本申请属于计算机技术领域，具体涉及一种基于机器学习的备品备件采购预测方法及装置。该方法，包括：获取预设时间段内的检维修工作票；所述检维修工作票包括对应检维修的信息；当对应检维修过程中存在备品备件更换时，所述检维修工作票包括备品备件的型号和消耗量；将所述检维修工作票与预先得到的备品备件功能库进行语义匹配；所述备品备件功能库包括备品备件的型号；当所述检维修工作票与所述备品备件功能库的匹配度大于第一预设阈值时，根据所述检维修工作票中的消耗量，确定对应备品备件的需求量。本申请结合检维修工作票建立备品备件采购预测模型，能极大提升备品备件管理的效率和周转率，合理化备品备件库存。
【技术实现步骤摘要】
本申请属于计算机，具体涉及一种基于机器学习的备品备件采购预测方法及装置。
技术介绍
1、备品备件的有效管理是企业运营中不可或缺的重要环节，它直接关系到企业的生产效率、成本控制和市场竞争力。随着企业规模的扩大和生产设备的复杂化，备品备件的管理变得越来越重要。科学合理对备品备件进行管理，能够确保企业随时随地获取所需备品备件，保障生产正常进行，同时避免过多库存积压，降低资金占用率，提高资金利用效率。
2、但各企业目前对备品备件的管理存在很多的问题，主要表现在备品备件采购需求预测不合理导致的库存量不合理、降低生产效率、资金流失等方面的问题。
技术实现思路
1、本申请目的是提供一种基于机器学习的备品备件采购预测方法及装置，解决现有技术中对备品备件的管理存在的备品备件采购需求预测不合理导致的库存量不合理的问题。
2、实现本申请目的的技术方案：
3、本申请实施例第一方面提供了一种基于机器学习的备品备件采购预测方法，所述方法，包括：
4、获取预设时间段内的检维修工作票；所述检维修工作票包括对应检维修的信息；当对应检维修过程中存在备品备件更换时，所述检维修工作票包括备品备件的型号和消耗量；
5、将所述检维修工作票与预先得到的备品备件功能库进行语义匹配；所述备品备件功能库包括备品备件的型号；
6、当所述检维修工作票与所述备品备件功能库的匹配度大于第一预设阈值时，根据所述检维修工作票中的消耗量，确定对应备品备件的需求量。
>7、可选的，所述根据所述检维修工作票中的消耗量，确定对应备品备件的需求量，之前还包括：8、获取所述对应备品备件的使用寿命和最近一次更换日期；
9、根据所述对应备品备件的使用寿命和最近一次更换日期，判断所述对应备品备件是否需要更换；
10、若是，则获取所述设备关联备品备件信息库中的单次消耗量；
11、所述根据所述检维修工作票中的消耗量，确定对应备品备件的需求量，具体包括：
12、根据所述单次消耗量和所述检维修工作票中的消耗量，确定对应备品备件的需求量。
13、可选的，所述根据所述对应备品备件的使用寿命和最近一次更换日期，判断所述对应备品备件是否需要更换，之前还包括：
14、获取所述对应备品备件的故障频率；
15、当所述对应备品备件的故障频率高于第二预设阈值时，根据所述故障频率更新所述对应备品备件的使用寿命。
16、可选的，所述方法，还包括：
17、当出现备品备件的采购数量不足或库存积压时，调整所述第一预设阈值。
18、可选的，所述获取预设时间段内的检维修工作票，之前还包括：
19、获取所述对应备品备件的预测采购周期；
20、根据所述预测采购周期和下一次检维修开始时间，触发所述获取预设时间段内的检维修工作票。
21、可选的，所述根据所述预测采购周期和下一次检维修开始时间，触发所述获取预设时间段内的检维修工作票，具体包括：
22、当距离所述下一次检维修开始时间为所述预测采购周期时，触发所述获取预设时间段内的检维修工作票。
23、可选的，所述获取所述对应备品备件的预测采购周期，具体包括：
24、当所述对应备品备件为关键备品备件时，将所述对应备品备件的历史最大采购周期作为所述预测采购周期；
25、当所述对应备品备件为非关键备品备件时，获取所述对应备品备件的多个历史采购周期；根据所述多个历史采购周期和正太分布的概率密度公式，确定所述预测采购周期。
26、可选的，所述根据所述检维修工作票中的消耗量，确定对应备品备件的需求量，之后还包括：
27、获取所述对应备品备件的库存量；
28、根据所述对应备品备件的需求量和库存量，确定所述对应备品备件的采购量。
29、本申请实施例第二方面提供了一种基于机器学习的备品备件采购预测装置，所述装置，包括：
30、第一获取模块，用于获取预设时间段内的检维修工作票；所述检维修工作票包括对应检维修的信息；当对应检维修过程中存在备品备件更换时，所述检维修工作票包括备品备件的型号和消耗量；
31、语义匹配模块，用于将所述检维修工作票与预先得到的备品备件功能库进行语义匹配；所述备品备件功能库包括备品备件的型号；
32、需求确定模块，用于当所述检维修工作票与所述备品备件功能库的匹配度大于第一预设阈值时，根据所述检维修工作票中的消耗量，确定对应备品备件的需求量。
33、本申请实施例第三方面提供了一种计算机可读存储设备，其上存储有计算机程序，当所述计算机程序被执行时，实现如本申请实施例第一方面提供的基于机器学习的备品备件采购预测方法中的任意一种。
34、本申请实施例第四方面提供了一种电子设备，包括存储器和处理；所述存储器存储有计算机程序，当所述处理器运行所述计算机程序时，实现如本申请实施例第一方面提供的基于机器学习的备品备件采购预测方法中的任意一种。
35、本申请的有益技术效果在于：
36、本申请实施例提供的一种基于机器学习的备品备件采购预测方法及装置，该方法，包括：获取预设时间段内的检维修工作票；所述检维修工作票包括对应检维修的信息；当对应检维修过程中存在备品备件更换时，所述检维修工作票包括备品备件的型号和消耗量；将所述检维修工作票与预先得到的备品备件功能库进行语义匹配；所述备品备件功能库包括备品备件的型号；当所述检维修工作票与所述备品备件功能库的匹配度大于第一预设阈值时，根据所述检维修工作票中的消耗量，确定对应备品备件的需求量。本申请实施例结合检维修工作票建立备品备件采购预测模型，能极大提升备品备件管理的效率和周转率，合理化备品备件库存。
本文档来自技高网...
【技术保护点】
1.一种基于机器学习的备品备件采购预测方法，其特征在于，所述方法，包括：
2.根据权利要求1所述的基于机器学习的备品备件采购预测方法，其特征在于，所述根据所述检维修工作票中的消耗量，确定对应备品备件的需求量，之前还包括：
3.根据权利要求2所述的基于机器学习的备品备件采购预测方法，其特征在于，所述根据所述对应备品备件的使用寿命和最近一次更换日期，判断所述对应备品备件是否需要更换，之前还包括：
4.根据权利要求1-3任一项所述的基于机器学习的备品备件采购预测方法，其特征在于，所述方法，还包括：
5.根据权利要求1-3任一项所述的基于机器学习的备品备件采购预测方法，其特征在于，所述获取预设时间段内的检维修工作票，之前还包括：
6.根据权利要求5所述的基于机器学习的备品备件采购预测方法，其特征在于，所述根据所述预测采购周期和下一次检维修开始时间，触发所述获取预设时间段内的检维修工作票，具体包括：
7.根据权利要求5所述的基于机器学习的备品备件采购预测方法，其特征在于，所述获取所述对应备品备件的预测采购周期，具体包括：
8.根据权利要求1-3任一项所述的基于机器学习的备品备件采购预测方法，其特征在于，所述根据所述检维修工作票中的消耗量，确定对应备品备件的需求量，之后还包括：
9.一种基于机器学习的备品备件采购预测装置，其特征在于，所述装置，包括：
10.一种计算机可读存储设备，其特征在于，其上存储有计算机程序，当所述计算机程序被执行时，实现如权利要求1-8任一项所述的基于机器学习的备品备件采购预测方法。
11.一种电子设备，其特征在于，包括存储器和处理；所述存储器存储有计算机程序，当所述处理器运行所述计算机程序时，实现如权利要求1-8任一项所述的基于机器学习的备品备件采购预测方法。
...
【技术特征摘要】
1.一种基于机器学习的备品备件采购预测方法，其特征在于，所述方法，包括：
2.根据权利要求1所述的基于机器学习的备品备件采购预测方法，其特征在于，所述根据所述检维修工作票中的消耗量，确定对应备品备件的需求量，之前还包括：
3.根据权利要求2所述的基于机器学习的备品备件采购预测方法，其特征在于，所述根据所述对应备品备件的使用寿命和最近一次更换日期，判断所述对应备品备件是否需要更换，之前还包括：
4.根据权利要求1-3任一项所述的基于机器学习的备品备件采购预测方法，其特征在于，所述方法，还包括：
5.根据权利要求1-3任一项所述的基于机器学习的备品备件采购预测方法，其特征在于，所述获取预设时间段内的检维修工作票，之前还包括：
6.根据权利要求5所述的基于机器学习的备品备件采购预测方法，其特征在于，所述根据所述预测采购周期和下一次检维修开始时间，...
【专利技术属性】
技术研发人员：石磊，郭恒莉，赵晶璐，王振坤，魏博，李璐，
申请(专利权)人：中核四零四有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。