APS排程:神经网络预测算法

2021年10月15日 82 次阅读    本文共822字,预计阅读时间3分钟

不管是哪种供应链方式,我们都没法回避需求预测,预测是跟不确定性打交道。当不确定性很高时,比如新产品、新项目、新客户,往往很难确定预测。这并不意味着没有预测;相反,这意味着每个职能都在自己做预测,结果是有很多预测。生产需要预测来准备产能,采购需要预测来备料,财务需要预测来做预算——为了把工作做好,各职能就不得不自己整出个预测来。

神经网络预测算法,能够协同营销与计划部门,尽力做出准确度最高的预测,加固供应链第一道防线。

思维学普遍认为,人类大脑的思维分为抽象(逻辑)思维形象(直观)思维灵感(顿悟)思维三种基本方式。人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统,其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单,功能有限,但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。大脑神经网络就是通过轴突和树突连接在一起的多个神经元集合,单个神经元通过树突从成千上万的神经元接受信息,再通过轴突将信息传递给成千上万个神经元。

人工神经网络就是一种旨在模仿人脑结构及其功能的信息处理系统,有输入层,隐藏层和输出层,输入层就是输入样本值,隐藏层和输出层通过激活函数计算,层与层之间通过权值矩阵相连。隐藏层是看不见的,可以有多个,像个黑盒子一样的东西,输出层就是我们要的分类或回归结果。

神经网络的主要优点,在于它们能够胜过几乎所有其他机器学习算法。例如在癌症检测中,对于性能的要求是非常高的,因为性能越好,可以治疗的人越多。

神经网络最著名的缺点,可能就是“黑匣子”性质。这意味着你不知道你的神经网络将会如何产出结果,更不知道为什么会产生这种结果

 需求预测神经网络优化算法整体流程
需求预测神经网络优化算法整体流程

APS智能排产系统新开发完整的需求预测管控模块,包括料号映射、数据加工、需求预测、交货计划、版本对比、差异分析、PO管控、预测评估与修正等功能,用于协同营销与计划部门,将大量线下工作无缝迁移到线上,真正实现预测需求的透明化管控。

上一篇:

下一篇: