訂單預測系統、訂單預測方法及訂單預測程序的製作方法

2023-10-08 08:30:44

專利名稱：訂單預測系統、訂單預測方法及訂單預測程序的製作方法
技術領域：
本發明涉及訂單預測系統、訂單預測方法及訂單預測程序，特別涉及用於根據從作為需求者的客戶所提供的預測信息(forecastinformation)，執行訂單預測的訂單預測系統、訂單預測方法及訂單預測程序。
背景技術：
近年，主要在製造業或流通業等方面，於資材調度、庫存管理，甚至於產品配送等一連串事務活動，已超越企業或組織的界線而進行整合性管理，由此改善業務效率的手法正備受矚目。此種組合一般通稱為「供應鏈管理(Supply Chain Management，SCM)」，主要在縮短交貨期或減少缺貨、壓縮庫存等方面頗具效果。
為能充分發揮供應鏈管理的效果，供應者與需求者之間的密切信息交換不可缺少。例如，若需求者將未來的詳細訂單預估通知供應者的話，供應者便可根據此數據建立未來的生產計劃，可抑制發生庫存過剩或缺貨的情況。此種根據未來的訂單預估(即供應者立場的未來訂單預估)信息，便稱為「預測信息」，可謂屬於使供應鏈管理充分發揮功能的必要信息。
在此針對供應者立場的訂單種類與其性質進行說明。因為就供應者立場而言，需求者即為「客戶」，因而在下述說明中，便將需求者寫為「客戶」。
供應者立場的訂單種類，可區分為「確定訂單」與「預約訂單」等二種。所謂「確定訂單」是指交貨日及數量均已確定的訂單。確定訂單是因為就客戶立場而言屬於確定下單，因而供應者在接受確定訂單之後，在客戶端便產生產品交易的義務。而所謂「預約訂單」是指數量雖已確定，但是交貨日尚未確定的訂單。預約訂單是在交貨日未確定的前提下，客戶端為求確保產品預定數量而下單，因此一般在接受預約訂單之後，在客戶端便產生產品交易的義務。就此點而言，預約訂單具有與確定訂單相同的性質。
相對於此，上述「預測信息」並非所謂的訂單，而是關於未來訂單的預估信息。所以，交貨日或數量均未確定，只不過提供每個交貨預定日的預定數量而已。通常預測信息由客戶端提供，但是並未因此而與客戶端產生產品交易的義務，充其量只不過當作使供應鏈管理達順暢功能的預估信息而已。
圖27所示是訂單與生產的時間關係的一例圖，是生產所需期間(以下稱為「產品前置時間(product lead time)」)短(或相等)於從確定訂單起至交貨日為止的期間的情況。如圖27所示，若將從確定訂單起至交貨日為止的期間設定為T1，將該產品的產品前置時間設定為T0的話，在本例中因為T1≥T0，因此在接受確定訂單之後才開始生產便可。即，因為在接受確定訂單之後，於截至交貨日為止的剩餘期間為T0的時間點才開始生產的話，便可在交貨日完成生產，因此供應者便不會有庫存。所以，此種狀況的預約訂單或預測信息對每項產品(或每項品名)的生產計劃並不具有多大的意義。
圖28所示是訂單與生產的時間關係的另一例圖，是產品前置時間長於從確定訂單起至交貨日為止的期間，而產品前置時間短(或相等)於從預約訂單起至交貨日為止的期間的情況。如圖28所示，在本例中因為T1＜T0，因此在接受確定訂單之後才開始生產的話，將無法於交貨日如期完成產品，但是當將從預約訂單起至交貨預定日為止的期間設定為T2的情況時，因為T2≥T0，因此在接受預約訂單之後才開始生產便可。此情況下，若在接受預約訂單之後，於截至交貨預定日為止的剩餘期間為T0的時間點才開始生產的話，便可在交貨預定日完成生產。但是，因為預約訂單並未確定正式的交貨日，因此隨確定訂單的內容，實際的應交貨日期恐有在此預定日前後的狀況。所以，為使不致發生缺貨情況，便需要在截至交貨預定日的剩餘期間達T0時間點之前，便開始進行實際的生產，結果多少將出現庫存情況。
圖29所示是訂單與生產的時間關係的再另一例圖，是產品前置時間長於從確定訂單起至交貨預定日為止的期間的情況。如圖29所示，在本例中因為T2＜T0，因此在接受預約訂單之後才開始生產的話，將無法於交貨預定日如期完成產品，而發生缺貨的情況。為能防止缺貨，便必須根據預測信息執行預估生產，但是如上所述，依照預測信息的交貨日或交貨數量均屬未確定，不僅有變動的可能性，而且因為客戶端並無產品交易義務，因此供應者端必須負擔全部風險(因缺貨所衍生的交貨風險或因滯銷所衍生的庫存風險)。此種風險在訂製產品的預估生產方面可謂特別深刻。
再者，根據預估信息執行生產管理的系統，有如日本專利特開2002-140110號公報中所揭示的情況。
近年，產品的壽命周期有越來越短的傾向，在此種市場環境下企業為求確實提升利潤，在較佳時機將產品投入市場中或迅速調整供應量的事越顯重要。為能達成此要求，便產生必須縮短從確定訂單起至交貨日為止的期間(T1)或縮短從預約訂單起至交貨預定日為止的期間(T2)，如圖29所示例，產品前置時間(T0)長於從預約訂單起至交貨預定日為止的期間(T2)的情況已非常普遍的增加。此種傾向不僅通用產品，就連訂製產品也是相同，因預估生產所衍生的供應者風險越來越大。
所以，對供應者而言預測信息的正確性便屬非常重要，但是因為市場需求動向無時無刻都在變動，因而就連客戶端也頗難對供應者端提供正確的預測信息。因此，供應者端在為求降低交貨風險或庫存風險方面，根據從客戶所提供的預測信息進行高精度訂單預測的事便變得重要。

發明內容
本發明的目的在於提供可根據預測信息進行高精度訂單預測的訂單預測系統、訂單預測方法及訂單預測程序。
此外，因為從訂單預測結果所獲得的數值充其量只不過為推定值而已，因此在與實際確定訂單中的數量之間將產生無法避免的誤差。因此，在為求確實地抑制因缺貨所衍生的交貨風險或因滯銷而所衍生的庫存風險方面，不僅計算出預測訂購數量，而且更進一步掌握適當的庫存量的事將屬重要的一環。
再者，本發明的另一目的在於提供可根據預測信息，計算出適當庫存數量的訂單預測系統、訂單預測方法及訂單預測程序。
本發明者等針對採用預測信息的訂單預測進行深入鑽研，結果發現在預測信息與相應於此的訂單實績之間，每位客戶(或客戶群)及每項產品(或產品群)，存在特有相關性。即，整體觀之，預測信息與訂單實績間的關係各不相同，幾乎無法發現一定的傾向，但是若關注於某客戶(或客戶群)的某項產品(或產品群)的話，便可發現在預測信息與訂單實績之間的一定關係，且得知此種關係是依每位客戶(或客戶群)及產品(或產品群)而不同。
本發明是根據此種見解而構思，本發明的訂單預測系統根據表示多個交貨預定日或交貨預定期間每個的所需數量的預測信息，確定安全庫存數量；具備儲存著接收日不同的過去的多個預測信息的預測儲存部；儲存著每個交貨日或交貨期間的各訂單實績的訂單實績儲存部；以及根據上述預測儲存部中所儲存的上述過去的預測信息及上述訂單實績儲存部中所儲存的上述訂單實績，通過對作為預測對象的新預測信息內的所需數量進行修正，而計算出上述安全庫存數量的處理部；其中，上述處理部計算作為上述過去的預測信息中所含1或2以上(大於等於2)所需數量與其所對應的1或2個以上訂單實績間之比的轉換係數，並計算出從預測接收日起至交貨預定日為止間的期間、即預測前置時間為相等的多個轉換係數的標準偏差，將上述轉換係數的標準偏差或根據其所獲得的數值未超過預定閾值的預測前置時間判斷為有效的預測前置時間，通過進行採用上述新預測信息中所含的所需數量之中、上述有效預測前置時間所對應的所需數量與其所對應的轉換係數的運算，而計算出每個交貨預定日或交貨預定期間的訂單預測數量，且通過進行採用上述新預測信息中所含的所需數量之中、上述有效預測前置時間所對應的所需數量與其所對應的轉換係數的標準偏差的運算，而計算出每個交貨預定日或交貨預定期間的餘裕，再利用將每個交貨預定日或交貨預定期間的上述訂單預測數量與其所對應的餘裕進行加算，而計算出每個交貨預定日或交貨預定期間的安全庫存數。
再者，本發明的訂單預測方法根據表示多個交貨預定日或交貨預定期間每個的所需數量的預測信息，確定安全庫存數量的訂單預測方法；將接收日不同的過去的多個預測信息儲存於預測儲存部中，並將每個交貨日或交貨期間的各訂單實績儲存於訂單實績儲存部中，再利用根據上述預測儲存部中所儲存的過去的預測信息中所含1或2個以上所需數量，與上述訂單實績儲存部中所儲存的訂單實績中，相對應的1或2個以上訂單實績間之比，計算出轉換係數，並計算出從預測接收日起至交貨預定日為止的期間、即預測前置時間為相等的多個轉換係數的標準偏差，將上述標準偏差或根據其所獲得的數值未超過預定閾值的預測前置時間，判斷為有效的預測前置時間，通過進行採用了上述新預測信息中所含的所需數量之中、上述有效預測前置時間所對應的所需數量與其所對應的轉換係數的運算，計算出每個交貨預定日或交貨預定期間的訂單預測數量，且通過進行採用了上述新預測信息中所含的所需數量之中、上述有效預測前置時間所對應的所需數量與其所對應的轉換係數的標準偏差的運算，計算出每個交貨預定日或交貨預定期間的餘裕，再通過將每個交貨預定日或交貨預定期間的上述訂單預測數量與其所對應的餘裕進行加算，而計算出每個交貨預定日或交貨預定期間的安全庫存數。
再者，本發明的訂單預測程序的特徵是使計算機執行下述步驟利用過去的預測信息中所含1或2個以上所需數量與其所對應的1或2個以上訂單實績間之比，計算出轉換係數的步驟；計算出從預測接收日起至交貨預定日為止的期間、即預測前置時間為相等的多個轉換係數的標準偏差的步驟；將上述標準偏差或根據其所獲得的數值與預定閾值，依每個預測前置時間進行比較，並將未超過上述預定閾值的預測前置時間判斷為有效的預測前置時間的步驟；利用進行採用新預測信息中所含的所需數量之中、上述有效預測前置時間所對應的所需數量與其所對應的轉換係數的運算，由此計算出每個交貨預定日或交貨預定期間的訂單預測數量的步驟；通過進行採用了上述新預測信息中所含的所需數量之中、上述有效預測前置時間所對應的所需數量與其所對應的轉換係數的標準偏差的運算，由此計算出每個交貨預定日或交貨預定期間的餘裕的步驟；以及利用將每個交貨預定日或交貨預定期間的上述訂單預測數量與其所對應的餘裕進行加算，而計算出每個交貨預定日或交貨預定期間的安全庫存數的步驟。
若依照每位客戶(或客戶群)及產品(或產品群)進行上述處理的話，因為所獲得的預測訂購數量是經考量各客戶(或客戶群)的各產品(或產品群)所相關預測信息與訂單實績間的關係的數值，因此與預測信息內所需數量相比較，接近實際確定訂單量的機率非常高。而且，依照本發明的話，因為最後將獲得經考慮過預測訂購數量或預測訂購數量的標準偏差之後的安全庫存數量，因此供應者便可根據此建立產品的製造計劃。由此便可大幅降低因預估生產所衍生的風險(因缺貨所衍生的交貨風險或因滯銷所衍生的庫存風險)。在訂單預測數量的計算方面，只要將新預測信息中所含的所需數量，乘上其所對應的多個轉換係數的平均值的話便可。
在本發明中，最好利用過去的預測信息中所含的所需數量中，預測前置時間連續的2個以上所需數量，與其所對應的2個以上訂單實績之比，計算出轉換係數。若依此計算出轉換係數的話，因為將形成也考量過去有變更交貨狀況的訂單預測，因此可更加降低因預估生產所衍生的風險。此情況下，轉換係數最好作為連續2以上預測前置時間中，期間最短的預測前置時間所對應轉換係數予以處置。若依此種處置的話，便可獲得逼近重要性最高的交貨預定日或交貨預定期間，所相關的預測訂購數量。
在本發明中，最好將標準偏差與其所對應多個轉換係數的平均值間之比，將未超過預定閾值的預測前置時間判斷為有效的預測前置時間。若採用此種判斷基準的話，便可更加降低根據最後所獲得預測訂購數量執行預估生產時的風險。
每個交貨預定日或交貨預定期間的各餘裕計算，最好利用將新預測信息中所含的所需數量，乘上其所相對應的轉換係數的標準偏差，而求得預測訂購數量的標準偏差，再根據預測訂購數量的標準偏差與所容許的缺貨率，求取每個交貨預定日或交貨預定期間的累計餘裕，然後通過從各交貨預定日或交貨預定期間所對應的累計餘裕中，減掉前一個交貨預定日或交貨預定期間所對應的累計餘裕而加以實施。在此每個交貨預定日或交貨預定期間的累計餘裕的計算，可利用將預定的交貨預定日或交貨預定期間所對應的預測訂購數量的標準偏差予以平方而所獲得的數值，以及比預定的交貨預定日或交貨預定期間更靠前的交貨預定日或交貨預定期間所對應的預測訂購數量的標準偏差予以平方而所獲得的數值，分別進行加算，再將經加算而所獲得的數值的平方根，乘上根據缺貨率的常數而加以實施。


圖1為預測信息的數據結構圖。
圖2為預測變遷表20的結構圖。
圖3為預測變遷表30的結構圖。
圖4為訂單實績表40的結構圖。
圖5為本發明較佳實施方式的訂單預測方法的流程圖。
圖6為預測轉換係數表50的結構圖。
圖7為預測轉換係數表60的結構圖。
圖8為預測轉換係數表70的結構圖。
圖9為標準偏差表80的結構圖。
圖10為標準偏差表90的結構圖。
圖11為標準偏差表100的結構圖。
圖12為平均值表110的結構圖。
圖13為平均值表120的結構圖。
圖14為平均值表130的結構圖。
圖15為採用平均值表110，根據最新預測信息執行訂購數量的預測計算方法說明圖。
圖16為採用平均值表120，根據最新預測信息執行訂購數量的預測計算方法的一例說明圖。
圖17為採用平均值表120，根據最新預測信息執行訂購數量的預測計算方法的另一例說明圖。
圖18為採用平均值表130，根據最新預測信息執行訂購數量的預測計算方法的一例說明圖。
圖19為採用平均值表130，根據最新預測信息執行訂購數量的預測計算方法的另一例說明圖。
圖20為採用標準偏差表80，根據最新預測信息執行餘裕計算的方法說明圖。
圖21為採用標準偏差表90，根據最新預測信息執行餘裕計算的方法說明圖。
圖22為採用標準偏差表100，根據最新預測信息執行餘裕計算的方法說明圖。
圖23為根據預測訂購數量表140與餘裕表170計算安全庫存數量的方法說明圖。
圖24為根據預測訂購數量表150與餘裕表180計算安全庫存數量的方法說明圖。
圖25為根據預測訂購數量表160與餘裕表190計算安全庫存數量的方法說明圖。
圖26為本發明較佳實施方式的訂單預測系統構造的方塊圖。
圖27為訂單與生產的時間關係的一例圖。
圖28為訂單與生產的時間關係的另一例圖。
圖29為訂單與生產的時間關係的再另一例圖。
附圖符號說明10預測信息11單位數據12交貨預定日(或交貨預定期間)13所需數量20，30預測變遷表21～25，31～34所需數量數據組
40訂單實績表50，60，70預測轉換係數表51，52，61～65，71～74欄80，90，100標準偏差表110，120，130平均值表140，150，160預測訂購數量表170，180，190餘裕表200訂單預測系統210處理部220存儲部221程序儲存部222預測儲存部223訂單實績儲存部224轉換係數儲存部225標準偏差儲存部226平均值儲存部227預測訂購數量儲存部228餘裕儲存部230輸入部240顯示部具體實施方式
以下，參照所附圖式，針對本發明較佳實施方式進行詳細說明。
圖1所示是一般預測信息的數據結構圖。如圖1所示，預測信息10由多個單位數據11、11、…所構成，各單位數據11，11、…由交貨預定日(或交貨預定期間)12與在各交貨預定日(或交貨預定期間)所應交貨的產品數量、即所需數量13所構成。
本發明的訂單預測是通過統計此種預測信息10，而首先製作預測變遷表。但是，在預測信息10中所含的交貨預定日間隔或交貨預定期間長度(在本說明書中稱為「時段(timebucket)」)，是依客戶及產品而各不相同，而且預測信息10的發表間隔，即供應者立場的預測信息10的接收間隔(在本說明書中稱為「預測接收間隔」)，也是依客戶與產品而各不相同。因此，預測變遷表的製作必須區分為時段與預測接收間隔一致的情況，及並非一致的情況實施。
圖2所示是預測變遷表的一例圖，是表示預測接收間隔與時段一致的情況。如圖2所示，預測變遷表20是具有橫行為分配著交貨預定日(或交貨預定期間)，而行則分配著接收了預測信息的日期(在本說明書中稱「預測接收日」)的結構。在圖2所示例子中，預測接收間隔及時段均設為1周，例如第1周所接收的預測信息10-1由第2周至第5周的各周所需數量數據構成，而第2周所接收的預測信息10-2則由第3周至第6周的各周所需數量數據構成。關於第3周至第5周所接收的預測信息10-3～10-5亦同，分別由第4周至第7周、第5周至第8周、第6周至第9周的各周所需數量數據構成。
如圖2所示，當將預測接收日(在本例中為接收的那一周)設為「a」，將交貨預定日(在本例中為交貨預定周)設為「b」時，各所需數量數據便如下表示F(a，b)。例如，第2周所接收的預測信息10-2中所含所需數量數據中，第5周應交貨的數量記為F(2，5)。
在圖2所示例中，各預測信息10-1～10-5分別表示從預測接收日起觀之，經1周後至4周後的所需數量。所以，將從預測接收日(在本例中為接收的那一周)起至各交貨預定日為止的期間，定義為「預測前置時間(以下記為「預測LT」)」，若將其數值設定為「c」的話，則預測LT便為下式
c＝b-a。
例如，所需數量數據F(2，5)的預測LT為下式c＝5-2＝3(3周)。
圖3所示是預測變遷表的另一例圖，是表示預測接收間隔與時段並非一致的情況。如圖3所示，預測變遷表30是表示時段為1周，而預測接收間隔為2周的情況，各預測信息10-11～10-14分別表示從預測接收日起觀之，經1周後至6周後的所需數量(c＝1～6)。
再者，在圖2及圖3所示例子中，雖在所有預測信息中含有預測LT為1周(c＝1)的所需數量數據，但是也有在各預測信息中僅含有預測LT為2周(c＝2)以後的所需數量數據的狀況。反之，也有含有預測LT為0周(c＝0)的所需數量數據(如F(1，1))的狀況。例如，在星期一所接收的預測信息中，包含有同周星期五便應交貨的產品所需數量數據的情況等。即，圖2及圖3所示預測變遷表充其量只不過為一例而已，僅要配合接收的預測信息中所含所需數量數據的預測LT，製作適當預測變遷表的話便可。
在本發明的訂單預測中，是合併上述預測變遷表20(30)，採用表示每個時段的訂單實績的訂單實績表。圖4所示是訂單實績表40的結構圖，表示每個時段的訂單實績(確定訂單中的數量)。如圖4所示，在將交貨日(在本例中為交貨周)設為「d」的情況下，各訂單實績如下式表示QTY(d)。
例如，第3周的訂單實績如下式QTY(3)。
當然，預測信息的所需數量數據與訂單實績並不限定於一定要一致。
本發明是利用對此種預測變遷表20(30)與訂單實績表40進行分析，而實際進行訂單預測。以下，針對本發明較佳實施方式的訂單預測順序，採用流程表進行詳細說明。
圖5所示是本發明較佳實施方式的訂單預測方法的流程圖。
如圖5所示，在本實施方式的訂單預測中，首先製作上述預測變遷表20(30)及訂單實績表40(步驟S1)。如上所述，預測變遷表20(30)的製作是將所接收的預測信息10，依交貨預定日(或交貨預定期間)對齊的方式，依照時間順序排列。
接著，根據預測變遷表20(30)與訂單實績表40，製作預測轉換係數表(步驟S2)。所謂「預測轉換係數」(以下簡稱「轉換係數」)，是利用預測變遷表20(30)中所含的所需數量數據與訂單實績表40中所含的訂單實績間之比(QTY/F)而定義，預測轉換係數表是對齊預測LT，依每個預測接收日來表示轉換係數。轉換係數表示所需數量數據相對於訂單實績到底偏離何種程度的數值，若其超過100％且變大的話，是意味著所需數量數據相對於訂單實績過小，而若低於100％且變小的話，則意味著所需數量數據相對於訂單實績過大。
圖6所示是預測轉換係數表的一例圖。如圖6所示，表示預測轉換係數表50中每個預測LT與預測接收日(在本例中為接收的那一周)的轉換係數，而原始數據是採用圖2所示預測變遷表20與訂單實績表40。
預測轉換係數表50中，列表示預測LT，例如在c＝1的列中，分配著預測LT為「1(1周)」的所需數量數據，即b-a＝1的所需數量數據，與其所對應的訂單實績，即d＝b的訂單實績之比。此外，預測轉換係數表50中，行表示預測接收日，例如在a＝1的行中，分配著預測接收日為「1(第1周)」的所需數量數據與其所對應的訂單實績，即d＝b的訂單實績之比。
因此，例如在c＝1的列與a＝1的行的欄51中，分配著第1周所接收的預測信息中，預測LT為「1」的所需數量數據F(1，2)與其所對應的訂單實績QTY(2)之比QTY(2)/F(1，2)，而在c＝4的列與a＝3的行的欄52中，分配著第3周所接收的預測信息中，預測LT為「4」的所需數量數據F(3，7)與該交貨日訂單實績QTY(7)之比QTY(7)/F(3，7)。
圖7所示是預測轉換係數表的另一例圖。
圖7所示是預測轉換係數表60原始數據，如同上述預測轉換係數表50，採用預測變遷表20與訂單實績表40，但是構成預測轉換係數表60的各欄分配著預測LT連續的2個所需數量數據總計與其所對應訂單實績總計之比。例如在c＝1與2的列中，便分配著預測LT為「1(1周)」的所需數量數據及「2(2周)」的所需數量數據的合計，與其所對應的2個訂單實績總和之比。由此例如構成c＝1與2的列的欄61-65，便分別對應著圖2所示所需數量數據組21～25。
圖8所示是預測轉換係數表的再另一例圖。
圖8所示預測轉換係數表70是原始數據採用圖3所示預測變遷表30與訂單實績表40，在構成預測轉換係數表70的各欄中，分配著預測LT連續的4個所需數量數據總計與其所對應訂單實績總計之比。例如在c＝1～4的列中，便分配著預測LT為「1(1周)」至「4(4周)」的所需數量數據總計，與其所對應4個訂單實績總計之比。由此例如構成c＝1～4的列的欄71～74，便分別對應著圖3所示所需數量數據組31～34。
上述充其量只不過是預測轉換係數表的幾個例子而已。即，雖圖6所示預測轉換係數表50為依每個預測LT，計算著所需數量數據與訂單實績之比(轉換係數)，圖7所示預測轉換係數表60為連續2個預測LT匯總計算，圖8所示預測轉換係數表70為連續4個預測LT匯總計算，但是在預測轉換係數表中，預測LT的匯總數量(＝e)並不僅限定於上述例子(圖6為e＝1、圖7為e＝2、圖8為e＝4)，也可e＝6或e＝8。具體而言，在預測信息與確定訂單之間，當數量偏差較多，但交貨偏差較少的情況時，最好將預測LT的匯總數量e設定為較小值(e＝1、e＝2等)，而當數量偏差較小，但交貨偏差較多的情況時，最好將預測LT的匯總數量e設定為較大值(e＝6、e＝8等)。實際上，僅要配合客戶(或客戶群)與產品(或產品群)的性質而確定便可。
請再參照圖5，接著採用預測轉換係數表，依每個預測LT或每個預測LT組求取轉換係數的標準偏差(步驟S3)。如上所述，各轉換係數依每個預測接收日進行計算，所以轉換係數的標準偏差較大的事，意味著每個預測接收日的轉換係數偏差較大的涵義，而轉換係數的標準偏差較小的事，意味著每個預測接收日的轉換係數偏差較小的涵義。
圖9所示是依圖6所示預測轉換係數表50為原始數據所製成的標準偏差表80，由每個預測LT的轉換係數的標準偏差所構成。即，標準偏差表80的轉換係數的標準偏差s(1)，表示構成圖6所示c＝1的列的各數值的標準偏差，同樣的，轉換係數的標準偏差s(2)、s(3)及s(4)分別是構成c＝2、c＝3、及c＝4的列的各數值的標準偏差。
圖10所示是依圖7所示預測轉換係數表60為原始數據所製成的標準偏差表90，由連續2個預測LT組的轉換係數的標準偏差所構成。即，標準偏差表90的轉換係數的標準偏差s(1-2)，表示構成圖7所示c＝1與2的列的各數值的標準偏差，同樣的，轉換係數的標準偏差s(2-3)及s(3-4)分別表示構成c＝2與3、及c＝3與c＝4的列的各數值的標準偏差。
圖11所示是依圖8所示預測轉換係數表70為原始數據所製成的標準偏差表100，由連續4個預測LT組的轉換係數的標準偏差所構成。即，標準偏差表100的轉換係數的標準偏差s(1-4)，表示構成圖8所示c＝1～4的列的各數值的標準偏差，同樣的，轉換係數的標準偏差s(2-5)及s(3-6)分別表示構成c＝2～5及c＝3～6的列的各數值的標準偏差。
當在步驟S3中求取轉換係數的標準偏差之際，未必需要使用各預測LT或預測LT組中所含的全部轉換係數，當轉換係數的數量較多的情況時，即長期統計預測信息10的情況時，最好僅使用含有逼近預測接收日所對應轉換係數的數個轉換係數。這是因為當轉換係數的數量非常多的情況時，若使用所有轉換係數的話，將含有舊有預測信息或舊的訂單實績所對應轉換係數，結果對預測信息與實際訂單內容的相關變動的敏感度將惡化。相對於此，若僅使用含有逼近預測接收日所對應轉換係數的數個轉換係數的話，即便預測信息與實際訂單內容關係產生變動的情況下，仍可隨其連動而進行精度較高的訂單預測。關於在標準偏差計算中所採用的轉換係數數量並無特別的限制，最好利用預測接收日的舊的程度進行規範。例如，僅使用由接收日在最近3個月內的預測信息所獲得轉換係數等。若使用此種基準的話，則不管預測接收間隔或時段長度，均可將對上述關係變動的敏感度維持於一定狀態。
接著，依每個預測LT或預測LT組，求取轉換係數平均值(步驟S4)。其中，當在步驟S3中求取轉換係數的標準偏差之際，非採用所有的轉換係數而僅採用數個轉換係數的情況時，在平均值的計算中，最好也是僅以作為標準偏差計算對象的轉換係數為計算對象。
圖12所示是依圖6所示預測轉換係數表50為原始數據所製成的平均值表110，由每個預測LT的平均值所構成。即，平均值表110的平均值Ave(1)，表示構成圖6所示c＝1的列的各數值的平均值，同樣的，平均值Ave(2)、Ave(3)及Ave(4)是分別構成c＝2、c＝3、及c＝4的列的各數值的平均值。
圖13所示是依圖7所示預測轉換係數表60為原始數據製成的平均值表120，由連續2個預測LT組的每組平均值所構成。即，平均值表120的平均值Ave(1-2)，表示構成圖7所示c＝1與2的列的各數值的平均值，同樣的，平均值Ave(2-3)與Ave(3-4)是分別構成c＝2與c＝3、及c＝3與c＝4的列的各數值的平均值。
圖14所示是依圖8所示預測轉換係數表70為原始數據所製成的平均值表130，由連續4個預測LT組的每組平均值所構成。即，平均值表130的平均值Ave(1-4)，表示構成圖8所示c＝1-4的列的各數值的平均值，同樣的，平均值Ave(2-5)與Ave(3-6)是分別構成c＝2～5及c＝3～6的列的各數值的平均值。
接著，計算在步驟S3中所獲得轉換係數的標準偏差(s)與在步驟S4中所獲得的相對應的平均值(Ave)之比(s/Ave)，並依每個預測LT或預測LT組判斷其是否在預定閾值以下(步驟S5)。這是判斷每個預測接收日的轉換係數偏差是否在容許範圍內，同時判斷最後所獲得預測值的誤差範圍(絕對值)是否在容許範圍內。
即，當轉換係數的標準偏差(s)與平均值(Ave)之比(s/Ave)超過閾值的情況時，因為在預測信息與實際訂單內容之間並未發現特定關係，或者在它們之間雖發現特定關係，但是預測值的誤差範圍(絕對值)結果變大，因而此情況便判斷為不可進行訂單預測或預測精度不足，並結束一連串的處理。反之，當轉換係數的標準偏差(s)與平均值(AVe)之比(s/Ave)在閾值以下的情況時，因為意味著在預測信息與實際訂單內容之間存在有特定關係，且預測值的誤差範圍(絕對值)將充分地減小，因而此情況便判斷為可進行訂單預測，並朝下一步驟(後述)前進。
關於上述閾值的具體數值並無特別限制，最好設定為10％以上、且低於30％，尤以設定在20％左右為佳。這是因為若上述閾值設定為低於10％的話，僅當預測信息與實際訂單內容間的相關屬於非常強烈的情況、或預測值的誤差範圍(絕對值)非常小的情況時，才能進行訂單預測，即便連原本可進行訂單預測的狀況也恐有變成無法預測或精度不足之虞，反之，若上述閾值設定為超過30％的話，就連預測信息與實際訂單內容的相關較薄弱(或幾乎無關係)的狀況或預測值誤差範圍(絕對值)相當大的狀況，都將被涵蓋於訂單預測對象中，導致預測結果非常不正確，或當依使發生缺貨的可能性在預定範圍內的方式確定庫存數量的情況(在本說明書中，將此種庫存數量稱為「安全庫存數量」。關於其計算方法容後述)，恐將發生大量過剩庫存之故。相對於這些情況，若將上述閾值設定在20％左右的話，針對大多數的狀況均可進行高精度的訂單預測，且當根據安全庫存數量確定實際庫存數量的情況時，將可充分抑制過度庫存的情況。
上述比(s/Ave)與預定閾值的比較，是因為依照每個預測LT或預測LT組實施，因此僅針對部分預測LT或部分LT組，假設為上述比(s/Ave)超過閾值的狀況。此情況下，只要判斷關於閾值以下的預測LT或預測LT組屬於可進行訂單預測的話，並朝下一步驟前進的話便可。但是，在為求進行更高精度的訂單預測方面，也可針對所有預測LT或所有預測LT組，於上述比(s/Ave)未變為閾值以下的前提下，判斷屬於不可進行訂單預測。
接著，採用步驟S4中所製成的平均值表110(120、130)與最新的預測信息10，實際進行訂購數量的預測計算(步驟S6)。步驟S6中的訂購數量的預測計算，原則上是將最新的預測信息10中所含訂單預定數量，乘上其所對應的平均值。以下，針對具體的訂購數量的預測計算方法進行說明。
圖15所示是採用圖12所示平均值表110，根據最新的預測信息10-6進行訂購數量預測計算的方法說明圖。在此，所謂「最新的預測信息10-6」是指圖2所示預測信息10-5的下一個接收的預測信息，預測接收日(a)為第6周(a＝6)。
如圖15所示，採用平均值表110的訂購數量預測計算，是將最新的預測信息10-6中所含各所需數量數據(F(6，7)、F(6，8)、F(6，9)、F(6，10))，分別乘上構成平均值表110的平均值(Ave(1)～Ave(4))之中預測LT為相等的值。例如，針對預測LT為1周(c＝1)的所需數量數據F(6，7)，利用乘上預測LT為1周(c＝1)的平均值Ave(1)而修正其數值，獲得預測訂購數量RD(7)。同樣的，針對預測LT為2周～4周(c＝2～4)的所需數量數據F(6，8)、F(6，9)及F(6，10)，分別乘上所對應的平均值Ave(2)、Ave(3)及Ave(4)，而修正數值並獲得預測訂購數量RD(8)、RD(9)及RD(10)。依上述便製成預測訂購數量表140。
依此所獲得的預測訂購數量RD(7)～RD(10)是針對分別對應的所需數量數據(F(6，7)、F(6，8)、F(6，9)、F(6，10))進行修正過的數值，可利用為從目前的預測接收日(a＝6)起，分別經1周後～4周後的預測訂購數量。即，預測訂購數量RD(7)可利用為第7周(b＝7)的交貨預定日的預測訂購數量，預測訂購數量RD(8)可利用為第8周(b＝8)的交貨預定日的預測訂購數量，預測訂購數量RD(9)可利用為第9周(b＝9)的交貨預定日的預測訂購數量，預測訂購數量RD(10)可利用為第10周(b＝10)的交貨預定日的預測訂購數量。這些預測訂購數量是因為經考量過該客戶(或客戶群)的該產品(或產品群)關於預測信息與訂單實績間的關係的數值，因此與預測信息10-6中所含所需數量數據相比較，接近確定訂購數量的機率非常高。
圖16所示是採用圖13所示平均值表120，根據最新的預測信息10-6進行訂購數量預測計算的較佳方法說明圖。如上所述，所謂「最新的預測信息10-6」是指預測信息10-5的下一個接收的預測信息。
如圖16所示，採用平均值表120的訂購數量預測計算，是將最新的預測信息10-6中所含各所需數量數據(F(6，7)、F(6，8)、F(6，9)、F(6，10))，分別乘上構成平均值表120的平均值(Ave(1-2)、Ave(2-3)、Ave(3-4)之中、前面的預測LT相等的平均值。例如，針對預測LT為1周(c＝1)的所需數量數據F(6，7)，利用乘上預測LT前端為1周(c＝1)的平均值Ave(1-2)而修正其數值，獲得預測訂購數量RD(7)。同樣的，針對前端的預測LT為2周及3周(c＝2及3)的所需數量數據F(6，8)及F(6，9)，分別乘上所對應的平均值Ave(2-3)及Ave(3-4)，而修正數值並獲得預測訂購數量RD(8)及RD(9)。依上述便製成預測訂購數量表150。在本例子中，因為在平均值表120內並未含前端的預測LT為4周的平均值，所以並無法獲得所需數量數據F(6，10)所對應的預測訂購數量RD(10)。
如上所述，所獲得預測訂購數量RD(7)～RD(9)是針對分別對應的所需數量數據(F(6，7)、F(6，8)、F(6，9))進行修正過的數值，可利用為從目前的預測接收日(a＝6)起，分別經1周後～3周後的預測訂購數量。
其中，於各所需數量數據的修正中，重要點在於比該預測LT更長的預測LT相關成分參與。例如，在預測LT為1周(c＝1)的所需數量數據F(6，7)的修正中，不僅預測LT為1周(c＝1)的成分(所需數量數據F(1，2)或所需數量數據F(2，3)等)，就連預測LT為2周(c＝2)的成分(所需數量數據F(1，3)或所需數量數據F(2，4)等)也參與。由此，便可執行也考量過去曾更改交貨期狀況的訂單預測。
圖17所示是採用圖13所示平均值表120，並根據最新的預測信息10-6執行訂購數量預測計算的另一方法說明圖。
圖17所述方法是不同於圖16所示方法，在各所需數量數據的修正中，比該預測LT更短的預測LT相關成分也參與。例如，在預測LT為2周(c＝2)的所需數量數據F(6，8)的修正中，不僅預測LT為2周(c＝2)的成分(所需數量數據F(1，3)或所需數量數據F(2，4)等)，就連預測LT為1周(c＝1)的成分(所需數量數據F(1，2)或所需數量數據F(2，3)等)也參與。即便以此種方法，雖仍可執行也考量過去曾更改交貨期狀況的訂單預測，但是，本方法是因為並無法獲得最具重要性的逼近交貨預定日(在本例中為7周)有關的預測訂購數量，因此若考量此點的話，利用圖16所示方法進行訂單預測可謂較佳的方法。
圖18所示是採用圖14所示平均值表130，根據最新的預測信息10-15進行訂購數量預測計算的方法說明圖。在此，所謂「最新的預測信息10-15」是指圖3所示預測信息10-14的下一個接收的預測信息，預測接收日(a)為第9周(a＝9)。
如圖18所示，採用平均值表130的訂購數量預測計算，是如同圖16所示的計算方法，將最新的預測信息10-15中所含各所需數量數據(F(9，10)、F(9，11)、F(9，12)、F(9，13)、F(9，14)、F(9，15))，分別乘上構成平均值表130的平均值(Ave(1-4)、Ave(2-5)、Ave(3-6))之中、前頭的預測LT為相等的值。例如，針對預測LT為1周(c＝1)的所需數量數據F(9，10)，利用乘上預測LT前端為1周(c＝1)的平均值Ave(1-4)而修正其數值，獲得預測訂購數量RD(10)。同樣的，針對前端的預測LT為2周及3周(c＝2及3)的所需數量數據F(9，11)及F(9，12)，分別乘上所對應的平均值Ave(2-5)及Ave(3-6)，而修正數值並獲得預測訂購數量RD(11)及RD(12)。依此便製成預測訂購數量表160。在本例子中，因為在平均值表130內並未含前端的預測LT為4周以上的平均值，所以並無法獲得所需數量數據F(9，13)、F(9，14)及F(9，15)所對應的預測訂購數量RD(13)、RD(14)及RD(15)。
其中，於各所需數量數據的修正中，重要點在於比該預測LT更長的預測LT相關成分參與，由此便可執行考量過去曾更改交貨期狀況的訂單預測。
圖19所示是採用圖14所示平均值表130，並根據最新的預測信息10-15執行訂購數量預測計算的另一方法說明圖。
圖19所述方法是類似圖17所示方法，在各所需數量數據的修正中，比該預測LT更長的預測LT相關成分與更短的預測LT相關成分參與。例如，在預測LT為2周(c＝2)的所需數量數據F(9，11)修正中，不僅預測LT為2周(c＝2)的成分(所需數量數據F(1，3)等)，就連預測LT為1周(c＝1)的成分(所需數量數據F(1，2)等)既預測LT為3周(c＝3)及4周(c＝4)的成分(所需數量數據F(1，4)或所需數量數據F(1，5)等)也參與。即便依此種方法，雖仍可執行考量過去曾更改交貨期狀況的訂單預測，但是，如之前所說明般，本方法是因為並無法獲得關於最具重要性的逼近交貨預定日(在本例中為10周)的預測訂購數量，因此若考量此點的話，利用圖18所示方法進行訂單預測可謂較佳的方法。
若依此而完成訂購數量的預測計算(步驟S6)的話，接著便進行餘裕的計算(步驟S7)。此處所謂「餘裕(margin)」是指為求抑制發生缺貨現象，而對在步驟S6中所計算出的預測訂購數量(RD)所必要的追加數值。即，在步驟S6中所計算出的預測訂購數量(RD)充其量只不過是推定值而已，在與實際確定訂單中的數量間將產生無法避免的誤差。因此，僅確保與預測訂購數量(RD)相同數量庫存時，當實際確定訂單中的數量僅稍微大於預測訂購數量(RD)的情況時，便將馬上發生缺貨現象。在為求防止此情況的發生，便必須對預測訂購數量(RD)追加預定數值，此追加在本說明書中便稱為「餘裕」。在本實施方式中，此種餘裕的計算也是採用預測信息等，由此便將發生缺貨的可能性抑制於預定範圍內，且可將過剩庫存抑制於最小極限。
圖20所示是採用圖9所示標準偏差表80，根據最新的預測信息10-6執行餘裕計算的方法說明圖。
如圖20所示，在採用標準偏差表80進行餘裕的計算中，首先，將最新的預測信息10-6中所含所需數量數據(F(6，7)、F(6，8)、F(6，9)、F(6，10))，分別乘上構成標準偏差表80的轉換係數的標準偏差(s(1)～s(4))中預測LT為相等者。例如，針對預測LT為1周(c＝1)的所需數量數據F(6，7)，乘上預測LT為1周(c＝1)的轉換係數的標準偏差s(1)。所獲得的數值將分別成為預測訂購數量的標準偏差s』(1)～s』(4)。
接著，通過將各預測訂購數量的標準偏差s』(1)～s』(4)分別代入下述計算式(1)中，而計算出累計餘裕∑M(7)～∑M(10)。累計餘裕∑M(7)～∑M(10)是截至各交貨預定日的餘裕累計值。即，累計餘裕∑M(7)是截至第7周(b＝7)的交貨預定日的餘裕，累計餘裕∑M(8)是截至第8周(b＝8)的交貨預定日的餘裕，累計餘裕∑M(9)是截至第9周(b＝9)的交貨預定日的餘裕，累計餘裕∑M(10)是截至第10周(b＝10)的交貨預定日的餘裕。
M(b)=ks(c)2+s(c-1)2+s(c-2)2+---(1)]]>在計算式(1)中，「c」是預測LT，「b」是對應的交貨預定日。所以，在各累計餘裕∑M的計算中，不僅採用該預測LT所對應的預測訂購數量的標準偏差，也採用更短預測LT所對應的預測訂購數量的標準偏差。執行此種計算，是因為考量分散加法性。因此，累計餘裕∑M(7)如下式(2)所示M(7)=ks(1)2---(2),]]>累計餘裕∑M(8)如下式(3)所示M(8)=ks(2)2+s(1)2---(3),]]>累計餘裕∑M(9)如下式(4)所示M(9)=ks(3)2+s(2)2+s(1)2---(4),]]>累計餘裕∑M(10)如下式(5)所示
M(10)=ks(4)2+s(3)2+s(2)2+s(1)2---(5)]]>其中，「k」是由所容許缺貨率確定的常數，從假設偏差依照正規分布的情況時的機率密度函數中求得。例如，當將容許缺貨率設為1％、2.5％、5％或10％的情況時，便分別設定為k＝2.32、k＝1.96、k＝1.65、k＝1.28。
如上所述，依此所獲得累計餘裕∑M(7)～∑M(10)便為截至各交貨預定日的餘裕累計值。所以，為計算出每個交貨預定日(或交貨預定期間)的餘裕，僅要從各交貨預定日所對應的累計餘裕中，扣減前一個交貨預定日所對應累計餘裕的話便可。即，利用下式(6)M(b)＝∑M(b)-∑M(b-1) …(6)便可計算出每個交貨預定日(或交貨預定期間)的餘裕M(7)～M(10)。即，餘裕M(7)是指第7周(b＝7)的交貨預定日的餘裕，餘裕M(8)是指第8周(b＝8)的交貨預定日的餘裕，餘裕M(9)是指第9周(b＝9)的交貨預定日的餘裕，餘裕M(10)是指第10周(b＝10)的交貨預定日的餘裕。
依此所獲得餘裕M(7)-M(10)是指在為將發生缺貨可能性抑制於預定範圍內時，在各交貨預定日(或交貨預定期間)中應追加的產品數量。依上述便製成餘裕表170。
圖21所示是採用圖10所示標準偏差表90，根據最新的預測信息10-6執行訂購數量預測計算的較佳方法說明圖。
如圖21所示，在採用標準偏差表90進行餘裕的計算中，首先，將最新的預測信息10-6中所含所需數量數據(F(6，7)、F(6，8)、F(6，9)、F(6，10))，分別乘上構成標準偏差表90的轉換係數的標準偏差(s(1-2)、s(2-3)、s(3-4))中前端的預測LT為相等者。就此點而言，是類似圖16所示的預測訂購數量計算方法。由此便獲得預測訂購數量的標準偏差s』(1-2)、s』(2-3)、s』(3-4)。
接著，通過將預測訂購數量的標準偏差s』(1-2)、s』(2-3)、s』(3-4)代入上述計算式(1)中，而計算出累計餘裕∑M(7)～∑M(9)。然後如式(6)所示，從各交貨預定日所對應的累計餘裕中，扣減前一個交貨預定日所對應累計餘裕，而獲得餘裕M(7)～M(9)。依上述便製成餘裕表180。在本例中，在標準偏差表90內並未含前端的預測LT為4周的平均值，所以並無法獲得第4周(b＝4)所對應的餘裕M(4)。
再者，雖未圖示，但是如同圖17所示訂購數量的預測計算方法，若將最新的預測信息10-6中所含所需數量數據(F(6，7)、F(6，8)、F(6，9)、F(6，10))，分別乘上構成標準偏差表90的轉換係數的標準偏差(s(1-2)、s(2-3)、s(3-4))中最後的預測LT為相等者的話，便可計算出最後的餘裕M(8)-M(10)。如上述所說明，必須注意的點是本方法並無法獲得最具重要性的逼近交貨預定日(在本例中為7周)相關的餘裕。
圖22所示是採用圖11所示標準偏差表100，根據最新的預測信息10-15執行訂購數量預測計算的較佳方法說明圖。
如圖22所示，採用標準偏差表100進行餘裕的計算，是如同圖21所示餘裕的計算方法，將最新的預測信息10-15中所含所需數量數據(F(9，10)、F(9，11)、F(9，12)、F(9，13)、F(9，14)、F(9，15))，分別乘上構成標準偏差表100的轉換係數的標準偏差(s(1-4)、s(2-5)、s(3-6))中前端的預測LT為相等者。由此便獲得預測訂購數量的標準偏差s』(1-4)、s』(2-5)、s』(3-6)。
接著，通過將預測訂購數量的標準偏差s』(1-4)、s』(2-5)、s』(3-6)代入上述計算式(1)中，而計算出累計餘裕∑M(10)～∑M(12)。然後如式(6)所示，從各交貨預定日所對應的累計餘裕中，扣減前一個交貨預定日所對應累計餘裕，而獲得餘裕M(10)～M(12)。依上述便製成餘裕表190。在本例中，在標準偏差表100內並未含前端的預測LT為4周以上的平均值，所以並無法獲得所需數量數據F(9，13)、F(9，14)及F(9，15)所對應的餘裕M(13)、M(14)及M(15)。
再者，雖未圖示，但是如同圖19所示訂購數量的預測計算方法，若將最新的預測信息10-15中所含所需數量數據(F(9，10)、F(9，11)、F(9，12)、F(9，13)、F(9，14)、F(9，15))，分別乘上構成標準偏差表100的轉換係數的標準偏差(s(1-4)、s(2-5)、s(3-6))中第2短的預測LT為相等者的話，便可計算出最後的餘裕M(11)～M(13)。如上述所說明，必須注意的點是本方法並無法獲得關於最具重要性的逼近交貨預定日(在本例中為10周)的餘裕。
若依此完成餘裕的計算(步驟S7)的話，接著便進行安全庫存數量的計算(步驟S8)。如上所述，所謂「安全庫存數量」是指缺貨發生可能性(缺貨率)在預定範圍內(如5％以內)的庫存數量。步驟S8的安全庫存數量計算，是將步驟S6所獲得預測訂購數量與步驟S7所獲得餘裕進行加算。
圖23所示是根據圖15所示預測訂購數量表140與圖20所示餘裕表170，計算安全庫存數量的方法說明圖。
如圖23所示，安全庫存數量的計算是將預測訂購數量表140中所含各預測訂購數量(RD(7)～RD(10))，與構成餘裕表170的餘裕(M(7)～M(10))中交貨預定日(或交貨預定期間)相等者分別進行加算。由此因為對各交貨預定日(或交貨預定期間)中的預測訂購數量追加餘裕，因此便可獲得各交貨預定日(或交貨預定期間)的安全庫存數量Z(7)～Z(10)。
依此所獲得安全庫存數量Z(7)～Z(10)是除預測訂購數量(RD)或預測訂購數量的標準偏差(s』)之外，尚經考量容許缺貨率而所獲得的數值。因此，供應者僅要在產品生產計劃中，建立成各交貨預定日(或交貨預定期間)庫存數量所對應的安全庫存數量(Z)的話，便可將各交貨預定日(或交貨預定期間)發生缺貨的可能性抑制於預定範圍內，並可抑制過度庫存。
圖24所示是根據圖16所示預測訂購數量表150與圖21所示餘裕表180，計算安全庫存數量的方法說明圖。
此情況也是通過將預測訂購數量表150中所含各預測訂購數量(RD(7)～RD(9))，與構成餘裕表180的餘裕(M(7)～M(9))中交貨預定日(或交貨預定期間)為相等者分別進行加算，而執行安全庫存數量的計算。由此便可獲得各交貨預定日(或交貨預定期間)的安全庫存數量Z(7)～Z(9)。因為依此所獲得的安全庫存數量Z(7)～Z(9)，是屬於也考量過去曾更改交貨期狀況的數值，因此可更加降低發生過度庫存的可能性。
再者，雖未圖示，當利用圖17所示方法計算出預測訂購數量(RD(8)～RD(10))的情況時，通過分別加上餘裕(M(8)～M(10))，便可獲得安全庫存數量Z(8)～Z(10)。關於餘裕M(8)～M(10)的計算方法，前已有所述。但是，在此方法中，必須注意的點是本方法並無法獲得關於最具重要性的逼近交貨預定日(在本例中為7周)的安全庫存數量。
圖25所示是根據圖18所示預測訂購數量表160與圖22所示餘裕表190，計算安全庫存數量的方法說明圖。
此情況也是通過將預測訂購數量表160中所含各預測訂購數量(RD(10)～RD(12))，與構成餘裕表190的餘裕(M(10)～M(12))中交貨預定日(或交貨預定期間)為相等者分別進行加算，而執行安全庫存數量的計算。由此便可獲得各交貨預定日(或交貨預定期間)的安全庫存數量Z(10)～Z(12)。因為依此所獲得的安全庫存數量Z(10)～Z(12)，是屬於也考量過去曾更改交貨期狀況的數值，因此可更加降低發生過度庫存的可能性。
再者，雖未圖示，當利用圖19所示方法計算出預測訂購數量(RD(11)～RD(13))的情況時，通過將它們分別加上餘裕M(11)～M(13)，便可獲得安全庫存數量Z(11)～Z(13)。關於餘裕M(11)～M(13)的計算方法，前已有所述。但是，在此方法中，必須注意的點是本方法並無法獲得關於最具重要性的逼近交貨預定日(在本例中為10周)的安全庫存數量。
以上是本發明較佳實施方式的訂單預測方法。
接著，針對實施上述訂單預測的順序用的訂單預測系統進行說明。
圖26所示是本發明較佳實施方式的訂單預測系統構造的方塊圖。
如圖26所示，實施方式的訂單預測系統200是具備控制著整體訂單預測系統200動作的處理部210、儲存後述各種數據等的存儲部220、將必要數據輸入於訂單預測中的輸入部230、及顯示訂單預測結果的顯示部240。存儲部220是具備儲存訂單預測程序的程序儲存部221、儲存預測變遷表(20，30)的預測儲存部222、儲存訂單實績表(40)的訂單實績儲存部223、儲存預測轉換係數表(50，60，70)的轉換係數儲存部224、儲存標準偏差表(80，90，100)的標準偏差儲存部225、儲存平均值表(110，120，130)的平均值儲存部226、儲存預測訂購數量表(140，150，160)的預測訂購數量儲存部227、及儲存餘裕表(170，180，190)的餘裕儲存部228。其中，這些儲存部221～228並不需要各自物理性獨立的硬體資源，若分別分配於1或2以上記錄裝置(硬碟裝置或半導體存儲器等)的部分存儲區域中的話便足夠，所分配的區域也可進行動態變化。
程序儲存部221中所儲存的訂單預測程序，是供使處理部210執行圖5所示順序用的程序。因此，若經由輸入部230利用操作員輸入預測信息及訂單實績的話，處理部210便依照程序儲存部221中所儲存的訂單預測程序，執行圖5所示順序。關於具體的順序因在前已有敘述，因此便不再詳述，顯示部240顯示出最後所獲得的預測訂購數量或安全庫存數量，由此操作員便可確認每個交貨預定日(或交貨預定期間)的預測訂購數量，同時可確認每個交貨預定日(或交貨預定期間)的安全庫存數量。
再者，預測信息及訂單實績的輸入，也可非由操作員經由輸入部230實施，而採取利用電子數據交換(EDIElectronic DataInterchange)，直接使用由客戶經由連線(online)傳輸的數據。此情況下，每次利用連線傳輸新的預測信息之時，便自動執行訂單預測程序，由此便可構成自動執行訂單預測。
如上述所說明，本實施方式是因為從過去所接收的預測信息與其所對應訂單實績中，調查每個客戶(或客戶群)及每項產品(或產品群)的預測信息與訂單實績間的關係，再根據此執行訂單預測，因此獲得接近實際確定訂購數量的數值的機率非常高。即，可執行精度佳的訂單預測，可降低因預估生產所衍生的風險(因缺貨所衍生的交貨風險或因滯銷所衍生的庫存風險)。而且，在本實施方式中，並不限於預測訂購數量的計算，而更進一步因為也執行安全庫存數量的計算，因此可將在各交貨預定日(或交貨預定期間)中發生缺貨的可能性抑制於預定範圍內，並可將過剩庫存抑制於最小極限。
特別是在預測轉換係數表的製作中，若將預測LT的匯總數(＝e)設定在2以上(尤其是4左右)的話，因為將可執行也考量過去曾更改交貨期狀況的訂單預測，因此可更加降低因預估生產所衍生的風險。
本發明並不僅限定於上述所說明的實施方式，可在權利要求範圍所公開的發明範疇內進行各種變更，這些當然均涵蓋於本發明中。
例如，在上述實施方式中，是利用轉換係數的標準偏差(s)與其所對應轉換係數的平均值(Ave)之比(s/Ave)是否在預定閾值以下，而判斷是否可執行訂單預測參照(步驟S5)，但判斷的方法並不僅限於此，例如也可將轉換係數的標準偏差當作參數使用，當其超過閾值的情況時，便判斷為不可執行訂單預測。若採用此種判斷基準的話，則預測值誤差範圍(絕對值)大至某程度的狀況仍可執行預測，且可執行單純僅著重於預測信息與實際訂單內容之間的相關的判斷。此情況時，也可在判斷轉換係數的標準偏差是否在閾值以下之後，才執行平均值的計算。
再者，當存在某交貨預定日(或交貨預定期間)所需數量欠缺的預測信息的情況時，也可將預測轉換係數表中的該欄予以空白，也可將前次或下一次所接收的預測信息中，相同交貨預定日(或交貨預定期間)所對應的所需數量，當作彌補數據而加以利用。此外，當預測LT的匯總數(＝e)在2以上的情況時(參照圖7、圖8)，也可於該轉換係數的計算中，求取所需數量數據的平均值與訂單實績平均值之比，並將其使用為轉換係數。
再者，於計算轉換係數平均值之際，當存在有數值比其他轉換係數大幅偏離的轉換係數(異常值)的情況時，也可將其排除之後再求取平均值。其基準是利用轉換係數的標準偏差的話便可，例如若採行與包含視為異常值在內的轉換係數所獲得平均值間的差值，在轉換係數的標準偏差的2倍以上的數值，便當作異常值處置等處理的話便可。
如上述所說明，本發明是因為依照每個客戶(或客戶群)及每項產品(或產品群)，調查預測信息與訂單實績間的關係，再根據此計算出預測訂購數量及安全庫存數量，因此可執行精度佳的訂單預測，可降低因預估生產所衍生的供應者的風險。
權利要求
1.一種訂單預測系統，根據表示多個交貨預定日或交貨預定期間每個的所需數量的預測信息，確定安全庫存數量，其特徵在於，具備儲存著接收日不同的過去的多個預測信息的預測儲存部；儲存著每個交貨日或交貨期間的訂單實績的訂單實績儲存部；以及根據上述預測儲存部中所儲存的上述過去的預測信息與上述訂單實績儲存部中所儲存的上述訂單實績，對作為預測對象的新預測信息內的所需數量進行修正，由此計算出上述安全庫存數量的處理部；其中，上述處理部計算上述過去的預測信息中所含1或2個以上所需數量與其所對應的1或2個以上訂單實績間之比、即轉換係數，並計算出從預測接收日起至交貨預定日為止的期間、即預測前置時間為相等的多個轉換係數的標準偏差，將上述轉換係數的標準偏差或根據其所獲得的數值未超過預定閾值的預測前置時間判斷為有效的預測前置時間，通過進行採用了上述新預測信息中所含的所需數量之中、上述有效預測前置時間所對應的所需數量與其所對應的轉換係數的運算，而計算出每個交貨預定日或交貨預定期間的訂單預測數量，且通過進行採用了上述新預測信息中所含的所需數量之中、上述有效預測前置時間所對應的所需數量與其所對應的轉換係數的標準偏差的運算，而計算出每個交貨預定日或交貨預定期間的餘裕，再利用將每個交貨預定日或交貨預定期間的上述訂單預測數量與其所對應的餘裕進行加算，而計算出每個交貨預定日或交貨預定期間的安全庫存數。
2.如權利要求1的訂單預測系統，其中，利用將上述新預測信息中所含的所需數量，乘上其所對應的多個轉換係數平均值，而計算出上述訂單預測數量。
3.如權利要求1的訂單預測系統，其中，利用上述過去的預測信息中所含的所需數量中，預測前置時間連續的2個以上所需數量，與其所對應的2個以上訂單實績之比，計算出上述轉換係數。
4.如權利要求2的訂單預測系統，其中，利用上述過去的預測信息中所含的所需數量中，預測前置時間連續的2個以上所需數量，與其所對應的2個以上訂單實績之比，計算出上述轉換係數。
5.如權利要求3的訂單預測系統，其中，上述轉換係數作為連續2個以上預測前置時間中，期間最短的預測前置時間所對應轉換係數而加以處置。
6.如權利要求4的訂單預測系統，其中，上述轉換係數作為連續2個以上預測前置時間中，期間最短的預測前置時間所對應轉換係數而加以處置。
7.如權利要求1的訂單預測系統，其中，將上述標準偏差與其所對應的多個轉換係數平均值間之比未超過預定閾值的預測前置時間，判斷為有效的預測前置時間。
8.如權利要求2的訂單預測系統，其中，將上述標準偏差與其所對應的多個轉換係數平均值間之比未超過預定閾值的預測前置時間，判斷為有效的預測前置時間。
9.如權利要求3的訂單預測系統，其中，將上述標準偏差與其所對應的多個轉換係數平均值間之比未超過預定閾值的預測前置時間，判斷為有效的預測前置時間。
10.如權利要求4的訂單預測系統，其中，將上述標準偏差與其所對應的多個轉換係數平均值間之比未超過預定閾值的預測前置時間，判斷為有效的預測前置時間。
11.如權利要求5的訂單預測系統，其中，將上述標準偏差與其所對應的多個轉換係數平均值間之比未超過預定閾值的預測前置時間，判斷為有效的預測前置時間。
12.如權利要求6的訂單預測系統，其中，將上述標準偏差與其所對應的多個轉換係數平均值間之比未超過預定閾值的預測前置時間，判斷為有效的預測前置時間。
13.如權利要求1的訂單預測系統，其中，利用將上述新預測信息中所含的所需數量，乘上其所相對應的轉換係數的標準偏差，而求得預測訂購數量的標準偏差，再根據上述預測訂購數量的標準偏差與所容許的缺貨率，求取每個交貨預定日或交貨預定期間的累計餘裕，然後從各交貨預定日或交貨預定期間所對應的累計餘裕中，減掉前一個交貨預定日或交貨預定期間所對應的累計餘裕，而求得每個交貨預定日或交貨預定期間的餘裕。
14.如權利要求13的訂單預測系統，其中，將預定的交貨預定日或交貨預定期間所對應的預測訂購數量的標準偏差予以平方而所獲得的數值，以及將比上述預定的交貨預定日或交貨預定期間更靠前的交貨預定日或交貨預定期間所對應的預測訂購數量的標準偏差予以平方而所獲得的各數值，分別進行加算，再將經上述加算而所獲得的數值的平方根，乘上基於上述缺貨率的常數，從而求得每個交貨預定日或交貨預定期間的累計餘裕。
15.一種訂單預測方法，根據表示多個交貨預定日或交貨預定期間每個的所需數量的預測信息，確定安全庫存數量，其特徵在於將接收日不同的過去的多個預測信息儲存於預測儲存部中；將每個交貨日或交貨期間的各訂單實績儲存於訂單實績儲存部中；利用根據上述預測儲存部中所儲存的過去的預測信息中所含1或2個以上所需數量，與上述訂單實績儲存部中所儲存的訂單實績中，相對應的1或2個以上訂單實績間之比，計算出轉換係數；計算出從預測接收日起至交貨預定日為止的期間、即預測前置時間為相等的多個轉換係數的標準偏差；將上述標準偏差或根據其所獲得的數值未超過預定閾值的預測前置時間，判斷為有效的預測前置時間；通過進行採用了上述新預測信息中所含的所需數量之中、上述有效預測前置時間所對應的所需數量與其所對應的轉換係數的運算，計算出每個交貨預定日或交貨預定期間的訂單預測數量；通過進行採用了上述新預測信息中所含的所需數量之中、上述有效預測前置時間所對應的所需數量與其所對應的轉換係數的標準偏差的運算，計算出每個交貨預定日或交貨預定期間的餘裕；以及利用將每個交貨預定日或交貨預定期間的上述訂單預測數量與其所對應的餘裕進行加算，而計算出每個交貨預定日或交貨預定期間的安全庫存數。
16.一種訂單預測程序，其特徵為，使計算機執行下述步驟利用過去的預測信息中所含1或2個以上所需數量，與其所對應的1或2個以上訂單實績間之比，計算出轉換係數的步驟；計算出從預測接收日起至交貨預定日為止的期間、即預測前置時間為相等的多個轉換係數的標準偏差的步驟；將上述標準偏差或根據其所獲得的數值與預定閾值，依每個預測前置時間進行比較，並將未超過上述預定閾值的預測前置時間判斷為有效的預測前置時間的步驟；進行採用新預測信息中所含的所需數量之中、上述有效預測前置時間所對應的所需數量與其所對應的轉換係數的運算，由此計算出每個交貨預定日或交貨預定期間的訂單預測數量的步驟；通過進行採用了上述新預測信息中所含的所需數量之中、上述有效預測前置時間所對應的所需數量與其所對應的轉換係數的標準偏差的運算，由此計算出每個交貨預定日或交貨預定期間的餘裕的步驟；以及利用將每個交貨預定日或交貨預定期間的上述訂單預測數量與其所對應的餘裕進行加算，而計算出每個交貨預定日或交貨預定期間的安全庫存數的步驟。
全文摘要
本發明提供訂單預測系統、訂單預測方法及訂單預測程序。根據預測信息，計算出適當的庫存數量。本發明計算出過去預測信息中所含的所需數量與其所對應的訂單實際比的轉換係數(S1、S2)，並計算出預測LT相等的多個轉換係數的標準偏差(S3)，將根據轉換係數的標準偏差所獲得數值(s/Ave)，在未超過閾值的預測LT判斷為有效預測LT(S4、S5)，利用將有效預測LT所對應的所需數量，乘上其所對應的轉換係數，而計算出訂單預測數量(S6)，利用進行採用有效預測LT所對應的所需數量與其對應轉換係數的標準偏差的運算，而計算出餘裕(S7)，利用將訂單預測數量與所對應的餘裕進行加算，而計算出安全庫存數量(S8)。
文檔編號G06Q50/00GK1816819SQ20048001853
公開日2006年8月9日 申請日期2004年6月11日 優先權日2003年6月30日
發明者吉田智之, 大池愛 申請人:Tdk株式會社