Title

類神經網路在多重產品需求預測上之應用

Translated Titles

Implementation BPN Network into a Multi-Products Demand Forecasting Model

Authors

周湘蘭

Key Words

多重產品需求 ; 需求預測 ; BPN類神經網路 ; Multi-Products Demand ; Demand Forecasting Model ; Back-Propagation Neural Network(BPN)

PublicationName

元智大學工業工程與管理學系學位論文

Volume or Term/Year and Month of Publication

2002年

Academic Degree Category

碩士

Advisor

陳雲岫 博士

Content Language

繁體中文

Chinese Abstract

在現今產業全球化、產品多樣化的市場經營體系中,企業間的競爭使得訂單需求預測的準確性顯得更不容忽視,預測的準確與否往往會影響生產成本。當不同組件產品具有關連性時,個別的產品需求亦會交互影響到共同零組件的需求,再加上產品短期需求不確定的波動性更會降低需求預測的準確性降低。因此,依據多重產品間彼此的關連性設計一個真正適合此生產線的需求預測模式為一重要的研究課題。 本論文將利用類神經網路在預測上高準確之優點,來學習多重產品之特性進行需求預測模式之建構,以供決策者在進行生產計畫時之依據。論文中,利用AweSim模擬軟體模擬六個月的短期訂單模擬,收集訂單種類、到達時間、數量等資料並以BPN類神經網路進行需求預測模型之建立。模式中利用移動視窗法進行網路學習,設定的輸入及輸出變數主要分為到達之間隔時間、產品數量、訂單種類權重。然後再以平均方根誤差(MSE)作為評估指標。分析結果顯示利用BPN類神經網路所建立之需求預測模式在訂單分配率改變時皆有不錯的預測效果,其測試樣本之平均MSE值皆在0.15以下,本論文針對訂單種類預測所提出之訂單特徵向量也能有效降低預測誤差,可提供在未來進行多重產品需求預測之相關研究另一參考依據。

English Abstract

At present, market management system is challenged by industry globally and variety products. An accurate prediction of order demand will increase the competitive ability for an enterprise. The closeness of the forecasted amount to the real demand will influence the production cost. The individual product demand having interaction effect on the demand of manufacture components when the several modular products are produced, meanwhile, fluctuation of the short-term products demand will decrease the precision of demand forecasting. Therefore, a multi-products short-term demand-forecasting model is important and necessary. In this thesis, we take the merit of the neural network in high precision of the forecasting to the multi-products system and establish a demand-forecasting model. In this paper, we use the simulation software AweSim to simulate the orders data in production line for six months. Data for order types, arrival times, and numbers of product are collected and trained by the Back-Propagation neural network (BPN) to build a BPN multi-product demand-forecasting model. Simulation study shows that the BPN forecasting model has performance on the different order distributions, and the average mean square errors (MSEs) of the test samples are all under 0.15. In addition, this research brings up an order features vector also effective in reducing the forecasting error, which can take a reference for the future research.

Topic Category 工程學院 > 工業工程與管理學系
工程學 > 工程學總論
社會科學 > 管理學
Reference
  1. 1. Charytoniuk, W. & M. S. Chen, ” Neural-network-based demand forecasting in a deregulated environment”, IEEE Transactions on industry applications, pp.893-898, Vol. 36, No. 3, May/June 2000.
    連結:
  2. 2. Chow, T. W. S. & C. T. Leung, “ Nonlinear autoregressive integrated neural network model for short-term load forecasting”, IEE proceeding online no.19960600, pp.500-506, 1996.
    連結:
  3. 3. Desouky, A. A. EI & M. M. EIKateb, “ Hybrid adaptive techniques for electric-load forcast using ANN and ARIMA”, IEE Proc-Gener. Transm. Distrib, pp.213-217, Vol. 147, NO. 4, July 2000.
    連結:
  4. 4. Dr. Dornier, et al, “Grobal Operations and Logistics”, John Wiley & Sons, 1998.
    連結:
  5. 5. Dantas, A., K. Yamamoto, M. V. Lamar, & Y. Yamashita, “Neural network for travel demand forecasting using GIS and Remote Sensing”, IEEE proceeding, pp.435-440, 2000.
    連結:
  6. 6. Gardner Jr., E. S.& D. S. Joaquin, “Seasonal adjustment of inventory demand series: a case study”, International Journal of forecasting, pp. 117-123, Vol.18, 2002.
    連結:
  7. 7. Law, R., & N. Au, “A neural network model to forecast Japanese demand for travel to Hong Kong ”, Tourism Management, pp 89-97, Vol. 20, 1999.
    連結:
  8. 8. Law, R., “Back-propagation learning in improving the accuracy of neural network-based tourism demand forecasting”, Tourism Management, pp 331-340, Vol. 21, 2000.
    連結:
  9. 9. Salvador, A. V. & C. B. Carlos, ” Hybrid demand model for load estimation and short term load forecasting in distribution electric systems”, IEEE Transactions on power delivery, pp.764-769, Vol. 15, No. 2, April 2000.
    連結:
  10. 10. Tawfiq, A.S. & E. A. Ibrahim, ” Artificial neural networks as applied to long-term demand forecasting”, Artificial Intelligence in Engineering, pp. 189-197, Vol. 13, 1999.
    連結:
  11. 16. 古強,「貝氏類神經網路的建構及其在可靠度工程上的應用」,碩士論文,私立元智工學院工業工程研究所,台灣桃園,1996。
    連結:
  12. 18. 廖廣毅,「以類神經網路預測股價指數漲跌」,碩士論文,私立元智大學工業工程研究所,台灣桃園,1999。
    連結:
  13. 21. 張瑤峰,「類神經網路在銷售預測應用之討論」,碩士論文,私立元智大學工業工程研究所,2000。
    連結:
  14. 22. 蔡蓉媛,「通用迴歸類神經網路在中長期電力需求預測模式之研究」,碩士論文,私立元智大學工業工程研究所,台灣桃園,2000。
    連結:
  15. 參考文獻
  16. 11. 林聰明、吳水丕,「指數平滑法之選擇與應用」,華泰書局,1981年初版。
  17. 12. 春日井博原著,書泉編輯部編譯,「需求預測入門」,書泉出版社,1988年3月初版。
  18. 13. 賴士葆,「生產╱作業管理-理論與實務」,華泰書局,1991。
  19. 14. 陳慧德,「銷售預測實證研究-貝氏時間序列分解法之應用」,碩士論文,私立淡江大學管理科學研究所,台灣台北,1995。
  20. 15. 陳靖惠,「半導體產業晶圓需求預測之研究」,碩士論文,國立交通大學資訊管理研究所,1995。
  21. 17. 葉怡成,「類神經網路之應用與實作」,儒林出版社,1999六版。
  22. 19. 潘曉葦,「需求預測模式之建立」,碩士論文,國立台灣科技大學資訊管理系,台灣台北,1999。
  23. 20. 曾益華,「以類神經網路為基礎之預測系統之研究」,碩士論文,中華大學土木工程學系,台灣新竹,2000。
  24. 23. 潘浙楠、林琮閔,「多產品不同需求下存貨訂購策略之制定與研究」,中國統計學報,第40卷第1期,pp17-45,2002。
Times Cited
  1. 歐宗殷(2010)。資料探勘為基礎之零售業銷售預測模式-以連鎖超商鮮食商品為例。清華大學工業工程與工程管理學系學位論文。2010。1-126。 
  2. 黃心怡(2010)。銅鐵異種金屬直流電阻點銲之參數最佳化探討。臺北科技大學工業工程與管理系碩士班學位論文。2010。1-76。 
  3. 陳進福(2008)。應用類神經網路預測辦公用品物流中心之隨機出貨量。臺北科技大學管理學院工業工程與管理EMBA專班學位論文。2008。1-73。 
  4. 陳耀文(2008)。代工製造業產品需求預測模式。元智大學資訊管理學系學位論文。2008。1-47。 
  5. 簡雅禎(2003)。人工免疫系統法應用在管制圖趨勢分析之研究。元智大學工業工程與管理學系學位論文。2003。1-87。
  6. 羅慕君(2004)。短期訂單預測模型之研究—PDA產業為例。中原大學資訊管理研究所學位論文。2004。1-110。
  7. 郭秀敏(2004)。模糊倒傳遞網路於印刷電路板生產預測之應用。元智大學工業工程與管理學系學位論文。2004。1-95。
  8. 王佩淳(2004)。結合灰色理論與品質機能展開建構動態趨勢預測模型。亞洲大學資訊工程學系碩士班學位論文。2004。1-72。
  9. 洪國智(2004)。建構加權演化式模糊類神經網路於PCB生產預測之研究。元智大學工業工程與管理學系學位論文。2004。1-87。
  10. 黃郁仁(2004)。整合案例式推理與類神經網路於新產品銷售預測--以圖書產品為例。元智大學工業工程與管理學系學位論文。2004。1-110。
  11. 鄭勻惠(2004)。倒傳遞網路在產品需求預測之研究─以模組化產品為例。元智大學工業工程與管理學系學位論文。2004。1-100。
  12. 龔惠盈(2005)。資料採礦在產品庫存價值分析之研究---以A公司為例。元智大學工業工程與管理學系學位論文。2005。1-75。
  13. 陳秀榛(2005)。整合分群技術與演化式模糊系統於訂單交期預測之研究。元智大學工業工程與管理學系學位論文。2005。1-118。
  14. 高莉莉(2005)。物料管理中備料作業的關鍵成功因素─以印刷電路板廠為例。中原大學企業管理研究所學位論文。2005。1-70。
  15. 謝宗輝(2006)。灰預測分析於汽車協尋系統之應用。亞洲大學資訊工程學系碩士班學位論文。2006。1-75。
  16. 吳綺芳(2006)。整合神經網路與灰色理論之預測模型設計。元智大學工業工程與管理學系學位論文。2006。1-55。
  17. 宋安勝(2006)。建構一精簡化模糊規則模式於股價預測之研究。元智大學工業工程與管理學系學位論文。2006。1-98。
  18. 徐品勝(2007)。倒傳遞類神經網路在銷售預測之應用 以TFT-LCD產業為例。元智大學工業工程與管理學系學位論文。2007。1-74。
  19. 謝富凱(2008)。應用倒傳遞類神經網路於無線產品效能預估之研究。清華大學工業工程與工程管理學系工程碩士在職專班學位論文。2008。1-54。
  20. 邱家煌(2009)。應用層級分析法於表面黏著技術產業的訂單影響因素研究。中原大學資訊管理研究所學位論文。2009。1-82。
  21. 廖世正(2017)。應用類神經網路於軟性銅箔基板品質預測之研究─以TF公司為例。中山大學高階經營碩士班學位論文。2017。1-91。