TW202416193A - 差異資料處理系統以及差異資料處理方法 - Google Patents
差異資料處理系統以及差異資料處理方法 Download PDFInfo
- Publication number
- TW202416193A TW202416193A TW111143821A TW111143821A TW202416193A TW 202416193 A TW202416193 A TW 202416193A TW 111143821 A TW111143821 A TW 111143821A TW 111143821 A TW111143821 A TW 111143821A TW 202416193 A TW202416193 A TW 202416193A
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- processing
- difference
- judgment
- demand
- Prior art date
Links
- 238000012545 processing Methods 0.000 title claims abstract description 200
- 238000000034 method Methods 0.000 title claims description 8
- 238000007405 data analysis Methods 0.000 claims abstract description 43
- 238000003860 storage Methods 0.000 claims abstract description 38
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 30
- 238000003672 processing method Methods 0.000 claims abstract description 19
- 238000004519 manufacturing process Methods 0.000 claims description 47
- 238000001914 filtration Methods 0.000 claims description 28
- 239000002994 raw material Substances 0.000 claims description 23
- 238000012790 confirmation Methods 0.000 claims description 16
- 239000000463 material Substances 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 4
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 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
- G06Q10/06—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
- 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Detection And Prevention Of Errors In Transmission (AREA)
Abstract
本發明提供一種差異資料處理系統以及差異資料處理方法。差異資料處理系統包括儲存裝置以及處理器。儲存裝置儲存預測資料分析模組、差值判斷模組以及執行模組。處理器耦接儲存裝置，並且執行預測資料分析模組、差值判斷模組以及執行模組。處理器將多筆預測資料輸入至預測資料分析模組，以使預測資料分析模組根據資料處理規則產生需求差值資料，其中需求差值資料相關於多筆預測資料中的突增偏差量以及總庫存資料。差值判斷模組根據需求差值資料產生處理判斷結果。執行模組根據處理判斷結果執行資料差值處理，資料差值處理包括根據產品資訊產生預計交期。
Description
本發明是有關於產品需求的滾動預測資料技術，尤其是一種差異資料處理系統以及差異資料處理方法。
目前，針對在製品(Work in Process，WIP)/產品的生產管理的過程中，由於每個在製品(WIP)是通過多個材料以及多個製造步驟所製造出來的，且每個在製品的製造流程也不同。並且，產品需求數量與產品交期都是生產管理很重要的考慮因素。因此，為了達到良好的準時交貨率，生產管理中需要根據用戶端的預測資料有效地進行生產工單管理以及庫存管理以如期地供應客戶對產品的需求數量。
然而，當有新版本的預測資料時，生產管理人員必須人工地分析不同資料格式的在製品預測資料，並且同時考慮在製品的產能以及庫存總量，再根據預測資料差值與多個部門進行協同工作。由於判斷產能的處理中，必須參考繁複的資料資訊(例如每個在製品的產能以及原料的供給狀況)，導致管理人員必須仰賴大量的實務經驗才能進行正確的生產管理。如此，現有的方式容易有人工判斷錯誤的狀況以及耗費許多人工成本在比對資料的大量重複性工作。
本發明是針對一種差異資料處理系統以及差異資料處理方法，可自動地根據多筆預測資料以及庫存資料比對至少兩筆預測資料間的差異值，以產生需求差值資料對應的處理方案以及預計交期。
本發明的差異資料處理系統包括儲存裝置以及處理器。儲存裝置儲存預測資料分析模組、差值判斷模組以及執行模組。處理器耦接儲存裝置，並且執行預測資料分析模組、差值判斷模組以及執行模組。處理器將多筆預測資料輸入至預測資料分析模組，以使預測資料分析模組產生需求差值資料。處理器通過差值判斷模組根據需求差值資料產生處理判斷結果。處理器通過執行模組根據處理判斷結果執行資料差值處理，資料差值處理可包括根據產品資訊產生預計交期。
本發明的差異資料處理方法包括以下步驟：將預測資料輸入至預測資料分析模組；通過預測資料分析模組根據資料處理規則產生需求差值資料；通過差值判斷模組根據需求差值資料產生處理判斷結果；以及通過執行模組根據處理判斷結果執行資料差值處理。資料差值處理可包括根據產品資訊產生預計交期。
基於上述，本發明的差異資料處理系統以及差異資料處理方法，可根據關於市場需求的預測資料，而自動產生對應預測資料中突增偏差量的判斷結果以及處理建議，以有效地降低人工處理大量重複工作造成的人工成本以及減少人為失誤的發生機率。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
現將詳細地參考本發明的示範性實施例，示範性實施例的實例說明於附圖中。只要有可能，相同元件符號在圖式和描述中用來表示相同或相似部分。
圖1是本發明的一實施例的差異資料處理系統的示意圖。參考圖1，差異資料處理系統100包括處理器110以及儲存裝置120。處理器110耦接儲存裝置120。在本實施例中，處理器110可包括中央處理器(Central Processing Unit，CPU)、微處理器(Microprocessor Control Unit，MCU)或現場可程式閘陣列(Field Programmable Gate Array，FPGA)等諸如此類的處理電路或具有資料運算功能的晶片，但本發明並不以此為限。儲存裝置120可為記憶體(Memory)，其中記憶體可例如是唯讀記憶體(Read Only Memory，ROM)、可擦除可規劃式唯讀記憶體(Erasable Programmable Read Only Memory，EPROM)等非揮發記憶體、隨機存取記憶體(Random Access Memory，RAM)等揮發記憶體、及硬碟驅動器(hard disc drive)、半導體記憶體等儲存裝置120，並且用於儲存本發明所提到的與在製品需求與產能相關之資訊、各種程式、資料計算規則、資料取值規則、資料過濾規則、產能資料、物料清單資料及各種資訊等資料。在本實施例中，儲存裝置120可儲存多個特定模組、演算法及/或軟體等，以分別供處理器110讀取並執行之。值得注意的是，本發明各實施例所述的模組以及單元可個別由相對應的一個或多個演算法及/或軟體所實現，並且可依其一個或多個演算法及/或軟體的執行結果來實現實施例所描述的相關功能與操作。
在本實施例中，儲存裝置120可儲存儲存預測資料分析模組121、差值判斷模組122以及執行模組123。處理器110可讀取儲存在儲存裝置120中的這些模組，並且通過執行這些模組來實現針對市場需求的預測滾動資料進行分析以及對應的管理處理、供貨管理與生產管理，以自動地執行資料差值處理、訊息通知相關承辦人員以及相關供應商以及自動建立補產在製品/成品工作單于生產系統(例如企業資源規劃系統)中等功能。在本實施例中，差異資料處理系統100可例如是設置在企業內的電腦主機，並提供使用者介面或終端設備來供使用者操作、確認資料差值處理、設置各項預測相關規則與閾值以及輸入預測資料等操作。或者，在一實施例中，企業管理系統100也可例如是以雲端伺服器系統的架構來實現之。使用者可通過執行電子設備的使用者介面(User Interface, UI)程式而連線至雲端伺服器進行相關參數設置、閾值設置、處理設定等操作。對此，使用者可操作電子設備的顯示幕所顯示的使用者介面的內容，以使使用者介面或相關程式可提供對應的使用者操作指令及設置資料至雲端伺服器。並且，用戶可通過雲端伺服器或收發器將市場的多筆預測資料傳送至差異資料處理系統100。雲端伺服器可通過執行前述的多個模組來實現可針對終端市場的需求預測資料自動地提供資料分析以及對應處理建議及/或自動執行差值處理的功能。
在本實施例中，預測資料分析模組121以及儲存裝置120可經配置以接收/讀取/寫入儲存在企業資源規劃(Enterprise Resource Planning, ERP)系統的資料庫中的預測資料、工單數據、庫存資料、生產資料、產能資料、原料清單資料、原料庫存資料以及採購資料，以使預測資料分析模組121根據多筆預測資料產生需求差值資料。並且，預測資料分析模組121可先將彼此具有不同資料格式的預測資料進行彙整與統一(例如透過文字辨識以及欄位查找等方式)進而將資料分析中所需的資料與欄位整理成符合使用者設定或系統預設的資料格式的預測資料表格。
如此一來，降低使用者需要花費大量時間進行人工比對資料以及整理資料的時間成本，以及令使用者可以通過審閱差異資料處理系統100整理出的預測資料表格快速地瞭解多筆預測資料中重要的資料內容。同時，預測資料分析模組121也可根據使用者預先設定的設定值(例如根據每週、每季、每個工作天去取值)對多筆預測資料進行資料預處理，以取出所需資料。舉例來說，設定值為比對每個工作天的需求預測資料，或是設定值為比對每季需求的預測資料。如此，預測資料分析模組121從多筆預測資料中將符合設定值(例如相鄰兩個工作天/相鄰的兩季)的預測資料進行比對以產生需求差值資料。
在本實施例中，差值判斷模組122可根據儲存於ERP資料庫或儲存裝置120中的預測突增過濾規則對需求差值資料進行比對以判定需求差值資料是否達到預測突增過濾規則中的多個觸發條件，進而產生對應的處理判斷結果。預測突增過濾規則可例如包括客戶名稱、產品號碼、產品名稱、分析類型、閾值(例如觸發數量以及/或觸發比率(差值比例))、邏輯關係以及對應每個觸發條件的操作(例如產生通知訊息、產生任務卡片、產生補產工單、通知承辦人員或是通知供應商)。
在本實施例中，閾值可包括特定數量(例如2000、5000等數值)、觸發比率(例如百分之十、百分之二十等)以及邏輯關係，例如當需求差值資料大於2000以及/或大於總需求數量的百分之二十時，即將高於閾值作為處理判斷結果，且對應操作為通知供應商。處理判斷結果可例如是低於閾值、高於閾值、小於第一閾值、介於第一閾值與第二閾值之間、大於第二閾值、小於第一比例值以及與閾值相差大於第一閾值等處理判斷結果。
在本實施例中，執行模組123可經配置以根據處理判斷結果執行對應的資料差值處理。資料差值處理可例如是前述對應的操作以下列的操作：生成任務卡片、生成專案卡片、執行補貨處理、產生補產工單數據且將補產工單寫入ERP系統中、將對應需求差值資料的各個原料差值清單輸出給對應的供應商、根據產能資料以及庫存資料計算預估交期(可供貨日期)以及根據對應專案/任務卡片的指令進行對應的操作。專案卡以及任務卡可例如是工作分派系統/任務管理系統的通知資訊以及處理指示等資訊。
也就是說，差異資料處理系統100可根據產能資料、庫存資料、預測資料以及使用者設定(例如預測突增過濾規則以及預測突增沖銷規則)，自動地產生處理建議(例如專案卡片以及任務卡片)或是自動地通知供應商以及新增在製品工單。並且，差異資料處理系統100可根據承辦人員確認處理建議(例如專案卡片或任務卡片)後所發送的指令進行對應的操作。舉例而言，生產管理人員/業務人員可在查閱差異資料處理系統100所產生包括預測資料以及建議處理的任務卡片/專案卡片之後，點擊使用者介面/終端設備的按鈕/按鍵以輸入執行指令至處理器110，進而令執行模組123執行對應的操作與處理。
儲存裝置120用以儲存預測資料分析模組121、差值判斷模組122以及執行模組123。在本實施例中，處理器110以及儲存裝置120、預測資料分析模組121可通過特定的應用程式介面(Application Programming Interface，API)、交互介面或終端設備(Terminal Equipment)來提供預測資料的輸入、閾值設定服務、各項參數設定、多個觸發條件以及條件觸發後的處理內容設定服務(Business service)的功能。
換言之，承辦人員以及使用者可操作差異資料處理系統100以及儲存裝置120的應用程式介面，以將預測系統所產生的多筆預測資料以及各項設定的參數值輸入至儲存裝置120以及處理器110之中，並且差異資料處理系統100可根據預測資料以及設定值自動執行預測資料分析模組121、差值判斷模組122以及執行模組123，以產生相關的結果、通知訊息以及處理建議。
在本實施例中，差異資料處理系統100可例如是設置在終端設備或工單管理設備的運算裝置中，以供使用者操作。終端設備可用於調整庫存資料的設備。或者，差異資料處理系統100可例如是設置在雲端伺服器中，以供用戶操作，並連線至庫存伺服器/庫存資料庫。在本實施例中，處理器110可例如包括中央處理單元(Central Processing Unit，CPU)，或是其他可程式設計之一般用途或特殊用途的微處理器(Microprocessor)、數位訊號處理器(Digital Signal Processor，DSP)、特殊應用積體電路(Application Specific Integrated Circuits，ASIC)、可程式設計邏輯器件(Programmable Logic Device，PLD)、其他類似處理電路或這些裝置的組合。儲存裝置120可包括記憶體(Memory)及/或資料庫(database)，其中記憶體可例如非易失性記憶體(Non-Volatile Memory，NVM)。儲存裝置120可儲存有用於實現本發明各實施例的相關程式、模組、系統或演算法，以供處理器110存取並執行而實現本發明各實施例所描述的相關功能及操作。在本實施例中，預測資料分析模組121、差值判斷模組122以及執行模組123可例如是以JSON(JavaScript Object Notation)、可延伸標記式語言(Extensible Markup Language，XML)或YAML等諸如此類的程式語言來實現的，但本發明也不限於此。
圖2是本發明的一實施例的差異資料處理方法的流程圖。參考圖1以及圖2，本實施例的差異資料處理系統100可執行如以下步驟S210~S240。在本實施例中，使用者可操作預測資料分析模組121、差值判斷模組122以及執行模組123的應用程式介面。在步驟S210，處理器110將多筆預測資料輸入至預測資料分析模組121。在本實施例中，根據評估終端市場的所產生的需求預測資料、使用者輸入的預測資料、差異資料處理系統100從ERP資料庫讀取的資料以及歷史需求預測資料皆可作為預測資料。並且，預測資料可例如是由外部需求預測資料系統(例如用戶端的系統)通過收發器與儲存裝置120建立通訊連接所提供的。
在步驟S220，處理器110通過預測資料分析模組121根據多筆預測資料以及資料處理規則產生需求差值資料。需求差值資料相關於多筆預測資料中的突增偏差量。在本實施例中，預測資料分析模組121可根據如上述的多筆預測資料以及儲存於儲存裝置120中的預測資料沖銷規則(例如，比對時間的設定、比對品號的設定等)以及資料處理規則(例如資料格式以及取值的資料欄位等參數設定)進行資料整理與取值，以找出符合用戶設定的需求差值資料。預測資料沖銷規則可例如是取樣商品號、取樣預測資料間隔以及取樣類型等與生產/庫存管理以及預測資料有關的取樣與比對設定資訊。
需求差值資料可包括差異數量、前期數量、本期數量以及在製品/成品號碼、產品編號、材料編號、發貨日期、需求預測數量、製造日期、製造進度、預測建立日期以及突增偏差量(突然增加的數量詞)。值得說明的是，差異資料處理系統100可針對終端市場的需求預測資料發生突然增加時，產生對應的通知訊息以及操作建議(例如計算二次交期以及計算快速補產的生產成本賠償損失值)至外部系統。
在步驟S230，處理器110通過差值判斷模組122根據需求差值資料產生處理判斷結果。在本實施例中，差值判斷模組122根據使用者所預先設定的判斷參數(判斷設定值)對上述的需求差值資料進行比對以產生處理判斷結果。處理判斷結果可包括高於閾值、低於閾值、小於第一閾值、大於第一閾值、介於第一閾值與第二閾值之間、小於第二閾值以及大於第二閾值等判定結果。
在步驟S240，處理器110通過執行模組123根據處理判斷結果執行資料差值處理，以有效率地處理預測資料突然增加的狀況，同時降低仰賴人員的實務經驗以降低人為失誤的發生機率，進而優化生產管理以及業務端對於市場需求以及產線的管理效率與正確度。因此，本實施例的差異資料處理系統100以及差異資料處理方法，可有效地根據外部先進規劃排程系統或使用者輸入的預測資料提供對應的處理建議、經格式統一的預測資料、對應突增數量所需的原料數量清單以及判定結果至相關人員的電子裝置(例如個人計算器、智慧手機等電子設備)。
圖3是本發明的一實施例的差異資料處理方法的操作流程圖。參考圖1以及圖3。在本實施例中，差值判斷模組122可例如是通過自注意力機制(self-attention mechanism，SAM)模型所建構的神經網路(Neural Network)模組，或其他類似的神經網路模組，並可實現深度強化式機器學習(Deep Reinforcement Learning, DRL)功能。差值判斷模組122可例如是利用多層的類神經網路。並且，差值判斷模組122可經訓練以學習推理儲存裝置120中的預測資料以及處理記錄，進而從大資料中找出例如對應產品編號、預測資料以及處理結果等之間的關聯，以產生對應的差值處理關聯函數。如此一來，差值判斷模組122的差異資料處理系統100，即實現根據歷史預測資料以及歷史處理結果自動產生處理建議的功能。在一實施例中，差異資料處理系統100可執行如以下步驟S331~S338，以達到產生需求差值資料的處理判斷結果以及執行資料差值處理。
在步驟S331，處理器110可將終端設備310所輸入的上期預測資料311以及本期預測資料312輸入至預測資料分析模組121中，進而分析出突增偏差量。預測資料可包括客戶品號、交貨日期、交貨數量、客戶全稱、發佈日期、客戶訂單號等任何與在制產品(WIP)的生產與控管有關的製造資訊、庫存資訊、生產資訊以及產能資訊。在本實施例中，預測資料可例如是使用者通過交互介面或是終端設備310所輸入的預測資料。並且，差異資料處理系統100通過收發器接收預測資料，並輸入至儲存裝置120中，以使處理器110可從儲存裝置120讀取預測資料且輸入至預測資料分析模組121之中。在另一實施例中，差異資料處理系統100還包括預測系統，並且預測系統耦接儲存裝置120以及處理器110。如此一來，預測系統可根據評估人員所輸入的終端市場資料產生多筆預測資料。
在一實施例中，預測資料分析模組121可包括資料預處理單元以及資料分析單元。資料預處理單元用以根據資料處理規則將多筆輸入資料轉換成具有相同資料格式的多筆預測資料。具體而言，不同產品/在製品的預測資料表格、不同供應商、不同資料來源的資料格式與設定皆不同，因此為了提高人員以及系統比對的效率。資料預處理單元根據資料處理規則中的預設資料格式以及所需資料欄位將多筆輸入資料統一以及整理為符合資料處理規則的資料格式，進而產生具有相同資料格式的多筆預測資料。
在一實施例中，資料分析單元用以根據預測資料沖銷規則對經格式統一的多筆預測資料中的突增偏差量以及總庫存量進行分析以產生需求差值資料。預測資料沖銷規則可包括例如取樣類型、分析類型、基準日類型、沖銷週期、周起算日、月起算日、產品號碼、客戶名稱、產品名稱以及對應操作內容。舉例而言，需求差值資料為多筆預測資料中突增偏差量扣掉成品在制數量、成品在途數量以及成品庫存數量(可用庫存量)，因此需求差值資料為用戶端/市場所需要的預測數量扣除總庫存量(即在制數量、在途數量以及可用庫存量的加總)。
在步驟S332，處理器110可通過預測資料分析模組121將需求差值資料以及對應在製品/成品的內容作為突增任務卡片，以使承辦人員/用戶可便利地通過與差異資料處理系統100通訊連接的顯示幕查閱與檢查需求差值資料以及在製品內容。
在步驟S333，處理器110可根據儲存於資料庫320中的預測突增過濾規則322以及需求差值資料執行差值判斷模組122以進行系統判定。在一實施例中，差值判斷模組122可包括處理判斷單元，並且處理判斷單元可根據需求差值資料以及預測突增過濾規則322產生處理判斷結果。具體而言，預測突增過濾規則322相關於閾值，並且預測突增過濾規則322可以包括需求差值資料分別低於閾值、高於閾值、小於第一閾值、介於第一閾值與第二閾值之間以及大於第二閾值的處理設置以及判定標準/判斷規則。
也就是說，預測突增過濾規則322包括不同的在製品/成品于不同突增量時的觸發參數。舉例而言，預測突增過濾規則322可例如是在製品A/成品在需求差值資料的突增數量達10000時，對應的操作類型為自動根據庫存資料生成補貨計畫、在製品A在需求預測的突降數量大於10000且小於100000時，對應的操作類型為自動分析所需在製品A數量的所有原料數量且發送資訊至相關供應商。或是，在製品A在需求預測的突增數量大於100000時，對應的操作類型為根據庫存數量以及生產資料計算預計可供貨日期。
在一實施例中，差異資料處理系統100通過差值判斷模組122根據需求差值資料產生處理判斷結果的步驟可例如包括以下狀況，當處理判斷單元判斷需求差值資料小於第一閾值時，處理判斷單元產生包括需求差值資料的判斷記錄，以使執行模組123將判斷記錄儲存於儲存裝置120。也就是說，當需求差值資料小於使用者所設定的第一閾值時，差異資料處理系統100僅將需求差值資料小於閾值的記錄(判斷記錄)以及需求差值資料記錄至儲存裝置120中。
另一方面，當處理判斷單元判斷需求差值資料介於第一閾值以及第二閾值之間(或是低於閾值)時，處理判斷單元根據產能資料產生補產工單資訊。並且執行模組123可根據補產工單資訊自動生成補貨計畫(步驟S334)，以使執行模組123將補產工單資訊自動地寫入與差異資料處理系統100通訊連接的製造系統中。在另一實施例中，執行模組123可將補貨計畫(即包括補產工單資訊)輸出至對應的終端設備310，以確認接收到承辦人員所輸入的確認指令後才將補產工單寫入企業資源規劃系統中。產能資料可例如包括每個在製品/成品的生產效率以及生產數量等資訊。
另一方面，當處理判斷單元判斷需求差值資料大於第二閾值時，處理判斷單元根據物料清單資料以及產能資料自動分析產品需求且告知供應商(步驟S335)。也就是說，處理判斷單元根據需求差值資料以及物料清單(Bill Of Material，BOM)資料產生需求突增資料所需的多個物料需求資料，以使執行模組123將多個物料需求資料分別輸出至對應的供應商。物料清單(BOM)資料為每一在製品/成品所對應的原料清單以及所需原料數量。
在步驟S336，當供應商接收到差異資料處理系統100所發出的資訊(例如需求原料數量的資訊)後，供應商/用戶將偏差量處理確認指令313輸入至終端設備310。差異資料處理系統100可從終端設備310中抓取偏差量處理確認指令313。在一實施例中，偏差量處理確認指令313(即原料供給資訊)可包括可供全額數量、可供部分數量以及無法供貨等確認指令。在本實施例中，處理器110將原料供給資訊輸入至差值判斷模組122，並且差值判斷模組122根據原料供給資訊(即供應商可提供的原料數量)以及預測突增過濾規則322產生二次處理判斷結果。預測突增過濾規則322相關於產能資料，產能資料包括補產成本金額以及補產數量。
在一實施例中，二次處理判斷結果包括交期確認結果，並且差值判斷模組122根據原料供給資訊、預測突增過濾規則322以及產能資料計算出包括交期資訊的交期確認結果，以使執行模組123輸出交期資訊。也就是說，差值判斷模組122可根據原料供給資訊、需求差值資料以及產生資料，計算出符合需求差值資料的在製品/成品數量的可交貨日期(步驟S337)。在另一實施例中，當差值判斷模組122根據原料供給資訊判斷出原料供給有缺少時，差值判斷模組122產生二次交期確認資訊，以使執行模組123輸出二次確認資訊，進而通知承辦人員向供應商確認處理二次交貨日期(交期)(步驟S338)。
值得說明的是，處理判斷結果還可包括將處理建議(例如生成補產工單、通知供應商以及向供應商確認交期等建議)以及需求差值資料輸出至相關承辦人員的終端裝置之中，並且等待承辦人員的指令。也就是說，差異資料處理系統100所產生的處理判斷結果(例如包括對應的操作類型)可先傳送至用戶(例如承辦人員)的電子裝置中，並且等待使用者進一步地確認與調整所發出的處理指示。接著，差異資料處理系統100將使用者的處理指示作為處理判斷結果，以使執行模組123執行經使用者確認的資料差值處理，進而提高使用者掌握以及判斷預測資料狀況的效率以及提升差異資料處理系統100的安全性以及可靠度。
在一實施例中，處理器110通過處理判斷單元根據儲存於儲存裝置120的歷史處理記錄產生處理判斷結果。並且，處理器110也可以將每次所產生的處理判斷結果儲存於儲存裝置120中。歷史處理記錄包括歷史參數設置、歷史處理設置以及歷史處理結果。如此一來，差值判斷模組122可根據現有的需求差值資料以及歷史處理記錄自動地產生包括處理建議(例如包括解決方案的項目卡以及任務卡)的處理判斷結果，以快速地提供符合歷史處理記錄的建議方案以及通知資訊。
綜上所述，本發明的差異資料處理系統100以及差異資料處理方法，可將不同格式的資料進行整理與分析，以產生需求差值資料。並且，根據預設的比對與判定規則(例如沖銷規則及過濾規則)自動產生處理建議(處理判斷結果)，讓用戶可有效率地掌握預測資料突增的情況，且根據處理建議調整或增加生產工單以及交期確認。如此一來，差異資料處理系統100可提升使用者在處理預測資料發生變化時的處理效率以及生產管理及預測資料對應處理時的降低人力成本。
最後應說明的是：以上各實施例僅用以說明本發明的技術方案，而非對其限制；儘管參照前述各實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分或者全部技術特徵進行等同替換；而這些修改或者替換，並不使相應技術方案的本質脫離本發明各實施例技術方案的範圍。
100:差異資料處理系統
110:處理器
120:儲存裝置
121:預測資料分析模組
122:差值判斷模組
123:執行模組
310:終端設備
311:上期預測數據
312:本期預測資料
313:偏差量處理確認指令
320:資料庫
321:預測突增沖銷規則
322:預測突增過濾規則
S210~S240、S331~S338:步驟
圖1是本發明的一實施例的差異資料處理系統的示意圖。
圖2是本發明的一實施例的差異資料處理方法的流程圖。
圖3是本發明的一實施例的差異資料處理方法的操作流程圖。
S210、S220、S230、S240:步驟
Claims (18)
- 一種差異資料處理系統，包括： 儲存裝置，儲存預測資料分析模組、差值判斷模組以及執行模組；以及 處理器，耦接所述儲存裝置，並且執行所述預測資料分析模組、所述差值判斷模組以及所述執行模組， 其中所述處理器將多筆預測資料輸入至所述預測資料分析模組，以使所述預測數據分析模組根據資料處理規則產生需求差值資料，所述需求差值資料相關於所述多筆預測資料中的突增偏差量， 其中所述差值判斷模組根據所述需求差值資料產生處理判斷結果， 其中所述執行模組根據所述處理判斷結果執行資料差值處理。
- 如請求項1所述的差異資料處理系統，其中所述預測資料分析模組包括： 資料預處理單元，根據所述資料處理規則將多筆輸入資料轉換成具有相同資料格式的所述多筆預測資料； 資料分析單元，根據預測資料沖銷規則對所述多筆預測資料中的所述突增偏差量以及總庫存量進行分析以產生所述需求差值資料。
- 如請求項1所述的差異資料處理系統，還包括預測系統，耦接所述儲存裝置以及所述處理器，並且所述預測系統根據市場資料產生所述多筆預測資料。
- 如請求項1所述的差異資料處理系統，其中所述差值判斷模組包括： 處理判斷單元，根據所述需求差值資料以及預測突增過濾規則產生所述處理判斷結果。
- 如請求項4所述的差異資料處理系統，其中所述處理判斷單元還根據歷史處理記錄產生所述處理判斷結果，並且所述處理器將所述處理判斷結果儲存於所述儲存裝置中，其中所述歷史處理記錄包括歷史參數設置、歷史處理設置以及歷史處理結果。
- 如請求項4所述的差異資料處理系統，其中所述預測突增過濾規則相關於閾值，並且所述預測突增過濾規則包括所述需求差值資料分別小於第一閾值、介於所述第一閾值與第二閾值之間以及大於所述第二閾值的處理設置。
- 如請求項4所述的差異資料處理系統，其中所述處理器將原料供給資訊輸入至所述差值判斷模組，並且所述差值判斷模組根據所述原料供給資訊以及所述預測突增過濾規則產生二次處理判斷結果，其中所述預測突增過濾規則相關於產能資料。
- 如請求項7所述的差異資料處理系統，其中所述二次處理判斷結果包括交期確認結果，並且所述差值判斷模組根據所述原料供給資訊、所述預測突增過濾規則以及所述產能資料計算出包括交期資訊的所述交期確認結果，其中所述執行模組輸出所述交期資訊。
- 如請求項6所述的差異資料處理系統，其中當所述處理判斷單元判斷所述需求差值資料小於所述第一閾值時，所述處理判斷單元產生包括所述需求差值資料的判斷記錄，以使所述執行模組將所述判斷記錄儲存於所述儲存裝置； 當所述處理判斷單元判斷所述需求差值資料介於所述第一閾值以及所述第二閾值之間時，所述處理判斷單元根據產能資料產生補產工單資訊；以及 當所述處理判斷單元判斷所述需求差值資料大於所述第二閾值時，所述處理判斷單元根據物料清單資料以及產能資料產生多個物料需求資料，以使所述執行模組輸出所述物料需求資料。
- 一種差異資料處理方法，包括： 將多筆預測資料輸入至預測資料分析模組； 通過所述預測資料分析模組根據所述多筆預測資料以及資料處理規則產生需求差值資料，其中所述需求差值資料相關於所述多筆預測資料中的突增偏差量； 通過差值判斷模組根據所述需求差值資料產生處理判斷結果；以及 通過執行模組根據所述處理判斷結果執行資料差值處理。
- 如請求項10所述的差異資料處理方法，其中通過所述預測資料分析模組根據所述多筆預測資料以及所述資料處理規則產生所述需求差值資料的步驟包括： 根據所述資料處理規則將多筆輸入資料轉換成具有相同資料格式的所述多筆預測資料；以及 根據預測資料沖銷規則對所述多筆預測資料中的所述突增偏差量以及總庫存量進行分析以產生所述需求差值資料。
- 如請求項10所述的差異資料處理方法，其中將所述多筆預測資料輸入至所述預測資料分析模組的步驟之前，包括： 通過預測系統根據市場資料產生所述多筆預測資料。
- 如請求項10所述的差異資料處理方法，其中通過所述差值判斷模組根據所述需求差值資料產生所述處理判斷結果的步驟包括： 根據所述需求差值資料以及預測突增過濾規則產生所述處理判斷結果。
- 如請求項13所述的差異資料處理方法，其中通過所述執行模組根據所述處理判斷結果執行所述資料差值處理的步驟包括： 還根據歷史處理記錄產生所述處理判斷結果；以及 將所述處理判斷結果儲存於儲存裝置中，其中所述歷史處理記錄包括歷史參數設置、歷史處理設置以及歷史處理結果。
- 如請求項13所述的差異資料處理方法，其中所述預測突增過濾規則相關於閾值，並且所述預測突增過濾規則包括所述需求差值資料分別小於第一閾值、介於所述第一閾值與第二閾值之間以及大於所述第二閾值的處理設置。
- 如請求項13所述的差異資料處理方法，其中還包括： 將原料供給資訊輸入至所述差值判斷模組； 通過所述差值判斷模組根據所述原料供給資訊以及所述預測突增過濾規則產生二次處理判斷結果，其中所述預測突增過濾規則相關於產能資料。
- 如請求項16所述的差異資料處理方法，其中所述二次處理判斷結果包括交期確認結果，並且所述差值判斷模組根據所述原料供給資訊、所述預測突增過濾規則以及所述產能資料計算出包括交期資訊的所述交期確認結果，其中所述執行模組輸出所述交期資訊。
- 如請求項15所述的差異資料處理方法，其中通過所述差值判斷模組根據所述需求差值資料產生所述處理判斷結果的步驟還包括： 當處理判斷單元判斷所述需求差值資料小於所述第一閾值時，通過所述處理判斷單元產生包括所述需求差值資料的判斷記錄，以通過所述執行模組將所述判斷記錄儲存於儲存裝置； 當所述處理判斷單元判斷所述需求差值資料介於所述第一閾值以及所述第二閾值之間時，通過所述處理判斷單元根據產能資料產生補產工單資訊；以及 當所述處理判斷單元判斷所述需求差值資料大於所述第二閾值時，通過所述處理判斷單元根據物料清單資料以及產能資料產生多個物料需求資料，以使所述執行模組輸出所述物料需求資料。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211252483.5A CN115481927A (zh) | 2022-10-13 | 2022-10-13 | 差异数据处理系统以及差异数据处理方法 |
| CN2022112524835 | 2022-10-13 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI822469B TWI822469B (zh) | 2023-11-11 |
| TW202416193A true TW202416193A (zh) | 2024-04-16 |
Family
ID=84396562
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111143821A TWI822469B (zh) | 2022-10-13 | 2022-11-16 | 差異資料處理系統以及差異資料處理方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN115481927A (zh) |
| TW (1) | TWI822469B (zh) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3954539B2 (ja) * | 2003-06-30 | 2007-08-08 | Ｔｄｋ株式会社 | 受注予測システム |
| US20210390498A1 (en) * | 2018-11-01 | 2021-12-16 | C3.Ai, Inc. | Systems and methods for inventory management and optimization |
| TWI757828B (zh) * | 2020-08-13 | 2022-03-11 | 國立成功大學 | 原料採購決策方法、電子裝置與電腦程式產品 |
| CN114049060A (zh) * | 2021-10-15 | 2022-02-15 | 北京首钢自动化信息技术有限公司 | 一种生产线的材料管控方法和装置 |
-
2022
- 2022-10-13 CN CN202211252483.5A patent/CN115481927A/zh active Pending
- 2022-11-16 TW TW111143821A patent/TWI822469B/zh active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115481927A (zh) | 2022-12-16 |
| TWI822469B (zh) | 2023-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210264332A1 (en) | Process discovery and optimization using time-series databases, graph-analytics, and machine learning | |
| US10467550B1 (en) | Operational business intelligence measurement and learning system | |
| CN104574002B (zh) | 基于大数据分析的资产管理信息处理方法及装置 | |
| WO2008154733A1 (en) | System and method for modeling an asset-based business | |
| CN111210108A (zh) | 一种电力物资供应链的绩效管控模型 | |
| US10642838B2 (en) | Real-time or event-based analysis of process data | |
| JP2004021364A (ja) | 経営意思決定支援システム | |
| CN115587841A (zh) | 预测数据处理系统以及预测数据处理方法 | |
| Bukowski et al. | Reliable, Secure and Resilient Logistics Networks | |
| CN115170090A (zh) | 一种项目管理方法、装置、电子设备及可读存储介质 | |
| US11379767B2 (en) | Adjusting a master build plan based on events using machine learning | |
| US8688499B1 (en) | System and method for generating business process models from mapped time sequenced operational and transaction data | |
| CN112488425B (zh) | 一种银行业务流程任务模板优化的预测方法 | |
| US20180322585A1 (en) | Management support device and management support method | |
| CN111861004A (zh) | 日收入产量的自动佣金预测方法、系统、设备及存储介质 | |
| TW202416193A (zh) | 差異資料處理系統以及差異資料處理方法 | |
| CN116777263A (zh) | 一种企业经营数据分析系统及方法 | |
| CN116308494A (zh) | 供应链需求预测方法 | |
| CN115660475A (zh) | 一种智能卡制造企业职能部门工作效率管理系统和方法 | |
| TWI852171B (zh) | 預測資料處理系統以及預測資料處理方法 | |
| TW200307878A (en) | Management plan preparation system | |
| TWI831469B (zh) | 預測資料平衡系統以及預測資料平衡方法 | |
| KR101903530B1 (ko) | 업무 및 전산화 체계 최적화 진단 시스템 | |
| KR101450273B1 (ko) | 매출 통계 시스템 및 그 운용 방법 | |
| Tanaga et al. | Material Requirement Planning Information System: Prototype And Lead Time Analysis |