产品服务需求预测和资源优选配置方法技术

本发明专利技术提供了一种产品服务需求预测和资源优选配置方法，包括步骤：步骤1：基于信息组合和方法组合对产品服务需求进行预测；步骤2：按照不同的产品服务需求对产品服务资源的要求，基于ProA方法优选配置产品服务资源。本发明专利技术充分发挥不同的预测模型在提取需求趋势信息上的优势，能够充分利用存在于不同产品服务需求层次中的需求趋势变化信息，从而提高需求预测的精度；准确获取产品服务需求之后，采用基于ProA的产品服务资源优选配置方法既可以确保所有产品服务都有必要的服务资源支撑，还可以优化产品服务资源配置方案，从而提高客户满意度，降低产品服务成本。

【技术实现步骤摘要】
产品服务需求预测和资源优选配置方法
本专利技术属于产品服务领域，具体涉及产品服务需求预测技术，以及对满足产品服务需求所需的产品服务资源的优选配置方法，特别是涉及具有层次结构特征的产品服务需求预测，以及相应的产品服务资源配置方法。
技术介绍

技术介绍
一：组合预测方法组合预测技术是一种把多个预测模型的预测结果通过定量或定性方法进行组合，以期获得更加准确或者更加稳定的预测结果的方法。组合预测一定比其中最差的预测模型的效果好，因而可以减小预测风险，这也是组合预测在实践中被广泛采用的主要原因之一。就某一预测值而言，其预测效果最差时的预测值要远优于预测效果最差的模型对该值的预测。经验表明，不同预测模型组合流程的改进也可以改善预测效果，但是不恰当的组合权重会大大削弱组合预测模型的预测效果。在实际应用中，很难找到一个最优的预测模型，通过组合的方法可以减小单个预测模型的不稳定性，从而提高预测精度。常见的简单组合的方法主要包括简单平均法，也称平均权重法，也就是每个预测模型的权重相等；方差-协方差法，这种方法考虑了每个预测模型的历史表现，但是，不足是忽略了不同预测模型的预测误差之间存在相关系数；折扣均方预测误差法，特点是不同预测模型的预测误差相关性越大，组合权重对这个相关性的变化越敏感；最小化平均绝对百分偏差的线性组合预测方法；基于方差的方法；均方误差倒数法；几何平均法；调和平均法。
技术介绍
二：协同规划、预测与补给法协同规划、预测与补货技术(collaborativeplanning,forecasting,andreplenishment(CPFR))是减小供应链需求信息传递牛鞭效应的方法。CPFR强调供应商及零售商的协同合作流程及资讯分享，并借由所共享的资讯适当补货以减少库存、物流及运输成本，使供应链之流程更有效率，进而提升供应链价值。(1)协同。CPFR这种合作关系要求双方长期承诺公开沟通、信息分享，从而确立其协同性的经营战略，尽管这种战略的实施必须建立在信任和承诺的基础上，但是这是买卖双方取得长远发展和良好绩效的唯一途径。(2)规划。为了实现共同的目标，还需要双方协同制定促销计划、库存政策变化计划、产品导入和中止计划以及仓储分类计划。(3)预测。CPFR强调买卖双方必须做出最终的协同预测，大大减少整个价值链体系的低效率、死库存，促进更好的产品销售、节约使用整个供应链的资源。(4)补货。订单处理周期、前置时间、订单最小量、商品单元以及零售方长期形成的购买习惯等都需要供应链双方加以协商解决。
技术介绍
三：活动及其过程(ActivityanditsProcess,ProA)方法活动和过程是产品服务资源配置的两个密切相关的概念，从过程到活动的映射是一对多的关系，具有不确定性，也就是一个过程可能包含多个活动，而一项活动必然对应着一个实现过程。为了避免在活动和过程逐层展开时它们之间关系的不确定性，ProA是活动及其实现过程经抽象得到的实体，这个实体包括输入、输出、资源、管理及由输入到输出的映射，ProA用一个五元组表示：ProA＝{I,O,R,M,Φ}。I为ProA的输入集合；O为ProA的输出集合；R为执行ProA所需的资源集合；M为ProA对资源管理的属性集合；Φ为资源由输入到输出的映射集合。当前，针对产品服务需求预测和资源配置方法的研究非常缺乏，传统的需求预测和资源管理方法并不能照搬到产品服务需求预测和资源配置中。需要发展和形成专门针对产品服务需求和资源配置的解决方法。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种产品服务需求预测技术，以及对满足产品服务需求所需的产品服务资源的优选配置方法，来解决产品服务管理中需求预测精度低、资源配置方法缺乏的问题。本专利技术是通过下述技术方案来解决上述技术问题的：(1)基于信息组合和方法组合的产品服务需求预测技术(2)基于ProA的产品服务资源优选配置方法根据本专利技术提供的一种产品服务需求预测和资源优选配置方法，包括如下步骤：步骤1：基于信息组合和方法组合，同时考虑产品服务需求的层次结构管理和不同预测模型对趋势信息的提取优势，对各级产品服务中心的产品服务需求进行预测，得到产品服务需求预测值；步骤2：根据步骤1得到的产品服务需求预测值，按照不同的产品服务需求对产品服务资源的要求，基于ProA方法优选配置产品服务资源，具体为：依据产品服务交付能力形成机理和产品服务资源能力指数信息匹配方法实现产品服务能力需求SCD到产品服务交付能力SDC映射得到映射集合，在映射集合中按产品服务资源特征属性进行排序和筛选，最后在目标约束下得到产品服务资源优选配置方案。优选地，所述步骤1包括如下步骤：步骤1.1：构建基于信息组合和方法组合的产品服务需求预测框架；步骤1.2：为第一级产品服务中心和末级产品服务中心选择若干预测模型；步骤1.3：采用步骤1.2中所选择的预测模型，分别对各个产品服务中心的需求进行预测；步骤1.4：建立多级优化组合预测模型，得出第一级产品服务中心的产品服务需求预测值；步骤1.5：求出各个末级产品服务中心的产品服务需求占第一级产品服务中心的产品服务需求的比例；步骤1.6：计算采用自顶向下得到的末级产品服务中心的产品服务需求预测值；步骤1.7：计算末级产品服务中心的组合预测值。优选地，所述步骤1.1，具体为，依据产品服务需求分层方法，构建预测框架。优选地，所述预测模型，包括：随机时间序列法、灰色模型、指数平滑法、Croston方法、Bootstrap方法、BP神经网络预测模型、径向基函数法、广义回归神经网络法、支持向量机法、回归预测方法。优选地，所述步骤2包括如下步骤：步骤2.1：SCD-SRC映射，具体为：列出ProA的SCDi和SRCi，依据产品服务资源能力指数SCRI大小，得到针对SCRi的候选资源集，也就是SCD-SRC映射候选子集：Ri＝{SRC1,SRCk,…,SRCl}该集合中所有的SCRI≥1；其中，SCDi表示产品服务能力需求，SRCi表示产品服务资源能力，Ri表示产品服务资源候选子集，SRCk表示第k个产品服务资源的能力，SRCl表示表示第1个产品服务资源的能力，k表示产品服务资源能力，SCRI表示产品服务资源能力指数；步骤2.2：对SCD-SRC映射子集的排序和筛选，并形成产品服务资源优选配置方案，具体为：对可选资源进行排序，并给出可选资源的优先级，形成SCDi的候选子集：R′i＝{SRC1,SRCr}其中，R′i表示经过删选后的产品服务资源候选子集，SRCr表示第r个产品服务资源的能力，r表示产品服务资源的编号或序号；步骤2.3：从产品服务资源能力到产品服务交付能力SDC形成，具体为：形成针对ProA的产品服务资源优选配置方案：其中，FProA表示产品服务资源优选配置方案，SRCp表示第p个产品服务资源的能力，SRCq表示第q个产品服务资源的能力，p和q表示产品服务资源的编号或序号。与现有技术相比，本专利技术具有如下的有益效果：基于信息组合和方法组合的产品服务需求预测既可以充分发挥不同的预测模型在提取需求趋势信息上的优势，还能够充分利用存在于不同产品服务需求层次中的需求趋势变化信息，从而提高需求预测的精度；准确获取产品服务需求之后，采用基于ProA的产品服务资源优选配本文档来自技高网...

【技术保护点】
一种产品服务需求预测和资源优选配置方法，其特征在于，包括如下步骤：步骤1：基于信息组合和方法组合，同时考虑产品服务需求的层次结构管理和不同预测模型对趋势信息的提取优势，对各级产品服务中心的产品服务需求进行预测，得到产品服务需求预测值；步骤2：根据步骤1得到的产品服务需求预测值，按照不同的产品服务需求对产品服务资源的要求，基于ProA方法优选配置产品服务资源，具体为：依据产品服务交付能力形成机理和产品服务资源能力指数信息匹配方法实现产品服务能力需求SCD到产品服务交付能力SDC映射得到映射集合，在映射集合中按产品服务资源特征属性进行排序和筛选，最后在目标约束下得到产品服务资源优选配置方案。

【技术特征摘要】
1.一种产品服务需求预测和资源优选配置方法，其特征在于，包括如下步骤：步骤1：基于信息组合和方法组合，同时考虑产品服务需求的层次结构管理和不同预测模型对趋势信息的提取优势，对各级产品服务中心的产品服务需求进行预测，得到产品服务需求预测值；步骤2：根据步骤1得到的产品服务需求预测值，按照不同的产品服务需求对产品服务资源的要求，基于ProA方法优选配置产品服务资源，具体为：依据产品服务交付能力形成机理和产品服务资源能力指数信息匹配方法实现产品服务能力需求SCD到产品服务交付能力SDC映射得到映射集合，在映射集合中按产品服务资源特征属性进行排序和筛选，最后在目标约束下得到产品服务资源优选配置方案；其中，ProA是指活动及其过程；所述步骤1包括如下步骤：步骤1.1：构建基于信息组合和方法组合的产品服务需求预测框架；步骤1.2：为第一级产品服务中心和末级产品服务中心选择预测模型；步骤1.3：采用步骤1.2中所选择的预测模型，分别对各个产品服务中心的需求进行预测；步骤1.4：建立多级优化组合预测模型，得出第一级产品服务中心的产品服务需求预测值；步骤1.5：求出各个末级产品服务中心的产品服务需求占第一级产品服务中心的产品服务需求的比例；步骤1.6：计算采用自顶向下得到的末级产品服务中心的产品服务需求预测值；步骤1.7：计算末级产品服务中心的组合预测值。2.根据权利要求1所述的产品服务需求预测和资源优选配置方法，其特征在于，所述步骤1.1，具体为，依据产品服务需求分层方法，构建预测框架。3.根据权利要求2所述的产品服务需求预测和资源优选配置方法，其特征在于，所述预测模型，包括：随机时间序...

【专利技术属性】
技术研发人员：明新国，徐志涛，尹导，何丽娜，李淼，郑茂宽，厉秀珍，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31