CN102890799A - 业务成效权衡仿真器 - Google Patents

Abstract

本发明的实施例涉及业务成效权衡仿真器。公开了用于基于业务成效从可预测性策略的群组中选择可预测性策略的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。接收预定义的可预测性策略的群组以及历史供应链管理数据。每个可预测性策略表示一组规则，该组规则用于确定供应链管理系统内的多个产品中的每个产品是否将使用统计预测被管理。历史供应链管理数据表示与从供应链管理系统内的多个产品中选择的至少两个产品相关联的供应链中的过去事件。每个可预测性策略被应用于历史数据，以生成针对每个可预测性策略的业务成效。基于业务成效，一个可预测性策略从可预测性策略组内被选择并且被实现以管理供应链管理系统中每个产品。

Description

业务成效权衡仿真器

相关申请的交叉引用

本申请要求2011年7月22日提交的美国临时申请号61/510,992的权益，在此通过参考将其全部内容并入以用于各种目的。

政府许可权

本发明是在美国国防后勤局(DAL)授予的SP4701-07-A-0001的政府支持下进行的。政府对本发明享有某些权利。

技术领域

本公开内容涉及供应链管理系统以及用于确定由该系统管理的产品是否应当使用统计预测模型被预测的过程。

背景技术

供应链管理(SCM)系统使用规则来确定用于订购产品的最佳时机，其中这些产品通常被置于库存中。SCM系统所实现的特征之一是预测用于所管理的特定产品的购买标准。系统所管理的产品被确定是可预测的或者不可预测的。当前SCM系统中的产品的可预测性可以基于多种技术之一来确定，这些技术分析与该产品相关联的特性以检测该产品是否是可预测的。一个这样的传统技术是使用月需求和需求总量的“4对10方法”。如果一个产品通过了测试，则它被认为是可预测的，并且一个高级统计预测模型被用于预测将来需求和将来补给计划。如果一个产品没有通过用于确定可预测性的特定测试，则它被认为是不可预测的，并且基于例如最小/最大水平而被管理。然而，传统的可预测性规则没有提供与业务成效的清晰联系。而且，真实供应链管理操作中的实践应用显示出了预测随月份的高可变性。需要一种新的方法来确定一个产品是否应当被认为是可预测的，该方法与业务成效更好地相关，并且允许用于管理产品的更高级别的准确性。

发明内容

在一个总体方面，一种方法包括：接收一组预定义可预测性策略和历史供应链管理数据。每个可预测性策略表示一组规则，该组规则用于确定供应链管理系统内的多个产品中的每个产品是否将使用统计预测被管理。历史供应链管理数据表示与从供应链管理系统内的多个产品中选择的至少两个产品相关联的供应链中的过去事件。每个可预测性策略被应用于历史数据，以便生成针对每个可预测性策略的业务成效。基于业务成效，一个可预测性策略从可预测性策略组中被选择并被实现以管理供应链管理系统中的多个产品中的每个产品。

在某些实现中，可以通过针对每个可预测性策略对每个产品的库存管理进行仿真而将每个可预测性策略应用于历史数据。对于每个产品，可以根据特定的可预测性策略来选择预测模型或者非预测规则以用于该产品的库存管理。可以在历史数据所表示的时间段上根据选择的模型或者规则对该产品的库存管理进行仿真，生成一个或多个业务成效。

生成针对每个可预测性策略的业务成效可以包括：对于每个可预测性策略，聚集基于根据该特定可预测性策略的每个所选择产品的仿真库存管理的业务成效。

仿真一段时间的库存管理可以表示在多个管理周期上迭代库存管理，并且使用每个周期的仿真结果来仿真下一周期的结果。用于仿真库存管理的时间段可以至少是一年。

在某些实现中，生成业务成效包括生成表示两个或更多业务特性的加权平均的计分，并且所生成的计分被进行比较以选择可预测性策略。

业务成效特性可以包括以下至少一个：平均库存，逾期订单的数目，平均客户等待时间，请购单的数目，以及请购单的价值。每个业务成效特性可以按照该特性的中间值而被规则化。

该方法还可以包括：接收指定要针对每个业务成效特性使用的权重的用户输入，权重继而被用于生成加权平均。

在某些实现中，选择可预测性策略还可以包括：向用户报告与每个可预测性策略相关联的业务，以及接收表示对可预测性策略的选择的用户输入。

实现选择的策略可以包括：根据选择的可预测性策略，选择用于每个产品的预测模型或者非预测规则以用于该产品的库存管理。选择的可预测性策略可以包括第一标准和第二标准。满足第一标准的产品可以根据第一预测模型来评估，满足第二标准的产品可以根据第二预测模型来评估，并且不满足任一标准的至少某些产品可以根据非预测规则来评估。第二预测模型可以是简单的移动平均统计模型。

在某些实现中，用于每个可预测性策略的业务成效可以与使用一个或多个非预测规则的基线策略的业务成效进行比较。

在另一总体方面，一种系统包括：数据存储库，仿真引擎，一个或多个计算机，以及一个或多个存储设备。数据存储库存储历史供应链管理数据，其表示与供应链管理系统内的多个产品相关联的过去事件。仿真引擎接收一组预定义可预测性策略，访问历史管理数据，并且将每个可预测性策略应用于历史数据以生成针对每个可预测性策略的业务成效。一个或多个存储设备存储指令，当指令由一个或多个计算机执行时可操作以使该一个或多个计算机执行操作，操作包括：基于仿真引擎生成的业务成效从可预测性策略的组中选择一个可预测性策略，以及实现选择的可预测性策略以管理供应链管理系统内的多个产品中的每个产品。

在某些实现中，仿真引擎可以通过针对每个可预测性策略对来自多个产品的至少两个产品的库存管理进行仿真，而将每个可预测性策略应用于历史数据。对于每个产品，仿真引擎根据特定的可预测性策略而选择预测模型或者非预测规则以用于该产品的库存管理。引擎在历史数据所表示的时间段上根据选择的模型或者规则对该产品的库存管理进行仿真，并且生成一个或多个业务成效。

在某些实现中，仿真引擎可以生成表示两个或多个业务特性的加权平均的计分，并且一个或多个计算机可以通过比较生成的计分来选择可预测性策略。

业务成效特性可以包括以下至少一个：平均库存，逾期订单的数目，平均客户等待时间，请购单的数目，以及请购单的价值。

仿真可以接收指定针对每个业务成效特性要使用的权重，并且可以使用指定的权重来生成加权平均。

在另一总体方面，一种非瞬态计算机可读介质，存储由包括一个或多个计算机可执行的指令的软件。在执行这些指令时，一个或多个计算机接收一组预定义的可预测性策略和历史供应链管理数据。每个可预测性策略表示一组规则，这组规则用于确定供应链管理系统内的多个产品中的每个产品是否将使用统计预测来管理。历史供应链管理数据表示与从供应链管理系统内的多个产品中选择的至少两个产品相关联的供应链中的过去事件。一个或多个计算机将每个可预测性策略应用于历史数据，以生成针对每个可预测性策略的业务成效。基于业务成效，一个可预测性策略从可预测性策略的组中被选择，并且在供应链管理系统内被实现以管理多个产品中的每个产品。

在此描述的每个实现和示例可以被实施为方法、系统和装置，包括编码在计算机存储介质上的计算机程序。

下面将在附图和说明书中记载一个或多个实现的细节。通过描述和附图，本公开内容的其他潜在特征和优点将是易见的。

附图说明

图1、图5和图6是示例性系统的框图。

图2示出了示例性业务成效特性。

图3是一个示例性过程的流程图。

图4示出了示例性业务成效特性权重。

具体实施方式

生成用于产品的统计预测可能耗费大量的人力和数据处理资源。因此，机构通常将产品分类为可预测的或不可预测的，以降低执行统计预测的产品的数目。可以针对被分类为可预测的产品而生成统计预测，并且被分类为不可预测的产品可以通过不同方式来管理，诸如使用与统计预测相比需要较少数据处理和较少人为交互的简单业务规则。简单业务规则的示例是：如果当前产品量达到6个单位，则订购该产品的20个单位的量。

这种业务规则可以称为“最小/最大”规则。利用“最小/最大”规则，当一个产品的库存水平下降到预先指定的最小水平时，将订购预定义量的单位以补充该产品。可以对该量进行选择以提供一个平衡的量，其最好地使库存的购买成本和运输成本二者最小化。“最大”是指最大量，诸如产品的最大量。“最大”表示期望在接收到补给订单之后可用的量。

作为另一示例，可以基于简单业务规则或者简单统计来确定产品是否为可预测的。例如，可以检查针对一个产品的历史订购活动，并且如果在过去的12个月中存在针对该产品的至少4个需求(例如，订单)，并且如果针对该产品的需求的总量小于10个单位，则可以将该产品分类为可预测的。如果针对该产品的需求发生少于4次或者需求单位少于10个，则可以将该产品分类为不可预测的。作为另一示例，确定一个产品是否是可预测的可以基于计算方差统计的系数。如果系数小于阈值，则产品可被分类为可预测的，如果系数大于或等于阈值，则产品可被分类为不可预测的。

作为确定可预测性的另一示例，可以从其他策略中选择用于确定可预测性的策略，其基础是测量每个策略如何影响机构的业务成效。例如，如图1中的系统100所示，在第一步骤，即第一步骤102，可以选择将要比较的不同可预测性策略104。可预测性策略104可以包括例如复杂预测模型、简单预测模型、简单最小/最大规则以及其他业务规则。每个可预测性策略可以包括多个预测模型和非预测规则，并且可以应用多个规则以确定向每个产品应用哪个预测模型或非预测规则。对于每个可预测性策略，应用模型或规则以生成针对产品的预测，诸如使用算法和/或使用由软件供应商提供的软件来生成。

不论用于管理产品的模型或者规则如何，业务成效可以与选择用于该产品的管理的模型或规则的决策相关联。例如，如图2所示，业务成效200可以被定义为多个业务成效特性的函数。平均库存特性202表示产品的平均库存水平。生成的总补给订单特性204表示机构向供应商做出的与该产品相关联的订单的次数。与供应商补给订单相关联的总量特性206表示从供应商订购的总量。生成的总逾期订单特性208表示在特定时段期间的逾期订单上的产品数目。客户等待时间特性210表示针对逾期订单为满足客户针对该产品的订单的平均客户端等待时间(以月为单位)。业务成效200可以是特性202-210中每一个的值的组合。

返回图1，每个可预测性策略104可以在作为软件被编程到仿真器(或仿真引擎)106中的一个或多个分析过程和/或统计过程中被配置。仿真器106可以用于在一组多个产品上对每个策略104进行仿真，并且针对每个产品而基于业务输出特性来确定哪个策略104执行最好。对于每个产品，可以确定与使用用于预测的简单业务规则相比，预测模型是否(或哪个预测模型)得到更好的业务成效。仿真器106迭代多次，由此“仿真时间的流逝”。与仅仅对静态的时间范围上的影响进行仿真相比，这样做支持更加全面和可靠的分析。

如图第二步骤108中所示，仿真器106可以使用从数据存储库110获得的历史数据。存储库110例如可以与ERP(企业资源规划)或者APS(高级规划和调度)系统相关联。历史数据例如可以包括历史需求数据、基线库存水平以及针对大量个体产品的再订购申报信息。仿真器106可以使用从存储库110获得的历史数据来仿真时间的流逝以及分析针对形成仿真器16的软件例程所分析的每个产品而实现每个策略104的影响。仿真器106例如可以使用来自先前36个月时段的历史数据来仿真12个月的周期。例如，每个策略104转而可以被配置在仿真器106中，并且仿真器106可以使用实际历史需求来仿真相应策略104的实现，并且可以计算实现相应策略104所得到的业务成效特性。

更具体地并且作为其他示例，仿真器106可以使用历史需求数据的模型拟合时段来定义策略104以及建立适用的参数。对于每个策略104，可以这样来生成预测：逐个时段地向仿真器106提供历史需求量，就像需求是实际发生的那样。继而可以准确地应用预测，因为它们可被应用于生产APS系统中，诸如比预期需求提前一个生产周期而生成对材料的仿真购买。再订购申报可以与相关联的再订购的美元价值一起被记录。来自维持时段的实际需求例如可以被用来生成预测精度统计、改变库存位置、记录未满足订单以及测量客户等待时间。

在仿真完成之后，可以执行计分过程以便针对每个产品为来自每个策略104的结果计分。例如，图3示出了用于对结果计分的一个示例性过程300。过程300例如可由仿真器106来执行。对于每个可预测性策略以及对于每个产品，对每个业务成效特性的计分进行计算(302)。业务成效特性例如可以包括平均库存特性202、生成的总补给订单特性204、与供应商补给订单相关联的总量特性206、生成的总逾期订单特性208以及客户等待时间特性210。可以使用其他业务成效特性，并且可以使用更多或更少的业务成效特性。可预测性策略可以包括一个或多个复杂预测模型以及一个或多个业务规则，诸如一个或多个补给规则。可以例如通过对策略的实现进行仿真(例如，使用仿真器106)来针对策略而计算每个业务成效特性的计分。

对于每个可预测性策略以及对于每个产品，对每个业务成效特性的计分进行规则化(304)。对计分进行规则化可以跨策略以及跨业务成效特性而支持计分比较。为了例如针对每个业务成效特性而计算规则化计分，可以计算业务成效特性的计分的中值。对于每个策略、产品和业务成效特性组合，可以这样计算规则化的比率：将针对该策略和产品的业务成效特性的计分除以该业务成效特性的中值计分继而从该比率中减去1。例如假设，通过对5个策略进行仿真，一个产品针对平均库存特性的中值计分为40。还假设，对于第一策略，针对该产品的平均库存计分为40，并且对于第二策略，该产品的平均库存计分为60。针对平均库存特性，对于第一策略和第二策略，该产品的规则化比率可以分别计算为“0”((40/40)-1)以及“0.5”((60/40)-1)。

对于每个策略以及对于每个产品，对针对每个业务成效特性的规则化比率进行加权(306)。例如，基于业务成效特性对机构的重要性，机构可以向每个业务成效特性指派权重。对于每个策略以及对于每个产品，针对每个业务成效特性的规则化比率可以乘以被指派给该业务成效特性的权重，以计算一组加权计分。

例如，图4示出了一个表400，其在每行中示出了用于业务成效特性的权重的组合，其中特性由列来表示。例如，列402-410(例如，平均库存(“Avg Inv”)列402、补给计数(“PR CT”)列404、补给量(“PR Qty”)列406、逾期订单计数(“BO CT”)列408以及客户等待时间(“CWT”)列410)分别对应于业务成效特性202-210。

机构例如可以向每个业务成效特性指派相等的权重，如具有标识符1的行(与所分析的产品1相关联)所示。作为另一示例，机构可以向一个业务成效特性指派较高的权重，并且向其他业务成效特性指派较低的权重，如具有标识符10和15到23的行所示。作为又一示例，机构可以向一个或多个业务成效特性指派0权重，如具有标识符2到9、11到14以及24的行所示。如果机构只关心一个业务成效特性，则机构可以向该业务成效特性指派100％的权重，如具有标识符2到6的行所示。例如，如具有标识符3的行所示，机构可以向平均库存特性指派100％的权重。指派这样的权重可以倾向于选择历史上已经得到较小平均库存的策略。

返回图3，针对每个策略以及针对每个产品，计算总计分(308)。例如，对于每个策略和产品组合，可以通过将每个相关联的加权计分相加来计算总计分。在某些实现中，与具有较高总计分的策略相比，具有较低总计分的策略被分类为针对该产品较好执行。

返回图1，在第三步骤112，审阅来自每个策略的作为仿真器106的输出而被接收的业务成效结果。例如，可以比较针对每个产品的每个策略的概要计分。对于每个产品，可以确定针对该产品的“最佳”策略，诸如仿真针对该产品产生了最低总计分的策略。

在第四步骤114，最佳执行可预测性策略104可被报告给核准方和过程(例如，项目管理)并由其核准。在第五步骤116，仿真器106可以输出分类数据集117，其应用针对每个产品的所选可预测性策略并且输出用于该产品的预测模型、补给模型或者其他业务规则。在第六步骤118，产品分类数据集117被加载到生产EPR或者APS系统中，诸如被加载到存储库110中，并被用于对产品的持续管理。

图5示出了仿真系统500的组件。仿真系统500包括模型组件502，用于接受一个或多个预测模型、补给模型或者其他业务规则(例如，如模型输入504所示)的定义。仿真组件506可被用于使用历史数据对模型的实现进行仿真。仿真组件506可以针对每个模型而测量业务成效特性(例如，特性508，其可以包括关于图2的特性202-210)。

例如，计分组件510可以针对每个模型而计算针对多个产品中每个产品的总计分。机构可以向一个或多个特性指派权重512。计分组件510可以对计分进行规则化、加权和总计，如关于图3所述。

分析师可以使用评估组件514来评估由仿真组件506产生的业务成效结果以及其他结果。例如，作为若干示例，可以基于最佳需求规划精度、最小需求规划精度截止、最小逾期订单、管理工作权衡、平均绝对百分误差(MAPE)、预测偏差或者最小化未履行订单来比较模型。

决策组件516可以用来选择或确认针对产品的模型选择。例如，某些产品可以被分类为可预测的，并且指定有特定预测模型。其他产品可被分类为不可预测，并且指定又特定的补给或其他业务规则。产品分类可以从系统500被输出并且例如被加载到生产系统中，以用于针对相应产品而选择的预测或补给模型的实现。

报告组件518可以用来创建一个或多个报告。例如，可以产生产品报告，其根据可预测/不可预测分类并且根据关联的预测或补给模型而对产品加颜色码。比较模块520可以用来跨策略而比较针对产品的结果，其中每个策略向不同产品应用不同预测模型。例如，比较组件520可以用来针对从仿真多个模型获得的结果而描绘服务和成本权衡信息。

图6是通用计算机系统600的示例的示意性框图。根据某些实现，系统600可以用于与过程300关联描述的操作。系统600可以包括在系统100和500中。

系统600包括处理器610、存储器620、存储设备630以及输入/输出设备640。组件610、620、630和640中的每一个使用系统总线650互连。处理器610能够处理用于在系统600内执行的指令。在一个实现中，处理器610是单线程处理器。在另一实现中，处理器610是多线程处理器。处理器610能够处理存储在存储器620中或者存储设备630上的指令，以便在输入/输出设备640上显示用于用户界面的图形信息。

存储器620存储系统600内的信息。在一个实现中，存储器620是计算机可读介质。在一个实现中，存储器620是易失性存储单元。在另一实现中，存储器620是非易失性存储单元。

存储设备630能够为系统600提供大容量存储。在一个实现中，存储设备630是计算机可读介质。在各种不同实现中，存储设备630可以是软盘设备、硬盘设备、光盘设备或者磁带设备。

输入/输出设备640为系统600提供输出/输出操作。在一个实现中，输入/输出设备640包括键盘和/或指点设备。在另一实现中，输入/输出设备640包括用于显示图形用户界面的显式单元。

所描述的特征可以实现为数字电子电路、或者计算机硬件、固件、软件、或其组合。装置可以实现在有形地具体化在信息载体中的计算机程序产品中，例如有形地包含在机器可读存储设备中或传播的信号中，以便由可编程处理器执行；方法步骤可以由执行指令程序的可编程处理器来执行，以通过操作输入数据以及生成输出来执行所描述实现的功能。所描述的特征可以有利地实现在可在可编程系统上执行的一个或多个计算机程序中，该可编程系统包括至少一个可编程处理器，其耦合到数据存储系统以从其接收数据和指令以及向其发送数据和指令；至少一个输入设备；以及至少一个输出设备。计算机程序是可以在计算机中直接或间接使用以执行特定动作或产生特定结果的指令集。计算机程序可以以任何编程语言形式编写，包括编译语言或汇编语言，并且其可以以任何形式进行部署，包括作为单机程序或作为模块、组件、子例程，或适合于在计算环境中使用的其他单元。

作为示例，用于执行指令程序的适合的处理器包括通用微处理器和专用微处理器，以及任何类型的计算机的单处理器或多处理器之一。通常，处理器会从只读存储器或随机访问存储器或二者接收指令和数据。计算机的必要元件是用于执行指令的处理器以及用于存储指令和数据的一个或多个存储器。通常，计算机还会包括一个或多个用于存储数据文件的海量存储设备或者可操作地与其耦合以进行通信；这种设备包括磁盘，诸如内部硬盘或可移动盘；磁光盘；以及光盘。适合于有形地具体化计算机程序指令和数据的存储设备包括所有形式的非易失性存储器，作为示例，其包括半导体存储器器件，诸如EPROM、EEPROM以及闪存设备；磁盘，诸如内部硬盘和可移动盘；磁光盘；以及CD-ROM盘和DVD-ROM盘。处理器和存储器可以由ASIC(专用集成电路)来补充或并入其中。

为了提供与用户的交互，特征可以实现在计算机上，该计算机具有用于向用户显示信息的显示设备(诸如CRT(阴极射线管)或LCD(液晶显示)监视器)，以及用户可以用来向计算机提供输入的键盘和指点设备(诸如鼠标或轨迹球)。

特征可以实现在计算机系统中，其包括后端组件，诸如数据服务器；或者其包括中间件组件，诸如应用服务器或因特网服务器；或者其包括前端组件，诸如具有图形用户接口或因特网浏览器的客户端计算机，或者是其任意组合。系统的组件可以通过任何形式或数字数据通信介质(诸如通信网络)而连接。通信网络的示例包括，例如LAN、WAN以及组成因特网的计算机和网络。

计算机系统可以包括客户端和服务器。客户端和服务器通常相互远离，并且典型地通过网络(诸如前述网络)进行交互。客户端与服务器的关系由于运行在各自计算机上并且相互具有客户端-服务关系的计算机程序而产生。

已经描述了多个实现。然而，将会理解，在不脱离本公开内容的精神和范围的情况下可以做出各种修改。

Claims (20)

1.一种计算机实现的方法，包括：

接收预定义的可预测性策略的群组，每个可预测性策略表示一组规则，通过所述规则来确定供应链管理系统内的多个产品中的每个产品是否将使用统计预测来管理；

接收历史供应链管理数据，其表示与从所述供应链管理系统内的所述多个产品中选择的至少两个产品相关联的供应链中的过去事件；

将每个所述可预测性策略应用于所述历史数据，以生成针对每个所述可预测性策略的业务成效；

基于所述业务成效，从所述可预测性策略的群组中选择可预测性策略；以及

实现选择的可预测性策略以管理所述供应链管理系统内的所述多个产品中的每个产品。

2.根据权利要求1所述的计算机实现的方法，其中将每个所述可预测性策略应用于所述历史数据包括：

对于每个所述可预测性策略，

对于所述多个产品中的每个被选择的产品，

根据特定可预测性策略选择预测模型或者非预测规则以用于该产品的库存管理；

在所述历史数据表示的一个时间段上根据所选择的模型或者规则仿真该产品的库存管理；以及

基于所述产品的仿真库存管理来生成一个或多个业务成效。

3.根据权利要求2所述的计算机实现的方法，其中生成针对每个所述可预测性策略的所述业务成效包括：对于每个可预测性策略，聚集基于根据所述特定可预测性策略的每个所选择产品的所述仿真库存管理的所述业务成效。

4.根据权利要求2所述的计算机实现的方法，其中在一个时间段上仿真库存管理表示：在多个管理周期上迭代所述库存管理，以及使用每个周期的仿真结果来仿真下一周期的结果。

5.根据权利要求4所述的计算机实现的方法，其中用于仿真库存管理的所述时间段至少是一年。

6.根据权利要求1所述的计算机实现的方法，

其中生成业务成效包括生成表示两个或更多业务特性的加权平均的计分；以及

其中选择可预测性策略包括比较生成的计分。

7.根据权利要求6所述的计算机实现的方法，其中所述业务成效特性包括以下至少一个：平均库存，逾期订单的数目，平均客户等待时间，请购单的数目，以及请购单的价值。

8.根据权利要求7所述的计算机实现的方法，其中每个业务成效特性根据该特性的中间值而被规则化。

9.根据权利要求6所述的计算机实现的方法，还包括：

接收指定要针对每个业务成效特性使用的权重的用户输入；以及使用指定的权重以生成所述加权平均。

10.根据权利要求1所述的计算机实现的方法，其中选择可预测性策略包括：

向用户报告与每个所述可预测性策略相关联的所述业务成效，以及

接收表示从所述可选择性策略的群组中对可预测性策略的选择的用户输入。

11.根据权利要求1所述的计算机实现的方法，其中实现选择的可预测性策略包括：对于所述多个产品中的每个产品，根据所述选择的可预测性策略来选择预测模型或者非预测规则以用于该产品的库存管理。

12.根据权利要求1所述的计算机实现的方法，其中所述选择的可预测性策略包括：与第一预测模型相关联的第一标准，使得满足所述第一标准的产品根据所述第一预测模型被评估；与第二预测模型相关联的第二标准，使得满足所述第二标准的产品根据所述第二预测模型被评估；以及非预测规则，使得不满足所述第一标准或第二标准的至少一些产品根据所述非预测规则被评估。

13.根据权利要求12所述的计算机实现的方法，其中所述第二预测模型是简单移动平均统计模型。

14.根据权利要求1所述的计算机实现的方法，其中将针对每个可预测性策略的所述业务成效与针对使用一个或多个非预测规则的基准策略的业务成效进行比较。

15.一种系统，包括：

数据存储库，存储表示与供应链管理系统内的多个产品相关联的过去事件的历史供应链管理数据；

仿真引擎，接收预定义的可预测性策略的群组，访问所述历史管理数据，并且将每个所述可预测性策略应用于所述历史数据以生成针对每个所述可预测性策略的业务成效；以及

一个或多个计算机，以及存储有指令的一个或多个存储设备，所述指令当由所述一个或多个计算机执行时操作用于使所述一个或多个计算机执行操作，所述操作包括：

基于所述仿真引擎生成的所述业务成效，从所述可预测性策略的群组中选择可预测性策略；以及

实现选择的可预测性策略以管理所述供应链管理系统内的所述多个产品中的每个产品。

16.根据权利要求15所述的系统，其中所述仿真引擎通过如下将所述可预测性策略应用于所述历史数据：

对于每个所述可预测性策略，

对于从所述多个产品中选择的至少两个产品中的每个产品，

根据特定可预测性策略选择预测模型或者非预测规则以用于该产品的库存管理；

在所述历史数据表示的时间段上根据所选择的模型或者规则对该产品的库存管理进行仿真；以及

基于所述产品的仿真库存管理来生成一个或多个业务成效。

17.根据权利要求15所述的系统，

其中所述仿真引擎生成表示两个或更多业务特性的加权平均的计分；以及

其中所述一个或多个计算机通过比较生成的计分来选择可预测性策略。

18.根据权利要求17所述的系统，其中所述业务成效特性包括以下至少一个：平均库存，逾期订单的数目，平均客户等待时间，请购单的数目，以及请购单的价值。

19.根据权利要求17所述的系统，其中所述仿真引擎接收指定要针对每个业务成效特性使用的权重的用户输入，并且使用指定的权重以生成所述加权平均。

20.一种非瞬态计算机可读介质，存储有包括一个或多个计算机可执行的指令的软件，当所述指令被执行时使所述一个或多个计算机执行操作，所述操作包括：

接收预定义的可预测性策略的群组，每个可预测性策略表示一组规则，通过所述规则来确定供应链管理系统内的多个产品中的每个产品是否将使用统计预测来管理；

接收历史供应链管理数据，其表示与从所述供应链管理系统内的所述多个产品中选择的至少两个产品相关联的供应链中的过去事件；

将每个所述可预测性策略应用于所述历史数据，以生成针对每个所述可预测性策略的业务成效；

基于所述业务成效，从所述可预测性策略的群组中选择可预测性策略；以及

实现选择的可预测性策略以管理所述供应链管理系统内的所述多个产品中的每个产品。

Images