CN105139090A - 一种基于消耗预测的电力行业安全库存决策分析方法 - Google Patents
一种基于消耗预测的电力行业安全库存决策分析方法 Download PDFInfo
- Publication number
- CN105139090A CN105139090A CN201510527969.9A CN201510527969A CN105139090A CN 105139090 A CN105139090 A CN 105139090A CN 201510527969 A CN201510527969 A CN 201510527969A CN 105139090 A CN105139090 A CN 105139090A
- Authority
- CN
- China
- Prior art keywords
- materials
- consumption
- model
- goods
- safety inventory
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于消耗预测的电力行业安全库存决策分析方法。其包括梳理建模数据;数据预处理;构建物资消耗模型;从关联的业务系统中提取出可用于预测的业务参数,根据需要预测物资的业务范围选择需要参与运算的参数数据;根据实际业务的需要选择本次预测的精度,确定可接受的误差范围;在建成的物资消耗模型中输入相应参数以预估出下一阶段物资消耗情况;安全库存度量指标分析等步骤。本发明是在对传统安全库存设置理论研究的基础上,结合电力行业物资需求、采购及仓储配送的特点,将物资消耗预测和安全库存设置两个供应链不同节点进行紧密融合,创新地构建了基于消耗预测的电力行业安全库存决策模型,为电力行业物力集约化管理提供了新的发展思路。
Description
技术领域
本发明属于安全库存度量指标和需求预测技术领域,特别是涉及一种基于消耗预测的电力行业安全库存决策分析方法。
背景技术
近年来,随着“三集五大”体系构建的逐步推进,国家电网公司对物力集约化管理提出了更高的要求。物资管理作为物力集约化管理的重要环节,在提升物力集约化管理工作中任务巨大。而库存管理作为调节物资供应链各环节之间供求品种及数据间差别的调节器,可以把计划、采购、生产的各个环节连接起来并起到润滑剂的作用。库存量过大,会增加仓库面积和库存保管费用,加之在库存保管过程中会造成多种有形损耗和无形损耗,从而提高生产成本。库存量过大,会造成企业资源的大量闲置,影响企业资源的合理配置和优化,同时会占用大量的流动资金,造成资金呆滞,既加重了贷款利息等负担,又影响资金的时间价值和机会收益。而且,大量库存会掩盖企业生产、经营全过程的各种矛盾和问题,不利于企业提高管理水平。而库存量过小,又会使订货间隔缩短,订货次数增加,使订货成本提高,而且会有缺货风险,造成服务水平下降,影响工程进度。故此,制定科学合理的安全库存策略迫在眉睫。
发明内容
为了解决上述问题,本发明的目的在于提供一种基于消耗预测的电力行业安全库存决策分析方法。
为了达到上述目的,本发明提供的基于消耗预测的电力行业安全库存决策分析方法包括按顺序执行的下列步骤:
步骤1)梳理建模数据:首先梳理建模所需数据,将影响模型的输入参数按照数据来源、信息系统、数据类型进行细分,并明确与物资库存相关的包括ERP、ECP、PMS、基建管控、营销管理和规划计划在内的业务系统能提供历史数据的期间;
步骤2)数据预处理:对上述建模数据集进行包括数据抽取、清洗,处理数据噪音、无效数据及错误数据在内的预处理操作;
步骤3)构建物资消耗模型:根据上述预处理后数据间的相关性系数,选择适宜的算法构建多种物资消耗模型;
步骤4)从关联的业务系统中提取出可用于预测的业务参数,并根据需要预测物资的业务范围选择需要参与运算的参数数据;然后根据实际业务的需要选择本次预测的精度,确定可接受的误差范围;最后在上述建成的物资消耗模型中输入相应参数以预估出下一阶段物资消耗情况;
步骤5)安全库存度量指标分析:根据上述预估出的下一阶段物资消耗情况,确定哪些物资适合做安全库存管理,哪些物资适合进行按需采购管理,并针对适合做安全库存管理的物资按照定期采购和定量采购两种供应模式进行安全库存建模,最后给出有建议性的分析结果。
在步骤3)中,所述的构建物资消耗模型的方法是:
步骤3.1构建物资消耗预测模型:根据电力行业物资消耗特点及资金管控方式,构建项目物资消耗预测模型、运维物资消耗预测模型和物资消耗预测模型,并配合使用,共同为安全库存决策提供支撑;
步骤3.2构建安全库存度量指标模型:为了定量分析物资适合做安全库存的程度,根据数据梳理的结果,从物资消耗量、物资消耗波动、物资消耗覆盖月份数三个维度建立安全库存度量指标模型;
步骤3.3构建安全库存决策模型:将上述物资消耗模型预测的结果作为输入参数,结合包括供货周期、补货周期及物资供应用户满意度在内的安全库存决策的影响因素构建安全库存决策模型。
在步骤3.2中,所述的构建安全库存度量指标模型的方法是:
步骤3.2.1)分别将物资消耗量、物资消耗波动、物资消耗覆盖月份数据进行归一化处理;
步骤3.2.2)建立如下式所示的评价模型:
其中,Ln(x)为以e为底的自然对数;x为归一化月度均消耗量,y为归一化覆盖月份数,z为归一化月度消耗标准差,g(x,y,z)为模型输出,分布范围为[0,1]。
在步骤3.3中,所述的构建安全库存决策模型的方法为:
基于传统的安全库存设置理论,结合电力行业物资库存物资消耗的动态特点分析,利用物资消耗预测需求总量、物资在历史年份的包括月度消耗量及消耗量的波动在内的消耗趋势,并综合考虑采购周期、补货周期及二者之间的对应关系等影响安全库存水平的关键因素,建立下面安全库存决策模型:
其中,
Qss:安全库存量;
z:一定用户满意度下对应的安全系数;表示在一个存货周期内满足所有需求的概率;
T:对应月即30天、季即90天、年即365天;
B:补货周期;存在于定期采购模型中,一般为定值;
供货周期均值;电力行业中供货周期就是某物资采购订单申请审批日期至到货日期的时间差;
δT:月、年需求量标准差,根据物资历史消耗规律结合物资预测消耗量得到;
月、季、年平均需求量,根据物资预测消耗量得到;
δL:供货周期的标准差;
K:调整系数,用于对安全库存量的计算进行调整;k∈[0,K],K是一个充分大的数。
本发明提供的基于消耗预测的电力行业安全库存决策分析方法的应用优势:
通过对基于消耗预测的电力行业安全库存决策分析研究,可协助业务部门制定物资的年度需求计划,并针对需求计划,设置安全库存决策方案,合理安排仓储资源,真正实现物资库存的精细化、集约化管理,从整体上降低仓储成本,提高库存物资周转率,有效降低资金占用。本发明中涉及的安全库存度量指标模型、物资消耗预测模型和安全库存决策模型还可为物资部门进行协议库存采购、超市化采购和寄售物资采购等多种物资供应模式提供理论和数据支撑,提高其准确率。同时,科学、合理的安全库存决策方案的应用还可将物资供应管控节点前置,通过提前预估需求部门的需求情况,提前制定采购招标计划,提升物资供应的管控能力,促进部门间业务融合。
本发明是在对传统安全库存设置理论研究的基础上,结合电力行业物资需求、采购及仓储配送的特点,将物资消耗预测和安全库存设置两个供应链不同节点进行紧密融合,创新地构建了基于消耗预测的电力行业安全库存决策模型,为电力行业物力集约化管理提供了新的发展思路。
附图说明
图1为本发明的整体研究思路图;
图2为本发明的分析流程图;
图3为训练样本拟合效果图;
图4为测试样本拟合效果图;
图5为预测结果拟合情况图;
图6为相对绝对误差分析图;
图7为物资安全库存度量指标分析图;
图8为2013年物资安全库存度量指标图;
图9为本发明提供的基于消耗预测的电力行业安全库存决策分析方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明提供的基于消耗预测的电力行业安全库存决策分析方法进行详细说明。
基于电力企业ERP(企业资源规划)、ECP(电子商务平台)、PMS(电力生产)、基建管控、营销业务和规划计划等系统数据,利用数据关联分析技术,建立安全库存预估模型,开展物资库存、物资需求与电网规模、结构、年限以及投资等信息的关联分析,研究电力企业物资需求与电网规模、结构、年限以及投资等信息间存在的规律,并根据研究成果分析合理的安全库存预估方法,指导库存管理进行动态调整,提高库存合理性和资金利用率,提升物资集约化水平。
本发明的目标是建立安全库存决策模型,有效支撑库存动态管理,提升物资集约化水平:
1)建立物资消耗预测模型;
2)建立安全库存度量指标模型,定量分析某种物资适合做安全库存的程度;
3)建立基于物资消耗预测的电力行业安全库存决策模型。
本发明的整体研究思路:
以电力企业现有信息系统数据为基础,分析物资消耗与电网规模、结构、年限、投资情况等信息间的关系,制定物资消耗模型,预估下一期间物资耗用情况;然后根据物资耗用情况,结合仓储成本、客户满意度、需求与仓库的供需关系等可量化的系统外数据,制定安全库存决策模型,自动给出安全库存建议;最后,根据物资的仓储条件要求、仓库的仓储能力等不可量化的系统外数据,结合库管人员的历史经验,剔除不适合做安全库存管理的物资,最终形成符合电力行业业务特点、具有高可执行性的安全库存方案;整体研究思路如图1所示:
根据整体研究思路,本研究共需构建两个物资耗用模型、一个安全库存度量指标模型和两个安全库存决策模型,具体分析流程如图2所示:
如图9所示,本发明提供的基于消耗预测的电力行业安全库存决策分析方法包括按顺序执行的下列步骤:
步骤1)梳理建模数据:首先梳理建模所需数据,将影响模型的输入参数按照数据来源、信息系统、数据类型进行细分,如表1所示,并明确与物资库存相关的包括ERP、ECP、PMS、基建管控、营销管理和规划计划在内的业务系统能提供历史数据的期间,以确定不同系统间数据整合策略和方法。
步骤2)数据预处理:为保证数据的准确性和科学性,对上述建模数据集进行包括数据抽取、清洗,处理数据噪音、无效数据及错误数据在内的预处理操作,以提高数据的质量,降低数据对大数据分析的阻碍,提高数据分析效率与质量;
步骤3)构建物资消耗模型:根据上述预处理后数据间的相关性系数,选择适宜的算法构建多种物资消耗模型;
步骤4)从关联的业务系统中提取出可用于预测的业务参数,并根据需要预测物资的业务范围选择需要参与运算的参数数据;然后根据实际业务的需要选择本次预测的精度,确定可接受的误差范围;最后在上述建成的物资消耗模型中输入相应参数以预估出下一阶段物资消耗情况;
步骤5)安全库存度量指标分析:根据上述预估出的下一阶段物资消耗情况,确定哪些物资适合做安全库存管理,哪些物资适合进行按需采购管理,并针对适合做安全库存管理的物资按照定期采购和定量采购两种供应模式进行安全库存建模,最后给出有建议性的分析结果。
在步骤3)中,所述的构建物资消耗模型的方法是:
步骤3.1构建物资消耗预测模型:根据电力行业物资消耗特点及资金管控方式,构建项目物资消耗预测模型、运维物资消耗预测模型和物资消耗预测模型,并配合使用,共同为安全库存决策提供支撑;
步骤3.2构建安全库存度量指标模型:为了定量分析物资适合做安全库存的程度,根据数据梳理的结果,从物资消耗量、物资消耗波动、物资消耗覆盖月份数三个维度建立安全库存度量指标模型;
步骤3.3构建安全库存决策模型:将上述物资消耗模型预测的结果作为输入参数,结合包括供货周期、补货周期及物资供应用户满意度在内的安全库存决策的影响因素构建安全库存决策模型。
在步骤3.1中,所述的构建项目物资消耗预测模型的方法是:项目物资消耗具有计划性较强、物资标准化程度较高、与项目规模强相关性的特点;针对某类物资,基于ERP系统的包括库存物资业务数据(物资凭证、物资编码、物资移动类型、出库数量、本位币金额等)、基建管控系统和规划计划系统的投资数据(项目编码、项目建设规模:线路长度、电压等级、项目投资金额等)在内的业务系统运行的数据,对物资消耗需求与包括电网规模、结构、年限以及投资规模在内的指标进行分析;通过分析,建立影响各类物资消耗需求量的规律模型,对物资消耗可能的需求量进行准确预测,从而为制定物资需求计划提供数据支撑,并为合理的安全库存决策分析提供数据基础;本发明以基建类项目为例,具体分析过程如下:
(1)首先根据物资在项目中的使用频率,将物资分为三大类:A类—被较多项目使用的(超过50个项目);B类—被较少项目使用的(介于11和50个项目之间);C类—偶尔被项目使用的(不超过10个项目),如表1所示:
表1:物资ABC分类
其中,A类物资由于通用性较强,历史数据积累较为充分,本发明以该类物资作为项目物资消耗预测的重点目标。
(2)在明确了分析目标后,进行数据试分析和模型方法试验,结果如下:
针对该类项目物资的消耗情况,试验了线性回归、多元线性回归、神经网络回归和支持向量机回归等多种方法,根据该预测场景的实际数据状况,最终综合考虑确定选择适用性和扩展性较强的支持向量机回归方法进行建模分析。
支持向量机回归(SupportVectorRegression,SVR)方法是利用支持向量机(SupportVectorMachines,SVMs)处理回归问题的算法。其通过定义epsilon带,将回归问题转换为分类问题,以极大化类间间隔为目标,并以之作为最佳回归超平面。其中定义的类间间隔为两类样本到分类超平面的最小距离。算法最初为二分类问题建模,多分类问题可分解为多个二分类进行求解。通过引入松弛变量,使支持向量机能够解决类间重叠问题,并提高泛化能力;另一方面引入核函数能够使算法处理非线性分类问题。
以选取物资钢芯铝绞线JL/G1A,300/40为例,模型相关参数包括:电压等级、工程类型(A:并网工程;B:出线工程;C:电源工程;N:新建工程;K:扩线工程;Z:综合改造;Q:牵引站工程)、线路长度、线路条数、变电容量、主变台数、项目投资金额(预算),并按照项目合并单个项目的出库记录,共计得到63条记录,如表2所示:
表2:示例物资的出库记录
计算各参数间的相关性,得到表3所示结果:
表3:各参数间相关性分析
电压等级 | 工程类型 | 线路长度 | 线路条数 | 变电容量 | 主变台数 | 投资金额 | 数量 | |
电压等级 | 1 | |||||||
工程类型 | 0.09 | 1 | ||||||
线路长度 | 0.18 | -0.02 | 1 | |||||
线路条数 | 0.13 | 0.42 | -0.05 | 1 | ||||
变电容量 | 0.34 | 0.49 | -0.08 | 0.77 | 1 | |||
主变台数 | -0.31 | 0.48 | -0.06 | 0.52 | 0.56 | 1 | ||
投资金额 | 0.62 | 0.32 | 0.21 | 0.60 | 0.71 | 0.16 | 1 | |
数量 | -0.04 | -0.04 | 0.69 | -0.10 | -0.13 | -0.09 | -0.01 | 1 |
可以看出,物资消耗的数量仅和线路长度有较为明显的相关性;而项目的投资金额和电压等级、变电容量等之间相关性更为明显;并且变电容量和线路条数之间的相关性相对最明显。
下面将电压等级、工程类型、线路长度、线路条数、变电容量、主变台数、投资金额等作为综合影响因素,通过模型训练建立项目物资消耗预测模型:
训练样本的拟合效果如图3所示:
测试样本的拟合效果如图4所示:
同样,对训练样本和测试样本分别计算预测总消耗量和实际总消耗量的比例,从而评价模型的准确率,如表4所示:
表4:模型准确率
在步骤3.1中,所述的构建运维物资消耗预测模型的方法是:
进行运维物资消耗预测:如某电力公司电网运行设备数量共计达120多万,设备类型达到数百种(其中,变电设备超过28万台,设备类型共计126类);由于电网设备分布范围广,运行设备所处自然环境、电网环境的变化对设备运行状态都有相应的影响,进一步,电网运行对安全性和稳定性要求严格,保证在网运行设备能够正常运行是运维工作的目标和挑战;
在日常运维工作中,根据设备运行的状态进行合理的检修和维护操作,都涉及到一定量的特定物资消耗。大规模的在网运行设备的年度运维任务对物资消耗的需求量也成为影响物资库存管理的关键部分;
与项目类物资消耗预测模型构建过程类似,我们选取物资绝缘涂料为例,样本量为62条,关联出库记录和设备信息,得到包括电压等级、线路长度、运行时长、运行状态等分析指标和消耗数量之间的关系。样本数据如表5所示:
表5:示例的样本数据
电压等级 | 线路全长 | 运行时常 | 运行状态 | 数量 |
32 | 5.31 | 2215 | 20 | 3940 |
32 | 5.31 | 2343 | 20 | 650 |
25 | 7.03 | 2213 | 20 | 1310 |
25 | 7.03 | 2341 | 20 | 220 |
25 | 6.73 | 1632 | 20 | 2500 |
25 | 7.5 | 1980 | 31 | 700 |
…… | …… | …… | …… | …… |
计算几个指标间的相关系数如表6所示:
表6:指标间的相关性分析
电压等级 | 线路全长 | 运行时常 | 运行状态 | 数量 | |
电压等级 | 1 | ||||
线路全长 | 0.523 | 1 | |||
运行时常 | -0.068 | 0.030 | 1 | ||
运行状态 | -0.072 | -0.199 | -0.193 | 1 | |
数量 | 0.378 | 0.499 | 0.177 | -0.059 | 1 |
可以看出消耗数量和四个指标间的相关系数分别为:0.378、0.499、0.177和-0.059。建立电压等级、线路长度、运行时长和消耗数量之间的关系模型。模型函数如下:
预测结果的拟合情况如图5所示:
模型评价结果如表7所示:
表7:模型评价结果
指标 | 数值 | 百分比 |
相关系数 | 0.9231 | |
平均绝对误差 | 700.3315 | |
均方根误差 | 1983.6383 | |
相对绝对误差 | 20.1902% | |
相对均方误差 | 40.2247% | |
总样本数 | 62 |
相对绝对误差分析如图6所示:从图可以看出,除了个别点,整体误差基本控制在合理范围内;
对模型预测结果进行统计的结果如表8所示:
表8:模型准确率分析
为确保预测结果的科学性和准确定,本发明中涉及到的物资消耗预测模型都是和物资强相关的,不同的物资预测方式相同,但对应模型的参数权重是不一样的;
物资消耗预测完成后,可根据需求(在建项目或在运设备)与仓库的产权归属及两者间的配送距离确定需求源与供货仓库的供应关系,为后继安全库存决策时物资的仓储位置提供依据。仓库与在建项目或在运设备供应关系确定的原则为:
对于该电力公司下属子公司,其在建项目或在运设备所需物资的供应仓库为该子公司下辖仓库(产权归属决定供应关系);
对于分公司,其在建项目或在运设备所需物资可选择距离该项目或设备配送距离最近的仓库(配送距离决定供应关系。通过项目地址调用百度地图接口获取在建项目坐标信息,从电网GIS系统获取在运设备坐标信息,再通过该坐标信息计算与仓库坐标信息间的距离);
在步骤3.1中,所述的构建物资消耗预测模型的方法是:
针对项目类,包括大型基建、配网改造、电网技改、电网大修等项目,根据项目建设规模、项目投资规模和物资消耗数量的历史数据,通过建立二者之间的回归模型,对该项目类型建设所需的各种物资消耗可能的需求量进行预测。基于单个项目的各种物资消耗模型,实现对物资编码的消耗需求量预测。继而汇总各物资编码在所有项目中的消耗需求量,得到项目类物资消耗的总需求量预测值。
支撑电网安全平稳运行的设备数量规模达到百万级别,设备类型多达数百种。设备运维的物资消耗也是库存管理的关键影响因素,基于设备出厂日期、投运日期、检修日期(出库日期、工单日期等)、以及设备故障记录、缺陷记录等数据,分析各类设备的运维物资出库情况,建立针对设备类型的运维物资消耗预测模型,实现对未来一段时间内电网运维业务的物资消耗需求量预测。基于单个设备类型的各种物资消耗模型,实现对物资编码的运维消耗需求量预测。继而汇总各物资编码在所有设备类型的消耗需求量,得到设备运维类物资消耗的总需求量预测值。
通过对传统安全库存设置理论的研究发现,补库模式对安全库存量的大小具有至关重要的影响。考虑到电力行业物资的采购量大、采购成本高、以及国家监管要求严的特点,电力企业一直在推进集中采购机制,重点采用按批次公开招标的方式进行物资采购,故本发明中涉及的安全库存决策模型是基于定期补库模式构建的。
在步骤3.2中,所述的安全库存度量指标模型的度量规则为:
(1)物资消耗越多越适合做安全库存;
(2)物资消耗波动越小越适合做安全库存;
(3)物资消耗覆盖月份越多越适合做安全库存。
在步骤3.2中,所述的构建安全库存度量指标模型的方法是:
步骤3.2.1)分别将物资消耗量、物资消耗波动、物资消耗覆盖月份数据进行归一化处理;
步骤3.2.2)建立如下式所示的评价模型:
其中,Ln(x)为以e为底的自然对数。x为归一化月度均消耗量,y为归一化覆盖月份数,z为归一化月度消耗标准差,g(x,y,z)为模型输出,分布范围为[0,1];
2013年物资的安全库存度量指标如图8所示:
从得到的安全库存度量指标可以分析得到:
i.指标具有一定的区分度;
ii.度量指标小于0.1的物资占52.6%。
该模型从量化的角度对物资是否适合做安全库存管理作出了衡量,但在实际业务中,还应考虑仓库的仓储能力、物资保管要求的特殊仓储条件、物资的维护搬倒费用等不可量化的因素,故本模型的结果仅是对物资是否适合做安全库存给出建议,具体的安全库存目录的确定还应结合库管人员的历史经验考虑其它不可量化因素。
在步骤3.3中,所述的构建安全库存决策模型的方法为:
基于传统的安全库存设置理论,结合电力行业物资库存物资消耗的动态特点分析,利用物资消耗预测需求总量、物资在历史年份的包括月度消耗量及消耗量的波动在内的消耗趋势,并综合考虑采购周期、补货周期及二者之间的对应关系等影响安全库存水平的关键因素,建立下面安全库存决策模型:
其中,
Qss:安全库存量;
z:一定用户满意度(CSL)下对应的安全系数;表示在一个存货周期内满足所有需求的概率。比如,90%的存货周期服务水平表示,在一个存货周期内,出现缺货的概率是0.1,而不出现缺货的概率为0.9;
T:对应月(30)、季(90)、年(365);
B:补货周期。存在于定期采购模型中,一般为定值;
供货周期均值;电力行业中供货周期就是某物资采购订单申请审批日期至到货日期的时间差;
δT:表示(月、年)需求量标准差,根据物资历史消耗规律结合物资预测消耗量得到;
月、季、年平均需求量,根据物资预测消耗量得到;
δL:供货周期的标准差;
k为调整系数,用于对安全库存量的计算进行调整。k∈[0,K],K是一个充分大的数。
该模型下,订购量、最大库存量和仓储成本的计算方式如下:
订购量:
该模型下的订购量是不确定的,库存物资消耗较多,订购量应该多一些;库存物资消耗的比较少,订购量也应该少一些。
其中,Q为定期采购的订购量;L为采购周期;B为补货周期;为一段时间的物资平均消耗量;Qss为安全库存;I为该物资在仓库中的余量。
最大库存量:
最大库存量是物资库存的上限值,当某种物资库存量达到或者超过此定额时,应暂停进货补库。
仓储成本:
仓储成本包括订购成本和存储成本。
COST=S+h*Qmax
其中COST为仓储成本;S为物资年订购成本;h为单位物资年存储成本;Qmax为物资最大库存量。
以物资架空绝缘导线,AC10kV,JKLYJ,150为例,该物资单价为10046.53元,当前库存余量为CS,该仓库预测年总消耗金额为60000000元,年需求预测量为85,单位为千米。
该仓库的历史成本记录如表9所示:
表9:仓库历史成本记录
年份 | 存储成本 | 订购成本 | 总仓储成本 |
2012 | 143.89 | 177.86 | 321.75 |
2013 | 135.82 | 143.63 | 279.45 |
然后根据2011年、2012年、2013年的历史消耗规律获得该物资在预测年的消耗分布如表10所示:
表10:预测年的物资消耗分布情况
月份 | 1 | 2 | 3 | 4 | 5 | 6 |
数量 | 15 | 0.15 | 0.36 | 51.08 | 0.56 | 4.61 |
月份 | 7 | 8 | 9 | 10 | 11 | 12 |
数量 | 7.99 | 0.81 | 0.38 | 0.81 | 1.17 | 2.07 |
首先分析该物资的安全库存度量指标,该物资2013年月均消耗量、月度消耗标准差和消耗覆盖月份数据如表11所示:
表11:示例物资安全库存度量指标数据
月最大消耗量 | 月均消耗量 | 月消耗标准差 | 消耗覆盖月份数 |
2268.85 | 385.21 | 682.74 | 12 |
得到该物资的安全库存度量指标为:0.839,由于度量指标的范围为[0,1],说明这种物资比较适合做安全库存。
该物资历史业务员数据下采购周期均值为94.6天,采购周期标准差为53天,补货周期为60天,不同用户满意度下库存设置情况计算如下:
表12:不同用户满意度下的安全库存设置情况
用户满意度 | 安全库存量 | 订购量 | 最大库存量 | 总仓储成本(万元) |
0.5 | 0.53 | 37.01-CS | 37.01 | 3.19 |
0.6 | 12.07 | 48.55-CS | 48.55 | 3.46 |
0.67 | 18.01 | 54.48-CS | 54.48 | 3.60 |
0.7 | 20.23 | 56.71-CS | 56.71 | 3.66 |
0.8 | 33.78 | 70.27-CS | 70.27 | 3.98 |
0.9 | 46.47 | 82.95-CS | 82.95 | 4.28 |
0.95 | 56.69 | 93.17-CS | 93.17 | 4.52 |
通过对计算结果进行分析,可发现用户满意度越高,所需安全库存量和总仓储成本也越高。在实际应用过程中,业务人员应对物资的重要性进行区分,根据重要性的不同制定合理的安全库存策略,使用户满意度和总仓储成本间达到最优平衡。
Claims (4)
1.一种基于消耗预测的电力行业安全库存决策分析方法,其特征在于:所述的基于消耗预测的电力行业安全库存决策分析方法包括按顺序执行的下列步骤:
步骤1)梳理建模数据:首先梳理建模所需数据,将影响模型的输入参数按照数据来源、信息系统、数据类型进行细分,并明确与物资库存相关的包括ERP、ECP、PMS、基建管控、营销管理和规划计划在内的业务系统能提供历史数据的期间;
步骤2)数据预处理:对上述建模数据集进行包括数据抽取、清洗,处理数据噪音、无效数据及错误数据在内的预处理操作;
步骤3)构建物资消耗模型:根据上述预处理后数据间的相关性系数,选择适宜的算法构建多种物资消耗模型;
步骤4)从关联的业务系统中提取出可用于预测的业务参数,并根据需要预测物资的业务范围选择需要参与运算的参数数据;然后根据实际业务的需要选择本次预测的精度,确定可接受的误差范围;最后在上述建成的物资消耗模型中输入相应参数以预估出下一阶段物资消耗情况;
步骤5)安全库存度量指标分析:根据上述预估出的下一阶段物资消耗情况,确定哪些物资适合做安全库存管理,哪些物资适合进行按需采购管理,并针对适合做安全库存管理的物资按照定期采购和定量采购两种供应模式进行安全库存建模,最后给出有建议性的分析结果。
2.根据权利要求1所述的基于消耗预测的电力行业安全库存决策分析方法,其特征在于:在步骤3)中,所述的构建物资消耗模型的方法是:
步骤3.1构建物资消耗预测模型:根据电力行业物资消耗特点及资金管控方式,构建项目物资消耗预测模型、运维物资消耗预测模型和物资消耗预测模型,并配合使用,共同为安全库存决策提供支撑;
步骤3.2构建安全库存度量指标模型:为了定量分析物资适合做安全库存的程度,根据数据梳理的结果,从物资消耗量、物资消耗波动、物资消耗覆盖月份数三个维度建立安全库存度量指标模型;
步骤3.3构建安全库存决策模型:将上述物资消耗模型预测的结果作为输入参数,结合包括供货周期、补货周期及物资供应用户满意度在内的安全库存决策的影响因素构建安全库存决策模型。
3.根据权利要求2所述的基于消耗预测的电力行业安全库存决策分析方法,其特征在于:在步骤3.2中,所述的构建安全库存度量指标模型的方法是:
步骤3.2.1)分别将物资消耗量、物资消耗波动、物资消耗覆盖月份数据进行归一化处理;
步骤3.2.2)建立如下式所示的评价模型:
其中,Ln(x)为以e为底的自然对数;x为归一化月度均消耗量,y为归一化覆盖月份数,z为归一化月度消耗标准差,g(x,y,z)为模型输出,分布范围为[0,1]。
4.根据权利要求2所述的基于消耗预测的电力行业安全库存决策分析方法,其特征在于:在步骤3.3中,所述的构建安全库存决策模型的方法为:
基于传统的安全库存设置理论,结合电力行业物资库存物资消耗的动态特点分析,利用物资消耗预测需求总量、物资在历史年份的包括月度消耗量及消耗量的波动在内的消耗趋势,并综合考虑采购周期、补货周期及二者之间的对应关系等影响安全库存水平的关键因素,建立下面安全库存决策模型:
其中,
Qss:安全库存量;
z:一定用户满意度下对应的安全系数;表示在一个存货周期内满足所有需求的概率;
T:对应月即30天、季即90天、年即365天;
B:补货周期;存在于定期采购模型中,一般为定值;
供货周期均值;电力行业中供货周期就是某物资采购订单申请审批日期至到货日期的时间差;
δT:月、年需求量标准差,根据物资历史消耗规律结合物资预测消耗量得到;
月、季、年平均需求量,根据物资预测消耗量得到;
δL:供货周期的标准差;
K:调整系数,用于对安全库存量的计算进行调整;k∈[0,K],K是一个充分大的数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510527969.9A CN105139090A (zh) | 2015-08-25 | 2015-08-25 | 一种基于消耗预测的电力行业安全库存决策分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510527969.9A CN105139090A (zh) | 2015-08-25 | 2015-08-25 | 一种基于消耗预测的电力行业安全库存决策分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105139090A true CN105139090A (zh) | 2015-12-09 |
Family
ID=54724431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510527969.9A Pending CN105139090A (zh) | 2015-08-25 | 2015-08-25 | 一种基于消耗预测的电力行业安全库存决策分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105139090A (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096841A (zh) * | 2016-06-15 | 2016-11-09 | 云南电网有限责任公司物流服务中心 | 一种变电基建工程物资需求预测模型和决策分析系统 |
CN106529869A (zh) * | 2016-10-27 | 2017-03-22 | 国网天津市电力公司 | 一种物资库存物料动态特征分析平台及其分析方法 |
CN106548257A (zh) * | 2016-12-09 | 2017-03-29 | 中国南方电网有限责任公司超高压输电公司昆明局 | 一种基于决策树模型的备品备件定额制定方法 |
CN107909205A (zh) * | 2017-11-15 | 2018-04-13 | 华北电力大学(保定) | 一种基于年度定额的风电场备件的库存优化方法 |
CN109117990A (zh) * | 2018-07-26 | 2019-01-01 | 中广核核电运营有限公司 | 一种核电站备件库存预测及指标分解装置 |
CN109272268A (zh) * | 2018-08-16 | 2019-01-25 | 国家电网有限公司 | 电力物资出库量测算方法及系统 |
CN109741090A (zh) * | 2018-12-18 | 2019-05-10 | 刘雨昆 | 一种基于多因素的配网工程物资需求预测方法 |
CN109767032A (zh) * | 2018-12-24 | 2019-05-17 | 北京航天智造科技发展有限公司 | 一种基于数据分析的企业财务运营数字化管理优化系统 |
CN109784795A (zh) * | 2017-11-13 | 2019-05-21 | 阿里巴巴集团控股有限公司 | 库存状态计算方法、装置、设备和介质 |
CN110503356A (zh) * | 2019-07-08 | 2019-11-26 | 国网浙江省电力有限公司金华供电公司 | 一种基于大数据预测电力物资协议库存的方法 |
CN110659946A (zh) * | 2019-10-09 | 2020-01-07 | 成都九洲电子信息系统股份有限公司 | 一种产品采购量分析方法 |
CN110796487A (zh) * | 2019-10-18 | 2020-02-14 | 上海钧正网络科技有限公司 | 数量预测方法、装置、计算机设备和存储介质 |
CN111401804A (zh) * | 2020-02-28 | 2020-07-10 | 雅砻江流域水电开发有限公司 | 一种基于仿真的工程物资供应链网络规划方法及系统 |
CN111915261A (zh) * | 2020-08-10 | 2020-11-10 | 辉岭加拿大有限公司 | 一种医学实验室耗材定数管理算法 |
CN112598358A (zh) * | 2020-12-30 | 2021-04-02 | 杭州拓深科技有限公司 | 一种智能辅助决策采购方法 |
CN112784212A (zh) * | 2019-11-05 | 2021-05-11 | 北京京东振世信息技术有限公司 | 一种优化库存的方法和装置 |
CN113228068A (zh) * | 2018-11-01 | 2021-08-06 | 思睿人工智能公司 | 用于库存管理和优化的系统和方法 |
CN113537594A (zh) * | 2021-07-16 | 2021-10-22 | 国网江苏省电力有限公司 | 区域电网企业电力设备仓储配送网络体系构建方法 |
CN113554291A (zh) * | 2021-07-14 | 2021-10-26 | 国网上海市电力公司 | 基于需求量预测的电能表供应链监控管理方法及设备 |
CN113610308A (zh) * | 2021-08-12 | 2021-11-05 | 国网江苏省电力有限公司常州供电分公司 | 基于剩余寿命预测的安全库存预测方法 |
CN113780960A (zh) * | 2021-09-26 | 2021-12-10 | 华能(广东)能源开发有限公司 | 一种物资自动存放及采购方法 |
CN113837420A (zh) * | 2020-06-23 | 2021-12-24 | 三菱电机(中国)有限公司 | 电力消耗预测方法、电力消耗预测系统及计算机可读存储介质 |
CN115600849A (zh) * | 2022-09-09 | 2023-01-13 | 张家港鸿盛电子科技股份有限公司(Cn) | 一种基于决策分析的数据中台系统 |
CN115689452A (zh) * | 2022-11-14 | 2023-02-03 | 深圳市金洲精工科技股份有限公司 | 一种钻头库存计划管理方法 |
CN116308053A (zh) * | 2022-10-26 | 2023-06-23 | 国网浙江浙电招标咨询有限公司 | 一种电力物资数据关联处理方法 |
CN117575475A (zh) * | 2024-01-16 | 2024-02-20 | 中铁四局集团有限公司 | 一种基于数据仓库的大屏报表快速搭建显示方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001050377A2 (en) * | 1999-12-30 | 2001-07-12 | General Electric Company | Method and system for monitoring and modifying a consumption forecast over a computer network |
-
2015
- 2015-08-25 CN CN201510527969.9A patent/CN105139090A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001050377A2 (en) * | 1999-12-30 | 2001-07-12 | General Electric Company | Method and system for monitoring and modifying a consumption forecast over a computer network |
Non-Patent Citations (4)
Title |
---|
刘世中: ""应用预测模型预测物资消耗"", 《当代经济管理》 * |
叶利 等: ""面向大数据的电力安全库存预估模型研究"", 《电力信息与通信技术》 * |
宋斌: ""应用支持向量机模型(SVM)研究电网物资需求预测问题"", 《时代经贸》 * |
王亮 等: ""ABC分类法的改进算法在军用物资安全库存中的应用研究"", 《物流技术》 * |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096841A (zh) * | 2016-06-15 | 2016-11-09 | 云南电网有限责任公司物流服务中心 | 一种变电基建工程物资需求预测模型和决策分析系统 |
CN106529869A (zh) * | 2016-10-27 | 2017-03-22 | 国网天津市电力公司 | 一种物资库存物料动态特征分析平台及其分析方法 |
CN106548257A (zh) * | 2016-12-09 | 2017-03-29 | 中国南方电网有限责任公司超高压输电公司昆明局 | 一种基于决策树模型的备品备件定额制定方法 |
CN106548257B (zh) * | 2016-12-09 | 2021-04-09 | 中国南方电网有限责任公司超高压输电公司昆明局 | 一种基于决策树模型的备品备件定额制定方法 |
CN109784795A (zh) * | 2017-11-13 | 2019-05-21 | 阿里巴巴集团控股有限公司 | 库存状态计算方法、装置、设备和介质 |
CN107909205A (zh) * | 2017-11-15 | 2018-04-13 | 华北电力大学(保定) | 一种基于年度定额的风电场备件的库存优化方法 |
CN107909205B (zh) * | 2017-11-15 | 2021-11-30 | 华北电力大学(保定) | 一种基于年度定额的风电场备件的库存优化方法 |
CN109117990B (zh) * | 2018-07-26 | 2021-12-28 | 中广核核电运营有限公司 | 一种核电站备件库存预测及指标分解装置 |
CN109117990A (zh) * | 2018-07-26 | 2019-01-01 | 中广核核电运营有限公司 | 一种核电站备件库存预测及指标分解装置 |
CN109272268B (zh) * | 2018-08-16 | 2022-02-22 | 国家电网有限公司 | 电力物资出库量测算方法及系统 |
CN109272268A (zh) * | 2018-08-16 | 2019-01-25 | 国家电网有限公司 | 电力物资出库量测算方法及系统 |
CN113228068B (zh) * | 2018-11-01 | 2024-02-23 | 思睿人工智能公司 | 用于库存管理和优化的系统和方法 |
CN113228068A (zh) * | 2018-11-01 | 2021-08-06 | 思睿人工智能公司 | 用于库存管理和优化的系统和方法 |
CN109741090A (zh) * | 2018-12-18 | 2019-05-10 | 刘雨昆 | 一种基于多因素的配网工程物资需求预测方法 |
CN109767032A (zh) * | 2018-12-24 | 2019-05-17 | 北京航天智造科技发展有限公司 | 一种基于数据分析的企业财务运营数字化管理优化系统 |
CN110503356A (zh) * | 2019-07-08 | 2019-11-26 | 国网浙江省电力有限公司金华供电公司 | 一种基于大数据预测电力物资协议库存的方法 |
CN110659946A (zh) * | 2019-10-09 | 2020-01-07 | 成都九洲电子信息系统股份有限公司 | 一种产品采购量分析方法 |
CN110659946B (zh) * | 2019-10-09 | 2023-07-21 | 成都九洲电子信息系统股份有限公司 | 一种产品采购量分析方法 |
CN110796487A (zh) * | 2019-10-18 | 2020-02-14 | 上海钧正网络科技有限公司 | 数量预测方法、装置、计算机设备和存储介质 |
CN112784212B (zh) * | 2019-11-05 | 2023-11-03 | 北京京东振世信息技术有限公司 | 一种优化库存的方法和装置 |
CN112784212A (zh) * | 2019-11-05 | 2021-05-11 | 北京京东振世信息技术有限公司 | 一种优化库存的方法和装置 |
CN111401804A (zh) * | 2020-02-28 | 2020-07-10 | 雅砻江流域水电开发有限公司 | 一种基于仿真的工程物资供应链网络规划方法及系统 |
CN111401804B (zh) * | 2020-02-28 | 2023-07-11 | 雅砻江流域水电开发有限公司 | 一种基于仿真的工程物资供应链网络规划方法及系统 |
CN113837420A (zh) * | 2020-06-23 | 2021-12-24 | 三菱电机(中国)有限公司 | 电力消耗预测方法、电力消耗预测系统及计算机可读存储介质 |
CN111915261A (zh) * | 2020-08-10 | 2020-11-10 | 辉岭加拿大有限公司 | 一种医学实验室耗材定数管理算法 |
CN111915261B (zh) * | 2020-08-10 | 2023-07-18 | 辉岭加拿大有限公司 | 一种医学实验室耗材定数管理算法 |
CN112598358A (zh) * | 2020-12-30 | 2021-04-02 | 杭州拓深科技有限公司 | 一种智能辅助决策采购方法 |
CN113554291A (zh) * | 2021-07-14 | 2021-10-26 | 国网上海市电力公司 | 基于需求量预测的电能表供应链监控管理方法及设备 |
CN113537594A (zh) * | 2021-07-16 | 2021-10-22 | 国网江苏省电力有限公司 | 区域电网企业电力设备仓储配送网络体系构建方法 |
CN113610308A (zh) * | 2021-08-12 | 2021-11-05 | 国网江苏省电力有限公司常州供电分公司 | 基于剩余寿命预测的安全库存预测方法 |
CN113780960A (zh) * | 2021-09-26 | 2021-12-10 | 华能(广东)能源开发有限公司 | 一种物资自动存放及采购方法 |
CN115600849A (zh) * | 2022-09-09 | 2023-01-13 | 张家港鸿盛电子科技股份有限公司(Cn) | 一种基于决策分析的数据中台系统 |
CN115600849B (zh) * | 2022-09-09 | 2024-05-17 | 张家港鸿盛电子科技股份有限公司 | 一种基于决策分析的数据中台系统 |
CN116308053A (zh) * | 2022-10-26 | 2023-06-23 | 国网浙江浙电招标咨询有限公司 | 一种电力物资数据关联处理方法 |
CN116308053B (zh) * | 2022-10-26 | 2023-08-25 | 国网浙江浙电招标咨询有限公司 | 一种电力物资数据关联处理方法 |
CN115689452B (zh) * | 2022-11-14 | 2023-06-20 | 深圳市金洲精工科技股份有限公司 | 一种钻头库存计划管理方法 |
CN115689452A (zh) * | 2022-11-14 | 2023-02-03 | 深圳市金洲精工科技股份有限公司 | 一种钻头库存计划管理方法 |
CN117575475A (zh) * | 2024-01-16 | 2024-02-20 | 中铁四局集团有限公司 | 一种基于数据仓库的大屏报表快速搭建显示方法 |
CN117575475B (zh) * | 2024-01-16 | 2024-04-12 | 中铁四局集团有限公司 | 一种基于数据仓库的大屏报表快速搭建显示方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105139090A (zh) | 一种基于消耗预测的电力行业安全库存决策分析方法 | |
Vovk et al. | Modeling the choice of the innovation and investment strategy for the implementation of modernization potential | |
Fathi et al. | A novel bidirectional network data envelopment analysis model for evaluating sustainability of distributive supply chains of transport companies | |
CN104573877A (zh) | 配电网设备需求量预测和定量方法及其系统 | |
Yu et al. | Robust supply chain networks design and ambiguous risk preferences | |
Zhuge et al. | Multi-period distribution center location and scale decision in supply chain network | |
Saraji et al. | Application of System Dynamics in Forecasting: A Systematic Review. | |
Liu et al. | Profit-oriented distributionally robust chance constrained flowshop scheduling considering credit risk | |
Tirkolaee et al. | A hybrid biobjective markov chain based optimization model for sustainable aggregate production planning | |
Grzegorowski et al. | Prescriptive analytics for optimization of FMCG delivery plans | |
Bondarenko et al. | Model for the Development of an Energy Enterprise | |
Forghani et al. | Contractor selection based on swot analysis with vikor and topsis methods in fuzzy environment | |
Burennikova et al. | Logistic systems: estimation of the force of functioning | |
Krasnyansky et al. | Digitalization of Energy Management in an Industrial Enterprise | |
Jianzhu et al. | Decision-making for location of manufacturing bases in an uncertain demand situation | |
Skvortsova et al. | Economic assessment of the effectiveness of the introduction of industry 4.0 technologies in the activities of industrial enterprises | |
Wang et al. | Optimization model for low-carbon supply chain considering multi-level backup strategy under hybrid uncertainty | |
Naji Nasrabadi Yazd et al. | An efficiency-based aggregate production planning model for multi-line manufacturing systems | |
Du et al. | Dynamic model averaging-based procurement optimization of prefabricated components | |
Zhang et al. | Batch sizing control of a flow shop based on the entropy-function theorems | |
Gunasekara et al. | Developing a Predictive Model to Forecast Optimal Production Quantity Under Uncertainty: A Systematic Literature Review | |
Vlasov et al. | Methods for Evaluating the Cost-Effectiveness of Using AI for Production Automation | |
Rakhmatullina et al. | Digital Development and Formation of Logistics Systems in Construction in Samara Region | |
Khalili et al. | Performance Evaluation in Aggregate Production Planning by Integrated Approach of DEA and MADM under Uncertain Condition | |
Wang et al. | Research on distribution network spare parts demand forecasting and inventory quota |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151209 |