[发明专利]产品服务需求预测和资源优选配置方法有效
申请号: | 201410211357.4 | 申请日: | 2014-05-19 |
公开(公告)号: | CN104008428B | 公开(公告)日: | 2017-07-11 |
发明(设计)人: | 明新国;徐志涛;尹导;何丽娜;李淼;郑茂宽;厉秀珍 | 申请(专利权)人: | 上海交通大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 上海汉声知识产权代理有限公司31236 | 代理人: | 郭国中 |
地址: | 200240 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 产品 服务 需求预测 资源 优选 配置 方法 | ||
1.一种产品服务需求预测和资源优选配置方法,其特征在于,包括如下步骤:
步骤1:基于信息组合和方法组合,同时考虑产品服务需求的层次结构管理和不同预测模型对趋势信息的提取优势,对各级产品服务中心的产品服务需求进行预测,得到产品服务需求预测值;
步骤2:根据步骤1得到的产品服务需求预测值,按照不同的产品服务需求对产品服务资源的要求,基于ProA方法优选配置产品服务资源,具体为:依据产品服务交付能力形成机理和产品服务资源能力指数信息匹配方法实现产品服务能力需求SCD到产品服务交付能力SDC映射得到映射集合,在映射集合中按产品服务资源特征属性进行排序和筛选,最后在目标约束下得到产品服务资源优选配置方案;
其中,ProA是指活动及其过程;
所述步骤1包括如下步骤:
步骤1.1:构建基于信息组合和方法组合的产品服务需求预测框架;
步骤1.2:为第一级产品服务中心和末级产品服务中心选择预测模型;
步骤1.3:采用步骤1.2中所选择的预测模型,分别对各个产品服务中心的需求进行预测;
步骤1.4:建立多级优化组合预测模型,得出第一级产品服务中心的产品服务需求预测值;
步骤1.5:求出各个末级产品服务中心的产品服务需求占第一级产品服务中心的产品服务需求的比例;
步骤1.6:计算采用自顶向下得到的末级产品服务中心的产品服务需求预测值;
步骤1.7:计算末级产品服务中心的组合预测值。
2.根据权利要求1所述的产品服务需求预测和资源优选配置方法,其特征在于,所述步骤1.1,具体为,依据产品服务需求分层方法,构建预测框架。
3.根据权利要求2所述的产品服务需求预测和资源优选配置方法,其特征在于,所述预测模型,包括:随机时间序列法、灰色模型、指数平滑法、Croston方法、Bootstrap方法、BP神经网络预测模型、径向基函数法、广义回归神经网络法、支持向量机法、回归预测方法。
4.根据权利要求1所述的产品服务需求预测和资源优选配置方法,其特征在于,所述步骤2包括如下步骤:
步骤2.1:SCD-SRC映射,具体为:
列出ProA的SCDi和SRCi,依据产品服务资源能力指数SCRI大小,得到针对SCDi的候选资源集,也就是SCD-SRC映射候选子集:
Ri={SRC1,SRCk,…,SRCl}
该集合中所有的SCRI≥1;
其中,SCDi表示产品服务能力需求,SRCi表示产品服务资源能力,Ri表示产品服务资源候选子集,SRCk表示第k个产品服务资源的能力,SRCl表示表示第1个产品服务资源的能力,k表示产品服务资源能力,SCRI表示产品服务资源能力指数;
步骤2.2:对SCD-SRC映射子集的排序和筛选,并形成产品服务资源优选配置方案,具体为:
对可选资源进行排序,并给出可选资源的优先级,形成SCDi的候选子集:
R′i={SRC1,SRCr}
其中,R′i表示经过删选后的产品服务资源候选子集,SRCr表示第r个产品服务资源的能力,r表示产品服务资源的编号或序号;
步骤2.3:从产品服务资源能力到产品服务交付能力SDC形成,具体为:
形成针对ProA的产品服务资源优选配置方案:
其中,FProA表示产品服务资源优选配置方案,SRCp表示第p个产品服务资源的能力,SRCq表示第q个产品服务资源的能力,p和q表示产品服务资源的编号或序号。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海交通大学,未经上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410211357.4/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用