[go: up one dir, main page]

TWI400659B - 使用訂貨前置時間之機率分佈判定供應鏈之訂貨前置時間之技術 - Google Patents

使用訂貨前置時間之機率分佈判定供應鏈之訂貨前置時間之技術 Download PDF

Info

Publication number
TWI400659B
TWI400659B TW093112794A TW93112794A TWI400659B TW I400659 B TWI400659 B TW I400659B TW 093112794 A TW093112794 A TW 093112794A TW 93112794 A TW93112794 A TW 93112794A TW I400659 B TWI400659 B TW I400659B
Authority
TW
Taiwan
Prior art keywords
lead time
order
probability distribution
demand
order lead
Prior art date
Application number
TW093112794A
Other languages
English (en)
Other versions
TW200508933A (en
Inventor
Koray Dogan
Adeel Najmi
Ramesh Raman
Original Assignee
Jda Software Group Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=33539027&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=TWI400659(B) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Jda Software Group Inc filed Critical Jda Software Group Inc
Publication of TW200508933A publication Critical patent/TW200508933A/zh
Application granted granted Critical
Publication of TWI400659B publication Critical patent/TWI400659B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)
  • User Interface Of Digital Computer (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Communication Control (AREA)

Description

使用訂貨前置時間之機率分佈判定供應鏈之訂貨前置時間之技術 發明領域
本發明一般係關於供應鏈分析領域，並且更明確地說係關於使用預期訂貨前置時間之機率分佈判定供應鏈之訂貨前置時間之技術。
 發明背景
供應鏈供應產品至客戶，並且可包含儲存存貨(例如需要產生之產品的部件存貨)之節點。用以維持適當的存貨數量在各節點之習知技術，可以包含設定存貨重新被安排之一組重新安排點。例如，當其存貨是較少於二十個單元時，節點可以重新安排部件。但是，用以在各節點維持一適當存貨數量的習知技術，可能需要儲存過剩存貨在該節點並且導致另外之包含成本的存貨。一般需要減低過剩存貨以及相關之包含成本的存貨。
 發明概要
依據本發明，關於先前供應鏈分析技術的缺點和問題可以被減低或被消除。
依據本發明之一實施例，判定供應鏈之訂貨前置時間包含產生預期訂貨前置時間選擇之機率分佈，其中預期訂貨前置時間選擇之各機率分佈是關於一種類型。對應至供應鏈之類型被辨識。供應鏈具有節點，其包含供應一客戶 之一開始節點和一末端節點，並且指定從該開始節點至該末端節點之一路徑。相關於辨識類型之預期訂貨前置時間選擇的機率分佈被選擇作為供應鏈之預期訂貨前置時間的機率分佈。預期訂貨前置時間之機率分佈描述末端節點的末端節點需求相對於訂貨前置時間之情形。
本發明某些實施例可以提供一組或多組技術優點。例如，預期訂貨前置時間的不同機率分佈可以被產生以供用於不同的客戶族群。產生之預期訂貨前置時間的不同機率分佈可以允許使用者更有效地選擇客戶之預期訂貨前置時間的機率分佈。使用者接著可以最佳化存貨以滿足客戶之預期訂貨前置時間的機率分佈。
本發明某些實施例可以不包含、或包含一些、或包含所有上面之技術優點。熟習本技術者可以從所包含之圖形、說明以及申請專利範圍而容易地明瞭本發明之一組或多組其他技術優點。
圖式簡單說明
為更徹底的了解本發明和其特點與優點，將配合附圖參考下面的說明，其中：第1圖是展示用以最佳化供應鏈存貨之系統範例的方塊圖；第2圖是展示用以最佳化供應鏈存貨之方法範例的流程圖；第3圖展示可被使用以產生關鍵性族群之矩陣範例圖形； 第4圖是展示供應鏈範例圖形，其從一組或多組供應商接收供應並且提供產品至一組或多組客戶；第5圖是展示存貨最佳化方法範例之流程圖；第6A至6C圖展示訂貨前置時間範例之變量曲線；第7圖是展示供應鏈節點之週期時間範例柱狀圖形；第8圖是需求百分比列表之範例圖形；第9圖是展示供應鏈被重新分配需求之範例圖形；第10圖展示存貨可以被計算之節點範例圖形；第11圖展示包含一節點供應另一個節點的供應鏈範例圖形；第12圖展示包含一節點供應二節點之供應鏈範例圖形；以及第13圖展示包含二節點供應一節點之供應鏈範例圖形。
 較佳實施例之詳細說明
第1圖是展示用以最佳化反應於客戶需求而供應產品至客戶之供應鏈存貨之範例系統10的方塊圖。例如，系統10可以在最小整體目標客戶服務位準(CSL)之內，對於流經供應鏈各項目之供應鏈中的各節點，最佳化目標安全庫存品或其他存貨量測。依據一實施例，系統10可以使用假設以公式化一供應鏈模型，並且相對於過去性能評估假設。依據另一實施例，產品可以被區分成為策略族群，例如關鍵性族群，以便決定產品之客戶服務位準。依據另一實施 例，訂貨前置時間可被使用以重新分配客戶需求至供應鏈之上游節點。
依據展示之實施例，系統10包含一組客戶系統20、一組伺服器系統24以及一組資料庫26，如第1圖展示地被耦合。客戶系統20允許使用者與伺服器系統24通訊，以最佳化供應鏈之存貨。伺服器系統24管理最佳化供應鏈存貨之應用。資料庫26儲存可被伺服器系統24使用之資料。
依據展示之實施例，伺服器系統24包含一組或多組處理器30以及一組或多組引擎32，如第1圖展示地被耦合。處理器30管理伺服器系統24之操作，且可包含任何可操作裝置，以依據預定法則而接受輸入、處理輸入，並且產生輸出。依據一實施例，處理器30可以包含在分佈式處理環境中之平行處理器。伺服器系統24可以操作以分解一最佳化問題成為利用一些處理器30而處理之一些較小的問題。如一範例，伺服器系統24可以使用不同的處理器30而獨立地計算一些節點之各節點之最佳化存貨目標。
依據展示之實施例，引擎32包含一組需求管理器33、一組模擬引擎34、一組分析引擎36、一組最佳化引擎38以及一組供應鏈規劃引擎40。引擎32可以任何適當的方式被組態於處理器30中。如一範例，引擎32可以被設置在不同的處理器30中。如另一範例，對於引擎32和該引擎32之一備份本身可以被設置在不同的處理器30中。需求管理器33提供需求預測、需求規劃、其他需求管理性能或先前之任何組合。模擬引擎34模擬供應鏈之執行。模擬引擎34可被 使用以評估供應鏈模型。分析引擎36分析存貨、需求以及訂貨前置時間資料。分析引擎36可被使用以區分客戶、項目、位置、其他實體或任何先前之組合成為不同用途的策略族群。最佳化引擎38將在供應鏈節點存貨最佳化。需求可以依據需求預測被分佈至上游節點，且最佳化引擎38可以將被分佈之需求的存貨最佳化。供應鏈規劃引擎40產生供應鏈之計劃。
客戶系統20和伺服器系統24各可以於一組或多組電腦上操作並且依據系統10之操作而可包含適當的輸入裝置、輸出裝置、容量儲存媒體、處理器、記憶體或用以接收、處理、儲存的其他構件、以及通訊資訊。例如，本發明預期使用單一電腦系統(例如，單一個人電腦)被提供之客戶系統20和伺服器系統24兩者的功能。如被使用於這文件中，專門名詞"電腦"係關於任何可以依據預定法則而接受輸入、處理輸入以及產生輸出之適當的操作裝置，例如，個人電腦、工作站、網路電腦、無線電話、個人數位助理、在這些或其他裝置之內的一組或多組微處理機，或任何其他適當的處理裝置。
客戶系統20、伺服器系統24以及資料庫26可依據特定的需要被結合或被分離。如果客戶系統20、伺服器系統24或資料庫26之任何組合被分離，它們可彼此使用社區網路(LAN)、大都會區域網路(MAN)、廣域網路(WAN)、全球電腦網路例如，網際網路，或任何其他適當的有線、光學、無線或其他的鏈路，而被耦合。
系統10可以有修改、增加或刪除而不脫離本發明範疇。例如，系統10可以具有更多、較少、或其他的模組。進一步地，系統10之操作可以利用更多、較少、或其他的模組而被達成。例如，模擬引擎34和最佳化引擎38之操作可以利用一組模組被達成，或最佳化引擎38之操作可以利用更多於一組之模組而被達成。此外，功能可以使用任何包含軟體、硬體之適當的邏輯、其他的邏輯或任何先前之適當組合被達成。如被使用於這文件中，"各個"是關於一集合之各成員或一集合之子集合的各成員。
第2圖是展示用以將供應鏈存貨最佳化之方法範例的流程圖。該方法可被使用以藉著重新分配需求至上游節點而將供應分析與需求分析分開並且接著計算所需的存貨以滿足重新分配需求。分離該需求可以提供更有效的存貨分析。該方法開始於步驟48，其中用於供應鏈之一組供應鏈模型被公式化。供應鏈模型可被使用以模擬經由供應鏈流動的項目，並且可代表一組或多組供應鏈之約束條件。約束條件包含供應鏈之一限制。供應鏈模型可具有一組或多組假設。一假設包含供應鏈模型之一組或多組參數之預估。
該等假設在步驟50被評估。假設可以藉由使用供應鏈模型以模擬供應鏈和辨識對照描述供應鏈實際性能的歷史資料之模擬而被評估。描述第一時間週期的歷史資料可以被應用至供應鏈模型以產生描述第二時間週期之預報。例如，給予一年的資料，則前十個月的資料可與供應鏈模型一起被使用以預料後二個月的資料。第二時間週期之預報 可以比較至描述第二時間週期的歷史資料，以便評估供應鏈模型之假設。反應於該評估，假設可以被調整。
存貨在步驟52被分析。存貨可以利用區分產品成為策略族群，例如關鍵性族群，而被分析。各關鍵性族群可以對應於一特定的存貨策略，例如，客戶服務位準。客戶需求和訂貨前置時間同時也可以被分析以決定需求和訂貨前置時間裝置以及變化性。存貨在步驟54被最佳化，以決定各供應鏈節點之最佳化存貨。最佳化存貨之敏感性可以利用調整假設和檢查存貨對調整之敏感性而被分析。依據一實施例，假設可以被放寬以便減低最佳化之複雜性。
最佳化可以被辨識，在步驟56。在辨識時，任何在最佳化時被放寬之假設可以被緊縮。一存貨策略可以被決定，在步驟58。依據一實施例，使用者可以反應於該辨識結果而決定一存貨策略。在步驟60，存貨策略被製作於實際的供應鏈中。
在步驟62，存貨性能可以利用決定存貨性能是否滿足存貨性能量測而被評估。反應於評估該存貨性能，方法可以返回至步驟48，以將另一個供應鏈模型公式化，至步驟50以重新評估該假設，至步驟52以重新分析該存貨，或至步驟58以決定另一存貨策略，或方法可以終止。依據一實施例，實際的客戶服務位準可以在第一時間週期被量測。如果實際的客戶服務位準無法滿足目標客戶服務位準，則在實際值和假設之輸入值之間的偏差可以被決定。該偏差可以依據被定義在連續的時間週期上前後一致且可重複的 工作流程而被決定。具有一偏差之輸入值可以被辨識為失敗導致之根源且這資訊被使用作為依序時間週期之回授。在依序時間週期時，被辨識之輸入的假設值可以被調整且被使用以計算一組重新被最佳化存貨目標。依據該實施例，方法之步驟可以在連續的時間週期之前後一致且可重複的一反覆的封閉迴路程序上被重複。反覆的封閉迴路處理程序可以使用被假設的輸入值作為其輸入以及實際的客戶服務位準作為其輸出。
方法可以修改、增加，或刪除而不脫離本發明範疇。例如，評估假設之步驟可以被省略。此外，步驟可以任何適當的順序被達成而不脫離本發明範疇。例如，評估假設之步驟可以在分析存貨步驟之後被達成。更進一步地，雖然作為各供應鏈節點之最佳化存貨的方法被說明，該方法可被使用以最佳化供應鏈一組或多組節點之子集合的存貨。
第3圖展示一範例矩陣Mi...j 66，其可被使用以產生策略族群，例如關鍵性族群。策略族群包含用於特定目的而策略性地被區分之一實體。一實體可以包含，例如，供應鏈之產品、位置或客戶。依據一實施例，策略族群可以是關於服務位準策略被定義之關鍵性族群。服務位準策略說明一實體之服務位準，且可包含客戶服務位準、前置時間或其他參數。如一範例，區分可以將客戶類型成為關鍵性族群，其中各關鍵性族群具有被指定之客戶服務位準。關鍵性族群可被使用以定義不同客戶之不同的服務位準。依據另一實施例，策略族群可以有關於一實體，其展示常見的 購買行為，例如，常見的訂貨前置時間概況。
依據展示之範例，矩陣Mi...j 66被使用以區分產品成為關鍵性族群，其中各項目或細目，Mi...j 代表具有特定服務位準策略之關鍵性族群。矩陣Mi...j 66可以具有任何適當的下標i...j之數目，其中各下標代表實體之一屬性。一屬性包含有關於該相關實體服務位準之實體的特點，並且可是定量的或非定量的。定量的屬性範例包含存貨量、被計算作為有關存量價格的各項收入、被計算作為價格負量費用之邊際存量或其他的屬性。非定量的屬性範例可以包含產品等級或生命週期、被服務客戶數目或其他的屬性。依據展示之範例，下標i代表產品項目移動經由供應鏈之相對速率，並且j代表是否有與項目流動經過之節點的中樞協定。但是，一下標可以代表任何適當的屬性。如一範例，一下標可被使用以定義各關鍵性族群之目標客戶服務位準、被提議之最前置時間、被提議之最大前置時間或任何先前之組合。各關鍵性族群可以代表項目、位置以及路徑之一組唯一的組合。
如於此之使用，專門名詞"矩陣"是意指包含任何屬性的適當排列，其中相關於矩陣之各屬性對應至矩陣之至少一組下標並且可對應於矩陣之任何下標數量。此一矩陣可以具有任何適當的格式。如一範例，不同的細目可以具有不同的下標。如另一範例，對應於不同細目的策略族群可以部分重疊。對於部分重疊策略族群之成員可以利用，例如，指派優先順序至策略族群而被解決。不對應於矩陣任何 下標之屬性可以被指派至原定策略族群。
第4圖是展示供應鏈70之一範例圖，其從一組或多組供應商80接收供應並且提供產品至一組或多組客戶84。項目經由供應鏈70流動，並且當它們經由供應鏈70流動時可被變換或保持相同。項目可以包含，例如，可被使用以產生產品之部件、供應或服務。產品可以不包含、或包含一些或所有的一些或所有項目。例如，項目可包含產品之部份，或項目可包含被使用以製造產品之供應，但是不成為產品之一部份。下游是關於從供應商80至客戶84之方向，且上游是關於從客戶84至供應商80之方向。
供應鏈70可以包含以任何適當方式被組態之任何適當數目的節點76和任何適當數目的分支線78。依據展示之實施例，供應鏈70包含節點76和分支線78。項目從供應商80流動至節點76a，其傳送項目至節點76b。節點76b傳送項目至節點76c，其傳送項目至客戶84a以及節點76d和76e。節點76d和76e分別地提供產品至客戶84b和84c。
節點76a可以包含來自一組或多組末端節點76d-e之上游的一組或多組開始節點76a的一組。開始節點76a可以直接地從供應商80或從一上游節點76接收項目，並且末端節點76c-e可以直接地傳送項目至客戶84a-c或至下游節點76。開始節點76a和一末端節點76c-e可以形成一路徑，其包含在開始節點76a和末端節點76c-e之間的開始節點76a、末端節點76c-e以及任何中間節點76b-c。
雖然供應鏈70被展示如同具有五個節點76a-e和四個分 支線78a-d，但供應鏈70可以修改、增加或刪除而不脫離本發明範疇。例如，供應鏈70可以具有更多或較少的節點76或分支線78。進一步地，節點76或分支線78可以具有任何適當的組態。例如，節點76a可以供應項目至節點76c，但是不供應至節點76b。如另一範例，任何節點76可以直接地供應項目至客戶84。
產品可以依據客戶84訂貨前置時間而被傳送至客戶84。訂貨前置時間代表在其供應鏈70可以滿足一訂貨時之時間週期。客戶84之訂貨前置時間可以被計算作為在訂貨被完成時之時間和訂貨被提供至客戶84時之時間之間的時間。當一訂貨被完成時之時間可以是不同於當訂貨被安置時之時間，因為訂貨可以在訂貨被完成之前被修改。完成訂貨可以參考在任何適當的供應鏈處理程序步驟之訂貨。例如，完成訂貨可以參考最後被改變的訂貨、已被運送之訂貨、積壓之訂貨、其他適當的訂貨、或先前訂貨之任何組合。
客戶84訂貨前置時間可以使用一種用於預期訂貨前置時間的機率分佈被說明。對於預期的訂貨前置時間之一機率分佈說明關於訂貨前置時間之需求機率分佈。預期訂貨前置時間的機率分佈可以從一訂貨前置時間變量曲線被計算出。一訂貨前置時間變量曲線說明相關於訂貨前置時間之需求，並且可從說明關於時間需求之需求變量曲線被產生。該需求可以被表示如單元需求、如需求比例、或如任何其他適當的方式。如一範例，訂貨前置時間變量曲線可 以說明關於訂貨前置時間需求的累計百分比。例如，一訂貨前置時間變量曲線可以具有代表需求累計百分比之y軸和代表以日數表示之訂貨前置時間的x軸。一範例訂貨前置時間變量曲線將參考第6圖更詳細地被說明。
雖然預期訂貨前置時間的機率分佈可以從一訂貨前置時間變量曲線被計算出，機率分佈亦可以從其他適當的資訊型式使用任何適當的參數數目被決定。例如，機率分佈可以從關於時間的絕對需求量被決定。如另一範例，機率分佈可以使用模糊邏輯方法而被決定。模糊邏輯方法可以，例如，指定具有特定訂貨前置時間之某些數量或部份之需求。
所有的需求一般不具有相同訂貨前置時間。例如，70%之需求可具有較少於20日之訂貨前置時間，且30%之需求可具有20日或大於20日之訂貨前置時間。如果節點76可及時地補充其存貨以滿足部份需求，則節點76不需要將部份需求之存貨予以庫存。例如，如果節點76可在較少於20天之內補充其存貨以滿足30%之需求，則節點76不需要將30%需求之存貨予以庫存。
依據一實施例，利用客戶84被啟動之需求可從下游節點76被重新分配至一組或多組上游節點76。例如，利用客戶84a、84b或84c被啟動之需求可以分別地從下游節點76c、76d或76e被重新分配至一組或多組上游節點76a-c。重新分配需求之最佳化可以被延緩至上游節點76a-c。重新分配需求上游可以適用於最佳化供應鏈70。一般，維持在上游 節點76之項目比較於維持在下游節點76之項目是較不昂貴的。此外，更多在下游節點76被發展之項目一般是更易感受到市場之改變。利用重新分配需求至上游節點76之最佳化存貨的方法參考第5圖而更詳細被說明。
依據一實施例，重新分配上游需求包含考慮在節點76採取將被補充之所需要之供應的時間以及該供應節點76之可靠度。補充時間可以從供應前置時間(SLT)被決定。依據展示之範例，節點76a一組平均供應前置時間(μ SLT)是具有6.0天變化性(σ SLT )之20.0天，分支線78a之平均供應前置時間是具有0.5天變化性之1.5天，節點76b之平均供應前置時間是具有2.67天變化性之6.0天，節點76c之平均供應前置時間是具有0.00天變化性之0.0天，分支線78b之平均供應前置時間是具有0.33天變化性之1.0天，並且分支線78c之平均供應前置時間是具有0.5天變化性之1.5天。節點76c可以被認為是一廣域分佈節點。供應節點76之可靠度可以從節點76之客戶服務位準被決定。依據展示之範例，節點76a之客戶服務位準是80%，且節點76b和76c之客戶服務位準是96%。
第5圖是展示存貨最佳化範例之方法的流程圖。該方法在步驟104開始，其中用於不同類型的訂貨前置時間變量曲線被產生。類型可被使用以安排客戶、產品、位置、其他實體或任何先前之組合。例如，客戶84可以依據影響客戶84訂貨前置時間之特點，例如，客戶84被要求滿足之需求，客戶工業的預期訂貨前置時間，或其他特點，而被類型。這些特點可以使用前置時間歷史被辨識。如另一範例， 產品裝運尺寸可被使用以將產品類型，或路徑效能可被使用以將路徑類型。
在步驟106，特定客戶84供應鏈70之前置時間變量曲線被決定。特定訂貨前置時間變量曲線可以利用辨識特定客戶84所屬之類型以及從訂貨前置時間變量曲線選擇而選擇對應至被辨識類型之訂貨前置時間變量曲線而被決定。依據一實施例，特定客戶84之前置時間變量曲線可以被修改以自製訂貨前置時間變量曲線。如一範例，訂貨前置時間變量曲線可以由使用者利用使用者界面而被修改以描述客戶需求之預期改變。預期改變可以從，例如，項目不足額、利潤增加、經濟上的衰退或其他經濟上的因素而產生。如另一範例，訂貨前置時間變量曲線可以被修改以描述被提議之最大前置時間或被提議之最小前置時間。一範例訂貨前置時間變量曲線將參考第6圖而更詳細地被說明。
在步驟110，供應鏈70被分割成為訂貨前置時間片段(OLTS)。一訂貨前置時間片段代表可被使用以分佈訂貨前置時間和上游需求之供應鏈70的部份路徑。週期時間可被使用以建立訂貨前置時間片段。節點76或分支線78之週期時間代表在當項目到達節點76或分支線78時之時間和當項目離開節點76或分支線78時之時間之間的差量。例如，節點76之週期時間可以包含製造、生產、處理或其他週期時間。分支線78之週期時間可以包含分佈、運送或其他週期時間。節點76的累計週期時間代表在當項目到達節點76時的時間和當最後部分產品被傳送至客戶84時的時間之間的 差量。累計週期時間可以包含一組或多組分別週期時間的總和，該分別週期時間包含，例如，包含一組或多組節點76和一組或多組分支線78之週期時間。如一範例，訂貨前置時間片段可以代表在第一組節點76和相鄰第二節點76之累計週期時間之間的差量。訂貨前置時間片段之範例將參考第7圖而被說明。
在步驟112，各訂貨前置時間片段之供應前置時間(SLT)被計算。依據一實施例，訂貨前置時間片段之供應前置時間SLT可以依據具有y%確定性之SLT=μ+xσ 被計算。數值x和y可以依據標準信心位準被決定。例如，對於y=99之x=3。依據第4圖之供應鏈70範例，對於99%之確定性，分支線78c之供應前置時間是1.5+3(0.5)=3.0天。相似地，對於99%確定性，分支線78b之供應前置時間是2.0天，並且分支線78a之供應前置時間是3.0天。但是，供應前置時間，可以依據具有任何適當參數的任何適當公式被計算。例如，供應前置時間SLT可以依據SLT=p1 +p2 被計算，其中p1 代表一組最小延遲，且p2 代表一預期的額外延遲。進一步地，供應前置時間彼此可以具有任何適當的關係。例如，至少二組供應前置時間可以重疊。更進一步地，供應前置時間可以任何適當的方式被調整。例如，一天的填補可以被增加至一組或多組供應前置時間。
需求被重新分配至上游訂貨前置時間片段，在步驟114，以便延緩對於上游節點76之存貨計算。需求可以利用預估訂貨前置時間片段之需求百分比被重新分配。訂貨前置 時間片段之需求百分比代表需要在訂貨前置時間片段時被滿足之需求百分比，以便滿足在訂貨前置時間變量曲線限制之內的客戶需求。計算需求百分比之一範例將參考第8和9圖而被說明。
在步驟120，滿足需求百分比之存貨於節點76被建立。利用計算各訂貨前置時間片段之需求百分比，重新分配需求之存貨可以利用延緩存貨計算及分別地在各節點76計算存貨而被決定。存貨可以利用在末端節點76(例如，節點76d和76e)計算所需的存貨以滿足末端節點76之需求百分比而被決定。被計算之存貨產生第一組上游節點76(例如，節點76c)之需求。在第一上游節點76之存貨被決定以產生一組第二上游節點76(例如，節點76c)之需求，並且依此類推。需要滿足重新分配需求之存貨可以與不需要考慮重新分配需求之存貨一起被結合，以便決定在節點76所需要者之總需求。一種用以建立存貨之方法將參考第10-13圖而更詳細地被說明。
該方法可被修改、增加或刪除而不脫離本發明範疇。例如，在步驟104，訂貨前置時間變量曲線不需要對於不同類型被產生。可取代地，對於特定客戶84之訂貨前置時間變量曲線可以簡單地被擷取。此外，步驟可以任何適當的順序被達成，而不脫離本發明範疇。
第6A至6C圖展示範例訂貨前置時間變量曲線。訂貨前置時間變量曲線說明對應於節點76之需求，例如，末端節點76(例如，節點76d或76e)。例如，訂貨前置時間變量曲線 可以說明相關於第4圖客戶84a之需求。客戶需求被置於末端節點76d上以便執行。於展示之實施例中，訂貨前置時間變量曲線是不受約束的(亦即，假設無限制供應)。雖然訂貨前置時間變量曲線之範例以圖形被展示，訂貨前置時間變量曲線之資訊可以任何適當的方式被呈現，例如，列表形式。
第6A圖展示一訂貨前置時間變量曲線範例。依據展示之實施例，y軸152代表需求量的累計百分比，且x軸154代表以天數表示之訂貨前置時間。依據一實施例，曲線160代表一訂貨前置時間變量曲線之範例，該變量曲線說明具有某些訂貨前置時間之需求量的累計百分比。因此，曲線160之點(x,y)代表具有x天之訂貨前置時間的需求量之累計百分比y。例如，P點指示具有較少於3天之訂貨前置需求時間的33%需求量，Q點指示具有30天之訂貨前置時間的90%需求量，以及R點指示具有較少於60天之訂貨前置時間的100%需求量。
於一實施例中，用於不同族群位準，例如，所有訂貨、所有項目、所有位置或其他族群位準的訂貨前置時間變量曲線可以被產生。在族群位準產生之訂貨前置時間變量曲線可以導致產生可較容易地管理之少數的變量曲線。進一步地，使用者能夠依據相關之性族群位準以選擇變量曲線。於另一個實施例中，多數個族群位準之訂貨前置時間變量曲線可以被產生。例如，各項目之訂貨前置時間變量曲線可以被產生。產生之多數個訂貨前置時間變量曲線可 以允許精細調整之需求監視。例如，對於各項目之一訂貨前置時間變量曲線被產生之情況，則各項目訂貨前置時間變量曲線可以自動地被監視，有關可以影響最佳存貨目標位準之改變。
第6B和6C圖展示被客製化以分別地考慮最大和最小提議前置時間之訂貨前置時間變量曲線之範例。一訂貨前置時間變量曲線可以使用系統10被客製化。過去的性能不一定是未來性能之良好指示。系統10供給使用者一機會，使用客戶系統10以撤銷或修改一訂貨前置時間變量曲線。一訂貨前置時間變量曲線可以被客製化以考慮最大和最小提議前置時間。使用者可能需要施加最小提議前置時間於訂貨前置時間變量曲線上。訂貨前置時間變量曲線可以被修改以利用移位較少於最小提議前置時間之需求至最小提議前置時間以反映最小提議前置時間。進一步地，使用者可能需要施加最大提議前置時間於訂貨前置時間變量曲線上。訂貨前置時間變量曲線可以被修改以利用移位較大於最大提議前置時間之需求至最大提議前置時間以反映最大提議前置時間。
於展示之範例中，曲線160被修改以考慮最小提議前置時間和最大提議前置時間而分別地產生曲線162和164。曲線162考慮10天之最小提議前置時間，並且曲線164考慮40天之最大提議前置時間。訂貨前置時間變量曲線之曲線160可以任何其他適當的方式被修改而考慮到任何其他適當的特點。例如，訂貨前置時間變量曲線通常可以使用瀑布式 分析被檢查以決定趨勢。訂貨前置時間變量曲線可以被調整以符合該趨勢。如另一範例，訂貨前置時間變量曲線可以被調整以提供更保守的預估或較不保守的預估。
第7圖是柱狀圖形200，其展示供應鏈70節點76之週期時間範例。柱狀圖形200具有代表節點76的累計週期時間之y軸，以及代表節點76之x軸。累計週期時間代表在當項目到達節點76時的時間和當最後部分產品被傳送至客戶84時的時間之間的差量。依據柱狀圖形200，節點76a具有60天的累計週期時間，節點76b具有30天的累計週期時間，節點76c具有3天的累計時間，並且節點76d和76e各具有0天的累計週期時間。
累計週期時間可被使用以形成代表在累計週期時間之間的差量之訂貨前置時間片段。依據一實施例，訂貨前置時間片段可以代表在連續節點76的累計週期時間之間的差量。依據展示之實施例，訂貨前置時間片段1代表較少於或等於3天，訂貨前置時間片段2代表較大於3天且較少於或等於30天，訂貨前置時間片段3代表較大於30天且較少於或等於60天，並且訂貨前置時間片段4代表較大於60天。但是，訂貨前置時間片段可以任何適當的方式被形成。
第8圖是具有需求百分比之列表220的範例。需求百分比代表需要在訂貨前置時間片段時被滿足以便滿足訂貨前置時間變量曲線之需求百分比。
依據展示之範例，列表220展示如何使用第6圖訂貨前置時間變量曲線曲線160以計算第7圖之訂貨前置時間片段 1至4的需求百分比。列表220展示如參考第7圖之先前被說明的各被決定片段之範圍。各片段端點對應於第6圖曲線160之點。例如，三天之端點對應至P點，30天之端點對應至Q點，且60天之端點對應至R點。
曲線160之各點指示對應至天數之一組需求的累計百分比。例如，P點指示對應至3天的33%，Q點指示對應至30天的90%，且R點指示對應至60天的100%。對應於訂貨前置時間片段端點需求中的差量產生需求百分比。因此，訂貨前置時間片段1具有之需求百分比是33%-0%=33%，訂貨前置時間片段2具有之需求百分比是90%-33%=57%，訂貨前置時間片段3具有之需求百分比是100%-90%=10%，且訂貨前置時間片段4具有的需求差異百分比是100%-100%=0%。
第9圖是展示供應鏈70範例之重新分配需求範例的圖形。依據展示之範例，需求可以依據第8圖列表220被重新分配。OLTS1需求百分比是33%，OLTS2是57%，OLTS3是10%，並且OLTS4是0%。
第10-13圖展示給予節點76之需求、供應前置時間以及客戶服務位準時，用以計算供應鏈70節點76之存貨的範例步驟。如果供應鏈70之需求被重新分配至上游節點76，節點76的存貨可以對於被分佈需求而被計算，其可使用節點76之需求百分比被計算。被分佈需求之存貨接著可以與客戶需求之存貨被結合在一起，以得到節點76之總存貨。
第10圖展示具有其存貨可以被計算之節點76(節點1)的 供應鏈部份240範例。依據一實施例，節點1之客戶服務位準CSL可以依據方程式(1)被表示：CSL=1-EBO/μd (1)
其中EBO代表節點1預期的回置訂貨並且μ d 代表平均前置時間需求。預期的回置訂貨代表在節點76的存貨不足以符合節點76之需求。前置時間需求說明前置時間片段之需求。預期的回置訂貨EBO可以依據方程式(2)被計算：
其中p(x)代表接近平均前置時間需求之概率密度函數，s代表重新訂貨點以及f代表部份完成係數。如果部份充填不被允許，則f=0且該項丟棄。需求分佈一般可以被考慮為關於在前置時間上之需求之相對地快速移動項目之常態分佈、關於在前置時間上需求之相對地中間速率的項目移動之珈瑪(Gamma)分佈或關於在前置時間上需求之相對地低速率移動項目的帕松(Poisson)分佈。該分佈可以被使用者所選擇或可以利用一原定選擇而被選擇。平均前置時間需求可以依據方程式(3)而被計算：
依據一組範例，對於固定的供應前置時間(SLT)，節點1存貨可以被計算，以在給予需求d的平均前置時間需求μd ，需求d的前置時間需求σ d 之標準偏差(其中標準偏差被使用作為一變化性量測)以及該客戶服務位準CSL時傳輸需求。 依據展示之範例，平均前置時間需求μ d 是具有10單元變化性σ d 之1000單元，且節點1具有96%之客戶服務位準CSL。需要涵蓋具有x客戶服務位準之平均前置時間需求μ d 的存貨可以被計算，如μ d +xσ d ，其中依據標準信心位準，x對應至y。例如，節點1需要μ d +2σ d 以涵蓋96%的時間需求。於展示範例中，在節點1需要之存貨是μ d +2σ d =1020單元。為滿足其餘需求，一預期的回置訂貨是EBO=μ d x(1-CSL)。於展示之範例中，預期的回置訂貨是EBO=μ d x(1-CSL)=40單元。m時間週期數目之存貨可以將存貨單元乘以m而被計算出。
依據一實施例，需求可以被傳輸以決定在各節點76之平均前置時間需求和變化性。接著，存貨可以使用可簡化存貨最佳化之習知的技術而在分別的節點76上被計算出。換言之，一複雜的多階層供應鏈問題可以被減低為一系列之較簡單之單一階層供應鏈問題。
第11圖展示一供應鏈部份250範例，其包含供應另一個節點76(節點2)之一節點76(節點1)。依據展示之實施例，節點1具有在需求變化性為σ d 之前置時間上之需求。節點1具有一組客戶服務位準CSL1和一組具有供應前置時間變化性σ SLT1 之供應前置時間SLT1，且節點2具有一組客戶服務位準CSL2和一組具有供應前置時間變化性σ SLT2 之供應前置時間SLT2。
依據一實施例，節點1之供應前置時間可以依據方程式(4)被計算： CSL2*SLT1+(1-CSL2)*(SLT1+SLT2) (4)
並且供應前置時間變化性可以依據方程式(5)被計算：CSL2*σSLT1 +(1-CSL2)*(σSLT1 +σSLT2 ) (5)
第12圖展示一供應鏈部份270範例，其包含供應二組節點76(節點1和2)之一組節點76(節點3)。節點1具有一組具有需求變化性σ d1 之需求d1以及一組客戶服務位準CSL1。節點2具有一組具有需求變化性σ d2 之需求d2以及一組客戶服務位準CSL2。節點1具有一組具有供應前置時間變化性σ SLT1 之供應前置時間SLT1，且節點2具有一組供應前置時間變化性σ SLT2 之供應前置時間SLT2。節點3具有一組供應前置時間變化性σ SLT3 之供應前置時間SLT3。
依據一實施例，供應鏈部份270代表一組支援多數個分佈中心之單一分佈中心，或代表製造多數產品之一組單一印模。在節點3之需求可以利用由方程式(6)所得到之需求變化性的d1+d2而被得到：
於簡單情況中，共變異數可以被假設等於零。節點1之供應前置時間和供應前置時間變化性可以依據方程式(4)和(5)分別地被計算。依據另一實施例，供應鏈部份270可以代表具有多數需求趨勢之節點76。依據這實施例，如果供應前置時間SLT1=0、供應前置時間變化性σ SLT1 =0、供應前置時間SLT2=0，並且供應前置時間變量σ SLT2 =0，則供應鏈部份270可以代表多數個需求趨勢。依據一實施例，節點1和2之需求可以被聚集在節點3。節點1和2之需求可以被聯合以 便計算節點3之需求。
第13圖展示供應鏈部份280之範例，其包含供應一組節點76(節點1)之二組節點76(節點2和3)。節點1具有一組客戶服務位準CSL1和一組具有需求變化性σ d1 之需求d1。節點2具有一組客戶服務位準CSL2且節點3具有一組客戶服務位準CSL3。節點1具有一組來自節點2之供應前置時間變化性σ SLT2 的供應前置時間SLT2，以及一組具有來自節點3之供應前置時間變化性σ SLT3 的供應前置時間SLT3。
依據一實施例，供應鏈部份280可以代表產品代替物、不同的構件或不同的分佈線路。依據該實施例，供應鏈部份280代表從不同的來源節點2和3接收供應之節點1。節點1從節點2接收一部份θ ，其中0≦θ ≦1，且從節點3a接收一部份1-θ 。依據這實施例，節點1之前置時間可以利用方程式(7)被得到：θ *SLT1+(1-θ )*SLT3 (7)
其前置時間變化性可利用方程式(8)被得到：θ *σ SLT1 +(1-θ )*σ SLT2 (8)
依據另一個實施例，供應鏈部份280可以代表需要從兩節點2和3供應以產生或組裝產品之節點1。依據這實施例，這部份θ 之表示不被使用，因為節點1需要來自兩節點2和3之項目。依據該實施例，節點1之前置時間可以利用方程式(9)被得到：Max(SLT2，SLT3) (9)
而前置時間變化性可利用方程式(10)被得到： 1/3[Max(SLT2+xσ SLT2 ，SLT3+xσ SLT3 )-Max(SLT2，SLT3)] (10)
其中x可以依據標準信心位準被決定。例如，對於99%之信心位準，x=3。
總之，第10至13圖展示計算供應鏈70節點76之存貨範例步驟。存貨可以被給予節點76之需求、供應前置時間以及客戶服務位準而計算出。如果供應鏈70之需求被重新分配至上游節點76，則被重新分配需求之節點76存貨可以被計算，其可使用節點76之需求百分比被計算。需要滿足重新分配需求之存貨可以與不需要考慮重新分配需求之存貨結合，以便決定在節點76所需要之總需求。
本發明某些實施例可以提供一組或多組技術優點。例如，需求可以依據預期訂貨前置時間之機率分佈而從供應鏈之末端節點被重新分配至上游節點。重新分配該需求至上游節點可以允許在分別節點的最佳化存貨，其可簡化該最佳化。供用於重新分配需求之供應鏈存貨可以被最佳化。將重新分配需求之存貨最佳化可以減少在下游節點之存貨庫存，其可使成本最小化。關於用於客戶之預期訂貨前置時間的機率分佈之存貨可以被最佳化。考慮該訂貨前置時間可以改進持續性能，其可導致增加市場佔有率。
雖然已詳細地說明本發明之實施例和其優點，熟習本技術者應可明白本發明可有各種選擇、添加以及刪除而不脫離附加之申請專利範圍所定義的本發明精神和範疇。
10‧‧‧供應鏈存貨系統
20‧‧‧客戶系統
24‧‧‧伺服器系統
26‧‧‧資料庫
30‧‧‧處理器
32‧‧‧引擎
33‧‧‧需求管理器
34‧‧‧模擬引擎
36‧‧‧分析引擎
38‧‧‧最佳化引擎
40‧‧‧供應鏈規劃引擎
48‧‧‧最佳化供應鏈存貨方法流程圖之步驟
66‧‧‧用以產生策略族群之矩陣
70‧‧‧供應鏈
76a-76e‧‧‧節點
78a-78d‧‧‧分支線
80‧‧‧供應商
84a-84c‧‧‧客戶
104-120‧‧‧最佳化存貨方法之步驟
152‧‧‧代表需求量的累計百分比之y軸
154‧‧‧代表以天數表示之訂貨前置時間之x軸
160‧‧‧代表具有x天之訂貨前置時間需求量累計百分比之曲線
162‧‧‧最小提議前置時間產生之曲線
164‧‧‧最大提議前置時間產生之曲線
200‧‧‧供應鏈節點週期之時間柱狀圖
220‧‧‧具有需求百分比之列表
240‧‧‧存貨可以被計算之節點供應鏈部份
250‧‧‧供應鏈部份
270‧‧‧供應鏈部份
280‧‧‧供應鏈部份
第1圖是展示用以最佳化供應鏈存貨之系統範例的方塊圖；第2圖是展示用以最佳化供應鏈存貨之方法範例的流程圖；第3圖展示可被使用以產生關鍵性族群之矩陣範例圖形；第4圖是展示供應鏈範例圖形，其從一組或多組供應商接收供應並且提供產品至一組或多組客戶；第5圖是展示存貨最佳化方法範例之流程圖；第6A至6C圖展示訂貨前置時間範例之變量曲線；第7圖是展示供應鏈節點之週期時間範例柱狀圖形；第8圖是需求百分比列表之範例圖形；第9圖是展示供應鏈被重新分配需求之範例圖形；第10圖展示存貨可以被計算之節點範例圖形；第11圖展示包含一節點供應另一個節點的供應鏈範例圖形；第12圖展示包含一節點供應二節點之供應鏈範例圖形；以及第13圖展示包含二節點供應一節點之供應鏈範例圖形。
10‧‧‧供應鏈存貨系統
20‧‧‧客戶系統
24‧‧‧伺服器系統
26‧‧‧資料庫
30‧‧‧處理器
32‧‧‧引擎
33‧‧‧需求管理器
34‧‧‧模擬引擎
36‧‧‧分析引擎
38‧‧‧最佳化引擎
40‧‧‧供應鏈規劃引擎

Claims (32)

  1. 一種判定表示訂貨前置時間之一機率分佈的電腦執行方法，該方法包含：使用一電腦來產生多數個訂貨前置時間選擇之機率分佈，各訂貨前置時間選擇之機率分佈是相關於多數個類型之一類型；使用一電腦來辨識一類型，其對應至包含多數個節點之一供應鏈，該等多數節點包含供應客戶之一開始節點和一末端節點，該供應鏈指定從該開始節點至該末端節點之一路徑；使用一電腦來選擇相關於該辨識類型之訂貨前置時間選擇的一機率分佈作為該供應鏈之訂貨前置時間的一機率分佈，該訂貨前置時間之機率分佈描述於該末端節點的末端節點需求之訂貨前置時間；以及根據該訂貨前置時間之機率分佈來判定各訂貨前置時間片段之一需求百分比，各需求百分率描述相關於一訂貨前置時間片段之末端節點需求的一百分比。
  2. 如申請專利範圍第1項之方法，其進一步地包含：分割該路徑成為多數個訂貨前置時間片段；結合該等多數訂貨前置時間片段與該訂貨前置時間之機率分佈，各訂貨前置時間片段是相關於該訂貨前置時間的一對應訂貨前置時間範圍之機率分佈；並且依據該訂貨前置時間之機率分佈來判定各訂貨前置時間片段之一需求百分比，以及其中各需求百分比進 一步描述相關於該對應訂貨前置時間片段之一總末端節點需求之一百分比。
  3. 如申請專利範圍第1項之方法，其進一步地包含：依據該訂貨前置時間之機率分佈來判定符合各訂貨前置時間片段之一需求百分比，各需求百分比描述相關於該對應訂貨前置時間片段之一總末端節點需求之一百分比；並且依據該等多數節點之該等需求百分比來計算在該等多數節點之各節點的存貨。
  4. 如申請專利範圍第1項之方法，其進一步地包含：建立一最小被提議前置時間；並且修改該訂貨前置時間之機率分佈以反映該最小被提議前置時間。
  5. 如申請專利範圍第1項之方法，其進一步地包含：建立一最小被提議前置時間；辨識在該供應鏈中之一最多上游存貨地點，使得從該存貨位置到該末端節點的該累積前置時間小於該最小被提議前置時間；使用訂貨前置時間大於該最小被提議前置時間之該訂貨前置時間分佈來計算該末端節點的該需求之預期百分比；藉著該經計算之百分比來減少在該末端節點的該需求；以及使用該減少後的需求來計算在該末端節點的一安 全存貨。
  6. 如申請專利範圍第1項之方法，其進一步地包含：建立一最大被提議前置時間；並且修改該訂貨前置時間之機率分佈以反映該最大被提議前置時間。
  7. 如申請專利範圍第1項之方法，其進一步地包含：建立一最大被提議前置時間；辨識對應至大於該最大被提議前置時間之一訂貨前置時間範圍的末端節點需求之一部份；並且轉移該末端節點需求之部分至該最大被提議前置時間，以便修改該訂貨前置時間之機率分佈以反映該最大被提議前置時間。
  8. 如申請專利範圍第1項之方法，其進一步地包含：建立一末端節點需求之預期改變；並且修改該訂貨前置時間之機率分佈以反映該末端節點需求之預期改變。
  9. 如申請專利範圍第1項之方法，其進一步地包含從一前置時間數據資料產生該訂貨前置時間之機率分佈。
  10. 如申請專利範圍第1項之方法，其中該等多數個類型將多數個客戶、多數個產品、多數個場所、以及任何上述組合之至少一個加以類型化。
  11. 一種判定表示訂貨前置時間之一機率分佈的系統，該系統包含：一資料庫，其組配以儲存多數個訂貨前置時間選擇 之機率分佈，各訂貨前置時間選擇之機率分佈是相關於多數個類型之一類型；以及一電腦系統，其被耦接至該資料庫並且組配以：辨識對應至包含多數個節點之一供應鏈的一類型，該等多數節點包含供應客戶之一開始節點和一末端節點，該供應鏈指定從該開始節點至該末端節點之一路徑；分割該路徑成為多數個訂貨前置時間片段；選擇相關於該辨識類型之訂貨前置時間選擇的機率分佈作為該供應鏈之訂貨前置時間的一機率分佈，該訂貨前置時間之機率分佈描述該末端節點的末端節點需求相對於訂貨前置時間之情形；根據該訂貨前置時間之機率分佈來判定各訂貨前置時間片段之一需求百分比，各需求百分率描述相關於一訂貨前置時間片段之末端節點需求的一百分比。
  12. 如申請專利範圍第11項之系統，該電腦系統進一步地組配以：結合該等多數訂貨前置時間片段與該訂貨前置時間之機率分佈，各訂貨前置時間片段是相關於該訂貨前置時間的一對應訂貨前置時間範圍之機率分佈；並且其中各需求百分比進一步描述相關於該對應訂貨前置時間片段之一總末端節點需求的一百分比。
  13. 如申請專利範圍第11項之系統，該電腦系統進一步地組 配以：依據該訂貨前置時間之機率分佈而判定各訂貨前置時間片段之一需求百分比，各需求百分比描述相關於該對應訂貨前置時間片段之一總末端節點需求的一百分比；並且依據該等多數節點之該等需求百分比而計算在該等多數節點之各節點的存貨。
  14. 如申請專利範圍第11項之系統，該電腦系統進一步地組配以：建立一最小被提議前置時間；並且修改該訂貨前置時間之機率分佈以反映該最小被提議前置時間。
  15. 如申請專利範圍第11項之系統，該電腦系統進一步地組配以：建立一最小被提議前置時間；辨識對應至小於該最小被提議前置時間之訂貨前置時間範圍的末端節點需求之一部份；並且轉移該末端節點需求之部分至該最小被提議前置時間，以便修改該訂貨前置時間之機率分佈以反映該最小被提議前置時間。
  16. 如申請專利範圍第11項之系統，該電腦系統進一步地組配以：建立一最大被提議前置時間；並且修改該訂貨前置時間之機率分佈以反映該最大被 提議前置時間。
  17. 如申請專利範圍第11項之系統，該電腦系統進一步地組配以：建立一最大被提議前置時間；辨識對應至大於該最大被提議前置時間之訂貨前置時間範圍的末端節點需求之一部份；且轉移該末端節點需求之部分至該最大被提議前置時間，以便修改該訂貨前置時間之機率分佈以反映該最大被提議前置時間。
  18. 如申請專利範圍第11項之系統，該電腦系統進一步地組配以：建立一末端節點需求之預期改變；並且修改該訂貨前置時間之機率分佈以反映該末端節點需求之預期改變。
  19. 如申請專利範圍第11項之系統，該電腦系統進一步地組配以從一訂貨前置時間數據資料而產生該訂貨前置時間之機率分佈。
  20. 如申請專利範圍第11項之系統，其中該等多數個類型將多數個客戶、多數個產品、多數個場所、以及任何上述組合之至少一個加以類型化。
  21. 一種以用以判定表示訂貨前置時間的一機率分佈之軟體來實施之非暫時性電腦可讀媒體，該軟體在使用一電腦執行時，被組配以：產生多數個訂貨前置時間選擇之機率分佈，各訂貨 前置時間選擇之機率分佈是相關於多數個類型之一類型；辨識對應至包含多數個節點之一供應鏈的一類型，該等多數節點包含供應客戶之一開始節點和一末端節點，該供應鏈指定從該開始節點至該末端節點之一路徑；並且分割該路徑成為多數個訂貨前置時間片段；選擇相關於該辨識類型之訂貨前置時間選擇的機率分佈作為該供應鏈之訂貨前置時間的一機率分佈，該訂貨前置時間之機率分佈描述該末端節點的末端節點需求相對於訂貨前置時間之情形；以及根據該訂貨前置時間之機率分佈來判定各訂貨前置時間片段之一需求百分比，各需求百分率描述相關於一訂貨前置時間片段之末端節點需求的一百分比。
  22. 如申請專利範圍第21項之電腦可讀媒體，其進一步地組配以：結合該等多數訂貨前置時間片段與該訂貨前置時間之機率分佈，各訂貨前置時間片段是相關於該訂貨前置時間的一對應訂貨前置時間範圍之機率分佈；並且其中各需求百分比描述相關於該對應訂貨前置時間片段之一總末端節點需求的一百分比。
  23. 如申請專利範圍第21項之電腦可讀媒體，其進一步地組配以：依據該訂貨前置時間之機率分佈而判定各訂貨前 置時間片段之一需求百分比，各需求百分比描述相關於該對應訂貨前置時間片段之一總末端節點需求的一百分比；並且依據該等多數節點之該等需求百分比來計算在該等多數節點之各節點的存貨。
  24. 如申請專利範圍第21項之電腦可讀媒體，其進一步地配置以：建立一最小被提議前置時間；並且修改該預期訂貨前置時間之機率分佈以反映該最小被提議前置時間。
  25. 如申請專利範圍第21項之軟體，其進一步地組配以：建立一最小被提議前置時間；辨識對應至小於該最小被提議前置時間之訂貨前置時間範圍的末端節點需求之一部份；並且轉移該末端節點需求之部分至該最小被提議前置時間，以便修改該訂貨前置時間之機率分佈以反映該最小被提議前置時間。
  26. 如申請專利範圍第21項之軟體，其進一步地組配以：建立一最大被提議前置時間；並且修改該訂貨前置時間之機率分佈以反映該最大被提議前置時間。
  27. 如申請專利範圍第21項之電腦可讀媒體，其進一步地組配以：建立一最大被提議前置時間； 辨識對應至大於該最大被提議前置時間之訂貨前置時間範圍的末端節點需求之一部份；並且轉移該末端節點需求之部分至該最大被提議前置時間，以便修改該訂貨前置時間之機率分佈以反映該最大被提議前置時間。
  28. 如申請專利範圍第21項之電腦可讀媒體，其進一步地組配以：建立一末端節點需求之預期改變；且修改該訂貨前置時間之機率分佈以反映該末端節點需求之預期改變。
  29. 如申請專利範圍第21項之電腦可讀媒體，其進一步地組配以從一訂貨前置時間數據資料而產生該訂貨前置時間之機率分佈。
  30. 如申請專利範圍第21項之電腦可讀媒體，其中該等多數個類型將多數個客戶、多數個產品、多數個場所、以及任何上述組合之至少一個加以類型化。
  31. 一種判定表示訂貨前置時間之一機率分佈的系統，該系統包含：用以產生多數個訂貨前置時間選擇之機率分佈的裝置，各訂貨前置時間選擇之機率分佈是相關於多數個類型之一類型；用以辨識對應至包含多數個節點之一供應鏈的一類型的裝置，該等多數節點包含供應客戶之一開始節點和一末端節點，該供應鏈指定從該開始節點至該末端節 點之一路徑；以及用以選擇相關於該辨識類型之訂貨前置時間選擇的一機率分佈作為該供應鏈之訂貨前置時間的一機率分佈之裝置，該訂貨前置時間之機率分佈描述該末端節點的末端節點需求相對於訂貨前置時間之情形；根據該訂貨前置時間之機率分佈來判定各訂貨前置時間片段之一需求百分比之裝置，各需求百分率描述相關於一訂貨前置時間片段之末端節點需求的一百分比。
  32. 一種用以判定表示訂貨前置時間之一機率分佈的方法，該方法包含：產生多數個訂貨前置時間選擇之機率分佈，各訂貨前置時間選擇之機率分佈是相關於多數個類型之一類型；辨識對應至包含多數個節點之一供應鏈的一類型，該等多數節點包含供應客戶之一開始節點和一末端節點，該供應鏈指定從該開始節點至該末端節點之一路徑；選擇相關於該辨識類型之訂貨前置時間選擇的機率分佈作為供應鏈之訂貨前置時間的一機率分佈，該訂貨前置時間之機率分佈描述該末端節點的末端節點需求相對於訂貨前置時間之情形；建立一最小被提議前置時間；辨識對應至小於該最小被提議前置時間之一訂貨 前置時間範圍的末端節點需求之第一部份；轉移該末端節點需求之第一部份至該最小被提議前置時間，以便修改該訂貨前置時間之機率分佈以反映該最小被提議前置時間；建立一最大被提議前置時間；辨識對應至大於該最大被提議前置時間之訂貨前置時間範圍的末端節點需求之第二部份；轉移該末端節點需求之第二部份至該最大被提議前置時間，以便修改該訂貨前置時間之機率分佈以反映該最大被提議前置時間；建立一末端節點需求之預期改變；修改該訂貨前置時間之機率分佈以反映該末端節點需求之預期改變；分割該路徑成為多數個訂貨前置時間片段；結合該多數訂貨前置時間片段與該訂貨前置時間之機率分佈，各訂貨前置時間片段是相關於該訂貨前置時間的一對應訂貨前置時間範圍之機率分佈；依據該訂貨前置時間之機率分佈而判定各訂貨前置時間片段之需求百分比，各需求百分比描述相關於該對應訂貨前置時間片段之一總末端節點需求的一百分比；並且依據該等多數節點之該等需求百分比而計算在該等多數節點之各節點的存貨。
TW093112794A 2003-05-12 2004-05-06 使用訂貨前置時間之機率分佈判定供應鏈之訂貨前置時間之技術 TWI400659B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US47006803P 2003-05-12 2003-05-12

Publications (2)

Publication Number Publication Date
TW200508933A TW200508933A (en) 2005-03-01
TWI400659B true TWI400659B (zh) 2013-07-01

Family

ID=33539027

Family Applications (5)

Application Number Title Priority Date Filing Date
TW093112792A TWI400658B (zh) 2003-05-12 2004-05-06 判定供應鏈節點之存貨目標的技術
TW093112775A TWI400656B (zh) 2003-05-12 2004-05-06 依據訂貨前置時間預估供應鏈之需求的技術
TW093112780A TWI400657B (zh) 2003-05-12 2004-05-06 供應鏈之存貨的最佳化技術
TW093112785A TWI343011B (en) 2003-05-12 2004-05-06 Method, system and software for determining a policy parameter for an entity of a supply chain
TW093112794A TWI400659B (zh) 2003-05-12 2004-05-06 使用訂貨前置時間之機率分佈判定供應鏈之訂貨前置時間之技術

Family Applications Before (4)

Application Number Title Priority Date Filing Date
TW093112792A TWI400658B (zh) 2003-05-12 2004-05-06 判定供應鏈節點之存貨目標的技術
TW093112775A TWI400656B (zh) 2003-05-12 2004-05-06 依據訂貨前置時間預估供應鏈之需求的技術
TW093112780A TWI400657B (zh) 2003-05-12 2004-05-06 供應鏈之存貨的最佳化技術
TW093112785A TWI343011B (en) 2003-05-12 2004-05-06 Method, system and software for determining a policy parameter for an entity of a supply chain

Country Status (3)

Country Link
US (10) US7941331B2 (zh)
DE (5) DE102004023263A1 (zh)
TW (5) TWI400658B (zh)

Families Citing this family (140)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7581077B2 (en) 1997-10-30 2009-08-25 Commvault Systems, Inc. Method and system for transferring data in a storage operation
US6418478B1 (en) 1997-10-30 2002-07-09 Commvault Systems, Inc. Pipelined high speed data transfer mechanism
US7035880B1 (en) 1999-07-14 2006-04-25 Commvault Systems, Inc. Modular backup and retrieval system used in conjunction with a storage area network
US7395282B1 (en) 1999-07-15 2008-07-01 Commvault Systems, Inc. Hierarchical backup and retrieval system
US7389311B1 (en) 1999-07-15 2008-06-17 Commvault Systems, Inc. Modular backup and retrieval system
US6658436B2 (en) 2000-01-31 2003-12-02 Commvault Systems, Inc. Logical view and access to data managed by a modular data and storage management system
US7155481B2 (en) 2000-01-31 2006-12-26 Commvault Systems, Inc. Email attachment management in a computer system
US7003641B2 (en) 2000-01-31 2006-02-21 Commvault Systems, Inc. Logical view with granular access to exchange data managed by a modular data and storage management system
US6532467B1 (en) * 2000-04-10 2003-03-11 Sas Institute Inc. Method for selecting node variables in a binary decision tree structure
US6970841B1 (en) * 2000-04-17 2005-11-29 International Business Machines Corporation Large inventory-service optimization in configure-to-order systems
US7634423B2 (en) 2002-03-29 2009-12-15 Sas Institute Inc. Computer-implemented system and method for web activity assessment
WO2004023317A1 (en) 2002-09-09 2004-03-18 Commvault Systems, Inc. Dynamic storage device pooling in a computer system
CA2499073C (en) 2002-09-16 2013-07-23 Commvault Systems, Inc. Combined stream auxiliary copy system and method
AU2004227949B9 (en) 2003-04-03 2010-07-22 Commvault Systems, Inc. System and method for dynamically performing storage operations in a computer network
US7941331B2 (en) 2003-05-12 2011-05-10 I2 Technologies Us, Inc. Determining order lead time for a supply chain using a probability distribution of order lead time
US8428987B2 (en) * 2003-05-12 2013-04-23 Jda Software Group, Inc. Determining order lead time for a supply chain using a probability distribution of order lead time
US7454569B2 (en) 2003-06-25 2008-11-18 Commvault Systems, Inc. Hierarchical system and method for performing storage operations in a computer network
WO2005050381A2 (en) 2003-11-13 2005-06-02 Commvault Systems, Inc. Systems and methods for performing storage operations using network attached storage
GB2423851A (en) 2003-11-13 2006-09-06 Commvault Systems Inc System and method for performing an image level snapshot and for restoring partial volume data
CA2544063C (en) 2003-11-13 2013-09-10 Commvault Systems, Inc. System and method for combining data streams in pilelined storage operations in a storage network
US8892530B1 (en) * 2004-05-28 2014-11-18 Amdocs, Inc. Policy configuration user interface
US7721959B2 (en) * 2004-07-19 2010-05-25 I2 Technologies Us, Inc. Optimizing inventory in accordance with a constrained network
US20060036499A1 (en) * 2004-07-22 2006-02-16 Jennifer Leu Inventory management system and method
US7739720B2 (en) * 2004-10-14 2010-06-15 Microsoft Corporation Method and system for merging security policies
GB2447361B (en) 2004-11-05 2009-05-20 Commvault Systems Inc Method and system of pooling storage devices
US7536291B1 (en) 2004-11-08 2009-05-19 Commvault Systems, Inc. System and method to support simulated storage operations
US20060167741A1 (en) * 2005-01-25 2006-07-27 Cisco Technology, Inc. System and method for designing a supply chain
US7644086B2 (en) * 2005-03-29 2010-01-05 Sas Institute Inc. Computer-implemented authorization systems and methods using associations
US8433592B2 (en) * 2005-04-14 2013-04-30 Avraham Y. Goldratt Institute, Lp Method and system for determining buffer inventory size
US20060247939A1 (en) * 2005-04-29 2006-11-02 Lianjun An Method and apparatus combining control theory and business performance management
BRPI0613569A2 (pt) * 2005-06-10 2011-01-18 Accenture Global Services Gmbh identificação eletrÈnica de veìculo
US7826447B1 (en) * 2005-06-22 2010-11-02 Marvell International Ltd. Preventing denial-of-service attacks employing broadcast packets
US8165904B2 (en) * 2005-10-11 2012-04-24 Oracle International Corporation Allocating inventory levels
AU2006331932B2 (en) 2005-12-19 2012-09-06 Commvault Systems, Inc. Systems and methods for performing data replication
US7962709B2 (en) 2005-12-19 2011-06-14 Commvault Systems, Inc. Network redirector systems and methods for performing data replication
US7636743B2 (en) 2005-12-19 2009-12-22 Commvault Systems, Inc. Pathname translation in a data replication system
US7606844B2 (en) 2005-12-19 2009-10-20 Commvault Systems, Inc. System and method for performing replication copy storage operations
US7617262B2 (en) 2005-12-19 2009-11-10 Commvault Systems, Inc. Systems and methods for monitoring application data in a data replication system
US7651593B2 (en) 2005-12-19 2010-01-26 Commvault Systems, Inc. Systems and methods for performing data replication
US8661216B2 (en) 2005-12-19 2014-02-25 Commvault Systems, Inc. Systems and methods for migrating components in a hierarchical storage network
US20070208609A1 (en) * 2006-03-03 2007-09-06 International Business Machines Corporation Supply and demand planning including backwards order item allocation
US7996834B2 (en) * 2006-04-14 2011-08-09 Microsoft Corporation Virtual machine self-service restrictions
US8726242B2 (en) 2006-07-27 2014-05-13 Commvault Systems, Inc. Systems and methods for continuous data replication
US8190534B1 (en) * 2006-08-10 2012-05-29 Golfnow, Llc Tee-time pricing structures
US8312323B2 (en) 2006-12-22 2012-11-13 Commvault Systems, Inc. Systems and methods for remote monitoring in a computer network and reporting a failed migration operation without accessing the data being moved
US8719809B2 (en) 2006-12-22 2014-05-06 Commvault Systems, Inc. Point in time rollback and un-installation of software
US11403581B2 (en) * 2007-03-07 2022-08-02 Blue Yonder Group, Inc. Sentient optimization for continuous supply chain management
US8290808B2 (en) 2007-03-09 2012-10-16 Commvault Systems, Inc. System and method for automating customer-validated statement of work for a data storage environment
US7792050B2 (en) * 2007-10-26 2010-09-07 Motorola, Inc. Method for intelligent merging of ad hoc network partitions
US8650062B2 (en) * 2008-01-18 2014-02-11 Ephiphony, Inc. Automated replenishment using an economic profit quantity
WO2009096519A1 (ja) * 2008-01-31 2009-08-06 Nec Corporation フィードフォーワード制御方法、サービス提供品質制御装置、システム、プログラム及びその記録媒体
US8812338B2 (en) * 2008-04-29 2014-08-19 Sas Institute Inc. Computer-implemented systems and methods for pack optimization
EP2172897A1 (en) * 2008-09-25 2010-04-07 Amadeus Improvements in or relating to the management of e-tickets
US20100125487A1 (en) * 2008-11-14 2010-05-20 Caterpillar Inc. System and method for estimating settings for managing a supply chain
GB2465476A (en) * 2008-11-19 2010-05-26 I2 Technologies Us Inc Optimizing inventory policy parameters
US20100138893A1 (en) * 2008-12-02 2010-06-03 Inventec Corporation Processing method for accelerating packet filtering
US9495382B2 (en) 2008-12-10 2016-11-15 Commvault Systems, Inc. Systems and methods for performing discrete data replication
US8204859B2 (en) 2008-12-10 2012-06-19 Commvault Systems, Inc. Systems and methods for managing replicated database data
US8555378B2 (en) 2009-03-11 2013-10-08 Sas Institute Inc. Authorization caching in a multithreaded object server
US8504517B2 (en) 2010-03-29 2013-08-06 Commvault Systems, Inc. Systems and methods for selective data replication
US8352422B2 (en) 2010-03-30 2013-01-08 Commvault Systems, Inc. Data restore systems and methods in a replication environment
US8725698B2 (en) 2010-03-30 2014-05-13 Commvault Systems, Inc. Stub file prioritization in a data replication system
US8504515B2 (en) 2010-03-30 2013-08-06 Commvault Systems, Inc. Stubbing systems and methods in a data replication environment
WO2011150391A1 (en) 2010-05-28 2011-12-01 Commvault Systems, Inc. Systems and methods for performing data replication
US8515835B2 (en) 2010-08-30 2013-08-20 Sas Institute Inc. Systems and methods for multi-echelon inventory planning with lateral transshipment
US8788315B2 (en) 2011-01-10 2014-07-22 Sas Institute Inc. Systems and methods for determining pack allocations
US8688497B2 (en) 2011-01-10 2014-04-01 Sas Institute Inc. Systems and methods for determining pack allocations
US9021198B1 (en) 2011-01-20 2015-04-28 Commvault Systems, Inc. System and method for sharing SAN storage
US20120253995A1 (en) * 2011-03-31 2012-10-04 Amit Boob System and method for merchandise inventory management to maximize gross margin
JP5846455B2 (ja) * 2011-04-22 2016-01-20 日本電気株式会社 ポリシー記述支援システム及びポリシー記述支援方法
US8620720B2 (en) * 2011-04-28 2013-12-31 Yahoo! Inc. Embedding calendar knowledge in event-driven inventory forecasting
US8700443B1 (en) * 2011-06-29 2014-04-15 Amazon Technologies, Inc. Supply risk detection
US9779381B1 (en) * 2011-12-15 2017-10-03 Jda Software Group, Inc. System and method of simultaneous computation of optimal order point and optimal order quantity
US9978026B1 (en) * 2011-12-15 2018-05-22 Jda Software Group, Inc. Computation of optimal inventory targets in bill-of-materials in a multi-echelon supply chain
US20130179307A1 (en) * 2012-01-10 2013-07-11 Thermo Fisher Scientific Inc. Methods And Systems For Restocking Inventory
US9471578B2 (en) 2012-03-07 2016-10-18 Commvault Systems, Inc. Data storage system utilizing proxy device for storage operations
US9298715B2 (en) 2012-03-07 2016-03-29 Commvault Systems, Inc. Data storage system utilizing proxy device for storage operations
US9342537B2 (en) 2012-04-23 2016-05-17 Commvault Systems, Inc. Integrated snapshot interface for a data storage system
US20140039979A1 (en) * 2012-08-01 2014-02-06 Opera Solutions, Llc System and Method for Demand Forecasting
US10379988B2 (en) 2012-12-21 2019-08-13 Commvault Systems, Inc. Systems and methods for performance monitoring
US9886346B2 (en) 2013-01-11 2018-02-06 Commvault Systems, Inc. Single snapshot for multiple agents
US9430491B2 (en) 2013-01-11 2016-08-30 Commvault Systems, Inc. Request-based data synchronization management
US20150032512A1 (en) * 2013-07-26 2015-01-29 Teradata Corporation Method and system for optimizing product inventory cost and sales revenue through tuning of replenishment factors
US9721226B2 (en) 2013-08-01 2017-08-01 Fisher Clinical Services Inc. Method and system for specialized handling of packages
US9552565B2 (en) 2013-08-01 2017-01-24 Fisher Clinical Services Inc. Method and system for specialized handling of packages
US20150120370A1 (en) * 2013-10-31 2015-04-30 Steelwedge Software, Inc. Advanced planning in a rapidly changing high technology electronics and computer industry through massively parallel processing of data using a distributed computing environment
US9639426B2 (en) 2014-01-24 2017-05-02 Commvault Systems, Inc. Single snapshot for multiple applications
US9632874B2 (en) 2014-01-24 2017-04-25 Commvault Systems, Inc. Database application backup in single snapshot for multiple applications
US9753812B2 (en) 2014-01-24 2017-09-05 Commvault Systems, Inc. Generating mapping information for single snapshot for multiple applications
US9495251B2 (en) 2014-01-24 2016-11-15 Commvault Systems, Inc. Snapshot readiness checking and reporting
US9767471B1 (en) 2014-03-24 2017-09-19 Square, Inc. Determining recommendations from buyer information
US9998914B2 (en) 2014-04-16 2018-06-12 Jamf Software, Llc Using a mobile device to restrict focus and perform operations at another mobile device
US9647897B2 (en) * 2014-08-20 2017-05-09 Jamf Software, Llc Dynamic grouping of managed devices
US10346774B2 (en) 2014-09-01 2019-07-09 Accenture Global Services Limited Inventory optimization tool
US10042716B2 (en) 2014-09-03 2018-08-07 Commvault Systems, Inc. Consolidated processing of storage-array commands using a forwarder media agent in conjunction with a snapshot-control media agent
US9774672B2 (en) 2014-09-03 2017-09-26 Commvault Systems, Inc. Consolidated processing of storage-array commands by a snapshot-control media agent
US9648105B2 (en) 2014-11-14 2017-05-09 Commvault Systems, Inc. Unified snapshot storage management, using an enhanced storage manager and enhanced media agents
US9448731B2 (en) 2014-11-14 2016-09-20 Commvault Systems, Inc. Unified snapshot storage management
US9898213B2 (en) 2015-01-23 2018-02-20 Commvault Systems, Inc. Scalable auxiliary copy processing using media agent resources
US9904481B2 (en) 2015-01-23 2018-02-27 Commvault Systems, Inc. Scalable auxiliary copy processing in a storage management system using media agent resources
WO2016130121A1 (en) * 2015-02-11 2016-08-18 Hewlett Packard Enterprise Development Lp Network service chain construction
US9990597B2 (en) * 2015-03-27 2018-06-05 Oracle International Corporation System and method for forecast driven replenishment of merchandise
US11017369B1 (en) 2015-04-29 2021-05-25 Square, Inc. Cloud-based inventory and discount pricing management system
US10909486B1 (en) 2015-07-15 2021-02-02 Square, Inc. Inventory processing using merchant-based distributed warehousing
US10949796B1 (en) * 2015-07-15 2021-03-16 Square, Inc. Coordination of inventory ordering across merchants
US11080675B1 (en) 2015-09-08 2021-08-03 Square, Inc. Point-of-sale system having a secure touch mode
US10503753B2 (en) 2016-03-10 2019-12-10 Commvault Systems, Inc. Snapshot replication operations based on incremental block change tracking
US11151604B2 (en) * 2016-06-10 2021-10-19 International Business Machines Corporation Revenue management using dynamic customer selection
US11010261B2 (en) 2017-03-31 2021-05-18 Commvault Systems, Inc. Dynamically allocating streams during restoration of data
JP6803298B2 (ja) * 2017-06-16 2020-12-23 株式会社日立製作所 サプライチェーンシミュレーションシステム及びサプライチェーンシミュレーション方法
US10929380B2 (en) * 2017-07-25 2021-02-23 Sap Se Definition of programmable conditions applicable to an operation
US11055288B2 (en) 2017-07-25 2021-07-06 Sap Se Evaluation of programmable conditions applicable to an operation
KR102065958B1 (ko) 2017-11-13 2020-02-11 유한회사 이노릭스 파일 전송 방법 및 이를 수행하는 시스템
US10732885B2 (en) 2018-02-14 2020-08-04 Commvault Systems, Inc. Block-level live browsing and private writable snapshots using an ISCSI server
US11861579B1 (en) 2018-07-31 2024-01-02 Block, Inc. Intelligent inventory system
US20210390498A1 (en) * 2018-11-01 2021-12-16 C3.Ai, Inc. Systems and methods for inventory management and optimization
US11620612B2 (en) * 2018-11-01 2023-04-04 C3.Ai, Inc. Systems and methods for inventory management and optimization
US10878394B1 (en) 2018-11-29 2020-12-29 Square, Inc. Intelligent inventory recommendations
US11494781B2 (en) 2019-05-28 2022-11-08 International Business Machines Corporation Buyback provision mechanism
US11042318B2 (en) 2019-07-29 2021-06-22 Commvault Systems, Inc. Block-level data replication
US20210256443A1 (en) * 2019-11-19 2021-08-19 Shashank Srivastava Methods and systems for supply chain network optimization
US12354045B2 (en) * 2019-11-25 2025-07-08 Oii, Inc. Orchestrated intelligent supply chain optimizer
US11354611B2 (en) * 2019-12-16 2022-06-07 Oracle International Corporation Minimizing unmet demands due to short supply
WO2021186466A1 (en) 2020-03-15 2021-09-23 Samya Ai Aritificial Intelligence Technologies Private Limited Method for determining cognitive attributes from an adjusted forecast to automatically recommend change in adjusted forecast
US11537966B2 (en) * 2020-06-19 2022-12-27 Demand Driven Technologies, Inc. Systems and methods for use of a global registry with automated demand profiling via machine learning to optimize inventory management
US11526844B2 (en) * 2020-08-26 2022-12-13 Saudi Arabian Oil Company System and method for optimizing inventory management
US20220180275A1 (en) * 2020-12-08 2022-06-09 Microsoft Technology Licensing, Llc Optimized safety stock ordering in a multi-echelon data center supply chain
US12423631B1 (en) * 2021-01-22 2025-09-23 Blue Yonder Group, Inc. Autonomous multi-dimension segmentation user interface workflow
US12412142B1 (en) * 2021-05-07 2025-09-09 Blue Yonder Group, Inc. Strategic and tactical intelligence in dynamic segmentation
US20220405817A1 (en) * 2021-06-16 2022-12-22 Pod Foods Co. Virtualized wholesaling
US11593223B1 (en) 2021-09-02 2023-02-28 Commvault Systems, Inc. Using resource pool administrative entities in a data storage management system to provide shared infrastructure to tenants
US11809285B2 (en) 2022-02-09 2023-11-07 Commvault Systems, Inc. Protecting a management database of a data storage management system to meet a recovery point objective (RPO)
US12481267B2 (en) * 2022-02-28 2025-11-25 Beijing Boe Technology Development Co., Ltd. Product production planning method and device, and storage medium
US20230306347A1 (en) * 2022-03-25 2023-09-28 Oii, Inc. Systems and methods for supply chain optimization with channel saliency
US12056018B2 (en) 2022-06-17 2024-08-06 Commvault Systems, Inc. Systems and methods for enforcing a recovery point objective (RPO) for a production database without generating secondary copies of the production database
CN115423650B (zh) * 2022-11-04 2023-01-24 国网浙江省电力有限公司金华供电公司 基于数据处理的电力物资供应链全链数据共享方法及系统
US20240249297A1 (en) * 2023-01-24 2024-07-25 OnePage Software, LLC Method and system for web-based management of consumer packaged goods
CN118278861B (zh) * 2024-05-30 2024-08-30 北京航空航天大学 多层供应链网络库存管理方法
CN119784240B (zh) * 2024-12-16 2025-09-09 北京民生智库科技信息咨询有限公司 一种基于大数据分析区域营商环境评价分析系统及方法
CN119443979A (zh) * 2025-01-10 2025-02-14 浙江海利得新材料股份有限公司 帘子布浸胶胶液配制管理系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6151582A (en) * 1995-10-26 2000-11-21 Philips Electronics North America Corp. Decision support system for the management of an agile supply chain
US20020161674A1 (en) * 2001-01-22 2002-10-31 Scheer Robert H. Method for fulfilling an order in an integrated supply chain management system

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US1612887A (en) * 1925-06-08 1927-01-04 William T Saunders Brush protector
US2550248A (en) * 1948-03-01 1951-04-24 Charles S Holton Brush holder
US4847939A (en) * 1988-03-24 1989-07-18 Tibor Derencsenyi Protective paintbrush sleeve
USD329144S (en) * 1990-01-11 1992-09-08 Kurtz Devin E Protective cover for a paintbrush
US5244090A (en) * 1992-12-21 1993-09-14 Keith Carl L Protective sheath and comb assembly for paint brush
US5540363A (en) * 1994-09-26 1996-07-30 Wilson; Ronald W. Container for temporarily holding and storing a wet paintbrush
US5685453A (en) * 1995-11-15 1997-11-11 Tenneco Packaging Inc. Food packaging cover
US5946662A (en) 1996-03-29 1999-08-31 International Business Machines Corporation Method for providing inventory optimization
US5645167A (en) * 1996-08-30 1997-07-08 Conrad; Keith Paint brush container
US5963919A (en) * 1996-12-23 1999-10-05 Northern Telecom Limited Inventory management strategy evaluation system and method
USD401765S (en) * 1997-04-28 1998-12-01 Gary Soutullo Paint brush cover
US5971585A (en) * 1997-09-09 1999-10-26 International Business Machines Corporation Best can do matching of assets with demand in microelectronics manufacturing
AU5823499A (en) 1998-09-18 2000-04-10 I2 Technologies, Inc. System and method for multi-enterprise supply chain optimization
MXPA01002774A (es) 1998-09-18 2002-08-12 I2 Technologies Inc Sistema y metodo para exhibir informacion logistica asociada con una cadena de suministro.
US6167383A (en) * 1998-09-22 2000-12-26 Dell Usa, Lp Method and apparatus for providing customer configured machines at an internet site
US6078900A (en) 1998-10-23 2000-06-20 International Business Machines Corporation Method for estimating stock levels in production-distribution networks with inventory control
TW421356U (en) * 1999-05-17 2001-02-01 Liau Sheng Shing Improved structure of wire reel
AU6517500A (en) * 1999-08-03 2001-02-19 Bios Group Inc. A method and system for supply chain management
US6390430B1 (en) * 1999-09-15 2002-05-21 Thomas Hawley Paint brush holder having flexible gripping fingers
TW502183B (en) * 1999-10-08 2002-09-11 I2 Technologies Inc System for planning new product release
JP2001282899A (ja) * 2000-03-31 2001-10-12 Sony Corp 貨物の受注方法と発注方法、集中物流管理方法、集中物流管理装置、集中物流管理システム、貨物保険情報作成方法、貨物保険情報作成装置、貨物保険情報作成システム、船荷証券用ドラフトの自動作成方法、船荷証券用ドラフト情報の自動作成装置および船荷証券自動発行システム
US20010047948A1 (en) * 2000-06-05 2001-12-06 Cummings Eric G. Paintbrush protector
US6785680B1 (en) * 2000-06-26 2004-08-31 International Business Machines Corporation Method and apparatus for providing individualized client data from a service provider to a portable digital device of a client
US7092929B1 (en) 2000-11-08 2006-08-15 Bluefire Systems, Inc. Method and apparatus for planning analysis
US7212976B2 (en) 2001-01-22 2007-05-01 W.W. Grainger, Inc. Method for selecting a fulfillment plan for moving an item within an integrated supply chain
US20020143669A1 (en) * 2001-01-22 2002-10-03 Scheer Robert H. Method for managing inventory within an integrated supply chain
US7313534B2 (en) * 2001-01-22 2007-12-25 W.W. Grainger, Inc. System and method for predictive maintenance and service parts fulfillment in a supply chain
US6952750B2 (en) * 2001-05-04 2005-10-04 Texas Instruments Incoporated Method and device for providing a low power embedded system bus architecture
US6575295B2 (en) * 2001-09-14 2003-06-10 Marlon E. Mayfield Paint brush bristle cover
US20030062280A1 (en) * 2001-10-03 2003-04-03 Cathleen Cat Davis Pro brush cover
US20030101107A1 (en) * 2001-11-29 2003-05-29 Rishi Agarwal Inventory management system and method
US6643556B1 (en) 2002-06-05 2003-11-04 J. D. Edwards World Source Co. Method for optimizing a supply-consumption operation
US20040153187A1 (en) * 2002-10-11 2004-08-05 Thomas Knight Systems and methods for improving planning, scheduling, and supply chain management
US7584116B2 (en) * 2002-11-04 2009-09-01 Hewlett-Packard Development Company, L.P. Monitoring a demand forecasting process
US7941331B2 (en) 2003-05-12 2011-05-10 I2 Technologies Us, Inc. Determining order lead time for a supply chain using a probability distribution of order lead time

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6151582A (en) * 1995-10-26 2000-11-21 Philips Electronics North America Corp. Decision support system for the management of an agile supply chain
US20020161674A1 (en) * 2001-01-22 2002-10-31 Scheer Robert H. Method for fulfilling an order in an integrated supply chain management system

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Keaton Mark, Using the Gamma Distribution to Model Demand When Lead Time is Random, Journal of Business Logistics, 網址;http://findarticles.com/p/articles/mi_qa3705/is_199501/ai_n8729355/?tag=content;col1, 1995 *

Also Published As

Publication number Publication date
US8781868B2 (en) 2014-07-15
US8452627B2 (en) 2013-05-28
US7761903B2 (en) 2010-07-20
DE102004023263A1 (de) 2005-01-20
DE102004023266A1 (de) 2005-01-13
US20130262177A1 (en) 2013-10-03
DE102004023264A1 (de) 2005-01-20
US10748096B2 (en) 2020-08-18
DE102004023265A1 (de) 2005-01-20
US20120158457A1 (en) 2012-06-21
US7853462B2 (en) 2010-12-14
US7941331B2 (en) 2011-05-10
US7523483B2 (en) 2009-04-21
US20040230474A1 (en) 2004-11-18
US20040243460A1 (en) 2004-12-02
US20180130000A1 (en) 2018-05-10
US20090177512A1 (en) 2009-07-09
US20040230829A1 (en) 2004-11-18
TW200508932A (en) 2005-03-01
US20040230475A1 (en) 2004-11-18
US20150134397A1 (en) 2015-05-14
TW200523776A (en) 2005-07-16
TWI400657B (zh) 2013-07-01
TW200515239A (en) 2005-05-01
TW200508894A (en) 2005-03-01
TWI400656B (zh) 2013-07-01
US7966211B2 (en) 2011-06-21
US20040230473A1 (en) 2004-11-18
DE102004023267A1 (de) 2005-01-20
US7827049B2 (en) 2010-11-02
TWI343011B (en) 2011-06-01
US9870544B2 (en) 2018-01-16
TW200508933A (en) 2005-03-01
TWI400658B (zh) 2013-07-01

Similar Documents

Publication Publication Date Title
TWI400659B (zh) 使用訂貨前置時間之機率分佈判定供應鏈之訂貨前置時間之技術
US8428987B2 (en) Determining order lead time for a supply chain using a probability distribution of order lead time
US8725594B1 (en) Continuous flow execution
US6560569B1 (en) Method and apparatus for designing and analyzing information systems using multi-layer mathematical models
US7058587B1 (en) System and method for allocating the supply of critical material components and manufacturing capacity
EP1350199A1 (en) Supply chain demand forecasting and planning
Özdemir et al. Multi-location transshipment problem with capacitated production
Hung et al. Determining safety stocks for production planning in uncertain manufacturing
US20060004620A1 (en) Method and tool for estimating a ship date profile for a business
Woo et al. Order assignment considering buyer, third-party logistics provider, and suppliers
Mielczarek et al. Simulation‒Based Optimisation Model as an Element of a Digital Twin Concept for Supply Chain Inventory Control
Adeli et al. Integrated sourcing and inventory decisions considering sources’ disruptions with a hybrid simulation-MOPSO-TOPSIS approach: A Pharmaceutical case study
Meixell Modeling demand behavior in manufacturing supply chains
Brown et al. Inventory allocation at a semiconductor company
Lawrentsius et al. Materials inventory management to reduce holding cost and backlog (system dynamics approach: A case study)
Tambat Prediction and prevention of the bullwhip effect in replenishment supply chains
Macdonald Logistic Postponement as a Risk Management Tool: A Real Options Valuation (ROV) Approach to Evaluate the Effectiveness of a Logistic Postponement Strategy in Mitigating the Demand Variability Risk in Global Supply Chains
Linders Prediction and reduction of MRP nervousness by parameterization from a cost perspective
Kosal Productivity improvement in a multistage manufacturing system: a simulation approach to the just in time production system
Lee An economic justification model for a flexible manufacturing system
Peidro et al. Applying fuzzy linear programming to supply chain planning with demand, process and supply uncertainty
Agrawal et al. Modeling supply chain contracts: A review
Petrakian INVENTORY ALLOCATION
Dudek Modeling Framework and Relevant Literature
Qiu et al. A myopic policy based simulation optimization framework in a general decentralized supply chain

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees