專(zhuān)利名稱(chēng)：零件庫(kù)存系統(tǒng)中預(yù)測(cè)未來(lái)定單的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及零件庫(kù)存系統(tǒng)中預(yù)測(cè)未來(lái)定單的方法，更具體地說(shuō)涉及預(yù)測(cè)訂貨率低于預(yù)定水平的低訂貨率零件的未來(lái)訂貨量或需求的方法。
背景技術(shù)：
在制造業(yè)中，諸如已銷(xiāo)售給用戶(hù)的車(chē)輛的零件之類(lèi)的各種各樣的產(chǎn)品零件(備用零件)必須庫(kù)存預(yù)定的一段時(shí)間，并且根據(jù)來(lái)自經(jīng)銷(xiāo)商和用戶(hù)的定單供給所述產(chǎn)品零件。目前一般由使用適當(dāng)技術(shù)預(yù)測(cè)未來(lái)訂貨量的專(zhuān)家估計(jì)零件庫(kù)存。
日本公開(kāi)專(zhuān)利申請(qǐng)No.Hei11(1999)-7482教導(dǎo)一種使用蒙特卡羅模擬來(lái)計(jì)劃配銷(xiāo)網(wǎng)絡(luò)中中間供應(yīng)商應(yīng)保持多少庫(kù)存的方法。
一般來(lái)說(shuō)，在產(chǎn)品生產(chǎn)過(guò)程中，零件的定單或需求是相當(dāng)活躍的，并且在生產(chǎn)停止后的一段時(shí)間內(nèi)仍然如此，但之后便逐漸下降，最終達(dá)到每月約1(一個(gè)單位)的比值。
在定單興隆時(shí)，大量的交易產(chǎn)生很多的交易數(shù)據(jù)，使得易于計(jì)劃最佳的庫(kù)存水準(zhǔn)。但是隨著定單的下降，預(yù)測(cè)逐漸變難。在低訂貨率下，即使專(zhuān)家也難以準(zhǔn)確地預(yù)測(cè)未來(lái)的定單數(shù)。
但是事實(shí)是訂貨率低的零件占大多數(shù)。另外，低訂貨率零件還帶來(lái)需要解決的附帶問(wèn)題，例如是否要棄置用于生產(chǎn)這些零件的模具。
因此需要精確預(yù)測(cè)零件，尤其是低訂貨率零件的最終定單或需求(來(lái)自用戶(hù)、經(jīng)銷(xiāo)商等)。上面提及的現(xiàn)有技術(shù)提供的方法局限于根據(jù)事先已知的最終定單，使用蒙特卡羅模擬來(lái)預(yù)測(cè)在中間供應(yīng)商存放的最佳庫(kù)存。

發(fā)明內(nèi)容
于是本發(fā)明的目的是通過(guò)提供一種在零件庫(kù)存管理中預(yù)測(cè)未來(lái)定單的方法，該方法能夠準(zhǔn)確地預(yù)測(cè)零件，尤其是低訂貨率零件的未來(lái)的最終定單，即來(lái)自用戶(hù)、經(jīng)銷(xiāo)商等的定單或需求。
為了實(shí)現(xiàn)上述目的，提供一種預(yù)測(cè)銷(xiāo)售給顧客的產(chǎn)品的低訂貨率零件的未來(lái)定單的方法，更具體地說(shuō)，一種預(yù)測(cè)銷(xiāo)售給顧客的產(chǎn)品的低訂貨率零件的未來(lái)定單的方法，所述零件的訂貨率已低于預(yù)定水準(zhǔn)，并且已被儲(chǔ)存較長(zhǎng)一段時(shí)間，并且當(dāng)被訂購(gòu)時(shí)將被銷(xiāo)售，所述方法包括下述步驟確定各種零件過(guò)去的與時(shí)間相關(guān)的定單記錄，提取其定單記錄表示訂貨率已低于預(yù)定水準(zhǔn)的低訂貨率零件；根據(jù)這樣的各個(gè)定單記錄，至少確定一個(gè)指示訂貨率低于預(yù)定水準(zhǔn)之后的定單特征的參數(shù)，把提取的低訂貨率零件分成多種類(lèi)別，利用指示定單特征的參數(shù)計(jì)算多種類(lèi)別中每一種的定單發(fā)生概率分布；根據(jù)計(jì)算的定單發(fā)生概率分布進(jìn)行蒙特卡羅模擬，以確定預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布；根據(jù)計(jì)算的預(yù)定期間內(nèi)的定單數(shù)的發(fā)生率概率分布，預(yù)測(cè)低訂貨率零件的未來(lái)定單數(shù)。
此外，該方法還包括下述步驟確定每種零件過(guò)去的與時(shí)間相關(guān)的定單記錄，提取其定單記錄表明訂貨率已低于比所述預(yù)定水準(zhǔn)高的第二預(yù)定水準(zhǔn)的第二低訂貨率零件；把提取的第二低訂貨率零件分成多種類(lèi)別，利用指示定單特征的參數(shù)計(jì)算所述多種類(lèi)別中每一種的定單發(fā)生概率分布；根據(jù)計(jì)算的定單發(fā)生概率分布進(jìn)行蒙特卡羅模擬，以確定預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布；根據(jù)計(jì)算的預(yù)定期間內(nèi)的定單數(shù)的發(fā)生率概率分布，計(jì)算第二低訂貨率零件的未來(lái)定單數(shù)；根據(jù)訂貨率低于第二預(yù)定水準(zhǔn)之前的定單記錄和計(jì)算的定單數(shù)，利用回歸分析預(yù)測(cè)第二低訂貨率零件的未來(lái)定單數(shù)。
其中，指示定單特征的參數(shù)至少是定單發(fā)生間隔和定單數(shù)比值之一，最好兩者都是。
其中，定單數(shù)比值是定單期滿之后的定單數(shù)和定單期滿之前的定單數(shù)的比值。
本發(fā)明還提供一種預(yù)測(cè)銷(xiāo)售給顧客的產(chǎn)品的低訂貨率零件的未來(lái)定單的方法，更具體地說(shuō)，預(yù)測(cè)銷(xiāo)售給顧客的產(chǎn)品的低訂貨率零件的未來(lái)定單的方法，所述零件的訂貨率已低于預(yù)定水準(zhǔn)，并且已存儲(chǔ)相當(dāng)一段時(shí)間，并且當(dāng)被訂購(gòu)時(shí)將被銷(xiāo)售，所述方法包括下述步驟確定各個(gè)零件過(guò)去的與時(shí)間相關(guān)的定單記錄，提取其定單記錄表示訂貨率已低于預(yù)定水準(zhǔn)的低訂貨率零件；根據(jù)這樣的各個(gè)定單記錄，確定作為時(shí)間的函數(shù)的定單發(fā)生概率分布和作為定單數(shù)比值的函數(shù)的定單發(fā)生概率分布；根據(jù)計(jì)算的定單發(fā)生概率分布進(jìn)行蒙特卡羅模擬，以確定預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布；根據(jù)計(jì)算的預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布，預(yù)測(cè)低訂貨率零件的未來(lái)定單數(shù)。
其中，定單數(shù)比值是定單期滿之后的定單數(shù)和定單期滿之前的定單數(shù)的比值。
其中，提取的低訂貨率零件被分成多種類(lèi)別，并確定多種類(lèi)別中每一種的定單發(fā)生概率分布。
此外，該方法還包括下述步驟檢查預(yù)測(cè)定單數(shù)的準(zhǔn)確性；并且根據(jù)檢查結(jié)果改變類(lèi)別。


圖1借助用于實(shí)現(xiàn)根據(jù)本發(fā)明實(shí)施例的在零件庫(kù)存管理中預(yù)測(cè)未來(lái)定單的方法的設(shè)備(微處理器)執(zhí)行的處理，綜合說(shuō)明了該方法；圖2表示了在圖1的未來(lái)定單預(yù)測(cè)方法中執(zhí)行的提取低訂貨率零件(極低訂貨率(1)零件和極低訂貨率(2)零件)的處理；圖3表示了利用圖1的未來(lái)定單預(yù)測(cè)方法預(yù)測(cè)的定單數(shù)隨時(shí)間的波動(dòng)；圖4表示了作為定單發(fā)生間隔(指示定單特征的參數(shù))的函數(shù)的定單發(fā)生概率分布，它構(gòu)成圖1中所示未來(lái)定單預(yù)測(cè)方法中的蒙特卡羅模擬輸入；圖5表示了作為定單數(shù)比值(指示定單特征的參數(shù))的函數(shù)的定單發(fā)生概率分布，它構(gòu)成圖1中所示未來(lái)定單預(yù)測(cè)方法中的蒙特卡羅模擬輸入；圖6表示圖4中就每種零件類(lèi)別計(jì)算的作為定單發(fā)生間隔的函數(shù)的定單發(fā)生概率分布的一個(gè)例子；圖7表示圖5中就每種零件類(lèi)別計(jì)算的作為定單數(shù)比值的函數(shù)的定單發(fā)生概率分布的一個(gè)例子；圖8表示利用圖6和7中所示的定單發(fā)生概率分布，在圖1的未來(lái)定單預(yù)測(cè)方法中執(zhí)行的蒙特卡羅模擬；圖9表示借助圖8的蒙特卡羅模擬得到的預(yù)定期間(N月)內(nèi)的定單數(shù)的發(fā)生率概率分布；圖10表示根據(jù)圖9的定單數(shù)的發(fā)生率概率分布進(jìn)行的定單數(shù)的預(yù)測(cè)；圖11表示利用圖8的蒙特卡羅模擬針對(duì)定單預(yù)測(cè)進(jìn)行的預(yù)測(cè)精度檢查的結(jié)果；圖12表示在圖1的未來(lái)定單預(yù)測(cè)方法中借助回歸分析進(jìn)行的定單預(yù)測(cè)；圖13也表示了在圖1的未來(lái)定單預(yù)測(cè)方法中借助回歸分析進(jìn)行的定單預(yù)測(cè)。
具體實(shí)施例方式
下面將參考

根據(jù)本發(fā)明實(shí)施例的在零件庫(kù)存管理中預(yù)測(cè)未來(lái)定單的方法。
圖1是說(shuō)明根據(jù)本發(fā)明實(shí)施例的在零件庫(kù)存管理中預(yù)測(cè)未來(lái)定單的方法的方框圖。
圖1中，預(yù)測(cè)未來(lái)定單的方法被表示為用于實(shí)現(xiàn)該方法的設(shè)備10的處理(在圖中被表示為ENG(引擎))，所述設(shè)備10以微計(jì)算機(jī)的形式構(gòu)成。
如圖1中所示，設(shè)備10與主計(jì)算機(jī)(或主機(jī)；圖中未示出)12相連，主計(jì)算機(jī)12包括主系統(tǒng)定單記錄DB(數(shù)據(jù)庫(kù))12a和主系統(tǒng)零件信息DB(數(shù)據(jù)庫(kù))12b。設(shè)備10訪問(wèn)這些數(shù)據(jù)庫(kù)，以獲得已銷(xiāo)售給顧客的產(chǎn)品的定單記錄和零件信息。零件信息指的是零件名稱(chēng)、零件編號(hào)、目的地(送貨地址)、價(jià)格等等。
本實(shí)施例中，銷(xiāo)售給顧客的產(chǎn)品被定義為分成三類(lèi)四輪車(chē)輛、機(jī)車(chē)(兩輪車(chē)輛)和包括通用發(fā)動(dòng)機(jī)在內(nèi)的通用產(chǎn)品。零件被定義為這些產(chǎn)品的組件(備用零件)。零件分別以個(gè)為單位進(jìn)行交易并被指定零件編號(hào)。
數(shù)據(jù)提取和處理ENG(引擎)10a根據(jù)獲取的數(shù)據(jù)，確定四輪車(chē)輛的各個(gè)零件的歷史記錄，并提取訂貨率低于第一水準(zhǔn)的第一低訂貨率零件(零件組)和訂貨率低于第二預(yù)定水準(zhǔn)的第二低訂貨率零件(零件組)，第二預(yù)定水準(zhǔn)高于第一預(yù)定水準(zhǔn)。
圖2圖解說(shuō)明了這些工作。
如圖所示，當(dāng)零件的月平均定單數(shù)為1或更低，并且在過(guò)去某時(shí)的24個(gè)月內(nèi)該零件沒(méi)有得到任何定單時(shí)，該零件的訂貨率被定義為低于第一預(yù)定水準(zhǔn)。滿足該條件的零件被總稱(chēng)為第一低訂貨率零件(下面也稱(chēng)為“極低訂貨率(1)零件”)。
此外，當(dāng)零件的月平均定單數(shù)為1或更低，并且過(guò)去發(fā)生定單的總月數(shù)為13或更大時(shí)，該零件的訂貨率被定義為低于第二預(yù)定水準(zhǔn)。滿足該條件的零件被總稱(chēng)為第二低訂貨率零件(下面也稱(chēng)為“極低訂貨率)2)零件)。
所謂“零件的月平均定單數(shù)為1或更低，并且過(guò)去發(fā)生定單的總月數(shù)為13或更大”意指零件當(dāng)前具有不大于1的月平均訂貨率，但是在過(guò)去產(chǎn)生一個(gè)或多個(gè)定單的月數(shù)(不論連續(xù)與否)的總和為13或更大。
具體地說(shuō)，如圖2的左側(cè)所示，在產(chǎn)品處于生產(chǎn)過(guò)程中及在生產(chǎn)停止之后的一段時(shí)間內(nèi)，零件的定單或需求一般相當(dāng)活躍，例如每月約5000單位的定單，但是之后便逐漸下降，最終達(dá)到每月約1(1個(gè)單位)的比值。
說(shuō)明書(shū)中的術(shù)語(yǔ)“定單”意指來(lái)自用戶(hù)、經(jīng)銷(xiāo)商等的最終定單(需求)，“定單數(shù)”意指訂購(gòu)的零件數(shù)量(更具體地說(shuō)，訂購(gòu)零件單位數(shù)量)。于是，當(dāng)一次訂購(gòu)三個(gè)單位的零件及當(dāng)逐一分別訂購(gòu)三個(gè)單位的零件時(shí)，一個(gè)月內(nèi)的定單數(shù)均為三。
根據(jù)上面的定義將明白，當(dāng)零件的定單數(shù)降低時(shí)，該零件首先變成極低訂貨率(2)零件，隨后變成極低訂貨率(1)零件。數(shù)據(jù)提取和處理ENG 10a提取極低訂貨率(1)零件和極低訂貨率(2)零件。
重新參見(jiàn)圖1，數(shù)據(jù)提取和處理ENG 10a提取的關(guān)于極低訂貨率(1)零件和極低訂貨率(2)零件的信息被立即存儲(chǔ)在極低訂貨率零件定單預(yù)測(cè)DB(數(shù)據(jù)庫(kù))10b中。
存儲(chǔ)的極低訂貨率零件信息隨后被發(fā)送給定單特征分析數(shù)據(jù)產(chǎn)生ENG 10c、極低訂貨率(1)零件MCS(蒙特卡羅模擬)輸入數(shù)據(jù)產(chǎn)生ENG 10d和極低訂貨率(2)零件輸入數(shù)據(jù)產(chǎn)生ENG 10e。
對(duì)發(fā)送給定單特征分析數(shù)據(jù)產(chǎn)生ENG 10c的極低訂貨率零件信息進(jìn)行統(tǒng)計(jì)分析和特征方程輸入處理，隨后將其輸入包括每種零件的定單發(fā)生鑒別符和定單數(shù)鑒別符的定單發(fā)生鑒別符和定單數(shù)數(shù)鑒別符數(shù)據(jù)庫(kù)10f。定單發(fā)生鑒別符和定單數(shù)鑒別符DB 10f根據(jù)至少一個(gè)指示訂貨率低于第一水準(zhǔn)之后的定單特征的參數(shù)，把從訂購(gòu)零件的記錄中提取的低訂貨率(1)(極低訂貨率(1)零件)分成多種類(lèi)別。
所述多種類(lèi)別不局限于稍早提及的三種類(lèi)別(四輪車(chē)輛、機(jī)車(chē)和通用產(chǎn)品)，還可被進(jìn)一步細(xì)分成24、50、100或更多的組。
輸入定單發(fā)生鑒別符和定單數(shù)鑒別符DB(數(shù)據(jù)庫(kù))10f的數(shù)據(jù)和存儲(chǔ)在極低訂貨率(1)零件MCS輸入數(shù)據(jù)產(chǎn)生ENG 10d中的數(shù)據(jù)一起被發(fā)送給MCS(蒙特卡羅模擬)ENG 10g。
所述“定單發(fā)生鑒別符”和“定單數(shù)鑒別符”是“指示訂貨率低于預(yù)定水準(zhǔn)之后的定單的特征的至少一個(gè)參數(shù)”，更具體地說(shuō)，是指示定單發(fā)生間隔和定單數(shù)比值的參數(shù)。
根據(jù)指示定單特征的參數(shù)，MCS ENG 10g確定屬于每種類(lèi)別的產(chǎn)品的兩種定單發(fā)生概率分布，并把確定的定單發(fā)生概率分布輸入蒙特卡羅模擬，以確定在預(yù)定期間N內(nèi)的定單數(shù)的發(fā)生率概率分布。
下面將說(shuō)明蒙特卡羅模擬中使用的定單預(yù)測(cè)方法。
蒙特卡羅模擬(也稱(chēng)為“蒙特卡羅分析”或“蒙特卡羅技術(shù)”)是一種通過(guò)使已表述為公式的事物返回概率領(lǐng)域，從而解決問(wèn)題的方法論。它通常用于獲得不能利用分析技術(shù)解決的問(wèn)題的近似解答。
通過(guò)對(duì)低訂貨率零件的定單數(shù)的預(yù)測(cè)的廣泛深入研究，發(fā)明人發(fā)現(xiàn)在零件的訂貨率低于較低的水準(zhǔn)之后，該零件的定單數(shù)表現(xiàn)出一定的特征(符合某些規(guī)則)。圖3表示了表示為a、b和c的三種零件的定單數(shù)(月平均數(shù))隨時(shí)間的波動(dòng)。如圖所示，在定單活躍的期間，不同零件的定單數(shù)不同。
但是在需求消失并且定單數(shù)降低到較低的水準(zhǔn)之后，當(dāng)每一種零件的月定單數(shù)降至1或更低，并且每一種零件在過(guò)去都經(jīng)過(guò)24個(gè)月內(nèi)沒(méi)有收到任何定單的情況時(shí)，這些零件間的定單或需求個(gè)性變?nèi)?，并且零件a、b和c的定單數(shù)趨向于共同的模式。于是，這些零件的定單可被看作實(shí)質(zhì)上表現(xiàn)相同的特征。
因此通過(guò)聚焦于這些時(shí)間點(diǎn)(訂貨率低于第一預(yù)定水準(zhǔn)的時(shí)間點(diǎn))，即通過(guò)對(duì)準(zhǔn)訂貨率變低的時(shí)間點(diǎn)，可利用共同特征得到多種零件的定單數(shù)。
通過(guò)進(jìn)一步研究圖3中所示的過(guò)去的隨時(shí)間變化的定單記錄(數(shù)據(jù))，發(fā)明人發(fā)現(xiàn)低訂貨率零件的交易行為表示自最后一次定單(與訂購(gòu)的單位數(shù)無(wú)關(guān))的月數(shù)，即利用作為時(shí)間函數(shù)的定單發(fā)生概率分布表示自最后一次定單的月數(shù)，更具體地說(shuō)，下月中定單發(fā)生的概率分布。
他們還發(fā)現(xiàn)定單記錄(數(shù)據(jù))還把在如24個(gè)月內(nèi)定單維持為零之后訂購(gòu)的零件數(shù)表示為零期間前的定單數(shù)的函數(shù)，即利用作為定單數(shù)比值函數(shù)的定單發(fā)生概率分布來(lái)表示。注意圖3中的x1、x2和x3表示在零定單期之后訂購(gòu)的零件數(shù)為在零定單期之前訂購(gòu)的零件數(shù)的倍數(shù)。
從而，通過(guò)在訂購(gòu)的零件數(shù)方面考慮零定單期前后的訂貨行為，可準(zhǔn)確確定定單發(fā)生概率分布。于是可進(jìn)一步提高低訂貨率零件的未來(lái)定單數(shù)的精確度。
圖4表示了根據(jù)前述知識(shí)，通過(guò)近似地標(biāo)繪隨時(shí)間變化的定單記錄數(shù)據(jù)(由點(diǎn)表示)得到的作為時(shí)間函數(shù)的定單發(fā)生概率分布，更具體地說(shuō)，作為定單發(fā)生間隔(月)的函數(shù)的定單發(fā)生概率分布。
圖5表示通過(guò)分析隨時(shí)間變化的過(guò)去的定單記錄而獲得的定單發(fā)生概率分布，它為定單數(shù)比值的函數(shù)。
“定單數(shù)比值”為定單期滿之后的定單數(shù)和定單期滿之前的定單數(shù)的比值。更具體地說(shuō)，定單數(shù)的比值＝(定單持續(xù)24個(gè)月為零之后產(chǎn)生定單的月份中的定單數(shù))/(緊接定單持續(xù)24個(gè)月為零之前的定單數(shù))。簡(jiǎn)單地說(shuō)，定單數(shù)的比值為定單期滿前后的定單數(shù)之間的比值。
圖4和5中圖解說(shuō)明的特征視零件種類(lèi)而不同。提取的極低訂貨率(1)零件于是被分成多種類(lèi)別。隨后，如圖6和7中分別所示，確定每種類(lèi)別的作為時(shí)間函數(shù)的定單發(fā)生概率分布(圖4中所示)和作為定單數(shù)比值的函數(shù)的定單發(fā)生概率分布(圖5中所示)。
通過(guò)確定每種極低訂貨率(1)零件的定單發(fā)生間隔和定單數(shù)比值(指示訂貨率低于預(yù)定水準(zhǔn)之后的定單特征的參數(shù))，并把具有相似參數(shù)的零件放入相同的類(lèi)別中，完成零件的分類(lèi)。
雖然圖6和7中只表示了四種類(lèi)別A、B、C和D，不過(guò)這只是為了簡(jiǎn)化說(shuō)明起見(jiàn)，實(shí)際上零件被細(xì)分為24、50或更多的類(lèi)別。
接下來(lái)，如圖8中所示，根據(jù)圖6和7中所示的兩種定單發(fā)生概率分布，重復(fù)蒙特卡羅模擬(例如5000次)。借此如圖9中所示，確定在多少個(gè)月的期間，多少零件將被訂購(gòu)的概率，即，預(yù)定期間(N月)內(nèi)可能的總定單數(shù)。
針對(duì)零件所屬的類(lèi)別，選擇圖6和7中所示的兩種確定的定單發(fā)生概率分布，并且關(guān)于每個(gè)選擇的定單發(fā)生概率分布分別進(jìn)行蒙特卡羅模擬。
換句話說(shuō)，根據(jù)通過(guò)假定未來(lái)的定單發(fā)生概率分布和根據(jù)定單記錄已知的過(guò)去的定單發(fā)生概率分布相同，可預(yù)測(cè)未知的未來(lái)定單數(shù)的知識(shí)實(shí)現(xiàn)本發(fā)明。
從而，作為時(shí)間和定單數(shù)比值的函數(shù)的定單發(fā)生概率分布中的至少一個(gè)被聚焦為指示定單特征的參數(shù)，計(jì)算該定單發(fā)生概率分布，并且計(jì)算的定單發(fā)生概率分布被用作蒙特卡羅模擬輸入。從而，可以蒙特卡羅模擬的輸出的形式，得到類(lèi)似預(yù)定期間的定單發(fā)生率概率分布。從而，進(jìn)一步提高低訂貨率零件的未來(lái)定單數(shù)的預(yù)測(cè)精度。
隨后根據(jù)計(jì)算得到的N月內(nèi)定單數(shù)(定單總數(shù))的發(fā)生率概率分布，預(yù)測(cè)(計(jì)算)極低訂貨率(1)零件的未來(lái)定單數(shù)。更具體地說(shuō)，如圖10中所示，預(yù)測(cè)在Z％的覆蓋率(相對(duì)于定單的目標(biāo)供給率)下，為了滿足N月內(nèi)所涉及類(lèi)別中的極低訂貨率(1)零件的定單，需要數(shù)目為Yz的零件。
由于N個(gè)月的期間可被設(shè)置為所需的任意長(zhǎng)度，因此恰當(dāng)?shù)剡x擇對(duì)應(yīng)于所需的預(yù)測(cè)期間的數(shù)值就足夠了。
因此，可預(yù)測(cè)所需時(shí)間長(zhǎng)度內(nèi)的零件定單數(shù)(更準(zhǔn)確地說(shuō)，零件的定單總數(shù))的事實(shí)為表示這種未來(lái)定單預(yù)測(cè)方法的一個(gè)特征。
于是，通過(guò)根據(jù)所需的預(yù)測(cè)期間或預(yù)測(cè)數(shù)目恰當(dāng)?shù)卦O(shè)置該期間，可實(shí)現(xiàn)定單的精確預(yù)測(cè)。另外，還可以，例如通過(guò)設(shè)置長(zhǎng)度較短的期間降低定單數(shù)，或者通過(guò)檢查由縱軸表示的定單發(fā)生率概率是否不小于預(yù)定值降低定單數(shù)。
下面將參考圖1中所示的結(jié)構(gòu)說(shuō)明上述內(nèi)容。在MCS ENG 10g中通過(guò)蒙特卡羅模擬得到的數(shù)據(jù)(N月內(nèi)定單總數(shù)的發(fā)生率概率分布)被發(fā)送給計(jì)算結(jié)果顯示ENG 10h。
根據(jù)該數(shù)據(jù)，計(jì)算結(jié)果顯示ENG 10h預(yù)測(cè)(計(jì)算)極低訂貨率(1)的未來(lái)定單數(shù)，并借助CRT或打印機(jī)(圖中均未示出)顯示或打印預(yù)測(cè)結(jié)果。
MCS ENG 10g的輸出也被發(fā)送給預(yù)測(cè)精度檢查數(shù)據(jù)產(chǎn)生ENG10i，它檢查極低訂貨率(1)零件類(lèi)別是否適當(dāng)，必要時(shí)重置該類(lèi)別或者指定一個(gè)新的類(lèi)別。
具體地說(shuō)，根據(jù)到過(guò)去某一時(shí)刻為止，所關(guān)心類(lèi)別中的極低訂貨率(1)零件的定單記錄，預(yù)測(cè)精度檢查數(shù)據(jù)產(chǎn)生ENG 10i預(yù)測(cè)從該時(shí)刻到另一過(guò)去時(shí)刻的定單。隨后它通過(guò)比較預(yù)測(cè)結(jié)果和記錄數(shù)據(jù)，檢查預(yù)測(cè)精度，并且當(dāng)確定預(yù)測(cè)精度較低時(shí)重置該類(lèi)別或者指定一個(gè)新的類(lèi)別。
設(shè)置較少數(shù)目的類(lèi)別使處理工作較簡(jiǎn)單，但是會(huì)降低預(yù)測(cè)精度。于是如前所述，在本實(shí)施例中，類(lèi)別數(shù)目被設(shè)置為，例如24、50或更多。
圖11表示了當(dāng)把本實(shí)施例的未來(lái)定單預(yù)測(cè)方法應(yīng)用于分成24類(lèi)的239000件低訂貨率零件，檢查預(yù)測(cè)精度并將其與過(guò)去定單的記錄進(jìn)行比較時(shí)得到的結(jié)果。
雖然預(yù)測(cè)精度檢查數(shù)據(jù)產(chǎn)生ENG 10i進(jìn)行類(lèi)似的處理，但是圖11中所示者與其在項(xiàng)目數(shù)量方面有差別?！绊?xiàng)目”意指與零件目的地相聯(lián)系的零件數(shù)。于是，當(dāng)相同零件具有日本和美國(guó)作為目的地時(shí)，項(xiàng)目數(shù)為2。
圖11表示在假定儲(chǔ)存采用本實(shí)施例的定單預(yù)測(cè)方法預(yù)測(cè)零件庫(kù)存的情況下，相對(duì)于239000件零件在90％、95％、98％和99.6％覆蓋率下的短缺比值和符合比值(縱軸)。
“短缺比值”意指未被滿足的定單的百分比，“符合比值”意指被滿足的定單的百分比。雖然短缺比值一般是從100％中減去符合比值而得到的數(shù)值，不過(guò)由于檢查期間內(nèi)異常定單的出現(xiàn)，短缺比值、符合比值和異常定單(例如在99.6％的覆蓋率下的0.15％)之和被定義為100％。
從圖中可看出，所需的符合比值基本被實(shí)現(xiàn)的事實(shí)證實(shí)本實(shí)施例的未來(lái)定單預(yù)測(cè)方法的功效。
重新參見(jiàn)圖1，極低訂貨率(2)零件輸入數(shù)據(jù)產(chǎn)生ENG 10e的輸出被直接發(fā)送給極低訂貨率(2)零件定單預(yù)測(cè)ENG 10j，另外還通過(guò)MCS ENG 10g被發(fā)送給極低訂貨率(2)零件定單預(yù)測(cè)ENG 10j。
總之，在本實(shí)施例中，利用蒙特卡羅模擬以前述方式預(yù)測(cè)極低訂貨率(1)零件的定單，而對(duì)極低訂貨率(2)零件使用回歸分析技術(shù)。此外，在回歸分析中確定回歸直線情況下，通過(guò)蒙特卡羅模擬得到的定單預(yù)測(cè)值(定單數(shù))被加入已知的數(shù)據(jù)中。換句話說(shuō)，在極低訂貨率(2)零件的情況下，結(jié)合蒙特卡羅分析和回歸分析的優(yōu)點(diǎn)進(jìn)行預(yù)測(cè)。
這將參考圖12進(jìn)行說(shuō)明。如圖12中上面所示，當(dāng)定單很大時(shí)，最方便的是處理為單位時(shí)間的定單量(定單數(shù))。但是當(dāng)定單量降低到某一較低水準(zhǔn)時(shí)，人工設(shè)置的單位時(shí)間導(dǎo)致數(shù)據(jù)本身發(fā)生變化。
于是，如圖12左下側(cè)所示，利用累積的定單數(shù)處理低訂貨率零件(更具體地說(shuō)，極低訂貨率(2)零件)。具體地說(shuō)，利用指數(shù)函數(shù)使如圖12右下側(cè)所示的累積定單數(shù)(記錄數(shù)據(jù))線性化，并根據(jù)結(jié)果畫(huà)出回歸直線。
具體地說(shuō)，如圖13中所示，諸如最小二乘法之類(lèi)的已知技術(shù)被用于確定回歸系數(shù)及畫(huà)出直線，借助蒙特卡羅模擬獲得的數(shù)據(jù)中的任意數(shù)值(以附圖標(biāo)記Md表示)被用于確定回歸直線。
雖然回歸分析和蒙特卡羅分析是完全不同的技術(shù)，但是由于如前所述，當(dāng)零件的定單下降時(shí)，零件通常首先變成極低訂貨率(2)零件，隨后變成極低訂貨率零件(1)，另外采用蒙特卡羅模擬得到的極低訂貨率(1)零件定單預(yù)測(cè)被確認(rèn)為非常準(zhǔn)確，因此采用了前述安排。
盡管如此，但是由于如前所述，極低訂貨率(2)零件在時(shí)間上先于極低訂貨率(1)零件，因此必須在不利用蒙特卡羅模擬對(duì)所關(guān)心零件進(jìn)行定單預(yù)測(cè)的情況下，預(yù)測(cè)極低訂貨率(2)零件的未來(lái)定單。
于是在本實(shí)施例中，針對(duì)極低訂貨率零件(1)構(gòu)建上述方法，當(dāng)關(guān)于極低訂貨率(2)零件確定各種類(lèi)別的作為時(shí)間函數(shù)的定單發(fā)生概率分布和作為定單數(shù)比值的函數(shù)的定單發(fā)生概率分布時(shí)，當(dāng)計(jì)算定單數(shù)的比值時(shí)，代替24個(gè)月，使用例如幾個(gè)月的較短期間。
圖13中，L1是單獨(dú)根據(jù)已知數(shù)據(jù)得到的回歸直線，L2是根據(jù)已知數(shù)據(jù)和借助修正后的蒙特卡羅模擬得到的數(shù)值Md獲得的回歸直線。圖13中，回歸直線L1僅僅被表示為基準(zhǔn)?；貧w直線L2被用在本實(shí)施例的未來(lái)定單預(yù)測(cè)方法中。
于是，回歸直線L2上對(duì)應(yīng)于圖13中橫軸上指出的預(yù)測(cè)期間的數(shù)值為縱軸上指出的預(yù)測(cè)定單數(shù)。和極低訂貨率(1)零件的情況一樣，極低訂貨率(2)零件的未來(lái)定單同樣被預(yù)測(cè)為所需長(zhǎng)度期間內(nèi)的定單數(shù)。
由于按照這種方式通過(guò)結(jié)合蒙特卡羅分析和回歸分析的優(yōu)點(diǎn)，進(jìn)行關(guān)于極低訂貨率(2)零件的未來(lái)定單預(yù)測(cè)，因此可進(jìn)一步提高未來(lái)定單數(shù)的預(yù)測(cè)精度，雖然極低訂貨率(2)零件的交易行為不一定會(huì)表現(xiàn)針對(duì)圖3說(shuō)明的極低訂貨率(1)零件的特征。
重新參見(jiàn)圖1，極低訂貨率(2)零件定單預(yù)測(cè)ENG 10j根據(jù)極低訂貨率(2)零件輸入數(shù)據(jù)產(chǎn)生ENG 10e和MCS ENG 10g的輸出，按照前述方式確定回歸直線L2。
極低訂貨率(2)零件定單預(yù)測(cè)ENG 10j的輸出和MCS ENG 10g的輸出一起被發(fā)送給計(jì)算結(jié)果顯示ENG 10h，計(jì)算結(jié)果顯示ENG 10h預(yù)測(cè)(計(jì)算)極低訂貨率(2)零件的未來(lái)定單數(shù)，并借助CRT或打印機(jī)(圖中均未表示出)顯示或打印預(yù)測(cè)結(jié)果。
由于前述配置的緣故，本實(shí)施例可準(zhǔn)確地預(yù)測(cè)定單數(shù)已降至每月約一個(gè)單位或更小的低訂貨率零件的未來(lái)定單數(shù)，并且據(jù)此能夠恰當(dāng)?shù)卮_定庫(kù)存管理數(shù)量。
此外，由于可準(zhǔn)確地預(yù)測(cè)低訂貨率零件的未來(lái)定單，可正確地確定是否廢棄用于生產(chǎn)零件的模具。
另外，由于可準(zhǔn)確地預(yù)測(cè)低訂貨率零件的未來(lái)定單，因此可容易地確定涉及庫(kù)存管理的管理策略，包括覆蓋率。
此外，如圖1中所示，由于預(yù)測(cè)精度檢查數(shù)據(jù)產(chǎn)生ENG 10i檢測(cè)預(yù)測(cè)精度，并且當(dāng)必要時(shí)根據(jù)檢查結(jié)果重置(改變)類(lèi)別，即，由于本實(shí)施例被配置成能夠逐步發(fā)展未來(lái)定單預(yù)測(cè)方法，因此可以不斷地提高預(yù)測(cè)精度。
此外，由于進(jìn)行極低訂貨率(1)零件和極低訂貨率(2)零件的分類(lèi)，因此利用蒙特卡羅分析預(yù)測(cè)前者的定單數(shù)，利用蒙特卡羅分析和回歸分析預(yù)測(cè)后者的定單數(shù)，即由于結(jié)合了兩個(gè)分析方法的優(yōu)點(diǎn)，進(jìn)一步提高了預(yù)測(cè)精度。
換句話說(shuō)，即使極低訂貨率(2)零件不一定會(huì)表現(xiàn)出和參考圖3關(guān)于極低訂貨率(1)零件說(shuō)明的相同特征，也可進(jìn)一步提高未來(lái)定單數(shù)的預(yù)測(cè)精度。
此外，由于未來(lái)的定單被預(yù)測(cè)為所需一段時(shí)間內(nèi)的定單數(shù)(定單總數(shù))，因此根據(jù)所需的預(yù)測(cè)期間或預(yù)測(cè)數(shù)目可以最優(yōu)地預(yù)測(cè)定單。
如前所述，本實(shí)施例被配置成具有一種預(yù)測(cè)銷(xiāo)售給顧客的產(chǎn)品(四輪車(chē)輛、機(jī)車(chē)和通用產(chǎn)品)的低訂貨率零件的未來(lái)定單的方法，更具體地說(shuō)，一種預(yù)測(cè)銷(xiāo)售給顧客的產(chǎn)品的低訂貨率零件的未來(lái)定單的方法，所述零件的訂貨率已低于預(yù)定水準(zhǔn)，并且已被儲(chǔ)存較長(zhǎng)一段時(shí)間，并且當(dāng)被訂購(gòu)時(shí)將被銷(xiāo)售，所述方法包括下述步驟確定各個(gè)零件過(guò)去的與時(shí)間相關(guān)的定單記錄，提取其定單記錄表示訂貨率已低于預(yù)定水準(zhǔn)的低訂貨率零件(極低訂貨率(1)零件；數(shù)據(jù)提取和處理ENG 10a和極低訂貨率零件定單預(yù)測(cè)DB 10b)，根據(jù)這樣的各個(gè)定單記錄，確定至少一個(gè)指示訂貨率低于預(yù)定水準(zhǔn)之后的定單特征的參數(shù)，把提取的低訂貨率零件分成多種類(lèi)別，利用指示定單特征的參數(shù)計(jì)算多種類(lèi)別中每種類(lèi)別的定單發(fā)生概率分布(定單特征分析數(shù)據(jù)產(chǎn)生ENG 10c、極低訂貨率(1)零件MCS輸入數(shù)據(jù)產(chǎn)生ENG 10d、定單發(fā)生鑒別符和定單數(shù)鑒別符DB 10f、預(yù)測(cè)精度檢查數(shù)據(jù)產(chǎn)生ENG 10i和MCSENG 10g)，根據(jù)計(jì)算的定單發(fā)生概率分布進(jìn)行蒙特卡羅模擬，以確定預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布(N月；MCS ENG 10g)，并根據(jù)計(jì)算的預(yù)定期間內(nèi)的定單數(shù)的發(fā)生率概率分布，預(yù)測(cè)低訂貨率零件的未來(lái)定單數(shù)(定單總數(shù))(計(jì)算結(jié)果顯示ENG 10h)。
從而，確定各種零件過(guò)去的與時(shí)間相關(guān)的定單記錄，提取其定單記錄表明訂貨率已低于預(yù)定水準(zhǔn)的低訂貨率零件，根據(jù)這樣的各個(gè)定單記錄，確定至少一個(gè)指示訂貨率低于預(yù)定水準(zhǔn)之后的定單特征的參數(shù)，把提取的低訂貨率零件分成多種類(lèi)別，指示定單特征的參數(shù)被用于計(jì)算多種類(lèi)別中每種類(lèi)別的定單發(fā)生概率分布，根據(jù)計(jì)算的定單發(fā)生概率分布進(jìn)行蒙特卡羅模擬，以確定預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布，并且根據(jù)計(jì)算得到的預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布，預(yù)測(cè)低訂貨率零件的未來(lái)定單數(shù)。由于從而可準(zhǔn)確地預(yù)測(cè)其訂貨率已低于較低水準(zhǔn)的零件的未來(lái)定單數(shù)，因此能夠恰當(dāng)?shù)卮_定庫(kù)存管理數(shù)量。另外，能夠正確地確定是否棄置用于生產(chǎn)零件的模具，并且能夠容易地確定包括覆蓋率在內(nèi)的和庫(kù)存管理相關(guān)的管理策略。
該方法還包括下述步驟確定每種零件過(guò)去的與時(shí)間相關(guān)的定單記錄，提取其定單記錄表明訂貨率已低于比所述預(yù)定水準(zhǔn)高的第二預(yù)定水準(zhǔn)的第二低訂貨率零件(極低訂貨率(2)零件；數(shù)據(jù)提取和處理ENG 10a和極低訂貨率零件定單預(yù)測(cè)DB 10b)，把提取的低訂貨率零件分成多種類(lèi)別，利用指示定單特征的參數(shù)計(jì)算所述多種類(lèi)別中每種類(lèi)別的定單發(fā)生概率分布(定單特征分析數(shù)據(jù)產(chǎn)生ENG 10c，極低訂貨率(1)零件MCS輸入數(shù)據(jù)產(chǎn)生ENG 10d，定單發(fā)生鑒別符和定單數(shù)鑒別符DB 10f，預(yù)測(cè)精度檢查數(shù)據(jù)產(chǎn)生ENG 10i和MCS ENG 10g)，根據(jù)計(jì)算的定單發(fā)生概率分布進(jìn)行蒙特卡羅模擬，以確定預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布(MCS ENG 10g)，根據(jù)計(jì)算的預(yù)定期間內(nèi)的定單數(shù)的發(fā)生率概率分布，計(jì)算第二低訂貨率零件的未來(lái)定單數(shù)，并且根據(jù)訂貨率低于第二預(yù)定水準(zhǔn)之前的定單記錄和計(jì)算得到的定單數(shù)，利用回歸分析預(yù)測(cè)第二低訂貨率零件的未來(lái)定單數(shù)(極低訂貨率(2)零件定單預(yù)測(cè)ENG 10j和計(jì)算結(jié)果顯示ENG 10h)。
從而，確定各種零件過(guò)去的與時(shí)間相關(guān)的定單記錄，提取其定單記錄表明訂貨率已低于比所述預(yù)定水準(zhǔn)高的第二預(yù)定水準(zhǔn)的第二低訂貨率零件，提取的低訂貨率零件被分成多種類(lèi)別，指示定單特征的參數(shù)被用于計(jì)算多種類(lèi)別中每種類(lèi)別的定單發(fā)生概率分布，根據(jù)計(jì)算的定單發(fā)生概率分布進(jìn)行蒙特卡羅模擬，以確定預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布，根據(jù)計(jì)算得到的預(yù)定期間內(nèi)訂購(gòu)零件數(shù)目的概率分布，計(jì)算第二低訂貨率零件的未來(lái)定單數(shù)，并且根據(jù)訂貨率低于第二預(yù)定水準(zhǔn)之前的定單記錄和計(jì)算的定單數(shù)，借助回歸分析預(yù)測(cè)第二低訂貨率零件的未來(lái)定單數(shù)。換句話說(shuō)，結(jié)合蒙特卡羅分析和回歸分析的優(yōu)點(diǎn)來(lái)進(jìn)行預(yù)測(cè)。于是即使在不同的低訂貨率零件的交易行為不一定會(huì)表現(xiàn)出相同特征的情況下，也可進(jìn)一步提高未來(lái)定單數(shù)的預(yù)測(cè)精度。
所述至少一個(gè)指示定單特征的參數(shù)至少是定單發(fā)生間隔(月；圖4中所示)和定單數(shù)比值(圖5中所示)之一，最好兩者都是。
當(dāng)按照這種方式，把定單發(fā)生間隔和定單數(shù)比值至少之一表示為指示定單特征的參數(shù)時(shí)，則當(dāng)據(jù)此計(jì)算的定單發(fā)生概率分布被輸入蒙特卡羅模擬時(shí)，可以蒙特卡羅模擬的輸出的形式計(jì)算類(lèi)似預(yù)定期間的定單數(shù)的發(fā)生率概率分布。從而，可進(jìn)一步提高低訂貨率零件的未來(lái)定單數(shù)的預(yù)測(cè)精度。
定單數(shù)比值是定單期滿之后的定單數(shù)和定單期滿之前的定單數(shù)的比值，更具體地說(shuō)，定單數(shù)的比值為(定單持續(xù)24個(gè)月為零之后產(chǎn)生定單的月份中的定單數(shù))/(緊接定單持續(xù)24個(gè)月為零之前的定單數(shù))。
通過(guò)從定單數(shù)方面考慮定單期滿前后的定單行為，能夠準(zhǔn)確地計(jì)算定單發(fā)生概率分布。從而進(jìn)一步提高低訂貨率零件的未來(lái)定單數(shù)的預(yù)測(cè)精度。
另外，本實(shí)施例被配置成具有一種預(yù)測(cè)銷(xiāo)售給顧客的產(chǎn)品(四輪車(chē)輛、機(jī)車(chē)和通用產(chǎn)品)的低訂貨率零件的未來(lái)定單的方法，更具體地說(shuō)，預(yù)測(cè)銷(xiāo)售給顧客的產(chǎn)品的低訂貨率零件的未來(lái)定單的方法，所述零件的訂貨率已低于預(yù)定水準(zhǔn)，并且已存儲(chǔ)相當(dāng)一段時(shí)間，并且當(dāng)被訂購(gòu)時(shí)將被銷(xiāo)售，所述方法包括下述步驟確定各個(gè)零件過(guò)去的與時(shí)間相關(guān)的定單記錄，提取其定單記錄表示訂貨率已低于預(yù)定水準(zhǔn)的低訂貨率零件(極低訂貨率(1)零件；數(shù)據(jù)提取和處理ENG 10a和極低訂貨率零件定單預(yù)測(cè)DB 10b)，根據(jù)這樣的各個(gè)定單記錄，確定作為時(shí)間函數(shù)的定單發(fā)生概率分布和作為定單數(shù)比值的函數(shù)的定單發(fā)生概率分布(定單特征分析數(shù)據(jù)產(chǎn)生ENG 10c、極低訂貨率(1)零件MCS輸入數(shù)據(jù)產(chǎn)生ENG 10d、定單發(fā)生鑒別符和定單數(shù)鑒別符DB10f、預(yù)測(cè)精度檢查數(shù)據(jù)產(chǎn)生ENG 10i和MCS ENG 10g)，根據(jù)計(jì)算的定單發(fā)生概率分布進(jìn)行蒙特卡羅模擬，以確定預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布(N月；MCS ENG 10g)，并根據(jù)計(jì)算的預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布，預(yù)測(cè)低訂貨率零件的未來(lái)定單數(shù)(計(jì)算結(jié)果顯示ENG 10h)。
從而，確定各種零件過(guò)去的與時(shí)間相關(guān)的定單記錄，提取其定單記錄表明訂貨率已低于預(yù)定水準(zhǔn)的低訂貨率零件，根據(jù)這樣的各個(gè)定單記錄，確定作為時(shí)間函數(shù)的定單發(fā)生概率分布和作為定單數(shù)比值的函數(shù)的定單發(fā)生概率分布，根據(jù)計(jì)算的定單發(fā)生概率分布進(jìn)行蒙特卡羅模擬，以確定預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布，并且根據(jù)計(jì)算得到的預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布，預(yù)測(cè)低訂貨率零件的未來(lái)定單數(shù)。換句話說(shuō)，作為時(shí)間函數(shù)的定單發(fā)生概率分布和作為定單數(shù)比值的函數(shù)的定單發(fā)生概率分布的至少之一被集中于計(jì)算輸入蒙特卡羅模擬的定單發(fā)生概率分布中，從而通過(guò)以蒙特卡羅模擬的輸出的形式計(jì)算類(lèi)似預(yù)定期間的定單數(shù)的發(fā)生率概率分布，可預(yù)測(cè)定單數(shù)。從而可準(zhǔn)確地預(yù)測(cè)低訂貨率零件的未來(lái)定單數(shù)，再近似確定庫(kù)存管理數(shù)量。另外，可正確地確定是否棄置用于生產(chǎn)零件的模具，并且可容易地確定包括覆蓋率在內(nèi)的和庫(kù)存管理策略相關(guān)的管理策略。
另外還提供一種配置，其中提取的低訂貨率零件被分成多種類(lèi)別(例如24或50)，并確定多種類(lèi)別中每一種的定單發(fā)生概率分布(定單特征分析數(shù)據(jù)產(chǎn)生ENG 10c、極低訂貨率(1)零件MCS輸入數(shù)據(jù)產(chǎn)生ENG 10d、定單發(fā)生鑒別符和定單數(shù)鑒別符DB 10f、預(yù)測(cè)精度檢查數(shù)據(jù)產(chǎn)生ENG 10i和MCS ENG 10g)。
從而，提取的低訂貨率零件被分成多種類(lèi)別，并且確定多種類(lèi)別中每一種的定單發(fā)生概率分布。由于因此可考慮特定于零件的定單行為，從而可進(jìn)一步提高低訂貨率零件的未來(lái)定單數(shù)的預(yù)測(cè)精度。
還提供了一種具有下述步驟的配置檢查預(yù)測(cè)定單數(shù)的準(zhǔn)確性；并且根據(jù)檢查結(jié)果改變類(lèi)別(預(yù)測(cè)精度檢查數(shù)據(jù)產(chǎn)生ENG 10i)。
從而，檢查預(yù)測(cè)定單數(shù)的準(zhǔn)確性，并且根據(jù)檢查結(jié)果改變類(lèi)別。換句話說(shuō)，逐步發(fā)展定單預(yù)測(cè)。從而，可不斷提高低訂貨率零件的未來(lái)定單數(shù)的預(yù)測(cè)精度。
雖然前面以月為單位規(guī)定了期間和時(shí)間間隔，但是也可以利用表示期間或時(shí)間間隔的任意其它單位，例如天、周、雙周、季或年規(guī)定期間或時(shí)間間隔。
借助本發(fā)明，能夠準(zhǔn)確地預(yù)測(cè)定單數(shù)已降至每月約一個(gè)單位或更小的低訂貨率零件的未來(lái)定單數(shù)，并且據(jù)此能夠恰當(dāng)?shù)卮_定庫(kù)存管理數(shù)量。此外，由于可準(zhǔn)確地預(yù)測(cè)低訂貨率零件的未來(lái)定單，因此能夠正確地確定是否棄置用于生產(chǎn)零件的模具。另外，由于可準(zhǔn)確地預(yù)測(cè)低訂貨率零件的未來(lái)定單，因此可容易地確定包括覆蓋率在內(nèi)的與庫(kù)存管理相關(guān)的管理策略。
權(quán)利要求
1.一種預(yù)測(cè)銷(xiāo)售給顧客的產(chǎn)品的零件的未來(lái)定單的方法，包括下述步驟a.確定各種零件過(guò)去的與時(shí)間相關(guān)的定單記錄，提取其定單記錄表示訂貨率已低于預(yù)定水準(zhǔn)的低訂貨率零件；b.根據(jù)這樣的各個(gè)定單記錄，至少確定一個(gè)指示訂貨率低于預(yù)定水準(zhǔn)之后的定單特征的參數(shù)，把提取的低訂貨率零件分成多種類(lèi)別，利用指示定單特征的參數(shù)計(jì)算多種類(lèi)別中每一種的定單發(fā)生概率分布；c.根據(jù)計(jì)算的定單發(fā)生概率分布進(jìn)行蒙特卡羅模擬，以確定預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布；d.根據(jù)計(jì)算的預(yù)定期間內(nèi)的定單數(shù)的發(fā)生率概率分布，預(yù)測(cè)低訂貨率零件的未來(lái)定單數(shù)。
2.按照權(quán)利要求1所述的方法還包括下述步驟e.確定每種零件過(guò)去的與時(shí)間相關(guān)的定單記錄，提取其定單記錄表明訂貨率已低于比所述預(yù)定水準(zhǔn)高的第二預(yù)定水準(zhǔn)的第二低訂貨率零件；f.把提取的第二低訂貨率零件分成多種類(lèi)別，利用指示定單特征的參數(shù)計(jì)算所述多種類(lèi)別中每一種的定單發(fā)生概率分布；g.根據(jù)計(jì)算的定單發(fā)生概率分布進(jìn)行蒙特卡羅模擬，以確定預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布；h.根據(jù)計(jì)算的預(yù)定期間內(nèi)的定單數(shù)的發(fā)生率概率分布，計(jì)算第二低訂貨率零件的未來(lái)定單數(shù)；i.根據(jù)訂貨率低于第二預(yù)定水準(zhǔn)之前的定單記錄和計(jì)算的定單數(shù)，利用回歸分析預(yù)測(cè)第二低訂貨率零件的未來(lái)定單數(shù)。
3.按照權(quán)利要求1或2所述的方法，其中指示定單特征的參數(shù)至少是定單發(fā)生間隔和定單數(shù)比值之一。
4.按照權(quán)利要求3所述的方法，其中定單數(shù)比值是定單期滿之后的定單數(shù)和定單期滿之前的定單數(shù)的比值。
5.一種預(yù)測(cè)銷(xiāo)售給顧客的產(chǎn)品的零件的未來(lái)定單的方法，包括下述步驟j.確定各個(gè)零件過(guò)去的與時(shí)間相關(guān)的定單記錄，提取其定單記錄表示訂貨率已低于預(yù)定水準(zhǔn)的低訂貨率零件；k.根據(jù)這樣的各個(gè)定單記錄，確定作為時(shí)間函數(shù)的定單發(fā)生概率分布和作為定單數(shù)比值的函數(shù)的定單發(fā)生概率分布；1.根據(jù)計(jì)算的定單發(fā)生概率分布進(jìn)行蒙特卡羅模擬，以確定預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布；m.根據(jù)計(jì)算的預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布，預(yù)測(cè)低訂貨率零件的未來(lái)定單數(shù)。
6.按照權(quán)利要求5所述的方法，其中定單數(shù)比值是定單期滿之后的定單數(shù)和定單期滿之前的定單數(shù)的比值。
7.按照權(quán)利要求5或6所述的方法，其中提取的低訂貨率零件被分成多種類(lèi)別，并確定多種類(lèi)別中每一種的定單發(fā)生概率分布。
8.按照權(quán)利要求1-7任一所述的方法，還包括下述步驟n.檢查預(yù)測(cè)定單數(shù)的準(zhǔn)確性；以及o.根據(jù)檢查結(jié)果改變類(lèi)別。
全文摘要
提取其訂貨率已低于預(yù)定水準(zhǔn)的低訂貨率零件,確定指示定單特征的參數(shù),并把提取的低訂貨率零件分成多種類(lèi)別。隨后,利用所述參數(shù)計(jì)算每種類(lèi)別的定單發(fā)生概率分布。根據(jù)計(jì)算的定單發(fā)生概率分布進(jìn)行蒙特卡羅模擬,確定預(yù)定期間內(nèi)的定單數(shù)的發(fā)生率概率分布,并且根據(jù)計(jì)算的預(yù)定期間內(nèi)定單數(shù)的發(fā)生率概率分布,預(yù)測(cè)低訂貨率零件的未來(lái)定單數(shù)。據(jù)此,在零件庫(kù)存管理中,能夠準(zhǔn)確地預(yù)測(cè)其定單已低于,例如每月一個(gè)單位或更低的低訂貨率零件的未來(lái)定單數(shù)。
文檔編號(hào)G06Q50/00GK1386234SQ01802034
公開(kāi)日2002年12月18日 申請(qǐng)日期2001年8月20日 優(yōu)先權(quán)日2000年8月30日
發(fā)明者柳野為勇, 須崎之彥 申請(qǐng)人:本田技研工業(yè)株式會(huì)社