CN106548257A - 一种基于决策树模型的备品备件定额制定方法 - Google Patents
一种基于决策树模型的备品备件定额制定方法 Download PDFInfo
- Publication number
- CN106548257A CN106548257A CN201611126249.2A CN201611126249A CN106548257A CN 106548257 A CN106548257 A CN 106548257A CN 201611126249 A CN201611126249 A CN 201611126249A CN 106548257 A CN106548257 A CN 106548257A
- Authority
- CN
- China
- Prior art keywords
- standby redundancy
- decision
- standby
- response time
- redundancy
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000003066 decision tree Methods 0.000 title claims abstract description 26
- 238000007689 inspection Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 6
- 230000008439 repair process Effects 0.000 claims abstract description 5
- 238000009826 distribution Methods 0.000 claims description 51
- 230000004044 response Effects 0.000 claims description 49
- 239000006185 dispersion Substances 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 14
- 238000009666 routine test Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 6
- 238000011005 laboratory method Methods 0.000 claims description 3
- 230000007306 turnover Effects 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 239000000463 material Substances 0.000 claims description 2
- 238000009472 formulation Methods 0.000 abstract description 3
- 238000012423 maintenance Methods 0.000 abstract description 3
- 239000000203 mixture Substances 0.000 abstract description 3
- 238000004904 shortening Methods 0.000 abstract 1
- 230000002596 correlated effect Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 241000209094 Oryza Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于物流信息技术领域,具体涉及一种基于决策树模型的备品备件定额制定方法;所述的基于决策树模型的备品备件定额制定方法,包括以下具体步骤:1)决策树的构建;2)检验生成的决策树;3)备品备件储备定额模型;本发明科学合理制定备品备件定额,有利于利用最少的、合理的资金储备设备备品备件,缩短检修停机时间、修理成本,减少库存备品备件积压。备品备件资金是有限的,备品备件成千上万,故要确定哪些备品备件该什么时候采购,采购多少是最合理的,选择最佳的采购时机和最合理的采购量,实现对物流过程的控制,降低整个过程的物流成本。
Description
技术领域
本发明属于物流信息技术领域,具体涉及一种基于决策树模型的备品备件定额制定方法。
背景技术
物流系统是一个庞大复杂的系统,尤其是现代信息化物流网络体系的应用使原来数据库的规模不断扩大,产生巨大的数据流,使企业很难对这些数据进行准确、高效的收集和及时处理,以此帮助决策者做出快速、准确地决策,实现对物流过程的控制,降低整个过程的物流成本。然而运用决策树算法能够帮助企业在物流信息系统管理中,及时、准确地收集和分析客户、市场、销售及整个企业内部的各种信息。
发明内容
为了克服背景技术中存在的不足,本发明提出一种基于决策树模型的备品备件定额制定方法,能够加快物流周转,提高资金利用率,降低库存和流通费用。
为了达到上述目的,本发明是通过如下技术方案实现的
一种基于决策树模型的备品备件定额制定方法包括以下步骤:
1)决策树的构建
(1)选择提取一个训练集和空树,并对当前结点应用该结点的测试将其划分;
(2)如果当前结点所有的训练样本属于同一个类别,创建一个带有该类的标签的叶子结点并停止;
(3)否则,使用最优测量计算每个集合的每种可能的划分;
(4)选择最优划分作为当前结点的测试,创建与该划分的不同输出数目同样多的子结点;
(5)使用该划分的输出标注父集和子集之间的边,并使用该划分把训练数据划分到子结点中;
(6)把子结点作为当前结点,循环进行(3)-(5)步骤,直到不存在可以划分的结点为止;
2)检验生成的决策树
根据物资的通用性、响应时效、配送时间、实验要求、更换维修特性将合仓库备品备件储备模式分为集中储备、分散储备和“集中+分散”储备三种模式;
(1)采用集中储备模式的备品备件
根据决策树模型,采用集中储备的备品备件满足以下条件之一:
a、该备品备件在1,2,…,z(z<=n)站通用,响应时间T>配送时间Tz,需要进行定期试验检验;
b、该备品备件在1,2,…,z(z<=n)站通用,响应时间T>配送时间Tz,不需要进行定期试验检验,但是不能自主更换;
c、该备品备件在1,2,…,z(z<=n)站通用,满足配送时间T与响应时间的关系:Tz-1<T<Tz,满足在第Tz-1个站点以内,并且需要进行定期试验检验;
d、该备品备件在z+1,z+2…,n站不通用,满足配送时间T与响应时间的关系:Tn-1<T<Tn,满足在第Tn-1个站点以内,不需要进行定期试验检验,但是不能自主更换;
e、该备品备件在z+1,z+2…,n站不通用,满足响应时间T>配送时间Tn,需要进行定期试验检验;
f、该备品备件在z+1,z+2…,n站不通用,满足响应时间T>配送时间Tn,不需要进行定期试验检验,但是不能自主更换的;
g、该备品备件在z+1,z+2…,n站不通用,满足配送时间T与响应时间的关系:Tn-1<T<Tn,满足在第Tn-1个站点以内,并且需要进行定期试验检验;
该备品备件在z+1,z+2…,n站不通用,满足配送时间T与响应时间的关系:Tn-1<T<Tn,满足在第Tn-1个站点以内,不需要进行定期试验检验,但是不能自主更换。
(2)采用分散储备模式的备品备件
根据决策树模型,采用分散储备的备品备件满足以下条件之一:
a、该备品备件在1,2,…,z(z<=n)站通用,满足配送时间T与响应时间的关系:Tz-1<T<Tz,那么在第Tz个站点进行分散储备。
b、该备品备件在z+1,z+2…,n站不通用,满足配送时间T与响应时间的关系:Tn-1<T<Tn,那么在第Tn个站点进行分散储备。
该备品备件在z+1,z+2…,n站不通用,满足响应时间T>配送时间Tn,不需要进行定期试验检验,但是能够自主更换的。
(3)采用“集中+分散”储备模式的备品备件
根据决策树模型,采用“集中+分散”储备的备品备件满足以下条件之一:
a、该备品备件在1,2,…,z(z<=n)站通用,响应时间T>配送时间Tz,不需要进行定期试验检验,但是能够自主更换;
b、该备品备件在1,2,…,z(z<=n)站通用,满足配送时间T与响应时间的关系:Tz-1<T<Tz,满足在第Tz-1个站点以内,不需要进行定期试验检验,但是能够自主更换;
该备品备件在z+1,z+2…,n站不通用,满足配送时间T与响应时间的关系:Tn-1<T<Tn,满足在第个Tn-1站点以内,不需要进行定期试验检验,但是能够自主更换。
3)、备品备件储备定额模型
备品备件储备定额又叫备品备件库存周转定额,储备定额通常以件、套、组、台来表示。备品备件储备定额的确定,由备品备件的订货周期T、同类设备台数A、百台设备障碍率K、备品备件的平均使用寿命P、修正系数a以及关键系数b共同确定。
(1)单件备品备件的平均使用寿命、年消耗速度、年消耗量
单件备品备件的平均使用寿命一般由供应商提供,并根据实际使用情况作相应调整;年消耗速度和年消耗量根据实际经验推算。
(2)备品备件的订货周期
订货周期指以备品备件需求提出到成品入库,包括财务转账完毕的全过程,称为订货周期,以T表示。
(3)备品备件定额确定
计算方法如下:n2=AK/P,
式中:
A-同类设备台数;
K-百台设备障碍率,K~N(μ,σ2),即K服从正态分布,百分比;
P-备品备件的平均使用寿命,单位:年。
结合各种备品备件订货周期的不同,订货量可以计算:n3=n2bT=AKbT/P,当T=1年时,则n3=n2b。
式中:b-关键系数(即该设备的损坏对整条线路的影响系数),取值范围为[1,2],取值根据实际情况使用专家打分等途径获取。
最低储备量可以用下式计算:n1=n2/4,
式中:n1-最低备品备件库存量,单位:件。
主要是为了补偿发生不可预计的情况。
备品备件不能按预订的周期到货时,则是不可缺少的缓冲量,是备品备件库存信息的警告量,也叫保险储备量。最低储备量的大小相当于备品备件年消耗量的25%。
最高储备量可按下式计算:n4=n3+n1,式中n4-备品备件最高储备量,单位:件。
最高储备量是备品备件库存极限值,超过n4出现超储。占用过多的流动资金,是不合理的。
备品备件的修正系数
备品备件的修正系数a是伴随着设备标准化、系列化和通用化而产生的,修正系数小于或等于l。备品备件修正系数a的大小,取决于A与K的乘积AK。当AK为1时,系数a最大等于1。AK乘积增大,系数减少;但AK乘积过大,系数减少就有一个限度,不可能因为AK乘积无限增大,而系数等于零。
每种备品备件的实际库存量,应在最高储备量与最低储备量之间上下浮动。因此每种备品备件的储备定额用下列公式计算:
式中N-每种备品备件储备定额,单位:件;
在公式(5.1)中:
当T=0.5年时,件;
当T=1年时,件;
当T=1.5年时,件。
如果要计算某项备品备件的单件储备定额,只要把备品备件的年消耗定额n2乘上相应的修正系数即可算出。当计算出的定额不是整数时,用四舍五入法。因以上公式较为复杂,故在实际操作中采用较简单的公式来计算储备定额与年消耗定额之间的关系。可以将公式简化为:N=n2abT=AKabT/P。
4)备品备件储备定额模型各参数的确定方法
(1)同类设备台数A的获取
该参数可以从公司内部仓储管理系统中统计的储备备品备件定额表格中获取。
(2)百台设备障碍率K的确定
百台设备障碍率K由实验法或三点估算法来计算:
a、实验法确定故障率。因为K~N(μ,σ2),即K服从正态分布,那么即服从期望为0,方差为1的标准正态分布。
假如为了估计灯泡使用时数(小时)的均值μ和方差σ2,测试了10个灯泡得S2=202,若已知灯泡的使用时数为X,X~N(μ,σ2),求μ和σ2的置信区间。
由公式知μ的置信区间为查t分布表得则μ的置信区间为[1500±14.3],即[1485.7,1514.3]。由公式知σ2的置信区间为(n-1)S2=9·400=3600,查χ2分布表得, 则σ2的置信区间为
b、三点估计法确定故障率。所谓三点估计法就是把障碍率划分为乐观障碍率、最可能障碍率、悲观障碍率,分别设乐观障碍率为a,最可能障碍率为m,最悲观的障碍率为b。期望障碍率为(a+4m+b)/6,方差为[(b-a)/6]2,标准差为(b-a)/6。用三点估算公式计算出来的是平均障碍率,即有50%的可能性发生故障。用正态统计分布图,障碍率落在平均障碍率1个标准差范围之内的概率是68.26%,2个标准差之内的概率是95.46%,3个标准差的概率是99.73%。
(3)备品备件的平均使用寿命P的确定
该参数从供应商提供的对应备品备件的说明书中获取。
本发明的有益效果:
科学合理制定备品备件定额,有利于利用最少的、合理的资金储备设备备品备件,缩短检修停机时间、修理成本,减少库存备品备件积压。备品备件资金是有限的,备品备件成千上万,故要确定哪些备品备件该什么时候采购,采购多少是最合理的,选择最佳的采购时机和最合理的采购量,实现对物流过程的控制,降低整个过程的物流成本。
附图说明
图1为本发明根据四个制约因素建立的决策树模型。
具体实施方式
为了使本发明的目的、技术方案和有益效果更加清楚,下面将结合附图,对本发明的优选实施例进行详细的说明,以方便技术人员理解。
实施例1
储备物资“500kV交流滤波器电容器,1.022μF,550/650Hz(物资品类编码:090017000009),规格型号:AAM17.35-3.87,计量单位:台”)
步骤1决策节点1.判断通用性:全部通用;进入“响应时间与配送时间的关系”判断。
步骤2决策节点2.判断响应时间与配送时间的关系,响应时间T=10小时,配送时间T1=2.5小时、T2=8小时、T3=10小时,判断结果为响应时间≤配送时间;进入“是否试验检验”判断。
步骤3决策节点3.判断是否需要试验检验,判断结果为是。
根据以上3个决策节点,判断储备方式为“集中储备”,应用储备定额公式为:最低储备量:AK/4P,最高储备量:[AK(1+4bT)]/4P。
步骤4输入储备定额公式相关变量:订货周期T=0.8年,同类设备台数A=23000台,百台设备故障率K=0.04%,平均使用寿命P=20年,修正系数α=1,关键系数b=1。
得出计算结果并取整数后得到储备定额:安全库存=12台,最高储备量=49台。
实施例2
储备物资“500(550)kVSF6GIL管道母线,2500A(物资品类编码:010003004097),规格型号:G11364M6-028,计量单位:米”)
步骤1决策节点1.判断通用性:部分通用;进入“响应时间与配送时间的关系”判断。
步骤2决策节点2.判断响应时间与配送时间的关系,响应时间T=10小时,配送时间T2=8小时、T3=11小时,判断结果为T2≤T≤T3;进入“是否试验检验”判断。
步骤3决策节点3.判断是否需要试验检验,判断结果为是。
根据以上3个决策节点,判断储备方式为“集中储备+分散储备”,应用储备定额公式为:分散储备:AK/4P,集中储备:[AK(1+2bT)]/4P。
步骤4输入储备定额公式相关变量:订货周期T=0.9年,同类设备台数A=2500台,百台设备故障率K=0.05%,平均使用寿命P=15年,修正系数α=1,关键系数b=1.2。
得出计算结果并取整数后得到储备定额:安全库存=3米,最高储备量=7米。
实施例3
储备物资“500(550)kVSF6GIL管道母线,2500A(物资品类编码:010003004097),规格型号:G11364M6-078,计量单位:米”)
步骤1决策节点1.判断通用性:部分通用;进入“响应时间与配送时间的关系”判断。
步骤2决策节点2.判断响应时间与配送时间的关系,响应时间T=10小时,配送时间T2=8小时、T3=11小时,判断结果为T2≤T≤T3;进入“是否试验检验”判断。
步骤3决策节点3.判断是否需要试验检验,判断结果为是。
根据以上3个决策节点,判断储备方式为“集中储备+分散储备”,应用储备定额公式为:分散储备:AK/4P,集中储备:[AK(1+2bT)]/4P。
步骤4输入储备定额公式相关变量:订货周期T=0.9年,同类设备台数A=2000台,百台设备故障率K=0.05%,平均使用寿命P=15年,修正系数α=1,关键系数b=1.2。
得出计算结果并取整数后得到储备定额:安全库存=2米,最高储备量=6米。
实施例4
储备物资“500(550)kVSF6GIL管道母线,2500A(物资品类编码:010003004097),规格型号:G11364M6-070,计量单位:米”)
步骤1决策节点1.判断通用性:部分通用;进入“响应时间与配送时间的关系”判断。
步骤2决策节点2.判断响应时间与配送时间的关系,响应时间T=10小时,配送时间T2=8小时、T3=11小时,判断结果为T2≤T≤T3;进入“是否试验检验”判断。
步骤3决策节点3.判断是否需要试验检验,判断结果为是。
根据以上3个决策节点,判断储备方式为“集中储备+分散储备”,应用储备定额公式为:分散储备:AK/4P,集中储备:[AK(1+2bT)]/5P
步骤4输入储备定额公式相关变量:订货周期T=0.9年,同类设备台数A=1800台,百台设备故障率K=0.05%,平均使用寿命P=15年,修正系数α=1,关键系数b=1.2。
得出计算结果并取整数后得到储备定额:安全库存=2米,最高储备量=5米。
实施例5
储备物资“SVC滤波电容器(物资品类编码:110002000003),规格型号:E62.R20-262CR1,计量单位:只”)
步骤1决策节点1.判断通用性:不通用;进入“响应时间与配送时间的关系”判断。
步骤2决策节点2.判断响应时间与配送时间的关系,响应时间T=10小时,判断结果为响应时间≧配送时间;进入“是否试验检验”判断
步骤3决策节点3.判断是否需要试验检验,判断结果为是。
根据以上3个决策节点,判断储备方式为“分散储备”,应用储备定额公式为:最低储备量:AK/4P,最高储备量:[AK(1+4bT)]/4P
步骤4输入储备定额公式相关变量:订货周期T=1年,同类设备台数A=40台,百台设备故障率K=0.03%,平均使用寿命P=12年,修正系数α=1,关键系数b=1。
得出计算结果并取整数后得到储备定额:安全库存=1只,最高储备量1只。
实施例6
储备物资“SVC晶闸管元件(物资品类编码:110002000002),规格型号:T1503NH80TOH,计量单位:支”)
步骤1决策节点1.判断通用性:不通用;进入“响应时间与配送时间的关系”判断。
步骤2决策节点2.判断响应时间与配送时间的关系,响应时间T=10小时,判断结果为响应时间≧配送时间;进入“是否试验检验”判断
步骤3决策节点3.判断是否需要试验检验,判断结果为是。
根据以上3个决策节点,判断储备方式为“分散储备”,应用储备定额公式为:最低储备量:AK/4P,最高储备量:[AK(1+4bT)]/4P
步骤4输入储备定额公式相关变量:订货周期T=1年,同类设备台数A=78台,百台设备故障率K=0.02%,平均使用寿命P=12年,修正系数α=1,关键系数b=1。
得出计算结果并取整数后得到储备定额:安全库存=1支,最高储备量1支。
本发明科学合理制定备品备件定额,有利于利用最少的、合理的资金储备设备备品备件,缩短检修停机时间、修理成本,减少库存备品备件积压。备品备件资金是有限的,备品备件成千上万,故要确定哪些备品备件该什么时候采购,采购多少是最合理的,选择最佳的采购时机和最合理的采购量,实现对物流过程的控制,降低整个过程的物流成本。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (4)
1.一种基于决策树模型的备品备件定额制定方法,其特征在于:所述的基于决策树模型的备品备件定额制定方法,包括以下具体步骤:
1)决策树的构建
(1)选择提取一个训练集和空树,并对当前结点应用该结点的测试将其划分;
(2)如果当前结点所有的训练样本属于同一个类别,创建一个带有该类的标签的叶子结点并停止;
(3)否则,使用最优测量计算每个集合的每种可能的划分;
(4)选择最优划分作为当前结点的测试,创建与该划分的不同输出数目同样多的子结点;
(5)使用该划分的输出标注父集和子集之间的边,并使用该划分把训练数据划分到子结点中;
(6)把子结点作为当前结点,循环进行(3)-(5)步骤,直到不存在可以划分的结点为止;
2)检验生成的决策树
根据物资的通用性、响应时效、配送时间、实验要求、更换维修特性将合仓库备品备件储备模式分为集中储备、分散储备和“集中+分散”储备三种模式;
(1)采用集中储备模式的备品备件
根据决策树模型,采用集中储备的备品备件满足以下条件之一:
a、该备品备件在1,2,…,z(z<=n)站通用,响应时间T>配送时间Tz,需要进行定期试验检验;
b、该备品备件在1,2,…,z(z<=n)站通用,响应时间T>配送时间Tz,不需要进行定期试验检验,但是不能自主更换;
c、该备品备件在1,2,…,z(z<=n)站通用,满足配送时间T与响应时间的关系:Tz-1<T<Tz,满足在第Tz-1个站点以内,并且需要进行定期试验检验;
d、该备品备件在z+1,z+2…,n站不通用,满足配送时间T与响应时间的关系:Tn-1<T<Tn,满足在第Tn-1个站点以内,不需要进行定期试验检验,但是不能自主更换;
e、该备品备件在z+1,z+2…,n站不通用,满足响应时间T>配送时间Tn,需要进行定期试验检验;
f、该备品备件在z+1,z+2…,n站不通用,满足响应时间T>配送时间Tn,不需要进行定期试验检验,但是不能自主更换的;
g、该备品备件在z+1,z+2…,n站不通用,满足配送时间T与响应时间的关系:Tn-1<T<Tn,满足在第Tn-1个站点以内,并且需要进行定期试验检验;
该备品备件在z+1,z+2…,n站不通用,满足配送时间T与响应时间的关系:Tn-1<T<Tn,满足在第Tn-1个站点以内,不需要进行定期试验检验,但是不能自主更换;
(2)采用分散储备模式的备品备件
根据决策树模型,采用分散储备的备品备件满足以下条件之一:
a、该备品备件在1,2,…,z(z<=n)站通用,满足配送时间T与响应时间的关系:Tz-1<T<Tz,那么在第Tz个站点进行分散储备;
b、该备品备件在z+1,z+2…,n站不通用,满足配送时间T与响应时间的关系:Tn-1<T<Tn,那么在第Tn个站点进行分散储备;
该备品备件在z+1,z+2…,n站不通用,满足响应时间T>配送时间Tn,不需要进行定期试验检验,但是能够自主更换的;
(3)采用“集中+分散”储备模式的备品备件
根据决策树模型,采用“集中+分散”储备的备品备件满足以下条件之一:
a、该备品备件在1,2,…,z(z<=n)站通用,响应时间T>配送时间Tz,不需要进行定期试验检验,但是能够自主更换;
b、该备品备件在1,2,…,z(z<=n)站通用,满足配送时间T与响应时间的关系:Tz-1<T<Tz,满足在第Tz-1个站点以内,不需要进行定期试验检验,但是能够自主更换;
该备品备件在z+1,z+2…,n站不通用,满足配送时间T与响应时间的关系:Tn-1<T<Tn,满足在第个站点以内,不需要进行定期试验检验,但是能够自主更换;
3)备品备件储备定额模型
备品备件储备定额又叫备品备件库存周转定额,储备定额通常以件、套、组、台来表示,备品备件储备定额的确定,由备品备件的订货周期T、同类设备台数A、百台设备障碍率K、备品备件的平均使用寿命P、修正系数a以及关键系数b共同确定;
(1)单件备品备件的平均使用寿命、年消耗速度、年消耗量
单件备品备件的平均使用寿命一般由供应商提供,并根据实际使用情况作相应调整;年消耗速度和年消耗量根据实际经验推算;
(2)备品备件的订货周期
订货周期指以备品备件需求提出到成品入库,包括财务转账完毕的全过程,称为订货周期,以T表示;
(3)备品备件定额确定
计算方法如下:n2=AK/P,
式中:
A-同类设备台数;
K-百台设备障碍率,K~N(μ,σ2),即K服从正态分布,百分比;
P-备品备件的平均使用寿命,单位:年;
结合各种备品备件订货周期的不同,订货量可以计算:n3=n2bT=AKbT/P,当T=1年时,则n3=n2b;
式中:b-关键系数(即该设备的损坏对整条线路的影响系数),取值范围为[1,2];
最低储备量可以用下式计算:n1=n2/4,
式中:n1-最低备品备件库存量,单位:件。
2.根据权利要求1所述的基于决策树模型的备品备件定额制定方法,其特征在于:所述的同类设备台数A从公司内部仓储管理系统中统计的储备备品备件定额表格中获取。
3.根据权利要求1所述的基于决策树模型的备品备件定额制定方法,其特征在于:所述的百台设备障碍率K借助实验法或三点估计法计算。
4.根据权利要求1所述的基于决策树模型的备品备件定额制定方法,其特征在于:所述的备品备件的平均使用寿命P从供应商提供的对应备品备件的说明书中获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611126249.2A CN106548257B (zh) | 2016-12-09 | 2016-12-09 | 一种基于决策树模型的备品备件定额制定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611126249.2A CN106548257B (zh) | 2016-12-09 | 2016-12-09 | 一种基于决策树模型的备品备件定额制定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106548257A true CN106548257A (zh) | 2017-03-29 |
CN106548257B CN106548257B (zh) | 2021-04-09 |
Family
ID=58396649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611126249.2A Active CN106548257B (zh) | 2016-12-09 | 2016-12-09 | 一种基于决策树模型的备品备件定额制定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106548257B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710905A (zh) * | 2018-05-10 | 2018-10-26 | 华中科技大学 | 一种基于多模型联合的备件数量预测方法和系统 |
CN111966723A (zh) * | 2020-06-23 | 2020-11-20 | 太原理工大学 | 一种基于乐观概念的故障检测决策规则提取方法 |
CN112598540A (zh) * | 2020-12-29 | 2021-04-02 | 南方电网深圳数字电网研究院有限公司 | 物资储备推荐方法、设备及存储介质 |
CN115081997A (zh) * | 2022-08-18 | 2022-09-20 | 庞械(天津)科技有限公司 | 设备备件库存诊断系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463547A (zh) * | 2014-12-24 | 2015-03-25 | 国家电网公司 | 一种备品备件的管理系统及备品备件仓库的管理方法 |
CN105139090A (zh) * | 2015-08-25 | 2015-12-09 | 国网天津市电力公司 | 一种基于消耗预测的电力行业安全库存决策分析方法 |
CN105654106A (zh) * | 2015-07-17 | 2016-06-08 | 哈尔滨安天科技股份有限公司 | 一种决策树生成方法及系统 |
-
2016
- 2016-12-09 CN CN201611126249.2A patent/CN106548257B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463547A (zh) * | 2014-12-24 | 2015-03-25 | 国家电网公司 | 一种备品备件的管理系统及备品备件仓库的管理方法 |
CN105654106A (zh) * | 2015-07-17 | 2016-06-08 | 哈尔滨安天科技股份有限公司 | 一种决策树生成方法及系统 |
CN105139090A (zh) * | 2015-08-25 | 2015-12-09 | 国网天津市电力公司 | 一种基于消耗预测的电力行业安全库存决策分析方法 |
Non-Patent Citations (2)
Title |
---|
邱立鹏: "《博士学位论文》", 30 April 2008 * |
闫阳: "物资定额储备采购模式应用", 《科技风》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710905A (zh) * | 2018-05-10 | 2018-10-26 | 华中科技大学 | 一种基于多模型联合的备件数量预测方法和系统 |
CN108710905B (zh) * | 2018-05-10 | 2020-07-10 | 华中科技大学 | 一种基于多模型联合的备件数量预测方法和系统 |
CN111966723A (zh) * | 2020-06-23 | 2020-11-20 | 太原理工大学 | 一种基于乐观概念的故障检测决策规则提取方法 |
CN111966723B (zh) * | 2020-06-23 | 2023-11-17 | 太原理工大学 | 一种基于乐观概念的故障检测决策规则提取方法 |
CN112598540A (zh) * | 2020-12-29 | 2021-04-02 | 南方电网深圳数字电网研究院有限公司 | 物资储备推荐方法、设备及存储介质 |
CN112598540B (zh) * | 2020-12-29 | 2023-10-13 | 南方电网数字平台科技(广东)有限公司 | 物资储备推荐方法、设备及存储介质 |
CN115081997A (zh) * | 2022-08-18 | 2022-09-20 | 庞械(天津)科技有限公司 | 设备备件库存诊断系统 |
CN115081997B (zh) * | 2022-08-18 | 2022-12-13 | 庞械(天津)科技有限公司 | 设备备件库存诊断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106548257B (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210209467A1 (en) | Method and device for predicting thermal load of electrical system | |
Chao et al. | Approximation algorithms for perishable inventory systems | |
Adulyasak et al. | Benders decomposition for production routing under demand uncertainty | |
CN106548257A (zh) | 一种基于决策树模型的备品备件定额制定方法 | |
Zhou et al. | Inventory management of platelets in hospitals: Optimal inventory policy for perishable products with regular and optional expedited replenishments | |
JP6344395B2 (ja) | 払出量予測装置、払出量予測方法、プログラム、及び、払出量予測システム | |
Abbasi et al. | On the issuing policies for perishable items such as red blood cells and platelets in blood service | |
CN108280538A (zh) | 基于云计算环境下分布式物流库存优化方法 | |
CN108629436B (zh) | 一种估算仓库拣货能力的方法和电子设备 | |
Arikan et al. | Multiple criteria inventory classification in an electronics firm | |
Petrovic et al. | Multicriteria ranking of inventory replenishment policies in the presence of uncertainty in customer demand | |
CN106682923B (zh) | 商品调整方法及系统 | |
CN106203682A (zh) | 酒店一次性用品需求预测方法及订单系统 | |
CN114581012A (zh) | 一种基于供应链管理的库存调整方法及系统 | |
CN110210946A (zh) | 数据处理方法及装置、介质和计算设备 | |
CN111932044A (zh) | 一种基于机器学习的钢铁产品价格预测系统和方法 | |
CN114091360B (zh) | 一种多模型融合的电压互感器误差状态评估方法 | |
CN116308477A (zh) | 一种大数据场景下的汽配易损件门店进货推荐方法 | |
Arani et al. | A simulation-optimization technique for service level analysis in conjunction with reorder point estimation and lead-time consideration: a case study in sea port | |
CN113780913B (zh) | 一种安全库存信息的生成方法和装置 | |
Chołodowicz et al. | Control of perishable inventory system with uncertain perishability process using neural networks and robust multicriteria optimization | |
Nasrabadi et al. | The inventory system management under uncertain conditions and time value of money | |
CN110837952A (zh) | 一种基于博弈论的电网新技术设备选择方法及系统 | |
CN109978179A (zh) | 模型训练方法、装置、电子设备及可读存储介质 | |
CN114881694A (zh) | 自动补货方法、系统、电子设备、存储介质、程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |