應用場景
需求預測、價格預測
Last Time Buy 備品數量預測
當供應商提供之原料或備品不再供應 (End of Life, EOL) 時，採購人員須把握最後一次採購機會，預估未來需求量進行最後一次採購。
痛點分析
- 庫存難以掌握：過多的採購會導致庫存成本增加，備貨量不足則會導致缺料甚至影響商譽
- 無預測模型：目前依據固定比例來來推算每個備件的最後採購數量，但常發生備貨量不準確的問題
- 泛用模型預測不準確：不同產品、零件的 RMA 數量預測存在差異，難以透過單一模型預測不同產品和零件
成果效益
- 透過模型預測最後一次採購數量的準確度提升 20%，有效提升庫存管理的效率
- 擺脫大量依賴經驗式需求分析，實現數據驅動的客觀分析與經驗傳承
原物料價格預測
原物料價格是影響企業生產成本的重要因素，價格的波動會對利潤率產生直接影響。如當國際原油價格上漲時，石化產品的價格也會隨之上漲，進而提高化工、紡織等下游產業的生產成本。
痛點分析
- 關聯變因多：原物料價格受多種因素影響，包括供需關係、經濟政策、國際局勢等。這些因素的波動會導致原物料價格出現較大的波動
- 信息獲取困難：企業往往難以獲得及時的原物料價格信息，導致採購決策滯後
- 預測難度高：原物料價格的波動往往具有不規則性，傳統的預測方法難以準確捕捉
成果效益
- 提前預知原物料價格的變動趨勢，幫助企業即時調整採購策略，降低採購成本 12%
- 提高效率：提高採購決策的效率，提升企業的整體運營效率