[發(fā)明專利]使用加權(quán)混合機(jī)器學(xué)習(xí)模型進(jìn)行需求預(yù)測(cè)

在審

• 申請(qǐng)?zhí)枺?/td>: 201880071162.0
• 申請(qǐng)日: 2018-09-18
• 公開(kāi)（公告）號(hào): CN111295681A
• 公開(kāi)（公告）日: 2020-06-16
• 發(fā)明（設(shè)計(jì)）人: 雷明;C·波佩斯庫(kù)
• 申請(qǐng)（專利權(quán)）人: 甲骨文國(guó)際公司
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06Q30/02
• 代理公司: 中國(guó)國(guó)際貿(mào)易促進(jìn)委員會(huì)專利商標(biāo)事務(wù)所 11038
• 代理人: 鄒丹

實(shí)施例通過(guò)接收多個(gè)過(guò)去時(shí)間段的物品的歷史銷售數(shù)據(jù)來(lái)預(yù)測(cè)物品的需求，該歷史銷售數(shù)據(jù)包括限定一個(gè)或多個(gè)特征集的多個(gè)特征。實(shí)施例使用特征集作為一個(gè)或多個(gè)不同算法的輸入，以生成多個(gè)不同模型。實(shí)施例訓(xùn)練每個(gè)不同模型。實(shí)施例使用每個(gè)經(jīng)訓(xùn)練的模型針對(duì)過(guò)去時(shí)間段中的一些或全部中的每個(gè)時(shí)間段生成多個(gè)過(guò)去需求預(yù)測(cè)。實(shí)施例確定每個(gè)過(guò)去需求預(yù)測(cè)的均方根誤差(“RMSE”)，并且基于RMSE，確定每個(gè)經(jīng)訓(xùn)練的模型的權(quán)重，并對(duì)每個(gè)權(quán)重進(jìn)行歸一化。實(shí)施例然后通過(guò)組合每個(gè)經(jīng)訓(xùn)練的模型的加權(quán)值來(lái)針對(duì)每個(gè)未來(lái)時(shí)間段生成物品的最終需求預(yù)測(cè)。

技術(shù)領(lǐng)域

一個(gè)實(shí)施例一般而言涉及計(jì)算機(jī)系統(tǒng)，并且特別地涉及預(yù)測(cè)需求的計(jì)算機(jī)系統(tǒng)。

背景技術(shù)

產(chǎn)品通常通過(guò)制造商、分銷商、運(yùn)輸商、零售商等的網(wǎng)絡(luò)遞送給消費(fèi)者。一起向消費(fèi)者遞送產(chǎn)品的這種設(shè)施網(wǎng)絡(luò)通常被稱為“供應(yīng)鏈”網(wǎng)絡(luò)。

產(chǎn)品的供應(yīng)者(例如，制造商、供應(yīng)商、零售商等)常常面臨預(yù)測(cè)產(chǎn)品需求以便在存在不斷變化的市場(chǎng)狀況的情況下通過(guò)供應(yīng)鏈網(wǎng)絡(luò)提供平穩(wěn)且高效的產(chǎn)品流的任務(wù)。過(guò)高估計(jì)需求可能導(dǎo)致生產(chǎn)過(guò)剩和與持有庫(kù)存相關(guān)聯(lián)的成本增加(例如，存儲(chǔ)成本、過(guò)時(shí)(obsolescence)等)。另一方面，低估需求會(huì)導(dǎo)致收入損失。

另外，在零售行業(yè)，零售商需要預(yù)估他們未來(lái)的需求，以更好地管理他們的庫(kù)存或促銷/降價(jià)計(jì)劃。零售商可以參與許多類型的促銷以提高他們的銷售額。為了生成準(zhǔn)確的預(yù)測(cè)，零售商必須考慮可能影響需求的所有因素，諸如促銷、價(jià)格、季節(jié)性、天氣等。

用于預(yù)測(cè)產(chǎn)品需求的一種技術(shù)是主要基于該產(chǎn)品的歷史需求信息(例如，基于過(guò)去的采購(gòu)訂單、過(guò)去的發(fā)貨情況、過(guò)去的銷售點(diǎn)數(shù)據(jù)等)來(lái)預(yù)測(cè)需求。但是，這種技術(shù)可能難以適應(yīng)不斷變化的市場(chǎng)狀況，并且可能導(dǎo)致不準(zhǔn)確的預(yù)測(cè)。另外，隨著越來(lái)越多的因素需要考慮，傳統(tǒng)的預(yù)測(cè)方法(諸如時(shí)間序列分析或回歸)不能非常好地工作。

發(fā)明內(nèi)容

實(shí)施例通過(guò)接收多個(gè)過(guò)去時(shí)間段的物品的歷史銷售數(shù)據(jù)來(lái)預(yù)測(cè)物品的需求，該歷史銷售數(shù)據(jù)包括限定一個(gè)或多個(gè)特征集的多個(gè)特征。實(shí)施例使用特征集作為一個(gè)或多個(gè)不同算法的輸入，以生成多個(gè)不同模型。實(shí)施例利用相同的訓(xùn)練集來(lái)訓(xùn)練每個(gè)不同模型，以生成多個(gè)經(jīng)訓(xùn)練的模型。實(shí)施例使用每個(gè)經(jīng)訓(xùn)練的模型針對(duì)過(guò)去時(shí)間段的一些或全部中的每個(gè)過(guò)去時(shí)間段生成多個(gè)過(guò)去需求預(yù)測(cè)，并針對(duì)每個(gè)未來(lái)時(shí)間段生成多個(gè)未來(lái)需求預(yù)測(cè)。實(shí)施例確定每個(gè)過(guò)去需求預(yù)測(cè)的均方根誤差(“RMSE”)，并且基于RMSE，確定每個(gè)經(jīng)訓(xùn)練的模型的權(quán)重，并對(duì)每個(gè)權(quán)重進(jìn)行歸一化。實(shí)施例然后通過(guò)組合每個(gè)經(jīng)訓(xùn)練的模型的加權(quán)值針對(duì)每個(gè)未來(lái)時(shí)間段生成物品的最終需求預(yù)測(cè)。

附圖說(shuō)明

圖1是根據(jù)本發(fā)明的實(shí)施例的計(jì)算機(jī)服務(wù)器/系統(tǒng)的框圖。

圖2是根據(jù)一個(gè)實(shí)施例的在確定需求預(yù)測(cè)時(shí)圖1的需求預(yù)測(cè)模塊的功能的流程圖。

圖3和圖4圖示了根據(jù)本發(fā)明的實(shí)施例的針對(duì)單個(gè)SKU的確定的需求預(yù)測(cè)的數(shù)值示例。

圖5圖示了根據(jù)一個(gè)實(shí)施例的包括如本文所公開(kāi)的需求預(yù)測(cè)的集成的制造、庫(kù)存和物流系統(tǒng)。

具體實(shí)施方式

一個(gè)實(shí)施例通過(guò)使用歷史銷售數(shù)據(jù)輸入訓(xùn)練多個(gè)算法/方法和多個(gè)特征從而產(chǎn)生多個(gè)經(jīng)訓(xùn)練的模型，并且然后基于誤差值對(duì)每個(gè)經(jīng)訓(xùn)練的模型進(jìn)行加權(quán)來(lái)預(yù)測(cè)產(chǎn)品的需求。使用權(quán)重和多個(gè)模型，通過(guò)組合由每個(gè)經(jīng)訓(xùn)練的模型生成的加權(quán)預(yù)測(cè)來(lái)生成需求預(yù)測(cè)。

銷售和需求預(yù)測(cè)方法大致可以被分為判斷方法、外推方法和因果方法。外推方法僅使用活動(dòng)本身的時(shí)間序列數(shù)據(jù)來(lái)生成預(yù)測(cè)。已知的特定算法/方法的范圍從較簡(jiǎn)單的移動(dòng)平均和指數(shù)平滑方法到更復(fù)雜的Box-Jenkins方法。雖然這些已知方法成功地識(shí)別和外推趨勢(shì)、季節(jié)性和自相關(guān)的時(shí)間序列模式，但它們不考慮諸如價(jià)格改變和促銷之類的外部因素。