CN109117990B - 一种核电站备件库存预测及指标分解装置 - Google Patents
一种核电站备件库存预测及指标分解装置 Download PDFInfo
- Publication number
- CN109117990B CN109117990B CN201810833340.0A CN201810833340A CN109117990B CN 109117990 B CN109117990 B CN 109117990B CN 201810833340 A CN201810833340 A CN 201810833340A CN 109117990 B CN109117990 B CN 109117990B
- Authority
- CN
- China
- Prior art keywords
- inventory
- amount
- year
- nuclear power
- spare part
- 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.)
- Active
Links
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 26
- 230000007246 mechanism Effects 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000012423 maintenance Methods 0.000 claims description 68
- 238000012384 transportation and delivery Methods 0.000 claims description 59
- 238000007726 management method Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000013439 planning Methods 0.000 claims description 16
- 230000007306 turnover Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 12
- 230000007774 longterm Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000003745 diagnosis Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 4
- ONUFESLQCSAYKA-UHFFFAOYSA-N iprodione Chemical compound O=C1N(C(=O)NC(C)C)CC(=O)N1C1=CC(Cl)=CC(Cl)=C1 ONUFESLQCSAYKA-UHFFFAOYSA-N 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 230000003449 preventive effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000000547 structure data Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011214 deviation management Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种核电站备件库存预测及指标分解装置。该装置中库存分类机制设定模块用于对库存数据中相关备件进行设置;库存预测及指标分解模块用于预测并显示库存分类机制设定模块系统中各核电站的未来库存状态,并提供相关库存指标;库存分类机制设定模块库存预测及指标分解模块根据库存分类机制设定模块库存分类机制设定模块设定的分类标准、历史使用数据、现有库存数据、以及未来计划数据进行计算,得到库存预测数据。通过实施本发明,使用大数据统计分析现有备件的规律,并根据未来需求做出合理预测,从而使核电站的备件管理更加科学化。
Description
技术领域
本发明涉及核电站领域,更具体地说,涉及一种核电站备件库存预测及指标分解装置。
背景技术
核电站的备件对于核电站的安全运行至关重要,在日常维护或大修过程中起着重要作用。核电站备件直接关系到核电站的安全稳定运行,当备件储备不足或供应不及时,将会导致设备安全可靠性的降低,增加电站运行风险,停堆、停机时间延长,电站的正常生产活动和经济效益遭受重大损失等问题。
现有技术中,为保证核电站的备件需求,往往会过多的准备备件,虽然该方式能确保核电站的备件需求,但过多的存储备件也会导致占用大量资金,同时一些备件长时间不使用,导致备件在存放过程中损耗,造成资金的浪费。另外,现有核电站采用独立的管理方式,每个核电站只关注本站的备件情况,不能联合其他核电站进行统一管理和调配,不能使用大数据对配件进行合理安排。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述核电站过多存储备件,导致占用资金以及备件损耗的缺陷,提供一种核电站备件库存预测及指标分解装置。
本发明解决其技术问题所采用的技术方案是:构造一种核电站备件库存预测及指标分解装置,应用于核电站管理终端,包括库存分类机制设定模块和库存预测及指标分解模块,所述库存分类机制设定模块用于对所述库存数据中相关备件进行设置;所述库存预测及指标分解模块用于预测并显示所述系统中各核电站的未来库存状态,并提供相关库存指标;
所述库存预测及指标分解模块根据所述库存分类机制设定模块设定的分类标准、历史使用数据、现有库存数据、以及未来计划数据进行计算,得到库存预测数据;所述库存预测数据包括当年度库存金额预测、库存中长期规划、库存指标分解。
优选地,本发明所述的核电站备件库存预测及指标分解装置,所述库存分类机制设定模块根据历史统计数据和预设分类标准对备件进行分类;
所述预设分类标准包括周转时间分类标准、重要度分类标准、价格分类标准、供货时间分类标准、战略备件分类标准。
优选地,本发明所述的核电站备件库存预测及指标分解装置,所述库存预测及指标分解模块包括用于显示所述库存预测数据的显示屏;以及
用于导出所述库存预测数据的数据导出接口。
优选地,本发明所述的核电站备件库存预测及指标分解装置,所述当年度库存金额预测计算公式为:
S年底=S当前+A-C
其中,S年底为年底的库存预测金额,S当前为当前的存库金额,A为截止到年底内的库存交货金额预测,C为截止到年底的消耗金额预测;
A=A1+A2
其中,A1为已签署的采购订单在年底前新交货的金额,A2为年底前新签署的采购订单在年底前交货的金额。
优选地,本发明所述的核电站备件库存预测及指标分解装置,所述截止到年底的消耗金额预测C=C1+C2,其中C1为截止到年底这段时间内的日常维修消耗金额,C2为截止到年底这段时间内的大修消耗金额。
优选地,本发明所述的核电站备件库存预测及指标分解装置,所述库存中长期规划计算公式为:
SN=SN-1+AN-CN
其中,SN为第N年的库存目标,SN-1为第N-1年的库存,AN为第N年的计划交货金额,CN为第N年的预计消耗金额。
优选地,本发明所述的核电站备件库存预测及指标分解装置,第N年的计划交货金额AN的计算过程为:
PN=MN PN+MN+1 PN+1+MN+2 PN+2+MN+3 PN+3+MN+4 PN+4
其中,MN PN为第N年采购在第N年计划交货金额AN,MN+1 PN+1为第N年采购在第N+1年计划交货金额AN+1,MN+2 PN+2为第N年采购在第N+2年计划交货金额AN+2,MN+3 PN+3为第N年采购在第N+3年计划交货金额AN+3,MN+4 PN+4为第N年采购在第N+4年计划交货金额AN+4。
优选地,本发明所述的核电站备件库存预测及指标分解装置,将所述库存指标分解分解到各个维修专业,所述维修专业的库存指标为:
Ti=K1*T*Si/S+K2*T*Zi/Z+K3*T*Mi/M+K4*T*Ci/C
其中,S为当前的总库总金额,Z为当前总正订金额,M为当前总重要备件项数,C为未来总备件消耗金额,T为库存控制目标,K1为当前库存水平系数,K2为当前正订金额系数,K3为重要备件项目系数,K4为未来备件消耗系数,Si为某维修专业的当前库存金额,Zi为当前正订金额,Mi当前重要备件项数,Ci为未来备件消耗金额;并且K1、K2、K3、K4满足:
K1+K2+K3+K4=1,且K4≤0。
优选地,本发明所述的核电站备件库存预测及指标分解装置,核电站的年度采购金额为P,则所述维修专业的年度采购限额为:
Pi=K1*P*Si/S+K2*P*Zi/Z+K3*P*Mi/M+K4*P*Ci/C
其中,K1+K2+K3+K4=1,且K2≤0。
优选地,本发明所述的核电站备件库存预测及指标分解装置,所述库存预测及指标分解模块包括用于存储所述库存预测数据的存储器。
实施本发明的一种核电站备件库存预测及指标分解装置,具有以下有益效果:该装置中库存分类机制设定模块用于对库存数据中相关备件进行设置;库存预测及指标分解模块用于预测并显示库存分类机制设定模块系统中各核电站的未来库存状态,并提供相关库存指标;库存预测及指标分解模块根据库存分类机制设定模块设定的分类标准、历史使用数据、现有库存数据、以及未来计划数据进行计算,得到库存预测数据。通过实施本发明,使用大数据统计分析现有备件的规律,并根据未来需求做出合理预测,从而使核电站的备件管理更加科学化。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明一种核电站群厂备件库存管理系统的数据采集示意图;
图2是本发明一种核电站群厂备件库存管理系统的结构示意图;
图3是本发明核电站单堆库存金额及库存结构图;
图4是本发明核电站A历史库存数据;
图5是本发明核电站A各专业库存金额及备件库龄;
图6是本发明某核电站采购订单签署后的时间与交货率的关系图;
图7是本发明核电站单堆库存金额;
图8是本发明某核电站第N年采购订单的计划交货年份分布比例;
图9是本发明某核电站库存中长期规划。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
图1是本发明一种核电站群厂备件库存管理系统的数据采集示意图。
具体的,该核电站群厂备件库存管理系统包括核电站管理终端、以及每个核电站包括至少一台用于采集数据的数据采集终端,所有数据采集终端通信连接核电站管理终端,并将采集数据发送至核电站管理终端。通过该系统,将多个核电站的备件管理系统作为一个整体,获取每个核电站的备件使用数据和库存数据等,利用大数据对多个核电站的备件使用情况进行科学的统计和分析,得出更加科学的备件管理方案。
图2是本发明一种核电站群厂备件库存管理系统的结构示意图。
具体的,该系统包括用于获取库存数据的基础数据层,以及
用于处理库存数据的业务平台层,基础数据层连接业务平台层。
基础业务层包括并通过传感器采集、或通信模块接收、或终端获取库存数据。基础业务层包括订单获取单元、交货验收单元、材料出库单元、群厂物料获取单元、工厂物料获取单元、功能位置获取单元、库存清查单元、维修数据获取单元以及供应物料接收单元。维修数据获取单元包括维修大纲、维修标准包、维修工单等维修数据。
业务平台层包括库存分类机制设定模块、库存状态诊断模块、库存指标跟踪模块以及库存预测及指标分解模块。其中,库存分类机制设定模块用于对库存数据中相关备件进行设置;库存状态诊断模块用于处理并显示系统中各核电站的历史库存状态;库存指标跟踪模块用于处理并显示系统中各核电站的当前库存状态;库存预测及指标分解模块用于预测并显示系统中各核电站的未来库存状态,并提供相关库存指标。
业务平台层中库存分类机制设定模块根据历史统计数据和预设分类标准对备件进行分类。预设分类标准包括周转时间分类标准、重要度分类标准、价格分类标准、供货时间分类标准、战略备件分类标准,主要用于对于库存数据统计中相关备件定义进行设置,其包含了高周转备件定义、重要备件定义、高单价备件定义、长供货期备件定义、是否包含战略备件,不同的备件定义将会对后续数据统计造成影响。例如,经统计某核电站中每年均有领用记录的备件比例低于25%,而从未发生过领用的备件比例超过40%,故备件的领用频度为库存分类的重要参数,可根据备件的领用频度将备件分为高周转备件和非高周转两类备件,其中可参考将在最近三个换料周期内有两个换料周期及以上发生过领用的备件定义为高周转备件(相关定义可以自主调整,并根据调整的定义更新后续统计数据)。
业务平台层中库存状态诊断模块根据库存分类机制设定模块设定的分类标准对系统中各核电站的历史备件使用情况进行统计,得到历史库存状态。核电站管理终端包括用于存储历史库存状态的存储器。历史库存状态包括历史总库存金额及结构、历史采购金额、历史交货金额、历史领用金额、各维修专业历史库存金额、库龄及单价分布。为方便后续进一步进行离线数据处理,库存状态诊断模块还包括用于导出历史库存状态的数据导出接口。库存状态诊断模块还包括用于显示历史库存状态的显示屏。
业务平台层中库存指标跟踪模块根据库存分类机制设定模块设定的分类标准对系统中各核电站的当前备件库存、以及当前备件变化数据进行统计,得到当前库存状态。核电站管理终端包括用于存储当前库存状态的存储器。当前库存状态包括总库存金额及结构、各专业库存金额、新增库存周转率、大修备件领用率、重要备件储备率、各备件类别库存金额,其中,新增库存周转率=1-(第N-1年入库的备件批次在第N年底对应的库存金额/第N-1年入库批次的总金额)。
如图3所示,统计各核电站和群厂的库存总量,并按照备件的领用频度和重要性统计库存结构数据,对标本核电站与同类型核电站的库存总量和库存结构数据,初步明确本核电站待改进方向。核电站A的库存总量最高,其后续的改进方向应是降低整体库存水平,核电站E的库存总量最低,但其非高周转非重要备件的库存金额占比较高,其后续的改进方向不是降低整体库存总量,而是优先优化整体库存结构。
如图4所示,根据核电站历史年度采购金额、年度交货金额、年度备件消耗金额,分析该电站的历史库存状态。核电站A的单堆库存金额呈现稳态且有略微下降趋势,年度备件消耗金额相对稳定,严控备件的采购金额可以降低未来的总体库存。
如图5所示,核电站备品备件的主要用户为维修部门,目前各核电站的维修部门都可以细分为机械、电气、仪表等专业,故可以按照电站的专业进一步分析备件的库存结构。核电站A有超过30%的备件库龄超过了10年,该部分备件是库存清理或库存优化的重点。
业务平台层中库存指标跟踪模块包括用于显示当前库存状态的显示屏;以及用于导出当前库存状态的数据导出接口。库存预测及指标分解模块根据库存分类机制设定模块设定的分类标准、历史使用数据、现有库存数据、以及未来计划数据进行计算,得到库存预测数据。优选地,库存预测及指标分解模块包括用于显示库存预测数据的显示屏;以及
用于导出库存预测数据的数据导出接口。
对各核电站的库存指标数据进行实时跟踪,库存指标数据包括但不限于各电站的总库存、各专业库存、新增库存周转率、大修备件领用率、重要备件储备率。
总库存是指核电站所有备件的总库存金额,核电站还存在部分战略备件(其指重要性高、核电站寿期内无预期使用、资金占用率高、价格昂贵等特点的备件,如发电机转子),在统计各核电站的总库存时可选择统一包含或不包含战略备件的库存金额。在总库存界面中可以导出各核电站的库存清单,包含但不限于备件编码、备件描述、备件单价、备件库存数量等信息。
各专业库存是指核电站各个专业拥有的库存金额,该数据在一定程度上反映了各个专业库存控制成效,同时其也可用于作为分解核电站的总库存指标的重要参考依据。在各专业库存界面中可以导出各核电站的库存清单,包含但不限于备件编码、备件描述、备件所属专业、备件单价、备件库存数量等信息。
新增库存周转率是指备件在一定时间段内的领用比例,例如可常用市面上通用的周转率计算方法,即周转率=年库存消耗金额/平均总库存金额,但该方法统计的周转率数据会长期处于较低的值,无明显参考价值。针对核电站的库存特点,可将库存新增备件周转率取为新增备件在一段时间内的领用比例,通过分析该备件的领用比例判断备件流转情况,统计方法为
新增库存周转率=1-(第N-1年入库的备件批次在第N年底对应的库存金额/第N-1年入库批次的总金额)。
新增库存周转率其在一定程度上反映了核电站采购计划制定和维修计划执行的有效性。在新增库存周转率界面中可以导出各核电站的备件清单,包含但不限于备件编码、备件描述、备件所属专业、备件批次、备件入库时间、备件单价、备件库存数量等信息。
大修备件是指在核电站大修过程中消耗的备件,大修备件领用率是指为某个大修而采购交货的备件在实际大修过程中发生领用的比例。经统计,核电站有超过一半的备件消耗是大修备件消耗,核电站的大修具有较强的计划性,故大修备件领用数据在一定程度上反映了核电站大修需求规划的有效性。在大修备件领用率界面中可以导出各核电站的大修备件清单,包含但不限于备件编码、备件描述、备件所属专业、大修轮次、备件单价、备件库存数量等信息。
根据库存分类机制关于重要备件的定义,核电站现场需求的重要备件一旦出现缺货情况,将会对机组的安全稳定运行造成重要影响,故需时刻监测核电站重要备件的储备情况。该界面包含了各核电站重要备件的储备比例,其还可以进一步导出重要备件的清单,包含但不限于,备件编码、备件描述、质保等级、备件所属专业、备件单价、备件库存数量、正订、预留等信息。
进一步,库存预测数据包括当年度库存金额预测、库存中长期规划、库存指标分解;核电站管理终端包括用于存储库存预测数据的存储器。
1、当年度库存金额预测
库存预测数据中当年度库存金额预测计算公式为:
S年底=S当前+A-C
其中,S年底为年底的库存预测金额,S当前为当前的存库金额,A为截止到年底内的库存交货金额预测,C为截止到年底的消耗金额预测;
A=A1+A2
其中,A1为已签署的采购订单在年底前新交货的金额,A2为年底前新签署的采购订单在年底前交货的金额。A2的计算步骤如下:(1)计算核电站在稳态运营阶段的平局年度采购金额,若尚未处于稳定阶段,可参考同类型机组在相对应的运营年限的年度采购金额;(2)计算核电站在一年中每个月的采购金额分布;(3)计算核电站采购订单签署后的时间与交货率的关系,从历史数据统计,随着时间的增加,交货金额的比例也逐渐提升。参考图6,假设某核电站的年度采购金额为2.4亿元,线性分布到12个月中,则每个月的采购金额为0.2亿元,在第7个月时进行预测,则该年度仍有5个月共计1亿元的新签署采购订单。
消耗金额可进一步分为C=C1+C2,其中C1为截止到年底这段时间内的日常维修消耗金额,C2为截止到年底这段时间内的大修消耗金额。C1可通过历史维修数据统计得到,将核电站的历史日常维修消耗金额分解到单堆数上,即可得到该核电站的单堆年平均日常维修消耗金额。再线性分解到一年的每一个月份中,由此可以计算截止到年底这段时间内的日常维修消耗金额。大修维修项目是由预防性维修项目和纠正性维护项目两部分组成,两类项目中都包含了必须更换的维修备件(一般称为A类备件)以及根据检测后现场设备的情况决定是否更换的维修备件(一般称为B类备件),A类备件的需求数量是确定的,可以直接计算A类备件的维修消耗金额,B类备件的消耗金额可以参考历史上同类型的维修项目领用的B类备件概率,由此计算B类备件的维修消耗金额。此外,经统计各核电站的历史大修消耗金额数据,针对成熟运营机组,大修的天数与大修备件消耗金额具有较强的线性相关性,可以综合未来大修的A类、B类备件的需求数量,并通过大修的天数进行修正,综合预测大修备件的消耗金额,将截止到年度这段时间内的所有大修消耗金额进行求和,就能得到大修消耗金额C2。
通过当前的库存金额以及计算得到的年底前库存交货金额、备件消耗金额可以得到核电站年底时的库存金额,同理通过迭代计算的方法也可以得到截止到年底这段时间内每个月的库存金额,如图7所示,9月、10月、11月、12月均为通过计算得到的预测库存金额。
2、库存中长期规划
库存控制的效果具有一定的滞后性,例如现阶段某核电站对当前的库存进行一系列专项管理工作(如严控新增采购,备件归一化等),核电站的库存水平不会立即降下来,往往需要一年或两年后才能体现对库存的影响,故对于核电站的库存管理需开展库存中长期规划工作,梳理未来几年核电站的年度采购金额、计划交货金额、预计消耗金额,分解相应的库存控制指标,并针对性开展一系列库存控制工作,使得整体库存水平能够达到预期的目标。
库存预测数据中库存中长期规划计算公式为:
SN=SN-1+AN-CN
其中,SN为第N年的库存目标,SN-1为第N-1年的库存,AN为第N年的计划交货金额,CN为第N年的预计消耗金额。
核电站的库存控制目标的设置要遵循以下原则:中长期的库存目标为稳态且表现为持续下降趋势。实际应用中,以核电站当前的库存水平为主要参考因素,结合备件的正订金额(已签署采购订单尚未交货的备件),综合设定库存控制目标,建议以年度下降50~100万美元/单堆为目标。
核电站年度消耗金额在上述消耗金额中进行了初步介绍,但针对中长期库存金额消耗预测不能直接引用前文中年度消耗金额预测的方法,因为中长期库存金额消耗预测需要计算未来3~5年的库存消耗金额,而在提前这么长时间内,大多数核电站的大修项目并未完全确定,因此需要提前梳理可能出现在大修中的维修项目。如前文所述,核电站的大修维修项目是由预防性维修项目和纠正性维护项目两部分组成,针对这类项目具体的计算方法如下:
1)参考各核电站的十年维修大纲梳理后续大修中的预防性维护项目,针对有明确需求的A类备件,根据后续大修具体维护项目计算消耗金额;
2)针对B类备件和已明确的重大改造、老化维修的备件需求,根据具体的项目及参考历史消耗金额进行预估;
3)针对暂无明确维修项目的其他维修消耗,直接根据历史维修消耗金额进行预估。
成熟运营机组,大修的天数与大修备件消耗金额具有较强的线性相关性,故后续大修中成熟运营机组中纠正性维护项目按照天数的函数关系进行计算,其他机组的纠正性维护项目历史消耗金额的平均值进行计算。大修项目消耗金额等于预防性项目金额加上纠正性项目金额,通过以上方法可以计算得到后续大修的预计消耗金额。日常维修消耗参考该核电站过去3~5年备件消耗的平均值,成熟运营机组的年度日常维修消耗金额波动较小,针对非成熟机组,由于运营时间较短,存在部分工程阶段的遗留维修项目,年度日常维修消耗金额呈现上升趋势,此时可参考同类型机组相同运营时限的年度日常维修消耗金额。日常维修消耗金额加上大修消耗金额就是核电站年度消耗金额。
已知第N年的库存控制目标,第N-1年的库存值,第N年的消耗金额,可以直接计算得到第N年的计划交货金额。该计划交货金额为年度允许交货的上限金额,在当该年度消耗金额不变的情况下,实际交货金额只有在不超过该计划交货金额的上限值,才能使得该年度的实际库存低于库存控制目标。
年度交货金额直接与核电站的库存量相关,减少交货金额可以直接降低库存总量,但是交货金额是由前期的采购订单量决定的,实际的库存管理过程中,一般是将交货金额作为库存水平的监控指标,而不会作为库存控制的指标。若要减少年度交货金额,需降低前期的采购订单金额,故需理清年度采购订单金额与后续交货金额的关系。如图6所示,交货时间相比与采购时间具有一定的滞后性。经统计,大多数核电站在当年采购的订单是在未来四年内(含当年)逐步交货,每年的交货比例不同,通过计算历史交货金额分布,将该规律运用到后续交货金额预测中。
库存预测数据中第N年的计划交货金额AN的计算过程为:
PN=MN PN+MN+1 PN+1+MN+2 PN+2+MN+3 PN+3+MN+4 PN+4
其中,MN PN为第N年采购在第N年计划交货金额AN,MN+1 PN+1为第N年采购在第N+1年计划交货金额AN+1,MN+2 PN+2为第N年采购在第N+2年计划交货金额AN+2,MN+3 PN+3为第N年采购在第N+3年计划交货金额AN+3,MN+4 PN+4为第N年采购在第N+4年计划交货金额AN+4。例如,假设该核电站在第N年签署了1亿元的采购订单,则在第N年交货的金额为0.59亿元,在第N+1年交货的金额为0.27亿元,在第N+2年交货的金额为0.1亿元,在N+3年交货的金额为0.03亿元,在第N+4年交货的金额为0.01亿元。
根据上文关于年度交货计划的计算方法,可以通过当前库存、库存控制目标、预计消耗金额计算得到年度允许的计划交货金额,加上统计出之前采购订单在未来的交货计划,可以通过递推算法得到后续年度允许的采购金额,可以计算得到第N年、第N+1年、第N+2年的允许采购金额,后续年份的允许采购金额也可以通过相同的方法继续进行迭代计算。为进一步阐述本方案的计算方法,再次进行举例说明,如表1所示,
表1
假设某核电站在未来允许的年度交货金额为2.5亿元,在第N年之前有2亿元的采购订单未交货(在第N年交货1.2亿元、第N+1年交货0.65亿元、第N+2年交货0.1亿元、第N+3年交货0.04亿元、第N+4年交货0.01亿元),参考图8的第N年采购订单的计划交货年份分布比例,计算得到的每一年度允许的采购金额如下:第N年为2.20亿元、第N+1年为2.13亿元、第N+2年为2.72亿元、第N+3年为2.45亿元、第N+4年为2.49亿元。
将核电站未来几年的年度采购金额、计划交货金额、预计消耗金额梳理出来后,就可以得到核电站的库存中长期规划。库存中长期规划可以是单电厂的库存规划,也可以是群厂的库存规划,其计算方法相同,一般情况下建议库存中长期规划设计的时长为5年,每一年度保持1~2次的升版更新。核电站库存中长期规划可参考图9的模式,将核电站的库存控制目标、预计消耗量、计划交货量(上限)、年度采购量(上限)都汇总在一起,便于后续的库存指标分解。
3、库存指标分解
通过核电站库存中长期可以明确库存控制目标以及年度采购限额值,将该类指标在核电站内部进一步分解,有利于库存的精细化管理,本例中将库存指标从维修专业和备件类别两个维度进行了分解。各核电站根据年度库存目标,以各维修专业当前库存水平为主,综合考虑正订、重要备件项数及未来消耗等因素,将库存指标分解到各个维修专业;各核电站根据年度采购限额值,以各专业未来消耗需求量为主,综合考虑当前库存水平、当前正订、重要备件项数等因素,将采购限额值分解到各个维修专业。备件类别的指标分解方案与维修专业的分解方案相类似,也是主要参考各备件类别的当前库存水平、正订、重要备件项数、维修消耗需求进行指标分解,实际指标分解过程中,可以在当前库存水平、当前正订金额、重要备件的项数、未来备件消耗前加上权重系数,通过调整权重系数来确定该因素在指标分解过程中所占的比重。
将库存指标分解分解到各个维修专业,维修专业的库存指标为:
Ti=K1*T*Si/S+K2*T*Zi/Z+K3*T*Mi/M+K4*T*Ci/C
其中,S为当前的总库总金额,Z为当前总正订金额,M为当前总重要备件项数,C为未来总备件消耗金额,T为库存控制目标,K1为当前库存水平系数,K2为当前正订金额系数,K3为重要备件项目系数,K4为未来备件消耗系数,Si为某维修专业的当前库存金额,Zi为当前正订金额,Mi当前重要备件项数,Ci为未来备件消耗金额;并且K1、K2、K3、K4满足:
K1+K2+K3+K4=1,且K4≤0。
优选地,本发明的核电站群厂备件库存管理系统,核电站的年度采购金额为P,则维修专业的年度采购限额为:
Pi=K1*P*Si/S+K2*P*Zi/Z+K3*P*Mi/M+K4*P*Ci/C
其中,K1+K2+K3+K4=1,且K2≤0。
将未来的库存指标分解完成后,定期跟踪核电站各维修专业和群厂各备件类别的库存和采购情况,当实际监控值接近“警戒值”时,加强偏差管理,采用严控后续新增采购等措施。
通过实施本发明,使用大数据统计分析现有备件的规律,并根据未来需求做出合理预测,提高备件利用率和减小资金占用,从而使核电站的备件管理更加科学化。
以上实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据此实施,并不能限制本发明的保护范围。凡跟本发明权利要求范围所做的均等变化与修饰,均应属于本发明权利要求的涵盖范围。
Claims (9)
1.一种核电站备件库存预测及指标分解装置,应用于核电站管理终端,其特征在于,包括库存分类机制设定模块和库存预测及指标分解模块,所述库存分类机制设定模块用于对所述库存数据中相关备件进行设置;所述库存预测及指标分解模块用于预测并显示系统中各核电站的未来库存状态,并提供相关库存指标;所述库存分类机制设定模块根据历史统计数据和预设分类标准对备件进行分类;所述预设分类标准包括周转时间分类标准、重要度分类标准、价格分类标准、供货时间分类标准、战略备件分类标准;
所述库存预测及指标分解模块根据所述库存分类机制设定模块设定的分类标准、历史使用数据、现有库存数据、以及未来计划数据进行计算,得到库存预测数据;所述库存预测数据包括当年度库存金额预测、库存中长期规划、库存指标分解;
库存状态诊断模块,用于处理并显示各核电站的历史库存状态;所述库存状态诊断模块根据库存分类机制设定模块设定的分类标准对系统中各核电站的历史备件使用情况进行统计,得到历史库存状态;所述核电站管理终端包括用于存储历史库存状态的存储器,历史库存状态包括历史总库存金额及结构、历史采购金额、历史交货金额、历史领用金额、各维修专业历史库存金额、库龄及单价分布;
库存指标跟踪模块,用于处理并显示系统中各核电站的当前库存状态;所述库存指标跟踪模块根据库存分类机制设定模块设定的分类标准对系统中各核电站的当前备件库存、以及当前备件变化数据进行统计,得到当前库存状态;所述核电站管理终端包括用于存储当前库存状态的存储器,当前库存状态包括总库存金额及结构、各专业库存金额、新增库存周转率、大修备件领用率、重要备件储备率、各备件类别库存金额,其中,新增库存周转率=1-(第N-1年入库的备件批次在第N年底对应的库存金额/第N-1年入库批次的总金额)。
2.根据权利要求1所述的核电站备件库存预测及指标分解装置,其特征在于,所述库存预测及指标分解模块包括用于显示所述库存预测数据的显示屏;以及
用于导出所述库存预测数据的数据导出接口。
3.根据权利要求1所述的核电站备件库存预测及指标分解装置,其特征在于,所述当年度库存金额预测计算公式为:
S年底=S当前+A-C
其中,S年底为年底的库存预测金额,S当前为当前的存库金额,A为截止到年底内的库存交货金额预测,C为截止到年底的消耗金额预测;
A=A1+A2
其中,A1为已签署的采购订单在年底前新交货的金额,A2为年底前新签署的采购订单在年底前交货的金额。
4.根据权利要求3所述的核电站备件库存预测及指标分解装置,其特征在于,所述截止到年底的消耗金额预测C=C1+C2,其中C1为截止到年底这段时间内的日常维修消耗金额,C2为截止到年底这段时间内的大修消耗金额。
5.根据权利要求1所述的核电站备件库存预测及指标分解装置,其特征在于,所述库存中长期规划计算公式为:
SN=SN-1+AN-CN
其中,SN为第N年的库存目标,SN-1为第N-1年的库存,AN为第N年的计划交货金额,CN为第N年的预计消耗金额。
6.根据权利要求5所述的核电站备件库存预测及指标分解装置,其特征在于,第N年的计划交货金额AN的计算过程为:
PN=MN PN+MN+1 PN+1+MN+2 PN+2+MN+3 PN+3+MN+4 PN+4
其中,MN PN为第N年采购在第N年计划交货金额AN,MN+1 PN+1为第N年采购在第N+1年计划交货金额AN+1,MN+2 PN+2为第N年采购在第N+2年计划交货金额AN+2,MN+3 PN+3为第N年采购在第N+3年计划交货金额AN+3,MN+4 PN+4为第N年采购在第N+4年计划交货金额AN+4。
7.根据权利要求1所述的核电站备件库存预测及指标分解装置,其特征在于,将所述库存指标分解分解到各个维修专业,所述维修专业的库存指标为:
Ti=K1*T*Si/S+K2*T*Zi/Z+K3*T*Mi/M+K4*T*Ci/C
其中,S为当前的总库总金额,Z为当前总正订金额,M为当前总重要备件项数,C为未来总备件消耗金额,T为库存控制目标,K1为当前库存水平系数,K2为当前正订金额系数,K3为重要备件项目系数,K4为未来备件消耗系数,Si为某维修专业的当前库存金额,Zi为当前正订金额,Mi当前重要备件项数,Ci为未来备件消耗金额;并且K1、K2、K3、K4满足:
K1+K2+K3+K4=1,且K4≤0。
8.根据权利要求7所述的核电站备件库存预测及指标分解装置,其特征在于,核电站的年度采购金额为P,则所述维修专业的年度采购限额为:
Pi=K1*P*Si/S+K2*P*Zi/Z+K3*P*Mi/M+K4*P*Ci/C
其中,K1+K2+K3+K4=1,且K2≤0。
9.根据权利要求1所述的核电站备件库存预测及指标分解装置,其特征在于,所述库存预测及指标分解模块包括用于存储所述库存预测数据的存储器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810833340.0A CN109117990B (zh) | 2018-07-26 | 2018-07-26 | 一种核电站备件库存预测及指标分解装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810833340.0A CN109117990B (zh) | 2018-07-26 | 2018-07-26 | 一种核电站备件库存预测及指标分解装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109117990A CN109117990A (zh) | 2019-01-01 |
CN109117990B true CN109117990B (zh) | 2021-12-28 |
Family
ID=64862237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810833340.0A Active CN109117990B (zh) | 2018-07-26 | 2018-07-26 | 一种核电站备件库存预测及指标分解装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109117990B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111008804B (zh) * | 2019-12-06 | 2023-04-18 | 拉货宝网络科技有限责任公司 | 一种仓库货物入库货位智能推荐方法 |
CN112348311A (zh) * | 2020-09-26 | 2021-02-09 | 广东韶钢工程技术有限公司 | 生产管理方法及生产管理系统 |
CN113723783A (zh) * | 2021-08-19 | 2021-11-30 | 中核武汉核电运行技术股份有限公司 | 一种核电备件的管理方法、装置、设备及可读存储介质 |
CN113793102A (zh) * | 2021-09-18 | 2021-12-14 | 中广核风电有限公司 | 基于平台的库存管理方法和装置 |
CN113869602A (zh) * | 2021-10-21 | 2021-12-31 | 中广核核电运营有限公司 | 核电厂备件需求预测方法、系统、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105117830A (zh) * | 2015-08-11 | 2015-12-02 | 中节能港建(甘肃)风力发电有限公司 | 一种风电场生产运维信息采集应用系统及方法 |
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 |
CN108205714A (zh) * | 2016-12-19 | 2018-06-26 | 北京天源科创风电技术有限责任公司 | 基于平均故障间隔时间的服务备件需求预测方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296087A (zh) * | 2016-08-04 | 2017-01-04 | 中冶赛迪电气技术有限公司 | 一种面向制造业的备件库存管理系统 |
-
2018
- 2018-07-26 CN CN201810833340.0A patent/CN109117990B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105117830A (zh) * | 2015-08-11 | 2015-12-02 | 中节能港建(甘肃)风力发电有限公司 | 一种风电场生产运维信息采集应用系统及方法 |
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 |
CN108205714A (zh) * | 2016-12-19 | 2018-06-26 | 北京天源科创风电技术有限责任公司 | 基于平均故障间隔时间的服务备件需求预测方法和装置 |
Non-Patent Citations (2)
Title |
---|
基于移动信息化的物流仓储管理;陈宇宾 等;《移动通信》;20150330;第39卷(第6期);第82-86页 * |
核电厂备件计划管理措施;柳鹏 等;《中国核电》;20160930;第9卷(第3期);第241-246页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109117990A (zh) | 2019-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960741B (zh) | 一种核电站群厂备件库存管理系统 | |
CN109117990B (zh) | 一种核电站备件库存预测及指标分解装置 | |
US11398000B2 (en) | Methods and systems for machine-learning for prediction of grid carbon emissions | |
CN109272276B (zh) | 一种库存补货管理方法以及装置 | |
CN105160513B (zh) | 一种设备备件的安全库存计算方法及系统 | |
CN116579590B (zh) | 一种虚拟电厂中的需求响应评估方法和系统 | |
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 | |
CN109002944A (zh) | 一种卷包车间备件需求的预测方法 | |
CN111028004A (zh) | 一种基于大数据技术的市场评估分析方法 | |
CN108389069A (zh) | 基于随机森林和逻辑回归的优质客户识别方法及装置 | |
CN116645033B (zh) | 一种基于大数据的erp库存优化分析方法及系统 | |
CN104573877A (zh) | 配电网设备需求量预测和定量方法及其系统 | |
Mirmajlesi et al. | An integrated approach to solve a robust forward/reverse supply chain for short lifetime products | |
CN115018430A (zh) | 一种基于数据分析的电力仓储物料库存监测补货系统 | |
Czupryna et al. | An agent-based approach to integrated assessment modelling of climate change | |
CN114240225A (zh) | 源网荷储多元协同互动下的电力系统运行评价方法和系统 | |
CN113469596A (zh) | 智慧供应链系统及服务器平台 | |
CN112101981A (zh) | 一种基于机会成本的电力调频市场报价计算方法及系统 | |
CN111105218A (zh) | 一种基于全息影像技术的配电网运行监视方法 | |
CN112132343B (zh) | 一种商品采购预测方法及系统、可读存储介质 | |
CN116957475B (zh) | 基于云计算的口腔诊所库房管理方法、系统及装置 | |
CN111967684B (zh) | 一种基于大数据分析的计量资产主动配送方法 | |
CN116934237A (zh) | 一种仓储系统的智能补货方法 | |
CN116308494A (zh) | 供应链需求预测方法 | |
CN115293734A (zh) | 一种基于制造过程的实时成本核算方法及系统 |
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 |