[发明专利]订单预测方法

说明书

本发明公开了一种订单预测方法，适用于一产品生产计划系统。所述的方法包括：取得关联于一产品的下次参考订单的参考信息及该产品的本次实际订单，依据参考信息及本次实际订单执行一基于神经网络模型的算法以产生一特征向量，以及依据特征向量执行另一基于神经网络模型的算法以输出下次预测订单至产品生产计划系统，以供产品生产计划系统依据下次预测订单计划生产线生产产品的运行。

技术领域

本发明涉及一种订单预测的方法，特别是一种使用神经网络训练得到的模型预测订单的方法。

背景技术

对于电子产品制造商而言，最理想的情况是库存维持在一定数量以下，过高的库存以及较低的库存周转率将占用大量的资金，对现金流造成压力，此外，高库存也增加额外的时间以及人力成本用于仓储费用、拣选产品及盘点。

现今对于订单预测的方式，大多是依赖经验、先前的订单及库存资料进行判断。然而，人类并无法精确地掌握过于复杂且高维度的资料，即使采用简单回归或时间序列分析来预订单，也只能依循前期的状况进行预测，无法从长期的角度来分析而确保其预测准确率。因此，目前极需一种高准确率的订单预测方法。

发明内容

有鉴于此，本发明提出一种基于神经网络模型(neural network model)的订单预测方法，借此解决现有方法中订单预测准确率不高的问题。

依据本发明一实施例所叙述的一种订单预测方法，适用于一产品生产计划系统。所述的方法包括：取得关联于产品的下次参考订单的参考信息及产品的本次实际订单；依据参考信息及本次实际订单执行一基于神经网络模型的算法以产生特征向量；以及依据特征向量执行另一基于神经网络模型的算法以输出下次预测订单至产品生产计划系统，以供产品生产计划系统依据下次预测订单计划生产线生产产品的运行。

通过上述架构，本发明所公开的订单预测方法可综合考量关联于订单的多种类型信息，做出更为精确的下次订单预测。例如：若预测下周将接获大量订单，则提前在本周主动提高产能以满足下周的订单；若预测到下周的订单数量减少将导致库存率升高，则在本周降低产能以避免生产过剩。本发明有助于减少库存，进一步减少盘点仓储的时间成本及人力成本。

以上的关于本发明内容的说明及以下的实施方式的说明用以示范与解释本发明的精神与原理，并且提供本发明的专利申请权利要求保护范围更进一步的解释。

附图说明

图1是依据本发明一实施例的订单预测方法所绘示的流程图。

图2是下次预测订单、下次参考订单及本次实际订单的“订单量-时间”的折线图。

具体实施方式

以下在实施方式中详细叙述本发明的详细特征以及优点，其内容足以使任何本领域的技术人员了解本发明的技术内容并据以实施，且根据本说明书所公开的内容、权利要求保护范围及附图，任何本领域的技术人员可轻易地理解本发明相关的目的及优点。以下的实施例进一步详细说明本发明的观点，但非以任何观点限制本发明的范畴。

本发明提出的订单预测方法适用于产品生产计划系统。所述的产品生产计划系统例如是云端服务器，可用于控制产品生产线的运作。产品生产计划系统可包括处理器及存储器，也可更进一步包括硬盘及多个可进行平行处理的运算单元。产品生产计划系统的处理器运行本发明提出的订单预测方法。产品生产计划系统依据本发明提出的订单预测方法的输出结果适应性地调整生产线上的机具运作的参数，借此提高生产周期或降低生产周期实现控制产品产量的效果。实务上，产品生产计划系统例如是企业资源计划系统(Enterprise Resource Planning，ERP)、进销存(Purchase,Sales,Inventory，PSI)管理系统。

请参考图1，其是绘示本发明的一实施例的订单预测方法的流程图。

请参考步骤S1，取得产品的本次实际订单及参考信息。