『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