工程机械配件备货预测方法、管理方法及系统技术方案

本发明专利技术的实施方式提供一种工程机械配件备货预测方法，所述预测方法包括：从配件的历史销量数据中构建数据特征；根据所述数据特征匹配对应的需求预测模型；基于所述配件的历史销量数据和需求预测模型，得出所述配件的预测需求。同时还公开了对应的工程机械配件备货管理方法及系统。本发明专利技术的实施方式解决了单个预测模型对于不用种类的工程机械配件的适配性差的问题，提升了工程机械配件备货管理中的效率和备货的经济性和准确性。率和备货的经济性和准确性。率和备货的经济性和准确性。

【技术实现步骤摘要】
工程机械配件备货预测方法、管理方法及系统


[0001]本专利技术涉及库存管理领域，具体地涉及一种工程机械配件备货预测方法、两种工程机械配件备货管理方法以及一种工程机械配件备货管理系统。

技术介绍

[0002]工程机械行业的配件需求主要来源于对应主机的保养和维修需求。主机在计划外停机时，会极大的影响客户工期，带来额外经济损失，其配件需求有时间急、品种多、单个物料需求量少等特点，大部分物料无法形成稳定的物流。
[0003]现在行业内主要以配件近一段时间历史需求量的加权平均值或移动平均值，作为其未来需求量，并辅以一定的倍数作为其备货安全库存，以此形成配件备货计划。不同的主机开工率、保有量情况下，配件需求是不同的，现有技术没有考虑主机因素对配件需求的影响，通常只能对形成稳定物流的少部分物料进行较为有效的备货，对于大部分较低需求量的物料无法形成比较准确的预测。
[0004]针对工程机械配件品种多、需求量不稳定等情况，现有技术没有充分结合总仓和分仓的需求进行建模备货，对不同种类配件的安全库存、周转库存没有进行针对性建模。

技术实现思路

[0005]本专利技术的目的是提供一种工程机械配件备货预测方法、管理方法及系统，旨在解决在现有单个预测模型应用于不同种类的工程机械配件的备货管理中的适应性差的问题。
[0006]为了实现上述目的，在本专利技术的第一方面提供一种工程机械配件备货预测方法，所述方法包括：
[0007]从配件的历史销量数据中构建数据特征；根据所述数据特征匹配对应的需求预测模型；基于所述配件的历史销量数据和需求预测模型，得出所述配件的预测需求。
[0008]可选的，所述从配件的历史销量数据中构建数据特征，包括：以配件的历史销量数据中的N个销量指标中的每个销售指标作为一个维度；提取所述配件每个销量指标在一段历史时间内的销量数据，并采用滑动窗口算法将其进行处理为一个特征值；得到所述配件对应的一个具有N维的特征向量，作为所述数据特征。
[0009]可选的，所述根据所述数据特征匹配对应的需求预测模型，包括：将配件的所述数据特征输入谱聚类模型，得到分类结果；所述分类结果为M个预设结果中的一个，所述M个预设结果均存在对应的需求预测模型；得到所述分类结果对应的需求预测模型。
[0010]可选的，所述需求预测模型为机器学习预测模型，包括：随机森林模型、GBDT模型和XGBoost模型；所述需求预测模型采用从配件的历史销量数据中构建出的所述数据特征进行训练。
[0011]可选的，所述方法还包括：基于所述预测需求，分配得到各个分仓的分仓预测需求：根据所述分仓的需求数据，采用加性回归模型预测配件在分仓的需求比例系数；基于所述预测需求和需求比例系数，得到分仓对应的分仓预测需求。
[0012]在本专利技术的第二方面，还提供了一种工程机械配件备货管理方法，所述方法包括：
[0013]基于前述的预测方法，得到所述配件的预测需求；基于所述配件的预测需求和交付周期，得到周转储备库存；基于所述周转储备库存和安全库存，得到所述配件的备货量。
[0014]可选的，所述安全库存通过以下步骤得到：
[0015]拟合所述配件的历史销量数据的概率分布形态；
[0016]基于所述概率分布形态和预设的现货满足率目标，确定所述配件的安全库存系数；
[0017]基于所述安全库存系数和所述历史销量数据的均方差，得到所述安全库存。
[0018]可选的，所述拟合所述配件的历史销量数据的概率分布形态，包括：
[0019]根据所述历史销量数据，分别拟合多种不同的概率分布形态；
[0020]通过KL散度衡量所述历史销量数据实际分布与每种概率分布形态之间的距离；
[0021]取距离最小的概率分布形态作为所述配件的概率分布形态。
[0022]在本专利技术的第三方面，提供了一种工程机械配件备货管理方法，所述管理方法包括：
[0023]基于前述的预测方法，得到所述配件的预测需求；基于所述配件的预测需求和备货周期，得到周转库存；基于所述周转库存和分仓的需求比例系数，得到所述配件在所述分仓的分仓备货量。
[0024]可选的，所述方法还包括：监测配件的库存数据，当满足以下条件之一时产生预警：1)配件的库龄达到设定库龄阈值；2)分仓的配件需求量大于所述分仓的分仓预测需求。
[0025]在本专利技术的第四方面，提供了一种工程机械配件备货管理系统，所述系统包括：存储模块和计算模块，
[0026]所述存储模块包括：
[0027]源数据仓库子模块，用于存储配件的历史销量数据和当前库存数据；
[0028]特征及结果数据仓库子模块，用于存储所述配件数据的处理后的数据特征、中间结果和最终结果；
[0029]模型和参数数据仓库子模块，用于存储需求预测模型、概率分布形态模型、谱聚类模型、加性回归模型以及模型的参数；
[0030]所述计算模块包括：需求预测子模块，用于根据配件的历史销量数据得出预测需求；配件备货子模块，用于确定配件的备货量和实际库存管理；配件预警子模块，用于监测配件的库存数据，满足预设条件时产生预警；总仓预测需求子模块，用于得出所述总仓的备货量；分仓预测需求子模块，用于得出所述分仓的分仓预测需求和分仓备货量。
[0031]在本专利技术的第五方面，还提供了一种计算机可读存储介质，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行前述的工程机械配件预测方法或者工程机械配件备货方法。
[0032]本专利技术提供的技术方案具有以下有益效果：
[0033](1)考虑总仓和分仓的数据分布存在明显差异，本方法采用机器学习算法对各类配件分别预测总仓需求量，采用加性回归模型预测分仓需求量比例系数，并将两者结合，使总仓需求预测和各分仓需求预测的准确性更高。
[0034](2)使用自动化的方法对配件分类，针对不同类型的配件训练不同的机器学习模
型，配件需求预测准确性较高。对不同类的配件，分别计算更合理的安全库存系数，进一步提高了备货的准确性，降低了缺货率。
[0035](3)预警模块，能利用配件库存信息，在某配件的库龄达到阈值时出现预警或某分仓即将缺货时出现补货预警。
[0036]本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0037]附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附图中：
[0038]图1为本专利技术一种实施例中的工程机械配件预测方法的流程示意图；
[0039]图2为本专利技术一种实施例中的工程机械配件管理方法的流程示意图；
[0040]图3为本专利技术一种实施例中的工程机械配件管理系统的结构示意图。
具体实施方式
[0041]需要说明的是，在不冲突的情况下，本专利技术中的实施方式及实施方式中的特征可以相互组本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工程机械配件备货预测方法，其特征在于，所述预测方法包括：从配件的历史销量数据中构建数据特征；根据所述数据特征匹配对应的需求预测模型；基于所述配件的历史销量数据和需求预测模型，得出所述配件的预测需求。2.根据权利要求1所述的预测方法，其特征在于，所述从配件的历史销量数据中构建数据特征，包括：以配件的历史销量数据中的N个销量指标中的每个销售指标作为一个维度；提取所述配件的每个销量指标在一段历史时间内的销量数据，并采用滑动窗口算法将其处理为一个特征值；得到所述配件对应的一个N维的特征向量，作为所述数据特征。3.根据权利要求2所述的预测方法，其特征在于，所述根据所述数据特征匹配对应的需求预测模型，包括：将配件的所述数据特征输入谱聚类模型，得到分类结果；所述分类结果为M个预设结果中的一个，所述M个预设结果均存在对应的需求预测模型；得到所述分类结果对应的需求预测模型。4.根据权利要求3所述的预测方法，其特征在于，所述需求预测模型为机器学习预测模型，包括：随机森林模型、GBDT模型和XGBoost模型；所述需求预测模型采用从配件的历史销量数据中构建出的所述数据特征进行训练。5.根据权利要求1至4中任一项权利要求所述的预测方法，其特征在于，所述预测方法还包括：基于所述预测需求，分配得到各个分仓的分仓预测需求：根据各个分仓的需求数据，采用加性回归模型预测配件在各个分仓的需求比例系数；基于所述预测需求和配件在各个分仓的需求比例系数，得到各个分仓对应的分仓预测需求。6.一种工程机械配件备货管理方法，其特征在于，所述管理方法包括：基于权利要求1至4中任一项权利要求所述的预测方法，得到所述配件的预测需求；基于所述配件的预测需求和交付周期，得到周转储备库存；基于所述周转储备库存和安全库存，得到所述配件的备货量。7.根据权利要求6所述的管理方法，其特征在于，所述安全库存通过以下步...

【专利技术属性】
技术研发人员：林丹珠，童兴，陈轶泽，龚勇，周志忠，罗昌明，
申请(专利权)人：中联重科股份有限公司，
类型：发明
国别省市：