CN114091770A - 物料需求计划的预测分析方法、装置、设备及存储介质 - Google Patents
物料需求计划的预测分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114091770A CN114091770A CN202111417478.0A CN202111417478A CN114091770A CN 114091770 A CN114091770 A CN 114091770A CN 202111417478 A CN202111417478 A CN 202111417478A CN 114091770 A CN114091770 A CN 114091770A
- Authority
- CN
- China
- Prior art keywords
- material demand
- service data
- information
- time period
- difference item
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000463 material Substances 0.000 title claims abstract description 182
- 238000004458 analytical method Methods 0.000 title claims abstract description 47
- 238000004519 manufacturing process Methods 0.000 claims abstract description 145
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000000586 desensitisation Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013439 planning Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- -1 dates Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种物料需求计划的预测分析方法、装置、设备及存储介质,该方法包括:从各供应商的企业管理软件中分别提取相应的业务数据,得到包含有各供应商分别对应的业务数据的业务数据集;获取目标生产单位的生产经营信息,并基于所述目标生产单位的生产经营信息及各供应商对应的业务数据集运算,得到预设时刻段的物料需求计划;指示所述目标生产单位在预设时间段,按照所述物料需求计划实现所述目标生产单位的生产运营操作。可见,本申请在实现物料需求计划制定时,综合考虑生产单位自身的生产经营情况及为生产单位提供物料的各供应商的业务情况实现预测分析,能够有效提高物料需求计划制定的准确性。
Description
技术领域
本发明涉及数据处理技术领域,更具体地说,涉及一种物料需求计划的预测分析方法、装置、设备及存储介质。
背景技术
在制造业竞争激烈的大市场中,无论是离散式还是流程式的制造业,无论是单件生产小批量多品种生产的制造业还是标准产品大量生产的制造业,其内部管理都可能会遇到诸如原材料供应不及时或不足、在制品积压严重或数量不清、生产率下降无法如期交货、市场多变计划调度难以适应等问题,这些问题产生的主要原因是企业对物料需求计划控制不力。为了克服这些问题,通常需要基于工厂或者企业自身情况来制定相应的物料需求计划,但是这种仅考虑工厂或者企业自身情况的物料需求计划制定方式,存在物料需求计划制定不准确的问题。
发明内容
本发明的目的是提供一种物料需求计划的预测分析方法、装置、设备、存储介质及计算机程序产品,能够有效提高物料需求计划制定的准确性。
为了实现上述目的,本发明提供如下技术方案:
一种物料需求计划的预测分析方法,包括:
从各供应商的企业管理软件中分别提取相应的业务数据,得到包含有各供应商分别对应的业务数据的业务数据集;
获取目标生产单位的生产经营信息,并基于所述目标生产单位的生产经营信息及各供应商对应的业务数据集运算,得到预设时刻段的物料需求计划;
指示所述目标生产单位在预设时间段,按照所述物料需求计划实现所述目标生产单位的生产运营操作。
优选的,还包括:
获取历史上多个时间段内所述目标生产单位实际的物料需求计划及运算得到的物料需求计划,将历史上各时间段中同一时间段对应实际的物料需求计划及运算得到的物料需求计划进行比对得到相应的差项信息,基于历史上各时间段分别对应的差项信息确定预设时间段的差项信息,并利用所述预设时间段的差项信息对所述预设时间段的物料需求计划进行处理,得到新的物料需求计划替换运算得到的物料需求计划。
优选的,基于历史上各时间段分别对应的差项信息确定预设时间段的差项信息,包括:
对历史上各时间段分别对应的差项信息进行处理,得到相应的差项变化趋势,并基于得到的差项变化趋势确定所述预设时间段的差项信息。
优选的,对历史上各时间段分别对应的差项信息进行处理,得到相应的差项变化趋势,包括:
利用EEMD-ARIMA算法对历史上各时间段分别对应的差项信息进行处理,得到相应的差项变化趋势。
优选的,得到包含有各供应商分别对应的业务数据的业务数据集,包括:
将提取到的各业务数据分别映射到预先设定的多维度参数中各参数的参数值,并将各业务数据分别对应的参数值分别加入预先设定的业务数据集中,以得到包含有各供应商分别对应的业务数据的业务数据集。
优选的,将提取到的各业务数据分别映射到预先设定的多维度参数中各参数的参数值之前,还包括:
对从各供应商的企业管理软件中分别提取的业务数据进行脱敏操作。
优选的,提取的各供应商的业务数据包括生产信息、设备信息、库存信息、销售信息及生产计划,预先设定的多维度参数包括物料名称、当前日期、物料数量、物料质量及物流信息。
一种物料需求计划的预测分析装置,包括:
提取模块,用于:从各供应商的企业管理软件中分别提取相应的业务数据,得到包含有各供应商分别对应的业务数据的业务数据集;
运算模块,用于:获取目标生产单位的生产经营信息,并基于所述目标生产单位的生产经营信息及各供应商对应的业务数据集运算,得到预设时刻段的物料需求计划;
指示模块,用于:指示所述目标生产单位在预设时间段,按照所述物料需求计划实现所述目标生产单位的生产运营操作。
一种物料需求计划的预测分析设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上任一项所述物料需求计划的预测分析方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述物料需求计划的预测分析方法的步骤。
一种计算机程序产品,所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上任一项所述物料需求计划的预测分析方法的步骤。
本发明提供了一种物料需求计划的预测分析方法、装置、设备、存储介质及计算机程序产品,该方法包括:从各供应商的企业管理软件中分别提取相应的业务数据,得到包含有各供应商分别对应的业务数据的业务数据集;获取目标生产单位的生产经营信息,并基于所述目标生产单位的生产经营信息及各供应商对应的业务数据集运算,得到预设时刻段的物料需求计划;指示所述目标生产单位在预设时间段,按照所述物料需求计划实现所述目标生产单位的生产运营操作。本申请对于任意需要实现物料需求计划制定的生产单位,获取为该任意生产单位提供物料的各供应商的业务数据组成业务数据集,然后利用该业务数据集及该任意生产单位的生产运营信息综合运算得到相应时间段内的物料需求计划,进而指示该任意生产单位按照物料需求计划实现相应时间段内的生产经营操作。可见,本申请在实现物料需求计划制定时,综合考虑生产单位自身的生产经营情况及为生产单位提供物料的各供应商的业务情况实现预测分析,能够有效提高物料需求计划制定的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的物料需求计划的预测分析方法的流程图;
图2为本发明实施例提供的物料需求计划的预测分析装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明实施例提供的一种物料需求计划的预测分析方法的流程图,可以包括:
S11:从各供应商的企业管理软件中分别提取相应的业务数据,得到包含有各供应商分别对应的业务数据的业务数据集。
物料需求计划(Material Requirement Planning,MRP)即指根据产品结构各层次物品的从属和数量关系,以每个物品为计划对象,以完工时期为时间基准倒排计划,按提前期长短区别各个物品下达计划时间的先后顺序,是一种工业制造企业内物资计划管理模式;具体来说,MRP是根据市场需求预测和顾客订单制定产品的生产计划,然后基于产品生成进度计划,组成产品的材料结构表和库存状况,通过计算机计算所需物料的需求量和需求时间,从而确定材料的加工进度和订货日程的一种实用技术;因此物料需求计划为对未来某段时间内物料需求情况进行预测分析得到的。
其中,预测分析物料需求计划的对象为实现产品生成的单位(即生产单位,也即本申请实施例需要为生产单位预测分析相应的物料需求计划),如企业、工厂等;而供应商则是为生产单位提供物料的单位,因此供应商的业务情况会对生产单位的物料需求计划产生影响。为了提高物料需求计划的预测分析准确性,可以使得在实现物料需求计划的预测分析时所用的信息更加全面;本申请实施例则是从为任意生产单位(即目标生产单位,本申请实施例中可以确定任意需要实现物料需求计划预测分析的生产单位为目标生产单位)提供物料的各供应商的企业管理软件(ERP)中抽取ERP数据(即业务数据),包括但不限于生产信息、设备信息、库存信息、销售信息、生产计划以及工序人员等多种维度的信息,进而得到包含有各供应商对应业务数据的业务数据集,也即为业务数据模型,将其作为MRP运算的运行过程中的参数反馈因子能够更好的调整物料需求计划,为生产计划、库存等提供更加合理的、时效性更好的预测分析方案。
S12:获取目标生产单位的生产经营信息,并基于目标生产单位的生产经营信息及各供应商对应的业务数据集运算,得到预设时刻段的物料需求计划。
预设时间段可以为需要实现物料需求计划的预测分析的未来某段时间;需要说明的是,对于需要实现物料需求计划预测分析的任意生产单位,在获取到该任意生产单位对应各供应商的业务数据集后,可以将该业务数据集及该任意生产单位的生产经营信息均作为MRP运算的输入信息,进而对这些输入信息进行MRP运算,得到预设时间段该任意生产单位的物料需求计划。需要说明的是,实现MRP运算的模型可以称之为MRP模型,其能够对输入信息进行运算以得到相应的物料需求计划。
生产单位的生产运营信息也可以称之为生产单位的管理信息,主要指生产单位整个生产经营过程中产、供、销、存、人、财、物的有关信息,如产品信息、产品主生产计划等;MRP模型则会基于上述生产运营信息实现MRP运算得到物料需求计划后,基于物料需求计划实现库存、采购计划及生产计划的控制。具体来说,MRP模型可以分解为销售、计划、库存、生产、采购、零件数据、产品结构以及工艺路线等相关信息对应的几大子模型,MRP模型则是以物料需求计划MRP运算为核心,将管理的各个模型集成起来,形成一个通过信息流反馈物流状况、追踪和控制物流运行的管理模型系统。
本申请实施例中将任意生产单位的生产运营信息以及为该任意生产单位提供物料的各供应商的业务数据集均作为MRP模型的输入信息,得到该任意生产单位的物料需求计划。其中,基于任意生产单位的生产运营信息做MRP运算得到相应物料需求计划的技术方案与现有技术中对应技术方案的实现原理基本一致,在此不再赘述;而在加入为该任意生产单位提供物料的各供应商的业务数据集后,则会同时考虑任意生产单位的生产运营信息及该业务数据集做MRP运算得到相应物料需求计划,如业务数据集中表示各供应商在预设时间段内能够提供的任意物料总和为A,仅基于生产单位的生产运营信息进行MRP运算时确定在预设时间段内需要该任意物料总和为B,如果A不小于B,则得到的物料需求计划中生产单位在预设时间段内需要该任意物料总和为B,如果A小于B,则得到的物料需求计划中生产单位在预设时间段内需要该任意物料总和为A,而物料需求计划中的其他信息(如生产计划、采购计划等)则分别与生产单位在预设时间段内需要该任意物料的总和相对应。
S13:指示目标生产单位在预设时间段,按照物料需求计划实现目标生产单位的生产运营操作。
在得到任意生产单位在预设时间段内的物料需求计划后,则可以将该物料需求计划输出给该任意生产单位,以指示该任意生产单位在预设时间段内按照物料需求计划实现相应的生产运营操作。
本申请对于任意需要实现物料需求计划制定的生产单位,获取为该任意生产单位提供物料的各供应商的业务数据组成业务数据集,然后利用该业务数据集及该任意生产单位的生产运营信息综合运算得到相应时间段内的物料需求计划,进而指示该任意生产单位按照物料需求计划实现相应时间段内的生产经营操作。可见,本申请在实现物料需求计划制定时,综合考虑生产单位自身的生产经营情况及为生产单位提供物料的各供应商的业务情况实现预测分析,能够有效提高物料需求计划制定的准确性。
本发明实施例提供的一种物料需求计划的预测分析方法,还可以包括:
获取历史上多个时间段内目标生产单位实际的物料需求计划及运算得到的物料需求计划,将历史上各时间段中同一时间段对应实际的物料需求计划及运算得到的物料需求计划进行比对得到相应的差项信息,基于历史上各时间段分别对应的差项信息确定预设时间段的差项信息,并利用预设时间段的差项信息对预设时间段的物料需求计划进行处理,得到新的物料需求计划替换运算得到的物料需求计划。
其中,历史上多个时间段中单个时间段的时长与预设时间段的时长是相同的。由于基于MRP运算得到相应物料需求计划本身是一种预测分析的行为,因此基于MRP运算得到的物料需求计划与实际的物料需求计划通常是存在一定的误差的;基于此,本申请实施例获取历史上距离预设时间段最近的多个时间段内生产单位实际的物料需求计划及基于MRP运算得到的物料需求计划,然后将历史上各时间段内中同一时间段内实际的物料需求计划及基于MRP运算得到的物料需求计划进行比对做差项构建,得到两者之间的差项信息(可以简单理解为两者之间的区别),从而得到历史上各时间段分别对应的差项信息。在得到历史上各时间段分别对应的差项信息后,利用历史上各时间段的差项信息预测预设时间段内可能存在的差项信息,然后将预测得到的差项信息对运算得到的预设时间段内的物料需求计划做处理,从而实现对运算得到的预设时间段内物料需求计划的差项修正,进一步提高物料需求计划的制定准确性。其中,同一时间段内实际的物料需求计划及运算得到的物料需求计划之间的差项信息可以包括任意物料的需求量和/或需求时间等,而利用预测得到的差项信息对相应物料需求计划做差项修正则为将预测得到的差项信息对相应物料需求计划中的信息做更改,以使得提高物料需求计划为相应时间段内实际的物料需求计划的可能性,例如预测得到的差项信息为任意物料的需求量应多出1kg,则基于此对相应物料需求计划做差项修正则可以是将物料需求计划中该任意物料的需求量增加1kg,又例如预测得到的差项信息为任意物料的需求时间应早出1天,则基于此对相应物料需求计划做差项修正则可以是将物料需求计划中该任意物料的需求时间提前1天,当然也可能存在其他实际情况,均在本发明的保护范围之内。
本发明实施例提供的一种物料需求计划的预测分析方法,基于历史上各时间段分别对应的差项信息确定预设时间段的差项信息,可以包括:
对历史上各时间段分别对应的差项信息进行处理,得到相应的差项变化趋势,并基于得到的差项变化趋势确定预设时间段的差项信息。
对历史上各时间段分别对应的差项信息进行处理,得到相应的差项变化趋势,可以包括:
利用EEMD-ARIMA算法对历史上各时间段分别对应的差项信息进行处理,得到相应的差项变化趋势。
本发明实施例在基于历史上各时间段分别对应的差项信息确定预设时间段的差项信息时,可以是通过对历史上各时间段分别对应的差项信息进行分析,得到差项信息的变化趋势,也即为差项变化趋势,进而即可基于该差项变化趋势得到预设时间段内的差项信息;在一种具体实现方式中,可以利用EEMD(empirical mode decomposition,,经验模式分解,其是一种自适应的时频局部化分析方法)-ARIMA(Autoregressive IntegratedMoving Average model,差分整合移动平均自回归模型,又称整合移动平均自回归模型,其是时间序列预测分析方法之一)算法对历史上各时间段分别对应的差项信息进行处理得到相应差项变化趋势(利用EEMD-ARIMA算法对数据处理得到相应变化趋势的实现原理与现有技术中对应技术方案的实现原理一致,在此不再赘述)。从而通过这种方式,能够基于差项变化趋势快速方便的获知未来任意时刻的差项信息。其中,差项变化趋势可以以曲线的形式体现,当然还可以根据实际需要选择其他体现形式,均在本发明的保护范围之内。
本发明实施例提供的一种物料需求计划的预测分析方法,得到包含有各供应商分别对应的业务数据的业务数据集,可以包括:
将提取到的各业务数据分别映射到预先设定的多维度参数中各参数的参数值,并将各业务数据分别对应的参数值分别加入预先设定的业务数据集中,以得到包含有各供应商分别对应的业务数据的业务数据集。
将提取到的各业务数据分别映射到预先设定的多维度参数中各参数的参数值之前,还可以包括:
对从各供应商的企业管理软件中分别提取的业务数据进行脱敏操作。
为了保证各供应商的敏感信息不被泄漏,本申请实施例在获取到各供应商的业务数据后,还可以对获取到的业务数据进行脱敏操作,也即对获取到的业务数据中的敏感信息进行变形等,以使得其无法被获取或者无法被直接获取,而根据实际情况可以选择任意的数据脱敏方式实现上述脱敏操作,均在本发明实施例的保护范围之内。
另外,为了便于MRP运算的快速实现,本申请实施例在得到业务数据集时,可以先将这些业务数据进行汇总得到相应的供应商地图,然后将汇总后的每个业务数据映射到物料、日期、物料数量、质量、物流信息等多维度的统一形式,进而将这些统一形式的业务数据组成业务数据集。另外还可以将业务数据集与其他需要作为MRP的输入信息的数据信息(采购信息、库存信息等)建立关联,从而构成一个动态的实时模型,也即实时数据集,便于后续实现相应的MRP运算。
在一种具体实现方式中,本申请实施例提取的各供应商的业务数据可以包括生产信息、设备信息、库存信息、销售信息及生产计划,预先设定的多维度参数可以包括物料名称、当前日期、物料数量、物料质量及物流信息。从而通过上述数据信息使得对物料需求计划的预测分析更加准确有效。
本申请抽取下游供应商的生产计划、库存和销售等构建模型,同时集合历史数据训练分析,能够实现准确长期的物料需求预测分析。
本发明实施例还提供了一种物料需求计划的预测分析装置,如图2所示,可以包括:
提取模块11,用于:从各供应商的企业管理软件中分别提取相应的业务数据,得到包含有各供应商分别对应的业务数据的业务数据集;
运算模块12,用于:获取目标生产单位的生产经营信息,并基于目标生产单位的生产经营信息及各供应商对应的业务数据集运算,得到预设时刻段的物料需求计划;
指示模块13,用于:指示目标生产单位在预设时间段,按照物料需求计划实现目标生产单位的生产运营操作。
本发明实施例提供的一种物料需求计划的预测分析装置,还可以包括:
修正模块,用于:获取历史上多个时间段内目标生产单位实际的物料需求计划及运算得到的物料需求计划,将历史上各时间段中同一时间段对应实际的物料需求计划及运算得到的物料需求计划进行比对得到相应的差项信息,基于历史上各时间段分别对应的差项信息确定预设时间段的差项信息,并利用预设时间段的差项信息对预设时间段的物料需求计划进行处理,得到新的物料需求计划替换运算得到的物料需求计划。
本发明实施例提供的一种物料需求计划的预测分析装置,修正模块包括:
处理模块,用于:对历史上各时间段分别对应的差项信息进行处理,得到相应的差项变化趋势,并基于得到的差项变化趋势确定预设时间段的差项信息。
本发明实施例提供的一种物料需求计划的预测分析装置,处理模块包括:
处理单元,用于:利用EEMD-ARIMA算法对历史上各时间段分别对应的差项信息进行处理,得到相应的差项变化趋势。
本发明实施例提供的一种物料需求计划的预测分析装置,提取模块包括:
映射单元,用于:将提取到的各业务数据分别映射到预先设定的多维度参数中各参数的参数值,将各业务数据分别对应的参数值分别加入预先设定的业务数据集中,以得到包含有各供应商分别对应的业务数据的业务数据集。
本发明实施例提供的一种物料需求计划的预测分析装置,还可以包括:
脱敏模块,用于:将提取到的各业务数据分别映射到预先设定的多维度参数中各参数的参数值之前,对从各供应商的企业管理软件中分别提取的业务数据进行脱敏操作。
本发明实施例提供的一种物料需求计划的预测分析装置,提取的各供应商的业务数据可以包括生产信息、设备信息、库存信息、销售信息及生产计划,预先设定的多维度参数可以包括物料名称、当前日期、物料数量、物料质量及物流信息。
本发明实施例还提供了一种物料需求计划的预测分析设备,可以包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如上任一项物料需求计划的预测分析方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上任一项物料需求计划的预测分析方法的步骤。
本发明实施例还提供了一种计算机程序产品,所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上任一项所述物料需求计划的预测分析方法的步骤。
需要说明的是,本发明实施例提供的一种物料需求计划的预测分析装置、设备、存储介质及计算机程序产品中相关部分的说明请参见本发明实施例提供的一种物料需求计划的预测分析方法中对应部分的详细说明,在此不再赘述。另外本发明实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种物料需求计划的预测分析方法,其特征在于,包括:
从各供应商的企业管理软件中分别提取相应的业务数据,得到包含有各供应商分别对应的业务数据的业务数据集;
获取目标生产单位的生产经营信息,并基于所述目标生产单位的生产经营信息及各供应商对应的业务数据集运算,得到预设时刻段的物料需求计划;
指示所述目标生产单位在预设时间段,按照所述物料需求计划实现所述目标生产单位的生产运营操作。
2.根据权利要求1所述的方法,其特征在于,还包括:
获取历史上多个时间段内所述目标生产单位实际的物料需求计划及运算得到的物料需求计划,将历史上各时间段中同一时间段对应实际的物料需求计划及运算得到的物料需求计划进行比对得到相应的差项信息,基于历史上各时间段分别对应的差项信息确定预设时间段的差项信息,并利用所述预设时间段的差项信息对所述预设时间段的物料需求计划进行处理,得到新的物料需求计划替换运算得到的物料需求计划。
3.根据权利要求2所述的方法,其特征在于,基于历史上各时间段分别对应的差项信息确定预设时间段的差项信息,包括:
对历史上各时间段分别对应的差项信息进行处理,得到相应的差项变化趋势,并基于得到的差项变化趋势确定所述预设时间段的差项信息。
4.根据权利要求3所述的方法,其特征在于,对历史上各时间段分别对应的差项信息进行处理,得到相应的差项变化趋势,包括:
利用EEMD-ARIMA算法对历史上各时间段分别对应的差项信息进行处理,得到相应的差项变化趋势。
5.根据权利要求4所述的方法,其特征在于,得到包含有各供应商分别对应的业务数据的业务数据集,包括:
将提取到的各业务数据分别映射到预先设定的多维度参数中各参数的参数值,并将各业务数据分别对应的参数值分别加入预先设定的业务数据集中,以得到包含有各供应商分别对应的业务数据的业务数据集。
6.根据权利要求5所述的方法,其特征在于,将提取到的各业务数据分别映射到预先设定的多维度参数中各参数的参数值之前,还包括:
对从各供应商的企业管理软件中分别提取的业务数据进行脱敏操作。
7.根据权利要求6所述的方法,其特征在于,提取的各供应商的业务数据包括生产信息、设备信息、库存信息、销售信息及生产计划,预先设定的多维度参数包括物料名称、当前日期、物料数量、物料质量及物流信息。
8.一种物料需求计划的预测分析装置,其特征在于,包括:
提取模块,用于:从各供应商的企业管理软件中分别提取相应的业务数据,得到包含有各供应商分别对应的业务数据的业务数据集;
运算模块,用于:获取目标生产单位的生产经营信息,并基于所述目标生产单位的生产经营信息及各供应商对应的业务数据集运算,得到预设时刻段的物料需求计划;
指示模块,用于:指示所述目标生产单位在预设时间段,按照所述物料需求计划实现所述目标生产单位的生产运营操作。
9.一种物料需求计划的预测分析设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述物料需求计划的预测分析方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述物料需求计划的预测分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111417478.0A CN114091770A (zh) | 2021-11-25 | 2021-11-25 | 物料需求计划的预测分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111417478.0A CN114091770A (zh) | 2021-11-25 | 2021-11-25 | 物料需求计划的预测分析方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114091770A true CN114091770A (zh) | 2022-02-25 |
Family
ID=80304701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111417478.0A Pending CN114091770A (zh) | 2021-11-25 | 2021-11-25 | 物料需求计划的预测分析方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114091770A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114565422A (zh) * | 2022-03-28 | 2022-05-31 | 杉数科技(北京)有限公司 | 仓库销量预测方法、装置、存储介质及设备 |
-
2021
- 2021-11-25 CN CN202111417478.0A patent/CN114091770A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114565422A (zh) * | 2022-03-28 | 2022-05-31 | 杉数科技(北京)有限公司 | 仓库销量预测方法、装置、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Priore et al. | Applying machine learning to the dynamic selection of replenishment policies in fast-changing supply chain environments | |
US20190295109A1 (en) | Parallel processing historical data | |
US20100125486A1 (en) | System and method for determining supply chain performance standards | |
US20180107961A1 (en) | Task Support System and Task Support Method | |
CN111915254A (zh) | 一种适用于汽车售后配件的库存优化控制方法和系统 | |
US20100125487A1 (en) | System and method for estimating settings for managing a supply chain | |
US20210224833A1 (en) | Seasonality Prediction Model | |
CN107146039B (zh) | 一种多目标协同控制的定制式混流装配生产方法及装置 | |
EP3876177A1 (en) | System and method for retail price optimization | |
US20180260769A1 (en) | Supply chain analytics tool | |
CN114529086A (zh) | 药品数据处理方法、装置及设备 | |
Cheng et al. | Intermittent demand forecasting in a tertiary pediatric intensive care unit | |
CN113128932A (zh) | 仓库备货处理方法、装置、存储介质与电子设备 | |
Andry et al. | Supply chain disruptions mitigation plan using six sigma method for sustainable technology infrastructure | |
CN114091770A (zh) | 物料需求计划的预测分析方法、装置、设备及存储介质 | |
JP5831363B2 (ja) | 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム | |
JP2020201781A (ja) | 計画作成支援装置および計画作成支援方法 | |
CN110874640B (zh) | 使用机器学习(ml)的间歇数据的分布选择和模拟 | |
US20160292625A1 (en) | Product data analysis | |
CN116308494A (zh) | 供应链需求预测方法 | |
CN116050987A (zh) | 用于物料补货的预测方法、装置、存储介质及处理器 | |
CN113762842A (zh) | 仓库调度方法、服务器和系统 | |
US20210158271A1 (en) | Determining seasonality in intermittent inventory demand | |
JP2004035219A (ja) | サプライチェーン・マネージメント支援方法及びその装置、サプライチェーン・マネージメント支援プログラム | |
JP2016184250A (ja) | 損益予測装置及び損益予測プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |