類神經網路在多重產品需求預測上之應用

Implementation BPN Network into a Multi-Products Demand Forecasting Model

周湘蘭(Hsiang-Lan Chou)

指導教授 ： 陳雲岫 博士

元智大學/工程學院/工業工程與管理學系/碩士(2002年)

摘要

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。

關鍵字

多重產品需求 ； 需求預測 ； BPN類神經網路

並列摘要

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.

並列關鍵字

Multi-Products Demand ； Demand Forecasting Model ； Back-Propagation Neural Network(BPN)

參考文獻

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。

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。

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。

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。

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.