『您的瀏覽器不支援JavaScript功能,若網頁功能無法正常使用時,請開啟瀏覽器JavaScript狀態』

跳到主要內容區塊

工業技術研究院

:::

供需預測技術

技術簡介

透過特徵擷取、相似模型比對,結合時序迴歸模型建立需求預測模型,可廣泛應用於不同業態。

特色與創新

供需預測為業界痛點,當預測不準,易造成庫存量過高導致成本流失、庫存不足導致無法維修或是無商品可販售,本技術透過特徵擷取、相似模型比對,結合時序迴歸模型建立需求預測模型,可廣泛應用於不同業態。

本技術涵蓋需求可預測性檢驗,針對具可預測性需求使用XGB、Lasso、SVR等機器學習演算法與DNN、LSTM、CNN等深度學習演算法進行預測模型建模,並透過遷移式學習解決訓練資料數量可能不足的問題,在平穩型需求預測MAPE可穩定維持低於20%。

工研院以備料預測技術於2014年參與國際性大數據探勘競賽,榮獲第五名佳績,與歐美等國並列前茅,競賽召集人表示,本次競賽前幾名隊伍,具備成熟的資料探勘技術,已可在實務上被企業運用。

使用需求區間與需求變異性結合其他需求分析因子,建立需求型態類型,判斷可預測性透過序列分佈相似度分析,例如Jensen-Shannon Divergence衡量序列相似度,降低預測模型數量 以AI技術進行需求預測、備料預測,以進行最佳化庫存規劃。
使用需求區間與需求變異性結合其他需求分析因子,建立需求型態類型,判斷可預測性透過序列分佈相似度分析,例如Jensen-Shannon Divergence衡量序列相似度,降低預測模型數量 以AI技術進行需求預測、備料預測,以進行最佳化庫存規劃。

相關連結:【可移轉技術】供需預測技術


延伸閱讀
[{"text":"企業網","weight":13.0},{"text":"材化所","weight":11.5},{"text":"機械所","weight":10.0},{"text":"綠能所","weight":9.4},{"text":"生醫所","weight":8.0},{"text":"半導體","weight":6.2},{"text":"南分院","weight":5.0},{"text":"太陽能","weight":5.0},{"text":"課程","weight":5.0},{"text":"遠紅外線","weight":5.0},{"text":"雷射","weight":4.0},{"text":"LED","weight":4.0},{"text":"LED可見光","weight":3.0},{"text":"5G","weight":3.0},{"text":"工研人","weight":3.0},{"text":"電光所","weight":3.0},{"text":"綠能與環境研究所","weight":3.0},{"text":"機械","weight":3.0},{"text":"資通所","weight":2.0},{"text":"面板","weight":2.0},{"text":"文字轉語音","weight":2.0},{"text":"實習","weight":2.0},{"text":"無人機","weight":2.0},{"text":"生醫","weight":2.0},{"text":"3D","weight":2.0},{"text":"v2x","weight":2.0},{"text":"員工","weight":2.0},{"text":"地圖","weight":2.0},{"text":"太陽光電","weight":2.0},{"text":"材料與化工研究所","weight":1.0}]