TWI304957B - Demand forecast systems and methods, and computer readable medium thereof - Google Patents
Demand forecast systems and methods, and computer readable medium thereof Download PDFInfo
- Publication number
- TWI304957B TWI304957B TW094125907A TW94125907A TWI304957B TW I304957 B TWI304957 B TW I304957B TW 094125907 A TW094125907 A TW 094125907A TW 94125907 A TW94125907 A TW 94125907A TW I304957 B TWI304957 B TW I304957B
- Authority
- TW
- Taiwan
- Prior art keywords
- interval
- prediction
- predicted
- target
- error interval
- Prior art date
Links
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
- 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
Description
1304957 九、發明說明: 【發明所屬之技術領域】 、本發明係有關於供應鏈管理,且 一 ^調整機制之需求預測系統及方法=η -種具有依气灰色預測, 【先前技術】 σ在商品的供應中,供應鏈包括了物料採購、將物料轉換為半 品、以及將成品配送至客戶的部份 二與成 源與產能。換言之,並不是每與分佈能力係受限於資 被承諾但並不-定會滿足,其中,_4=!夠滿足’ -些客戶可能 卡 二要求可以侍到部份供應,以及其他 ! 0 5 ^5 提。,…,,·㈣造與配送之產品製造者與服務供應者的重要前 θ ,客戶傳送包括—特定數量與—特❹期之產品的要求或 =未4、應者1應者可讀據接收到的要求來测與計够本身内部 =外部的製造排程,並事先配置用來製造產品產能以滿足每一個客戶。者 由各戶接晴目應需求之訂科,供應者觸始製造產品 二 ^者必解先依縣求制投„本支出來準備_設備與物 萬求,測無法有效趨近於實際訂單,供應者將會遭受到龐大的損失。 “白知地’鎖售制雜據—畴㈣咖丨㈣或是時間序列⑺咖Series) =型預測:回歸模型假設變數__是線性的。然而,由於不明確的市 Γ而求θ Λ,δΤ單很少可以表現出—個乾淨與完整的趨勢。時間序列模型 需要大量的實驗參考值(通常超過%筆資料或是更多)。另外,回歸或是時 間序列模型得_結果通常為缺乏雜的實驗簡單测值。因此,對 於擁有具有不S酬之市場生命勒以及有限之歷史酬資料之多樣性之
05O3-A3O865TWF 1304957 這些預測值係 產品類型的企業,如半導體產業中之上游與下游工廠而言, 不貫用的。 【發明内容】 有鑑於此,本發明提供一種需求預測系統及方法。 * u依據本發明貫施例之需求测系統包括—計贿組與—調整模組。計 劃模組提供一預測錯誤區間機制來依據歷史預測資料與一灰色伽細則 板型產生-·錯誤區間。調整模組依據删錯誤區間調整—目標計割區 間的目標預測值。 〜叶劃模組更正規化(N。聰lize)歷史預測龍,史测資料對應至_特 =十劃區間,或是-連續的計_間。如果歷史預_料縣至—特定計 碰間’㈣模組依騎定計聽_實際訂單來正規化歷史預測資料。 汁劃模組更使用依據歷史預測資料與灰色預測模型產生之兩預測值來 生預測錯誤區間。灰色預測模型為依據灰色預測理論之胸。 ,模组更依據預測錯誤區間與一既定基準難磁⑽蝴的距離調 I目#預測值。 «本發嫩_之需求·方法,首先,絲耻制資料與一灰 =极型產生-酬錯誤區間。接著,依據預測錯誤區間調整—目標計 d區間的目標預測值。 θ 一歷史测貝料更被正規化。歷史預測資料對應至—特定計継間,或 ^資则。如果歷史腳傻料對應至—特定計_間,歷史預 叫貝枓係依據特輯劃區間的實際訂單來正規化。 值所ΓΓΓ間係伽絲歷史觸f料與灰色預聰舰生之兩預測 。火色制換型為依據灰色預測理論之啊⑶模型。 目標預測值更依據_錯誤區間與—既定基準制的距離進行調整。 本發明上述綠相透触式碼料錄於實_針。當程式瑪被
0503-A30865TWF 6 1304957 機的載人且執行日彳’機器變成肋實行本發明之裝置。 下文特舉實施例’ 、,為使本發明之上述目的、特徵和優點能更明顯易僅, 亚配合所附圖示,進行詳細說明如下。 【實施方式】 $ 1、圖為-示意圖係顯示依據本發明實施例之需求預測系統之架構。 :求預測系統1⑽包括—計劃模組11()與―調整模組⑼。計讎組 110|d—删錯誤區間機制來依據歷史酬資料⑽與—聽((㈣預測 柄里111產生i測錯誤區間。賴敎nQ可以先將需要的歷史預測資 料130進仃正規化。正規化的目的在於要在一特定的基線(―)將歷史 預測資料130鮮彳b。需要的歷史綱資料⑽可輯應至—狀計劃區 間,或疋一連續的計劃區間。舉例來說,對應至計劃區間1月之複數個資 料木合,或疋分別對應至計劃區間丨月、2月、3月、與4月之複數個資料 集合可以用來透過此機制來產生預測錯誤區間。如果歷史預測資料13〇對 應至—連續的計劃區間,計劃模組110依據這些計劃區間的平均實際訂單、 隶後一计劃區間的實際訂單、或是其他值來正規化歷史預測資料13〇。如果 歷史預測資料130對應至一特定計劃區間,計劃模組11()依據特定計劃區 間的實際訂單來正規化歷史預測資料13〇。 表格1顯示歷史預測資料130之原始資料的例子。 表格1 汁劃區間 2003/1 月 2003/2 月 歷史預測資料(1) 1200 1300 歷史預測資料(2) 1100 1400 歷史預測資料(3) 1000 800 歷史預測資料(4) 1200 700 歷史預測資料(5) 1300 1000 歷史預測資料(6) 1050 卜900 實際訂單 1100 900 0503-A30865TWF 7 1304957 计劃區間1月的歷史預測資料130包括12⑽、11〇〇、1〇〇〇、12〇〇、13〇〇、 與1050。計劃區間2月的歷史預測資料13〇包括13〇〇、14〇〇、8〇〇、7〇〇、 1000、與900。1月與2月的歷史預測資料13〇可以分別以相應之實際訂單 Π00與900進行正規化。正規劃的歷史預測資料13〇顯示於表格2中。 表格2 計劃區間 ~~ 2003/1 月 2003/2 月 _ 歷史預測資料⑴ ~ 1.0909 1.4444 歷史預測資料(2) 1.0000 1.5556 _ 歷史預測資料(3) 0.9091 0.8889 — 歷史預測資料(4) 1.0909 0.7778 歷史預測資料(5) 1.1818 1.1111 _ 歷史預測資料(6) 0.9545 1.0000 實際訂單 , 1.0000 1.0000 灰色預測模型111可以是依據灰色預測理論之GMGJ)模型。灰色預測 ' 理淪係由Deng博士於西元1982年提出之理論,其著重於猶豫不決地與有 限的案例樣本。灰色預測模型只需要4個樣本就可以預測非線性的行為。 值得注意的是,當使用更多樣本時可以增加預測的準確度。 正規化的歷史預測資料130可以是灰色預測模型m的輸入,且透過 _ 灰色預測模型ill可以產生兩個預測值。計劃模组110使用此兩預測值來 產生預測錯誤區間。 調整模組120接收一目標計劃區間的目標預測值14〇,且依據預測錯誤 區間機制與/或預測錯誤區間與一既定基準值間的距離調整目標預測值。值 得注意的是,基準值可以是實際訂單的的正規值,如1〇〇〇〇%。調整模組 120產生之預測結果15〇(調整過之目標預測值)可以用來預測需求/銷售。值 得注意的是,目標計劃區間可以是任一個計劃區間。舉例來說,為了移除 季崤性的變化影響,此特定與目標計劃區間可以是在不同年度的同一個月。 第2圖為一流程圖係顯示依據本發明實施例之需求預測方法。 首先,如步驟S210,歷史預測資料被正規化。如前所述,歷史預測資 8
0503-A30865TWF 1304957 料可以職至-特定關_,或是_連續的計瓶間。如果歷史預測資 =對應至-連續的計麵間,歷史預測資料可以依據這些計劃區間的平均 貫際訂單、最後-計娜_實際訂單、或是其他值來進行正規化。如果 歷史預測資料對應至-特定計_間,歷史侧資料可以依據特定計劃區 間的實際訂單來正規化。 一 如步驟S22〇,依據歷史預測資料與灰色預測模型產生—預測錯誤區 間。在此貫施例中,採用依據灰色預測理論之GM(1山模型。首先,正規化 dz⑴ 、
之歷史預測資料輸入灰色預測模型(1Γ +拉⑴=ώ中 預測參數(a约。其可以縣制兩個侧值。酬值可以縣產生預測 錯誤區間。 在表格2的例子中’使用細/丨月的6個歷史預測資料,兩個灰色預 測參數為: \ f a
Vi =2 \ 2=2 5 χ ikr ι=2 6 Λ2Σ-ω U=2 ) 一 0.0171 以及
(i) b Σζ(ι) U=2 6Σ 1 = 2 5 χ Σ (zd)2) - Σ Ζ(ΐ) U = 2 (i) =0.9654 其中,⑹為歷史資料(,⑴I,之原始序列(Series),Ζ⑴為AG〇 (累加生成操作(Accumulated Generating 〇perati〇n))序列,且z(1)為平均序 列。值得注意的是’灰色預測理論為公知之技術,其細節在此省略。之後, 預測值(Z(〇)(7))為: 1 + 0.5a + 〇.5a. 1.0810 - 108.10% 以及
0503-A30865TWF 9 1304957 χ⑹⑺={卜⑹⑴-兰 χ exp(_ 6a)} + 7 _ 叉⑴⑺=ι。8。9 = 108·09% 同樣地,使用2003/2月的6個歷史預測資料’兩個預測值分別為61.66% 與77.49%。第3圖為一示意圖係顯示對應計劃區間2⑻3/1月與2003/2月的 預測錯誤區間。如第3圖所示,2003/1月的預測錯誤區間邱立為108.10% 與108.09%之間,且至基準值(100%)的距離D1為8·〇9%。2003/2月的預測錯 誤區間fez:2為77.49%與61.66%之間’且至基準值(100%)的距離瓜為 22.51%。 之後,如步驟S230,依據預測錯誤區間與預測錯誤區間與基準值(如 • 100%)間的距離調整一目標計劃區間的目標預測值。其中,基準值表示預測 商品的市場趨勢。如果預測錯誤區間南於基準值,依據下述方程式調整目 標預測值: ATFV = TFV X (l - (si x FEl)) x (l - (s2 x D)) (工) 如果預測錯誤區間低於基準值,依據下述方程式調整目標預測值: ATFV = TFV X (1 + (si X FEl)) χ (ι + (s2 χ ⑺ 其中㈣為目標預測值,為調整後之目標預測值,啦為預測錯 誤區間,·〇為預測錯誤區間與基準值間的距離,且釭與幻為可調整常數。
值得注意的是,&糾可以依慰品類型、產f、客戶條件、歷史預測準 確度、市場趨勢與其他因素進行動態調整。 如前所述,目撕間可叹任—僻懷_。如果歷史麵資料 對應-連續帽m間,如細λ月〜·撕月,目標計継間可以是細η 月。在此例子中,季節性電動影像可以進_步移除。在表格2的例子中, 2麵月的6雜錢測:输來_觀⑽讀 值,且2003/2月的6筆歷史預測資料可以用來預測計割區間綱/2月的目 標預測值。另外,20_月的目標 」Ln2〇〇4/2月的目 2004/2月的目標預測值可以使用公⑵以帛公式⑴進行調整,且 值可以改善《縣祕,成驻==^調錄之目標預測
0503-A30865TWF 10 1304957 體。係顯示儲存提供咖測方法之電腦程式之儲存媒 史_=:==程式碼至少包_411,用_ 依據預測錯誤醜叫以及程柄412,用以 區間的目標預測值,《=曰& 準值間的距離調整-目標計劃 歷史預測資料。61 σ # ^式敏包括程式碼(細*),肋正規化
-弟5圖為—不意圖係顯示依據本發明實施例之預測趨勢。如第5圄所 =錯誤區間啦舆預測趨勢,離)都 二= ΓΐΓ Γ輪,她™輕朗^= H源、轉與庫存制轉。 含於輪’料份,™__態包 可讀取爾频,3、^、硬碟、献任何其賴_岭電腦 變成用以中’ ^式碼被機器,如電腦載人且執行時,此機器 過一频1 fx明之裝置。本發明之綠與裝置也可以以程式碼型態透 令,;程電線或電鐵、光纖、或是任何傳輸型態進行傳送,其 本I二:=二如電腦接收、載入且執行時’此機器變成用以參與 綱,蝴辑喷供一操 =然本發明已以較佳實施例揭露如上,然其並非用以限定本發明,任 =、心此項技藝者’在不脫離本發明之精神和範圍内,當可做些許更動與 /s因此本發明之鑛顧當視伽之憎專纖騎界;t者為準。
0503-A30865TWF 11 1304957 圖式簡單說明】 =一蝴係顯示依據本發明實施例之需 -流程圖係顯示依據本發明實施例之需細 圖為-不意圖係顯示對應計劃區間2〇〇3/1 誤區間。 月與2003/2月的預測錯 體 第4圖為—示意圖係顯示館存提供需求預測方法之電腦程式之鍺存媒 第5圖為—示意職顯示依據本發明實施例之預測趨勢。 【主要元件符號說明】 100〜需求預測系統; 111〜灰色預測模型; 130〜歷史預測資料; 150〜預測結果; FEI、FEI1、FEI2 110〜計劃模組; 120〜調整模組; 140〜目標預測值; S210、S220、S230〜操作步驟; 〜預測錯誤區間; ΰ、D1、D2〜距離; 400〜電腦系統; 410〜儲存媒體; 411、412〜程式碼; τ〜預測趨勢。
0503-A30865TWF 12
Claims (1)
- ^I3'04957 第94125907號劃線部份之申請^ 、申請專利範圍: 1 · 一種需求預測系統 9S年?. 包S' 修正日期:95.7.24 曰修(¾)正本 -計劃模組’用以依據歷史制資料與_灰色酬模型產生兩 值,並依據兩預測值產生一預測錯誤區間;以及 、 -调整权組,用以依據該侧錯誤區間與/或該綱錯誤區間與— 值間的距離調整一目標計劃區間的一目標預測值。 ^ / 2.如申請專利細第1項所述之需求酬系統,其中該計峨組更正規 化該歷史預測資料。 ' 3. 如申請專利細第1項所述之需求預測⑽,其中紐史預測資料對 應至一特定計劃區間,且該計劃模組更依據該特定計劃區間的實際訂單來 正規化該歷史預測資料。 4. 如申請專利範圍第1項所述之需求預測系統,其中該歷史預測資料對 應至一連續的計劃區間。 5. 如申請專利範圍第1項所述之需求預測系統,其中該灰色預測模型為 依據灰色預測理論之GM(1,1)模型。 6. 如申請專利範圍第1項所述之需求預測系統,其中當該預測錯誤區間 高於該基準值時,該調整模組依據下述方程式調整該目標預測值: ATFV = TFV X (l - (si x FBl)) x (l - (s2 x d)) 其中,TFV為該目標預測值,為調整後之該目標預測值,邱工為 該預測錯誤區間,〇為該預測錯誤區間與該基準值間的距離,且31與幻為 可調整常數。 7.如申請專利範圍第1項所述之需求預測系統’其中當該預測錯誤區間 低於該基準值時,該調整模組依據下述方程式調整該目標預測值: ATFV = TFV X (l + (si x FEl)) x (l + (s2 x d)) 其中,TiV為該目標預測值,ATFV為調整後之該目標預測值,FEI為 該預測錯誤區間,·〇為該預測錯誤區間與該基準值間的距離,且Sl與52為 13 0503-A30865TWFl/Yianhou "1304957 修正日期:95.7.24 第94125907賴線部份之申請專利範圍修正本 可調整常數。 8_—種需求預測方法,包括下列步驟: 依據歷史·m料與-灰色酬模型產生兩测值,並依據兩預測值 產生一預測錯誤區間;以及 依據該預測錯麵間與/或該测錯誤區_—基準值間的距離調整一 目標計劃區間的一目標預測值。 9.如申明專利範圍第8項所述之需求預測方法,更包括正規化該歷史預 測資料。 10_如申請翻翻第8項所狀需求綱方法,更包括依據__特定計 劃區間的:r際訂單來正規化縣史测資料,其巾該歷史預測資料對應至 該特定計劃區間。 11. 如申請專利範圍第8項所述之需求預測方法,其中該歷史預測資料 對應至一連續的計劃區間。 12. 如申请專利範圍第8項所述之需求預測方法,其令該灰色預測模型 為依據灰色預測理論之GM(1,1)模型。 13. 如申請專利範圍第8項所述之需求預測方法,更包括當該預測錯誤 區間高於該基準值時,依據下述方程式調整該目標預測值: ATFV = TFV X (l - (si X -FBX)) x (l ~ (s2 x d)) 其中’ rFV為該目標預測值’ ATPV為調整後之該目標預測值,FS工為 該預測錯誤區間,〇為該預測錯誤區間與該基準值間的距離,且si與S2為 可調整常數。 14. 如申請專利範圍第8項所述之需求預測方法,更包括當該預測錯誤 區間低於該基準值時,依據下述方程式調整該目標預測值: ATFV = TFV X (l + (si X x (l + (s2 X D)) 其中,ΓΡΥ為該目標預測值’ ArFV為調整後之該目標預測值,FBI為 該預測錯誤區間,D為該預測錯誤區間與該基準值間的距離,且紅與幻為 0503-A30865TWFl/Yianhou 14 '1304957 第94125907號劃線部份之申請專利範圍修正本 修正日期:95.7.24 可調整常數。 15.—種電腦可讀取媒體,儲存一電腦程式用以執行時致使一電腦執行 一需求預測方法,該方法包括下列步驟: , 依據歷史預測資料與一灰色預測模型產生兩預測值,並依據兩預測值 產生一預測錯誤區間;以及 依據該預測錯誤區間與/或該預測錯誤區間與一基準值間的距離調整一 目標計劃區間的一目標預測值。 0503-A30865TWFl/Yianhou 15
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/051,424 US8280757B2 (en) | 2005-02-04 | 2005-02-04 | Demand forecast system and method |
Publications (2)
Publication Number | Publication Date |
---|---|
TW200629104A TW200629104A (en) | 2006-08-16 |
TWI304957B true TWI304957B (en) | 2009-01-01 |
Family
ID=36781021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW094125907A TWI304957B (en) | 2005-02-04 | 2005-07-29 | Demand forecast systems and methods, and computer readable medium thereof |
Country Status (3)
Country | Link |
---|---|
US (1) | US8280757B2 (zh) |
CN (1) | CN1815498A (zh) |
TW (1) | TWI304957B (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101247392B (zh) * | 2008-02-28 | 2010-12-08 | 中兴通讯股份有限公司 | 目标活动预测装置及方法 |
US20100004976A1 (en) * | 2008-04-08 | 2010-01-07 | Plan4Demand Solutions, Inc. | Demand curve analysis method for analyzing demand patterns |
KR101012863B1 (ko) * | 2008-09-25 | 2011-02-08 | 한국전력공사 | 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템 |
US8285582B2 (en) * | 2008-12-16 | 2012-10-09 | Teradata Us, Inc. | Automatic calculation of forecast response factor |
US20100169169A1 (en) * | 2008-12-31 | 2010-07-01 | International Business Machines Corporation | System and method for using transaction statistics to facilitate checkout variance investigation |
CN102297745B (zh) * | 2011-05-18 | 2013-02-27 | 上海理工大学 | 基于gm(0,2)模型的多维力传感器的静态解耦方法 |
US9047559B2 (en) * | 2011-07-22 | 2015-06-02 | Sas Institute Inc. | Computer-implemented systems and methods for testing large scale automatic forecast combinations |
CN102955978B (zh) * | 2011-08-31 | 2016-05-04 | 南京信息工程大学 | 一种基于周期性灰色系统的时装生产控制方法 |
CN102324071A (zh) * | 2011-09-08 | 2012-01-18 | 上海烟草集团有限责任公司 | 基于分层回归估计的卷烟社会库存估计方法 |
CN102968670B (zh) * | 2012-10-23 | 2016-08-17 | 北京京东世纪贸易有限公司 | 预测数据的方法和装置 |
CN104036103A (zh) * | 2013-03-06 | 2014-09-10 | 南京邮电大学 | 一种面向供应链系统的多尺度需求预测方法 |
US20150120382A1 (en) * | 2013-10-24 | 2015-04-30 | International Business Machines Corporation | Optimizing a business performance forecast |
CN104062054B (zh) * | 2014-06-10 | 2016-08-24 | 北京控制工程研究所 | 一种动量轮低转速贫信息条件下的力矩测量方法 |
CN104242744B (zh) * | 2014-09-19 | 2016-08-24 | 西北工业大学 | 一种基于优化灰色预测补偿的永磁同步电机转速控制方法 |
US10248922B1 (en) * | 2016-03-11 | 2019-04-02 | Amazon Technologies, Inc. | Managing network paths within a network of inventory spaces |
TWI618005B (zh) * | 2016-11-23 | 2018-03-11 | 財團法人資訊工業策進會 | 庫存需求預測系統 |
CN108461150A (zh) * | 2017-02-20 | 2018-08-28 | 天津工业大学 | 一种职业卫生预测研究方法 |
CN109308538B (zh) * | 2017-07-26 | 2021-03-09 | 北京嘀嘀无限科技发展有限公司 | 成交转化率预测方法及装置 |
CN108256684A (zh) * | 2018-01-16 | 2018-07-06 | 安徽理工大学 | 一种基于灰色数列模型的涌水量预测方法 |
CN108734345B (zh) * | 2018-05-11 | 2021-01-29 | 携程旅游网络技术(上海)有限公司 | Ota机票客服话务量的预测方法及系统 |
US10560313B2 (en) | 2018-06-26 | 2020-02-11 | Sas Institute Inc. | Pipeline system for time-series data forecasting |
US10685283B2 (en) | 2018-06-26 | 2020-06-16 | Sas Institute Inc. | Demand classification based pipeline system for time-series data forecasting |
CN110866656A (zh) * | 2019-11-26 | 2020-03-06 | 广州供电局有限公司 | 电力物资需求预测方法、装置、计算机设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5712985A (en) * | 1989-09-12 | 1998-01-27 | Lee; Michael D. | System and method for estimating business demand based on business influences |
US6876988B2 (en) * | 2000-10-23 | 2005-04-05 | Netuitive, Inc. | Enhanced computer performance forecasting system |
EP1350199A4 (en) | 2000-10-27 | 2006-12-20 | Manugistics Inc | FORECASTING AND PLANNING PRODUCTION-DISTRIBUTION BASED ON CLIENT DEMAND |
US7155510B1 (en) * | 2001-03-28 | 2006-12-26 | Predictwallstreet, Inc. | System and method for forecasting information using collective intelligence from diverse sources |
US6834266B2 (en) * | 2001-10-11 | 2004-12-21 | Profitlogic, Inc. | Methods for estimating the seasonality of groups of similar items of commerce data sets based on historical sales data values and associated error information |
US7587330B1 (en) * | 2003-01-31 | 2009-09-08 | Hewlett-Packard Development Company, L.P. | Method and system for constructing prediction interval based on historical forecast errors |
-
2005
- 2005-02-04 US US11/051,424 patent/US8280757B2/en active Active
- 2005-07-29 TW TW094125907A patent/TWI304957B/zh active
- 2005-08-31 CN CN200510093908.2A patent/CN1815498A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US8280757B2 (en) | 2012-10-02 |
CN1815498A (zh) | 2006-08-09 |
TW200629104A (en) | 2006-08-16 |
US20060178927A1 (en) | 2006-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI304957B (en) | Demand forecast systems and methods, and computer readable medium thereof | |
Chen et al. | A linear programming model for integrated steel production and distribution planning | |
Safa et al. | Supplier selection process in an integrated construction materials management model | |
Kawtummachai et al. | Order allocation in a multiple-supplier environment | |
Teimoury et al. | A multi-objective analysis for import quota policy making in a perishable fruit and vegetable supply chain: A system dynamics approach | |
Chang et al. | Applying a direct multi-granularity linguistic and strategy-oriented aggregation approach on the assessment of supply performance | |
Lin et al. | The study of applying ANP model to assess dispatching rules for wafer fabrication | |
M. Hüner et al. | Product data quality in supply chains: the case of Beiersdorf | |
US20090043625A1 (en) | Process Management System and Method | |
US20150149257A1 (en) | Systems and methods for enterprise profit optimization | |
Jaber et al. | An entropic economic order quantity (EnEOQ) for items with imperfect quality | |
CN109767032A (zh) | 一种基于数据分析的企业财务运营数字化管理优化系统 | |
US20130346150A1 (en) | System, method, and computer program product for forecasting sales | |
Maddah et al. | Lot sizing with random yield and different qualities | |
Bertolini et al. | Lead time reduction through ICT application in the footwear industry: A case study | |
Wang | Application of BPN with feature-based models on cost estimation of plastic injection products | |
Sharma et al. | Quality costing in process industries through QCAS: a practical case | |
Capon-Garcia et al. | Improved short-term batch scheduling flexibility using variable recipes | |
JP2016033704A (ja) | 損益予測装置及び損益予測プログラム | |
Molina et al. | Application of enterprise models and simulation tools for the evaluation of the impact of best manufacturing practices implementation | |
Pires et al. | Production planning of perishable food products by mixed-integer programming | |
Krishnamoorthi | An economic production lot size model for product life cycle (maturity stage) with defective items with shortages | |
Radulescu et al. | A group decision approach for supplier selection problem based on a multi-criteria model | |
Patil et al. | Supplier Evaluation and selection methods in construction industry | |
Sim et al. | The moderating role of Lean Six Sigma practices on quality management practices and quality performance in medical device manufacturing industry |