一相关系数、第二相关系数
……
第n相关系数，计算权值；例如：第一相关系数为0.4、第二相关系数为0.2、第三相关系数为0.2；则对应第一终端商品数量预测值的权值为50%，第二终端商品数量预测值的权值为25%，第三终端商品数量预测值的权值为25%；加权平均得到终端商品数量预测值；例如：第一终端商品数量预测值为1000，第二终端商品数量预测值为1200，第三终端商品数量预测值为1500，则终端商品数量预测值=1175。
38.具体的，将所述实际出售数量与第一影响因素值、第二影响因素值
……
第n影响因素值分别拟合的拟合方法选用最小二乘法。其中，第i函数关系反应了第i影响因素值与实际出售数量之间的函数关系。
39.上述步骤中，基于历史数据的实际出售数量，并引入影响实际出售数量的影响因素，由此实现了对下一年度（或下一阶段）终端商品数量的预测；由此得到的终端商品数量预测值向终端客户提供了大环境影响下的参考，用户直接可以参考该预测值，也可以根据客户的购买意向、门店人数变化等特有数据确定最终的终端商品数量预测值；或两者相结合得到更为准确的终端商品预测量信息。
40.实施例3本实施例提供一种面向生产制造的订单预测系统，该订单预测系统作为服务端100，用于与各个客户端200连接，如图3所示；面向生产制造的订单预测系统，如图2所示，包括：构建模块1，所述构建模块1用于构建上下游产品关联系数表，所述上下游产品关联系数表包括第一组合信息、对应的第二组合信息及关联系数；所述第一组合信息包括供货方名称及第一商品信息；所述第二组合信息包括与所述第一组合信息对应的订货方名称及使用所述第一商品的第二商品信息；发送模块2，所述发送模块2用于向所有终端商品的订货方的客户端发送终端商品订单预测邀约；接收模块3，所述接收模块3用于接收终端商品的订货方的客户端反馈的终端商品预测量信息；处理模块4：根据所述上下游产品关联系数表及所述终端商品预测量信息生成第一商品预测订单量；所述发送模块2还用于：向所述第一商品的供货方的客户端发送所述第一商品预测订单量。
41.在一些实施例中，所述构建模块1还配置用于：根据公式（一）计算关联系数：
ꢀꢀꢀ
（一）；
其中，k
ij
表示订货方i的第二商品所需第一商品中供货方j的供货占比，m表示一件第二商品加工所需第一商品的数量。
42.在一些实施例中，所述发送模块2还配置用于：向第二商品的订货方的客户端发送模式选择信息，所述模式选择信息包括意向模式和历史模式；所述接收模块3还配置用于：接收第二商品的订货方的客户端反馈的确认意向模式信息，所述确认意向模式信息包括其反馈的供货占比；接收第二商品的订货方的客户端反馈的确认历史模式信息，获取所述第二商品的订货方的历史订购信息；所述处理模块4还配置用于：根据所述历史订购信息确定所述供货占比。
43.在一些实施例中，所述第一商品信息、第二商品信息包括商品零件清单；所述数量m根据所述商品零件清单得到。
44.工作原理：通过构建模块1构建上下游产品关联系数表，由此确定了上下游产品对应于各供货方和订货方之间的对应关系和关联系数，将各级产业的各个供需关系之间建立起桥梁；通过发送模块2向所有终端商品的订货方的客户端发送终端商品订单预测邀约，接收模块3接收终端商品的订货方的客户端反馈的终端商品预测量信息；进而通过处理模块4根据所述上下游产品关联系数表及所述终端商品预测量信息生成第一商品预测订单量；通过上述订单预测系统，可以快速且准确的反映出市场的需求，自下而上的得到各级供应方对于各级商品的预测订单量，为后续排产计划提供了数据支撑，避免产能不足或产能过剩。
45.实施例4在实施例3的基础上，一些实施例中，所述构建模块1还配置用于：获取至少s个历史周期内终端商品的实际出售数量；构建实际出售数量变化曲线；获取至少s个历史周期内第一影响因素值至第n影响因素值，构建第一影响因素变化曲线至第n影响因素变化曲线；计算实际出售数量变化曲线分别与所述第一影响因素变化曲线、第二影响因素变化曲线
……
第n影响因素曲线的第一相关系数、第二相关系数
……
第n相关系数；将所述实际出售数量与第一影响因素值、第二影响因素值
……
第n影响因素值分别拟合，得到实际出售数量与第一影响因素、第二影响因素
……
第n影响因素的第一函数关系、第二函数关系
……
第n函数关系；获取第一影响因素预测值至第n影响因素预测值；根据所述第i影响因素预测值、以及第i函数关系计算得到第i终端商品数量预测值；；基于所有第i相关系数，将所有第i终端商品数量预测值加权平均得到终端商品数量预测值；所述终端商品订单预测邀约中包含所述终端商品数量预测值。
46.以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人
员应当理解，本技术中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。