TWI225605B - Forecasting a last time buy quantity for a service part using a low-pass filter approach - Google Patents

Description

玖、發明說明： 【發明所屬之技術領域3 發明領域 本發明一般係關於商務預測以及分析，尤其是關於使 用低通濾波器方法以預測維修部件最後購買數量之技術。 【先前技術3 發明背景 對於許多製造商、供應商、零售商、以及其他必須供 應產品以反應購買商之需求的企業而言，相關產品之商務 預測以及分析是必要的工作。從消費觀點而言，工業產品 ，例如汽車、高科技、電子產品、器具、等等，都具有消 費生命週期(例如，在產品購w及其可用生命結束之間的時 間)。從製造觀點而言，此種產品具有生產生命週期⑽如， 該產品量產之整個時間）。—種產品可以在量產結束之後保 相當長的時間。在這時間中(在生產生命週期結束以 、/’、生命週期結束之間），該產品内之原始部件可能需要 2維修部件所取代辑持誠品適#地操作。彳3是 ΐ據ΪΓ責在衫維修期限内提供此維修部件，例如， 示。例ΓΓ、商業目的、或依據該產品的任何其他指 =，娜年福特TAURUS車型可能已經在1997年4月 但是身為該車型之製造商，福特公司，可能仍 必需狀衫少衫的財㈣應這車型所 維修部件之最後講買數量-般被使用於指示相關產品 之1產結束之後一選擇時間點至相 之間的油:A 即產σ 口之維修期限結束 之門的、、隹修部件所需求(例如 量。當相I -瞒_之形式)之總數 相關產品之量產結束後經過 品或豆邱& τ ^ ^ 、开夕年亚且對於相關產 飞。卩件不再有任何主要需求 °亥維修部件一般便稱 马取後購貝部件。開始將維修 發一浐3十& 1千現為攻後購買部件之觸 叙疋來自該部件製造商之通知， 維修部件之㈣^ ㈣ 要㈣貝商開始該 修部件之買Γ 不久將停止提供該維 如上所述地，預測維修部件之最後購買數量對於企業 t是-項重要的議題。例如’充分預測維修部件後 購貝數1可簡著地降低設備成本、改進計晝、並且增加 收盈。但是’預測維修部件之最後購買數量是—項有^戰 性的工作。不幸地’發展適用於估計最㈣w維修部件之 未來需求的方法很少成功。例如，先前的-種方法，其使 用訂購記錄之移動平均技術以便檢_勢(例如，上升^持 平、或下降)並且接著依據趨勢之特質使用一種不同的技術 以估叶未來之需求(例如，針對上升或持平趨勢使用指數技 術，或者針對下降趨勢使用一”階梯"技術）。關於這點及其 他先前方法之問題使此等方法無法滿足許多的需要。 【聲明内容】 發明概要 依據本發明，先前預測維修部件最後購買數量技術之 相關的缺點及問題可以被減少或消除。 本發明之一實施例，提供一種使用低通濾波器方法以 預測一維修部件最後購買數量之技術。該方法包含存取輸 入資料，其包含有··（1)維修期限，其開始於相關於該維修 部件之產品量產的結束時；（2)資料，其反映相關於產品之 k去累積產里’至少開始於相關於產品量產之結束的第一 週期；以及(3)訂購資料系列，其反映開始於緊接著第一週 期之第二週期且結束於目前週期之各連續週期中所曾訂購 之、、隹修部件數量。一組低通濾波器被應用到至少一部份之 丁構序貧料系列以抽取代表一平順化訂購資料系列之低頻 =成分。一局部最大值在受支配於預定條件之平順化訂購 :料系列内被搜尋出。如果一局部最大值在該平順化訂購 二料系列之内被發現，則指數預測依據該平順化訂購資料 f列破進行以產生在接著目前週期之維修期限整個其餘週 =内該維修部件之預測最後購買數量。該維修部件之預測 最後購買數量可連接一組或多組商務分析被使用。 。本發明之特定實施例可以提供一種或多種技術性優點 如某些貫施例可以提供一種更精確之預測維修部件最後購 ，數里之方法，並且相對於先前的方法而言，可降低設備 〜 改進什畫、及增加收盈。對於有效維修部件管理而 °缺乏適當的方法以預測未來最後購買維修部件之需求 =達到瓶頸。本發明之某些實施例可以緩和這瓶頸以便 件車又仏之商料錢為可能，並且更有效地管理其維修部 口之操作。某些實施例可以提供—種有用的賴工具，其 =从破應用至多種工業產品之維修部件中，例如汽車、高 、、技電子產品、ϋ具、料。此外，預測最後購買數量 可以被使用於其他計畫程序之輸入或者可用於任何其他商 務分析之目的。 束某些實施例提供一低通遽波器方法，其被使用以自維 修部件之歷史訂購資料抽取低頻率趨勢成分。使用習見的 移動平均方法抽取低解成分主要取決於_尺度··⑴時 間洛後及/或領先數量；⑺㈣於時㈣後及/或領先的加 權。使用移動方法預測最後購買數量有兩個主要缺點：⑴ 落後及/或領先之長度將減低預測趨勢之數目，其因缺乏資 料點所以在許多最後購買預測方案中是重要的；（2)由這兩 種尺度所涵蓋之^間複雜將阻礙尋找較佳之制趨勢。 相對於傳、&之移動平均方法，本發明之某些實施例將自維 牛之歷史g購貧料抽取低頻率成分，其中將被保持之 低頻率成分的”頻寬，，僅取決於一組參數。 本發明之某些實施例可以提供全部、部分之這些技術 性乜點或不具這些優點。某些實施例可以提供一種或多種 其他技術性之優點，熟習本技術人員可依據此處所包含之 圖式、說明、及申請專利範圍立即瞭解其中之一種或多種 優點。 圖式簡單說明 為了對本發明之特點與優點有更完全的瞭解，將結合 附圖與參考下面的說明，其中： 第1圖展示一組電腦為主之系統範例，其使用一種低通 濾波器方法以預測一維修部件最後購買數量； 第2圖展示一電腦為主之處理程序範例，其使用一種低 通渡波器方法以腳卜轉料最後購w數量。 C貧施方式】 較佳實施例之詳細說明 、第1®展示-組電腦為主之系統範例1G，其使用一種低 5通〉慮波器方法以預測—維修部件最後購買(LTB)數量。本發 明考慮到預測任何適合的工業中任何適當產品之任何適當 維修部件的LTB數量之系統1〇。本發明可以被應用至任何 取決於預測LTB數量作為輪入之適當商務分析。此分析可 以包含，例如，唯有且不受限制於，維修部件風險管理分 析（如果生產成本及合法損失是低的話，則減產可以是良好 的商務策略，反之亦然）以及設備控制分析。 在一實施例中，系統10包含客戶12、伺服器14、以及 資料庫16。客戶12可以包含一組或多組處理程序以便提供 輪入資料、進行商務分析、或其他適當的作業。雖然這些 15處理程序可以是運作於—專用客戶處理器上之分離的處理 私序’但是本發明考慮到這些，整體或部分地，被整合之 處理程序，並且運作在相同或不同電腦系統内之一組或多 、、且處理器上。同理，祠服器14可以包含一組或多組處理程 序以便自客戶12接收輸入資料、操作該輸入資料以及其他 2〇依據本發明之適當資料，並且與資料庫16互動以便在適當 時機輸出資料至客戶12。雖然這些處理程序可以是運作於 一專用伺服器處理器上之分別的處理程序，但是本發明考 慮到這些，整體或部分地，被整合之處理程序，並且運作 在相同或不同的電腦系統内之一組或多組處理器上。客戶 9 1225605 12以及伺服器14可以是完全獨立地操作或者可至少部分地 受支配於系統10之使用者輸入而操作。 資料庫16提供系統10之持續資料儲存，並且依據本發 明而可儲存適用於支持預測維修部件LTB數量之系統10操 5 作的任何資料。雖然使用’’資料庫’’名稱，但是一記憶體或 另一適當之資料儲存配置亦可被使用而不脫離本發明之範 疇，並且”資料庫’’名稱之使用係包含所有適當的配置。在 一實施例中，存在資料庫16之資料係接收自一組或多組與 系統10相關的企業或設施之内部、外部、或同時在内部與 10 外部之資料來源。 例如，但不受限制於，接收自客戶12或其他設備並且 儲存於資料庫16以供預測維修部件LTB數量使用之輸入資 料可以包含： (1) 一資料系列{Q〇，Qi，…，Qc}，其反映開始於相關 15 產品量產的結束(Qo)且結束於目前週期（Qe)之連續週期中 與各週期產品相關的歷史累積產量； (2) —資料系列{(^，02，…，Oc}，其反映開始於相關 產品量產的結束之後第一週期（0〇且結束於目前週期（Oc) 之連續週期中各週期所訂購之維修部件的歷史數量； 20 (3)—資料系列{D!，D2，…，Dc}，其反映開始於相關 產品量產的結束之後第一週期（D〇且結束於目前週期（Dc) 之連續週期中各週期維修部件之歷史需求率，其中週期t之 需求率被定義為Dt=Ot/Q〇 ; (4)在相關產品量產結束之後的相關產品之維修期限 10 SL ’其以年份或其他方式量測並且 目榡、或任何其他指^以決定；=树、規章、商業 期限中之其餘遇期的數目N。。 功了以疋月份、季度、年 二在-特定實施例中，用《預测維=:， J、-貝料需包含她Q。、資料系_=件LTB數I之最 及維修期限SL。在這實施例中，如果L此1，... ’〇c}、以 被滿足，_測紐·量可以法f j、f料需求未 考慮到其他咐嶋料’本發明 料庠二生之輪出資料’不論是用《赌存在資 通缝客戶12、或其他方面，包含有： ⑴一資料系列{〇 〇 ， ^ ::::連'_所•二二期 期限之最—和桃+他且結束於维修 餘、周Γ)_維修部件LTB數量’其反映在維修期时整個其 九月内所訂購之維修部件所總預測的未來數量，其開始 :目則週期之後的第一週期並且結束於維修期限之最後坶 如上述之簡單說明’客戶12、飼服器14、以及資料庫 b可以各自操作於-組或多組電腦系統上。各此類之電鵰 糸統可以包含一組或多組用以接收之輸入裝置、以及用2 k-凡之輸出裝置、與系統1()操作相關的資訊。各此類之電 腦系統可料含固定或可裝卸式儲存舰，例如磁硬碟、 1225605 CD-ROM、或其他的儲存媒體。各此類之電腦系統可以包 含一組或多組處理器以及相關的記憶體以便依據系統丨〇之 操作而執行指令並且操作資訊。其中多數個電腦系統支援 客戶12、伺服态14、以及資料庫π，這些電腦系統可以在 適當時機共用一組或多组資源。依據特定之製作，此處，，電 腦系統’’名稱之使用是有意包含任何適當的計算裝置。客戶 12、伺服器14、以及資料庫16使用鏈路18彼此耦合，其可 各包含一組或多組電腦匯流排、區域網路(LAN)、都會區域 、、罔路(MAN)、廣域網路(WAN)、部分網際網路、或任何其 他接線、光學、無線、或其他適合於系統1〇之操作時支援 客戶12、伺服器14、及資料庫16之間通訊的鏈路。 第2圖指示一種用於預測一維修部件ltb數量之範例 方法。下面的標魏及定射祕了麻發明及下列範例的 處理程序： t 被分析之特定週期 1、抓』限之第週期(在量產結束之後的第一週期） ㈣開始於量產結束之週期(在維修期限的第-週期之 前一週期） t-C 目前週期 t=c+1 LTB之第一週期 N維修期限結束(LTB之最後週期） N〇維修期限中其餘週期的數目

Qt相關產品在週期t之葶藉吝b 糸知產1數量(t=0，1，···(：） 12 1225605 〇t在週期t中所訂購維修部件數量(t=：i，2，…c)

Dt需求率 在週期t中所訂購之維修部件之平順數 量(t=c+l，c+2 ，…N) &在週期t中所訂狀祕部件之制未綠量(t=c+l ，c+2 ， "·Ν) 10 處理程序開始於步驟1〇〇，其中伺服器14自客戶ΐ2、 資料庫16、或其他裝置存取適#的輸人:雜。在一實施 中，例如，如上所述之輸入資料，可包含： 。旦⑴一資料系列{Q。’ Ql，…Qc}，其反映開始於相關 里產之結束（Qo)且結束於目前週期（Qc)之連續週期中; 奇於各週期產品的歷史累積產量； 15

。旦賁料系列{〇i，〇2 ’ ...〇e}，其反映開始於相關 之結束後的第__週_姐結束於目前週期 只t功中各週期所訂購之維修部件的歷史數量； 品旦(^―資料系列{〇1,，，，其反映開始於相關) 、^、之結束後的第一週期（Dl)且結束於目前週期（Dc): 連只週期中各週期維修部件之歷史需求率，其中週期〖之 求率被定義為DtKVQ(); 、' (4)—相關產品之維修期限SL，其緊接於相關產品量產 之、、心束時，以年份或其他方式量度，並且依據法律、規章 商業目標、或任何其他指示予以決定；以及 13 20 (5)相關於產品之維修期財其餘週期之數目叫。 週』可以疋月知、季度、年份，或任何其他適當的週 功。在一特定實施例令’用以預測維修部件LTB數量之最 小資料需包含該資料點Q〇、資料系列{〇1，&，. ·α}、以 5及維修期限SL。在這實施例中，如果這些最小資料需求未 破滿足，則預測該LTB數量可能無法進行。但是，本發明 考慮到其他具有不同資料需求之實施例。 在步驟102，伺服器14將一組或多組參數啟始化，該一 組或多組參數被使用以預測該維修部件1；1^數量。雖然本 10發明考慮到將被啟始化成任何適當值之任何適當的參數， 但在一特定實施例中，這些參數值包含下面者且被啟始化 成下面的值： Γ〇 = 0·01，其中Γ〇是一組共用參數，其代表LTB週期 之市場需求共用的較低邊限； 15 λ = 100，其中又是一組平順參數，其被使用於施加一 組低通濾波器至該資料系列{〇i，〇2，…0c}時，更完全說 明如下； 0 =0·5，其中0是一組分割參數，其代表1；1^週期之 分割。 2〇 β =0·825，其中77是第一減速參數，其代表維修部件 需求之下降率；以及 // =0.5，其中#是第二減速參數，其代表維修部件需 求之下降率。 14 =步驟UM’伺服器14檢查資料可用性以確保所存取之 二入貪料滿足任何可應賴最小資料需求。例如，如上所 在-實施例中，該最小資料需求包含⑽點q。、資料 二列{0丨’ 02，…叫、以及維修期限乩。如果一組或多組 取小資料需求在步驟106未被毅，則在—實施例中預測該 維修部件LTB數量便無法進行並且該方法結束。如果所有 10 15 最小資料需求在步驟106被滿足，並且如果維修期限中其餘 週期之數目N〇並非可用於步驟108中，則伺服器14便在步驟 110計算NG。在一實施例中，對於數年之維修期限以及一個 月份之週期而吕’ N〇被计鼻成SL* 12。另外地，如果在步 驟108中是可用的，則伺服器14便於步驟112設定N=N〇。 在步驟114中，伺服器I4可以從資料系列{〇1，〇2，… Oc}(為方便起見此處之後稱為”訂購資料系列，，)刪除所有的 前置零，如果其存在的話，以便產生一訂購資料系列{〇i ，〇i+1，…〇c}。在步驟116，伺服器14應用一組低通濾波器 至所產生之訂購資料系列{〇i，〇i+1，…〇e}以便依據參數λ 之值產生一平順化訂購資料系列{〇i，〇i+i，...ο。}。在一特 定實施例中，如上所述，λ =10〇，雖然λ依據特定需求可 以具有任何適當的值。一般而言，本發明應用一組低通濾 20波器至所產生之訂購資料系列{〇i，〇i+i，···〇(：}以便抽取代 表該平順化訂購資料系列{〇i，Oi+Ι，…OJ之較低頻率成 分。 在一實施例中，可以由解決下面最小化之問題而得到 該低通濾波器： 15 1225605 ¥ψ+, Σ ~ st)2 ^ ^Κ^ί+ι ~ st)- (st - st~\)]2} ⑴ I5//；=.0 t = l 其中X是一觀察之時間系列（通常是非穩定性），\是一 5 較低頻率成分，並且λ是具有範圍[0，+〇〇]之一平順參數。 問題（1)之關閉式解答可以表示成： ZF = (^.P + U)"1 (2) 10 其中U是維度η (時間序列中所觀察之資料點的數量） 之單位矩陣而Ρ是托普利茲（Toeplitz)矩陣。為了更完全地瞭 解在這情況中低通濾波器之使用，考慮到到問題（1)之第一 階關閉式解答的限定版本： 15 LF= 1 + ^(1-5)^1-5-1)2 _1 (3) 其中S是反向運算元。 這濾波器之傅利葉轉換具有一特別簡單之形式： 20 外)=——^~^ (4) 1 + 4乂[1-cos ㈠]2 因此，該濾波器在頻率接近零時指定大約為一之加權（ 16 1225605 因為cos(0)= 1)，並且在較高頻率時指定大約為零之加權（ 因為cos(7T) = -l意味著LF(TT )=1/(1 + 16人），對於大的入數 值而言，其大約為零）。 這濾波器之頻寬，以及其濾除較高頻率成分之能力， 5僅取決於該平順參數λ之預定值。較大之λ值形成對該低 通成分之改變並且產生一較平順之低通成分。相對於先前 技術中非常大量之時間及/或加權參數，其取決於單一參數 λ ’而可以顯著地減低問題空間之複雜性。這可以提供超 越先前技術之一種重要的技術性優點。 10 在步驟118，伺服器14試圖在平順化訂購資料系列 { 〇i ’ 〇i+l ’…〇c}找出'^局部表大值。雖然本發明考慮到以 任何方式找出一局部最大值，在一特定實施例中，飼服器 14試圖找出一特定局部最大值，LM(s)，使得： (1) LM〇)為{〇丨，〇i+1，…〇c}之局部最大值，其中

15 U G (2) LM(w)>〇c (3) C-S— 1 Vw} (其中s是一特定的U，如果多數個存在的話，則其為最 接近C者；以及 20 (4) c-s>3 條件(3)被使用以選擇顯示最近趨勢之該局部最大值。 條件(4)被使用以確保足夠數量之觀察資料被使用以預測該 指數趨勢曲線。如果條件（1)至(句全都被滿足，貝彳LM⑻是 17 具有最短距離c-s(未包含任何c-s$ 3)之唯一局部最大值。 在一實施例中，如果在步驟12〇發現LM(s)，則在步驟 122中伺服器14進行指數預測以產生預測維修部件LTB數 量。一般而言，如果平順化訂購系列展示一清析之下降趨 勢樣型，則一指數曲線可以適用於平順化訂購資科系列， 並且依據該曲線，預測之LTB數量可以被外插推斷出。在 一特定實施例中，指數預測包含下面的步驟·· (1) 指定相依以及獨立的變數： 相依變數：{lg⑺0丨 t = s，".c 獨立變數： } t=：s,...c (2) 進行一線性回％演算法則，以產生回歸係數（常數及 斜率）

A (3) 計算 Ot=exp(常數)*exp(斜率 *t) ，c+2 ’…SLM2，對於年及月週期之SL) ^ 见*12〜 (4)計算LTB=左〇1 c+1 在一實施财’如果在步驟12G，局部最大值LM⑷並 未被發現’則伺縣1何以執行"向上趨勢/N"演算法則（步 驟128)、"向上趨勢/A"演算法則（步驟_、或判別分析(步 驟132)其巾之-以產生維修部件之制ltb數量。這些 法將更完全地說明如下。 -種"早期LTB”情節可能存在，其中被觀察之需求歷史 及因此叮購資料系列、所產生之訂購資料系列、以及平順 化叮購貢料系列中之資料點的數量相當小。如一特定範例 中’早期LTB情節可以被定義為c$SL*12*〇5(意指著在這 範例中目前週期位於該維修期限之第一半部）。但是，本發 5明依據特定的需要而考慮到以任何方式定義一早期LTB情 節。 10 15 20 例如’假設維修部件ABC於2001年10月開始其維修週 期並且其維修週期之年度為八年（九十六個月）。同時也假設 有七組每月需求觀察資料是可用的。僅依據這七組需求觀 察貪料所提供之資訊來預測其餘八十九個月之總LTB數量 是很危險的。更技術性地說，單變量時間系列方法可能不 適用於這情況。反之，依據本發明可以提供—種取決於針 ^其他相關維修部件之"橫截面圖"資訊的方法。雖然在這 範例中’維修部件ABC之資訊不足，但如果—组或多以

他相關的維修部件之資訊是可用的，則維修部件ABCU 理預測可以被產生。例如，假設二十 〇 、、/、他相關的維修部 仟對於整個九十六個月維修期限的需求 .R ^ Κ蜆察賁料是可用的 ’亚且足二十組其他相關的維修部件 ^ , 異中—組是充分地 相似於維修部件ABc，就某種意義而古，〜 Η古八〇匕們的需求樣型 疋兄刀地相似。在這情況中，可能適當 使用该相似維修部 忏之而衣率，在整個九十六個月之維佟 ARr4限内，作為部件 ABC之輔助需求率，接著依據這些 牛而預測維修部件 ABC之LTB數量。在一實施例中，說明 7下（步驟132)，本 毛明使用一種判別方法來辨識出一適當 田心相似維修部件。 19 代表，组或多組可能相似之維修部件的訂講資料系列之” 特徵資料”可以得自，例如，顧客，並且對可能相同之相似 維修部件可依顧客而變化。 如果一早期LTB情節並未存在於步驟124中，以及 ς 51*12*0.5 c τ= Σ Α- Σα^γ0 卜1 见 *12*0.5+1 j步驟i26，則飼服器14可以在步驟128進行向上趨勢 /N演算法。—般而言，該向上趨勢/n演算法被使用於—些 情況中，其中平順化訂購資料系列顯示一清析之向上_ 直到週期c。假設所顯示之向上趨勢最後在其餘維修期限日士 10 衰退’則將應用-種"替代支配’’假設。替代支配可以^ 單說明如下。-維修部件之需求主要可以分解成兩種成^ :⑴由部件失賴觸發之正需求，其應賴時間增加，因 為失效率應該隨維修期限增加；以及(2)由產品替代導致之 負需求(例如，具有改良式技術之新的產品取代一舊式部件 15 )—般了解的是’替代效應支配整個維修期限内之失效率 效應。數量上而言’在整個第一半部維修期限内之需求率 總和-般是較大於第二維修期限第二半部。在一實施例中 ’在替代假設以及所給予的Γ。之支町，制之咖數量 是上方邊線之需求數量。在一特定實施例中，該向上趨勢 20 /N演算法包含下列步驟： (1) 解答其非線性方程式 其中 a=DJn=N_c 20 1225605 (解開該總預測LT B數量） (2) 計算該預測訂購數量 ό〜從’今ρ，ζ =12,』 (3) 計算 LTB= έα /=c+l 5 合併向上趨勢/Ν演算法之方法可以被考慮以便將習見 的商務智慧具體化成為LTB預測處理。實際上，預測者時 常困於維修部件需求所顯示的向上趨勢以及可能之向下趨 勢的表象之不一致性。 另外，如果早期LTB情節並不存在於步驟124中，且在 乂驟126中參數γ<Γ0，則伺服器Η可以在步驟13〇進行向 上趨勢/Α演算法。一般而言，如同向上趨#/Ν演算法，該 向上趨勢/Α演算法被使用於一些情況，其中平順化訂講資 料系列顯示-清析的向上趨勢直至週期。。但是，相對於向 上趨勢/N演算法，假設該向上趨勢終於在其餘維修期限時 15衰退，則將不應用該替代支配假設。因為該替代效應並非 支配性，故這些情況可以視為反常。向上趨勢/a;宫算法包 含應用-種階梯技術，-般而言，包含計算維修期限第一 半部中之各週期的預測需求、計算維修期限第二半部中之 各週期的預測需求、以及相加其維修期限第一半部與第二 Μ 2 =預測需求以產生該維修部件之預測咖數量了在= 特定實施例中，向上趨勢/A演算法包含下面的步驟： (1) 計算預測訂購數量 21 a^^6〇5 〇ι=〇α^η, V^c + 1v..,c + 6^*(tV-c)

3t=Oc* μ，\/ί=(： + θ*{Ν — c)+\”"N (2) 計算LTB A八 = l = C+[ 5 ^〇c*n^e(N^-c)+bc*M(i^e)^(N-c) 如果早期LTB情節不存在於步驟124，則伺服器14可以 在步驟132進行一判定分析。如上所述，早期LTB情節是一 種情況，其中存在之資料不足以供足夠時間系列預測。反 1〇 之’一組或多組相似維修部件之代表性資料被使用。在一 特定實施例中，判定分析包含下列步驟： (1) 計算需求率 A=^M=1，2，".C，或者 ΰο 乃产异·，如果2是可用的 - (5Ζ)Ι^(ζ·)|/=1，…，k c t=\ d^Minid^ k 應注意到，（见於⑺代表一連串字元。例如，如果5Z = 2〇 6Υ，ζ·二2，則⑽炝(/)是6YD2。這字元串意味著，這是在具 22 1225605 有等於六年之SL類型内的第二需求收益資料。所以，（6}Ό2) 代表在週期t之需求速率。 (2) 指示A二[(见)乃(所U，其中所是由4所決定。 (3) 計算預測訂購數量 5 〇t =zDt *Q0, t—1^2,.,.Ν (4) 計算LTB 二 i=c+\ 在步驟122、128、130、或132產生維修部件預測1；1^ 數量之後，伺服器14可以在步驟134使得該預測LTB數量值 可供使用於一組或多組商務分析中，接著該處理程序結束 10 。例如，伺服器14可以儲存預測LTB數量值於資料庫16戍 另一與伺服器14之相關的適當儲存位置中，可以將預測之 LTB數量值傳遞至一組或多組其他的構件，或者另外可以 使得該預測之LTB數量值為可用的。 雖然本發明利用許多實施例而加以說明，但是熟習本 15技術者可以聯想到本發明可有多種改變、替代、變化、更 動、以及修改，並且本發明是有意地包含所有此種改變、 替代、’又化更動、以及修改於本發明所附加之申請專利 範圍的精神及範疇之内。 【圖式^簡單^說^明】 20 第1圖展示一組電腦為主之系統範例，其使用一種低通 濾波器方法以預測一維修部件最後購買數量； 第2圖展示-電腦為主之處理程序範例，其使用一種低 通濾波裔方法以預測一維修部件最後購買數量。 23 1225605 【圖式之主要元件代表符號表】 10……系統 12……客戶 14……伺服器 16......貢料庫 18……鏈路 100〜134……步驟 24

Claims (1)

1225605 ίο 15 20 f α£更 >83. ,χρ 20 頁 Ηίι 拾、申請專利範圍： 第92109996號申請案巾請專利範圍修正本 1. 一種使用低通濾波器方式 3·8·20· 量之方法，其包含··預·修部件最後講買數 存取輸入資料，其包含： 產結束一:修期限，其開始於與維修部件相關之產品的量 資料’其反映至少開始於相關之產 之第一週期的相關產品之過去累積產量;以及 一=資料系列，其反映開始於緊接著該第—週期 第-週期並且結束於目前週期之連續週期中 功所訂購的維修部件之過去數量； ° 列以=二㈣缝㈣二—部份之訂講資料系 代表平順化訂構資料系列之低頻率成分· 如果-局部最大值被發現於該平順化訂購資料系 j則依據該平順化訂購資料系列進行指數預測以產 =接著目前週期的維修期限之整個其餘週期内維修 4件之預測最後購買數量；並且 ^ 使得該維修部件之預測最後 或多組商務分龍使用。 2’ 1::專，圍第1項之方法’其中該反映相關產品過 、、產1之資料包含開始於第—週期並且結束於目 25 1225605 w 更 ‘•、一 ο 年月 i ^ •崎

Ρ 前週期之連續週期中各週期的資料。 3. 如申請專利範圍第1項之方法，其中該輸入資料進一步 地包含一資料系列，其反映開始於第一週期並且結束於 目前週期之連續週期中各週期的維修部件之過去需求 5 率，該一週期之需求率為該週期中所訂購之維修部件過 去數量除以第一週期之相關產品的過去累積產量。

4. 如申請專利範圍第1項之方法，其中該輸入資料進一步 地包含維修期限中的一些其餘週期。 5. 如申請專利範圍第1項之方法，其中該低通濾波器係依 10 據具有預定值之平順參數而操作，該預定值與輸入資料 之相關週期無關。 6. 如申請專利範圍第1項之方法，其進一步地包含在應用 低通濾波器之前，從訂購資料系列中刪除所有的前置零 ，如果有的話。 15 7.如申請專利範圍第1項之方法，其中該局部最大值被選

擇以便顯示平順化訂購資料系列中之最近趨勢，在目前 週期之前的三組週期以上，並且足夠接近於目前週期以 便確保有足夠資料存在以供指數預測。 8.如申請專利範圍第1項之方法，其中該指數預測包含： 20 產生一指數趨勢曲線，其反映維修期限中各其餘週 期之維修部件的預測未來需求；並且 將在維修期限中整個其餘週期内該維修部件之預 測未來需求相加以產生該維修部件之預測最後購買數 量。 26 1225605

9. 如申請專利範圍第1項之方法，其中如果一局部最大值 未被發現、如果平順化訂購資料系列顯示自第一週期至 目前週期之一向上趨勢、如果平順化訂購資料系列包含 足夠週期政之資料、並且如果第一參數之值不小於共用 5 參數之預定臨限，則該方法更進一步地包含： 解答一非線性方程式以解開該預測之LTB數量； 產生開始於第一其餘週期並且結束於維修期限之 最後週期的連續週期中各週期的維修部件之預測未來 訂購數量；並且 10 將在整個其餘週期内之預測未來訂購數量相加以 產生預測之LTB數量。 10. 如申請專利範圍第9項之方法，其中如果目前週期是在 第二半部維修期限中，則該平順化訂購資料系列包含足 夠週期數之資料。 15 11.如申請專利範圍第9項之方法，其中依據該第一參數之 值，假設向上趨勢將在維修期限之其餘週期内衰退，並 且假設維修部件未來需求之部件替代效應將支配在維 修期限其餘週期内維修部件未來需求之部件失效率效 應。 20 12.如申請專利範圍第1項之方法，其中如果一局部最大值 未被發現、如果平順化訂購資料系列顯示自第一週期至 目前週期之一向上趨勢、如果平順化訂購資料系列包含 足夠週期數之資料、並且如果共用參數之值較小於該共 用參數之預定臨限，則該方法更進一步地包含： 27 1225605 多士、替挟頁 、牛 月 日 計算在第一半部内之各週期的預測需求； 計算在維修期限第二半部内之各週期的預測需求 ;並且 將維修期限第一半部之預測需求以及維修期限第 5 二半部之預測需求相加以產生該維修部件之預測最後 購買數量。 13. 如申請專利範圍第12項之方法，其中依據第一參數之值 ，假設該向上趨勢將在維修期限之整個其餘週期内衰退 並且假設維修部件未來需求之部件替代效應將不支配 10 在維修期限之整個其餘週期内維修部件未來需求之部 件失效率效應。 14. 如申請專利範圍第1項之方法，其中如果一局部最大值 未被發現並且該平順化訂購資料系列並未包含足夠週 期數之資料，則該方法更進一步地包含： 15 進行一判定分析以便辨識另一具有相似於該維修 部件之需求樣型的維修部件；並且 取代該維修部件之訂購資料系列，而使用一資料系 列，其反映開始於第一週期並且結束於目前週期之連續 週期中各週期之其他維修部件的過去需求率，一週期之 20 需求率，其是為該週期中所訂購之其他維修部件的過去 數量除以第一週期中相關於其他維修部件之產品的過 去累積產量。 15. 如申請專利範圍第14項之方法，其中如果目前週期是在 第二半部維修期限的話，則該平順化訂購資料系列包含 28 1225605 ..一.〜一，一一…v , w—% *-r . -r> 足夠週期數之資料。 16·如申請專利範圍第!項之 . 修部件風險管，、中一商務分析包含維 1入-種使心 及設備控制分析其中之一。 之系統，其包Γ波器方法預測維修部件最後講買數量 可用以儲存輸入資料之資料庫，直包含· 產結2修期限，制始於與維修部件相關之產品的量 ίο _’其反映至少開始於相關之產品的量產結 週期的相關產品之過去累積產量；以及 、 之第Γ訂料❹、列，其反映_於緊接著該第-週期 15 —組或多組處理器，其可整體地操作以便： 存取該輸入資料； 應用一組低通濾波器到至少一部份之 … 列以便抽取代表-平順化訂購資料系列之低頻率貝成 1系 〜，化，料二: 20 如果-局部最大純發現於該” 一稱 則依據該平順化訂購資料系列進行指數 ' 生在接著目前週期的維修期限之整個其 、】以產 部件之預測最後購買數量；並1 、月内維修 使得該維修部件之預測最後購買數旦 可連接1 且 29 1225605 93. 8. 20 或多組商務分析被使用。 18. —種電腦可讀媒體，其記錄有使用低通濾波器方法以預 測維修部件最後購買數量之軟體，該軟體當執行時可用 以進行下列動作： 5 存取輸入資料，其包含： 一維修期限，其開始於與維修部件相關之產品的量 產結束時； 資料，其反映至少開始於相關之產品的量產結束時 之第一週期的相關產品之過去累積產量；以及 10 一訂購資料系列，其反映開始於緊接著該第一週期 之第二週期並且結束於目前週期之連續週期中之各週 期所訂購的維修部件之過去數量； 應用一組低通濾波器到至少一部份之訂購資料系 列以便抽取代表一平順化訂購資料系列之低頻率成分； 15 試圖在受支配於預定條件之平順化訂購資料系列 中找出局部最大值； 如果一局部最大值被發現於該平順化訂購資料系 列中，則依據該平順化訂購資料系列進行指數預測以產 生在接著目前週期的維修期限之整個其餘週期内維修 20 部件之預測最後購買數量；並且 使得該維修部件之預測最後購買數量可連接一組 或多組商務分析被使用。 19. 如申請專利範圍第18項之電腦可讀媒體，其中該反映相 關產品過去累積產量之資料包含開始於第一週期並且 30 =前週期之連續週期中各週。 利範圍第18項之電腦可讀其 料進一步地包含一資料糸 亥輸入資 且結束於目前週期之連^其反映開始於第—週期並 過去需求率，該__之1^中各週期的維修部件之 修部件過錢量除以第_：=率為該週期中所訂蹲之維 產量。 σ功之相關產品的過去累積 10 21. 如申請專利範圍第18項之電腦可讀媒體，其中 料進一步地包含維修期限中的—鮮餘週期 22. 如申請專利範圍第18項之電腦可讀皇 波器係依據具有預/、中該低通濾 15 23’==ϊ:=;_媒體，其進-步地包 的前置零，㈣有::=，從訂料㈣'财刪除所有 24·如申請專利範圍坌〗‘ 頁之電腦可讀媒體，其中該月邻最 20 目前週期^期之前的三組週期以上’並从夠接近於 月由^以，更確保有足夠資料存在以供指數預測。 25.如=專利範圍第18項之電腦可讀媒體，其中該 測包含： 產生一指_勢曲線，其反映維修期限中各立餘週 期之維修部件的預測未來需 求；並且 / 、、° 將在維修期限中整個其餘週期内該維修部件之預 31 1225605 測未來需求相加以產生該維修部件之預測最後購買數 量。 26.如申請專利範圍第18項之電腦可讀媒體，其中如果一局 部最大值未被發現、如果平順化訂購資料系列顯示自第 5 一週期至目前週期之一向上趨勢、如果平順化訂購資料

系列包含足夠週期數之資料、並且如果第一參數之值不 小於共用參數之預定臨限，則該軟體可更進一步地操作 以便： 解決一非線性方程式以解開該預測LTB數量； 10 產生開始於第一其餘週期並且結束於維修期限之 最後週期的連續週期中各週期的維修部件之預測未來 訂購數量；並且 將在整個其餘週期内之預測未來訂購數量相加以 產生預測之LTB數量。 15 27.如申請專利範圍第26項之電腦可讀媒體，其中如果目前

週期是在第二半部維修期限中，則該平順化訂購資料系 列包含足夠週期數之資料。 28. 如申請專利範圍第26項之電腦可讀媒體，其中依據該第 一參數之值，假設向上趨勢將在維修期限之其餘週期内 20 衰退，並且假設維修部件未來需求之部件替代效應將支 配在維修期限其餘週期内維修部件未來需求之部件失 效率效應。 29. 如申請專利範圍第18項之電腦可讀媒體，其中如果一局 部最大值未被發現、如果平順化訂購資料系列顯示自第 32 1225605 修 …广 .or SO

曰 一週期至目前週期之一向上趨勢、如果平順化訂購資料 系列包含足夠週期數之資料、並且如果共用參數之值較 小於該共用參數之預定臨限，則該軟體可更進一步地操 作以便： 計算在維修期限第一半部内之各週期的預測需求； 計算在維修期限第二半部内之各週期的預測需求 :並且 將維修期限第一半部之預測需求以及維修期限第 二半部之預測需求相加以產生該維修部件之預測最後 10 構買數量。 30. 如申請專利範圍第29項之電腦可讀媒體，其中依據第一 參數之值，假設該向上趨勢將在維修期限之整個其餘週 期内衰退並且假設維修部件未來需求之部件替代效應 將不支配在維修期限之整個其餘週期内維修部件未來 15 需求之部件失效率效應。 31. 如申請專利範圍第18項之電腦可讀媒體，其中如果一局 部最大值未被發現並且該平順化訂購資料系列並未包 含足夠週期數之資料，則該軟體可更進一步地操作以便 20 進行一判定分析以便辨識另一具有相似於該維修 部件之需求樣型的維修部件；並且 取代該維修部件之訂購資料系列，而使用一資料系 列，其反映開始於第一週期並且結束於目前週期之連續 週期中各週期之其他維修部件的過去需求率，一週期之 33 1225605 ‘:…‘ · ’“一 ·； - -，''，二；} t 93. 8. 20^ ! Λ > · 需求率，其是為談週期中所訂購之其他維修部件的過去 數量除以第一週期中相關於其他維修部件之產品的過 去累積產量。 32. 如申請專利範圍第31項之電腦可讀媒體，其中如果目前 5 週期是在第二半部維修期限的話，則該平順化訂購資料 系列包含足夠週期數之資料。 33. 如申請專利範圍第18項之電腦可讀媒體，其中該商務分 析包含維修部件風險管理分析以及設備控制分析其中 --- 10 34