多价值链视角下基于深度学习算法的制造企业产品需求预测

吴庚奇， 牛东晓*， 耿世平， 张焕粉

(1.华北电力大学经济与管理学院， 北京 102206; 2.新能源电力与低碳发展北京市重点实验室， 北京 102206; 3.北京清畅电力技术股份有限公司， 北京 100089)

随着市场竞争的不断加剧，制造企业面临的生产、库存、物流等业务成本风险增加。企业想要在竞争脱颖而出，获得更多的利润，首先要做好产品需求预测。准确的需求预测是制造企业扩大市场份额、提高利润的重要支撑。首先，产品需求预测对制造企业合理安排生产计划和物料采购计划具有导向作用，能够有效降低产品供应不足风险和库存成本。其次，制造企业合理的生产计划能够满足下游分销商的产品销售需求，保证其销售利润。同时，良好的物料采购计划保证供应商充足的物料准备时间，有利于供应商有序安排企业整体的供应计划。从而有利于维护制造企业同上下游企业长期战略合作的关系，形成企业间的协同性发展，提高市场竞争力，实现多赢。因此，准确的产品需求预测能够帮助制造企业更好的管理决策，这对制造企业及其上下游关联企业都具有重要意义。传统的产品需求预测往往根据下游计划订单或人工经验，运用统计学等方法进行预测。随着计算机技术和工业互联网的发展，计算机算力和数据支持都有了长足的进步，基于此构建合理的算法模型能够有效提高产品需求预测的准确度。

目前，用于产品需求预测的方法主要有统计学方法，如自回归滑动平均模型(autoregressive moving average model, ARMA)[1]，灰色预测模型(grey mo-del, GM)[2]等；……