CN115619451A - 一种面向生产制造的订单预测方法及系统 - Google Patents

一种面向生产制造的订单预测方法及系统 Download PDF

Info

Publication number
CN115619451A
CN115619451A CN202211545278.8A CN202211545278A CN115619451A CN 115619451 A CN115619451 A CN 115619451A CN 202211545278 A CN202211545278 A CN 202211545278A CN 115619451 A CN115619451 A CN 115619451A
Authority
CN
China
Prior art keywords
commodity
information
influence factor
terminal
order
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.)
Granted
Application number
CN202211545278.8A
Other languages
English (en)
Other versions
CN115619451B (zh
Inventor
任毅
魏磊
朱健君
薛斌
刘莹
孟宇
陈杰
欧培培
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Caic Research Automotive Industrial Engineering Tianjin Co ltd
Original Assignee
Caic Research Automotive Industrial Engineering Tianjin Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Caic Research Automotive Industrial Engineering Tianjin Co ltd filed Critical Caic Research Automotive Industrial Engineering Tianjin Co ltd
Priority to CN202211545278.8A priority Critical patent/CN115619451B/zh
Publication of CN115619451A publication Critical patent/CN115619451A/zh
Application granted granted Critical
Publication of CN115619451B publication Critical patent/CN115619451B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种面向生产制造的订单预测方法及系统，其中订单预测方法包括：构建上下游产品关联系数表，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
Figure DEST_PATH_IMAGE001
；第一组合信息包括供货方名称及第一商品信息；第二组合信息包括与第一组合信息对应的订货方名称及第二商品信息；向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；根据上下游产品关联系数表及终端商品预测量信息生成第一商品预测订单量；向第一商品的客户端发送预测订单量。通过上述方法，使得可以快速准确的反映出市场的需求，实现订单量的预测，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。

Description

一种面向生产制造的订单预测方法及系统
技术领域
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
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。
发明内容
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。
本申请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
Figure 674585DEST_PATH_IMAGE001
；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。
根据本申请实施例提供的技术方案，根据公式（一）计算关联系数
Figure 33629DEST_PATH_IMAGE001
：
Figure 560425DEST_PATH_IMAGE002
（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。
根据本申请实施例提供的技术方案，供货占比
Figure 557200DEST_PATH_IMAGE003
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
Figure 379925DEST_PATH_IMAGE003
；
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
Figure 727730DEST_PATH_IMAGE003
。
根据本申请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。
根据本申请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；
Figure 527058DEST_PATH_IMAGE004
；
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。
本申请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
Figure 876875DEST_PATH_IMAGE001
；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。
根据本申请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
Figure 634615DEST_PATH_IMAGE001
：
Figure 938558DEST_PATH_IMAGE005
（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。
根据本申请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
Figure 308621DEST_PATH_IMAGE003
；
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
Figure 279988DEST_PATH_IMAGE003
。
根据本申请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。
根据本申请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；
Figure 943051DEST_PATH_IMAGE006
；
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。
本申请的有益效果在于：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
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，本申请的其它特征、目的和优点将会变得更明显：
图1为本申请提供的一种面向生产制造的订单预测方法；
图2为本申请提供的一种面向生产制造的订单预测系统；
图3为服务端与客户端的连接关系示意图；
图中标号：
1、构建模块；2、发送模块；3、接受模块；4、处理模块；100、服务端；200、客户端。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
实施例1
请参考图1为本申请提供的一种面向生产制造的订单预测方法，该方法应用于服务端100；如图3所示，其中服务端100连接有多个客户端200，客户端200为用户持有，用户可以为供货方或订货方；当然用户也可同时为供货方和订货方。
客户端200用于接收服务端发送的终端商品订单预测邀约，向服务端100反馈终端商品预测量信息；以及接收客户端200发送的第一商品预测订单量。
应用于服务端100的面向生产制造的订单预测方法，包括以下步骤：
S100：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
Figure 999869DEST_PATH_IMAGE001
；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；
具体的，在本实施例中所述第一商品信息、第二商品信息为汽车商品，例如汽车零部件、汽车模块、整车车身、汽车终端产品等；
具体的，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，为了便于本领域技术人员的理解，部分上下游产品关联系数表例如表-1所示：
Figure 905114DEST_PATH_IMAGE007
如表-1所示，A1商家作为供货方，出售M1商品；B1商家和B2商家作为订货方，订购A1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。
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。
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。
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：
Figure 730988DEST_PATH_IMAGE008
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。
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。
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。
需要进一步说明的是，上述实例旨在与进一步说明本申请的工作原理，并非是对供货方、订购方的数量或具体预测量数值的限定；
本申请的工作原理为：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。
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
Figure 564952DEST_PATH_IMAGE001
：
Figure 610530DEST_PATH_IMAGE005
（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。
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
Figure 820932DEST_PATH_IMAGE001
=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。
在一些实施例中，供货占比
Figure 501312DEST_PATH_IMAGE003
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
Figure 270291DEST_PATH_IMAGE003
；
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
Figure 36122DEST_PATH_IMAGE003
。
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
Figure 784635DEST_PATH_IMAGE003
；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
Figure 86566DEST_PATH_IMAGE003
”，点击“保存发送”，即可将各供货方的意向供货占比
Figure 262332DEST_PATH_IMAGE003
上传至服务端。
历史模式信息则通过历史数据，自动生成供货占比
Figure 515459DEST_PATH_IMAGE003
。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
Figure 831778DEST_PATH_IMAGE003
。
进一步的，根据所述历史订购信息确定所述供货占比
Figure 221171DEST_PATH_IMAGE003
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
Figure 833418DEST_PATH_IMAGE003
。
通过上述步骤，使得本申请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。
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。
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；
Figure 573840DEST_PATH_IMAGE009
；
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。
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。
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。
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。
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。
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
Figure 165621DEST_PATH_IMAGE001
；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。
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
Figure 940679DEST_PATH_IMAGE001
：
Figure 723827DEST_PATH_IMAGE005
（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。
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
Figure 715661DEST_PATH_IMAGE003
；
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
Figure 609667DEST_PATH_IMAGE003
。
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。
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。
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；
Figure 740697DEST_PATH_IMAGE010
；
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。
以上描述仅为本申请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，本申请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。例如上述特征与本申请中公开的(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。

Claims (10)

1.一种面向生产制造的订单预测方法，其特征在于，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
Figure 28151DEST_PATH_IMAGE001
；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。
2.根据权利要求1所述的面向生产制造的订单预测方法，其特征在于，根据公式（一）计算关联系数
Figure 212007DEST_PATH_IMAGE001
：
Figure 408240DEST_PATH_IMAGE002
（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。
3.根据权利要求2所述的面向生产制造的订单预测方法，其特征在于，供货占比
Figure 423469DEST_PATH_IMAGE003
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
Figure 814000DEST_PATH_IMAGE003
；
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
Figure 721038DEST_PATH_IMAGE003
。
4.根据权利要求2所述的面向生产制造的订单预测方法，其特征在于，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。
5.根据权利要求1-4任意一项所述的面向生产制造的订单预测方法，其特征在于，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；
Figure 488006DEST_PATH_IMAGE004
；
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。
6.一种面向生产制造的订单预测系统，其特征在于，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
Figure 92162DEST_PATH_IMAGE001
；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。
7.根据权利要求6所述的一种面向生产制造的订单预测系统，其特征在于，所述构建模块（1）还配置用于：
根据公式（一）计算关联系数
Figure 441146DEST_PATH_IMAGE001
：
Figure 130753DEST_PATH_IMAGE005
（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。
8.根据权利要求7所述的一种面向生产制造的订单预测系统，其特征在于，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
Figure 373515DEST_PATH_IMAGE003
；
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
Figure 599223DEST_PATH_IMAGE003
。
9.根据权利要求7所述的一种面向生产制造的订单预测系统，其特征在于，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。
10.根据权利要求6-9任意一项所述的一种面向生产制造的订单预测系统，其特征在于，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；
Figure 331555DEST_PATH_IMAGE006
；
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。
CN202211545278.8A 2022-12-05 2022-12-05 一种面向生产制造的订单预测方法及系统 Active CN115619451B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211545278.8A CN115619451B (zh) 2022-12-05 2022-12-05 一种面向生产制造的订单预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211545278.8A CN115619451B (zh) 2022-12-05 2022-12-05 一种面向生产制造的订单预测方法及系统

Publications (2)

Publication Number Publication Date
CN115619451A true CN115619451A (zh) 2023-01-17
CN115619451B CN115619451B (zh) 2023-03-10

Family

ID=84880364

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211545278.8A Active CN115619451B (zh) 2022-12-05 2022-12-05 一种面向生产制造的订单预测方法及系统

Country Status (1)

Country Link
CN (1) CN115619451B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105426995A (zh) * 2015-11-13 2016-03-23 北京首钢自动化信息技术有限公司 一种基于历史订单成本分析的成本预测方法
CN109034959A (zh) * 2018-07-12 2018-12-18 上海云食信息技术有限公司 供应链上下游企业间安全订货的方法
CN114493726A (zh) * 2022-04-06 2022-05-13 萨科(深圳)科技有限公司 一种订单的监控方法和监控平台
CN115034523A (zh) * 2022-08-10 2022-09-09 深圳市感恩网络科技有限公司 一种基于大数据的企业erp综合管理系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105426995A (zh) * 2015-11-13 2016-03-23 北京首钢自动化信息技术有限公司 一种基于历史订单成本分析的成本预测方法
CN109034959A (zh) * 2018-07-12 2018-12-18 上海云食信息技术有限公司 供应链上下游企业间安全订货的方法
CN114493726A (zh) * 2022-04-06 2022-05-13 萨科(深圳)科技有限公司 一种订单的监控方法和监控平台
CN115034523A (zh) * 2022-08-10 2022-09-09 深圳市感恩网络科技有限公司 一种基于大数据的企业erp综合管理系统及方法

Also Published As

Publication number Publication date
CN115619451B (zh) 2023-03-10

Similar Documents

Publication Publication Date Title
Abernathy et al. Retailing and supply chains in the information age
Lee Coordinated stocking, clearance sales, and return policies for a supply chain
US8036948B2 (en) Article joint purchase system using network
RU2271571C1 (ru) Торговая информационно-аналитическая система
Johansson et al. Controlling distribution inventory systems with shipment consolidation and compound Poisson demand
CA2369111A1 (en) Method and system for conducting electronic auctions with net present value bidding
JP6929205B2 (ja) 管理システム
CN115619451B (zh) 一种面向生产制造的订单预测方法及系统
Beckert et al. Competitive price discrimination in a spatially differentiated intermediate goods market
US7451100B2 (en) Method, network system and center for intermediating transactions
Mohammadi et al. A PROFIT-MAXIMIZING MODEL FOR INTEGRATED LOT-SIZING AND SCHEDULING PROBLEM WITH MULTI-ITEM SUPPLIER SELECTION AND DEMAND PACKAGES.
KR101928234B1 (ko) 가변적 상품 유통 가격 기반의 유통 관리 시스템, 그리고 이를 이용한 유통 가격 관리 방법
CN1416083A (zh) 商品报价的方法
US20040044595A1 (en) Method of daily parts ordering
KR20010090412A (ko) 통신 네트워크를 이용한 구매 요청 처리 방법
Dimyati Integrated model for Multi-criteria Supplier Selection and Order Allocation Problem
JP2014170414A (ja) 需要予測装置およびプログラム
JP2011070551A (ja) ネットワークによる製品販売システム
EP1228464A1 (en) Apparatus for negotiation
Chen et al. Inventory and supply chain management with auto‐delivery subscription
Seifbarghy et al. Coordination of a single-supplier multi-retailer supply chain via joint ordering policy considering incentives for retailers and utilizing economies of scale
Kumar et al. An inventory model for deteriorating items with multivariate demand and trade credit
Schlaich et al. When is the next order? Nowcasting channel inventories with Point-of-Sales data to predict the timing of retail orders
JP2001283063A (ja) 電子商取引管理サーバシステム
JP2020057436A (ja) 取引管理システム、取引管理プログラム及び取引管理方法

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
GR01 Patent grant
GR01 Patent grant