CN112668746A - 一种备用模块需求预测方法、装置、存储介质及设备 - Google Patents
一种备用模块需求预测方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN112668746A CN112668746A CN201910980162.9A CN201910980162A CN112668746A CN 112668746 A CN112668746 A CN 112668746A CN 201910980162 A CN201910980162 A CN 201910980162A CN 112668746 A CN112668746 A CN 112668746A
- Authority
- CN
- China
- Prior art keywords
- module
- analyzed
- life cycle
- standby
- replacement rate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000005457 optimization Methods 0.000 claims description 26
- 230000011218 segmentation Effects 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013277 forecasting method Methods 0.000 claims 1
- 239000002699 waste material Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007726 management method Methods 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
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种备用模块需求预测方法、装置、存储介质及设备。所述方法包括:获取待分析区域中待分析备用模块在预设时间段内的更换数据记录及使用数据记录;根据所述更换数据记录及使用数据记录按生命周期段进行分段统计,得到待分析备用模块对应的各个生命周期段的预测模块更换率;获取待分析区域中待分析备用模块对应的使用数据;根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量。本发明实现了防止备用模块库存剩余过多或严重短缺,满足快速更换备用模块以解决设备故障,降低了成本。
Description
技术领域
本发明涉及库存管理技术领域,尤其涉及一种备用模块需求预测方法、装置、存储介质及设备。
背景技术
自助设备,尤其是金融自助终端,比如ATM,在地理分布的范围非常广,每个自助点安装1-2台是设备,银行网点一般不会超过7-8台,设备的供应厂家比较多,导致设备的备用模块种类繁多。设备发生故障需要维修,甚至更换备用模块,为了快速恢复设备正常,一般建立多个售后备用模块库。如果售后备用模块库备用备用模块的数量过多,由于备用备用模块的运输、闲置、存储需要一定的成本,造成资源浪费;如果备用备用模块的数量过少,需要从其他售后备用模块库调运,延迟了备用模块的更换,影响设备的开机率,造成客户服务停滞,降低了银行和金融终端用户的满意度,影响了产品和服务的品牌度。因此,开发一种防止备用模块库存剩余过多或严重短缺、满足快速更换备用模块以解决设备故障的备用模块需求预测方法显得尤为重要。
发明内容
基于此,有必要针对上述问题,提出了一种备用模块需求预测方法、装置、存储介质及设备。
第一方面,本发明提出了一种备用模块需求预测方法,所述方法包括:
获取待分析区域中待分析备用模块在预设时间段内的更换数据记录及使用数据记录;
根据所述更换数据记录及使用数据记录按生命周期段进行分段统计,得到待分析备用模块对应的各个生命周期段的预测模块更换率;
获取待分析区域中待分析备用模块对应的当前使用数据;
根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量。
第二方面,本发明还提出了一种备用模块需求预测装置,所述装置包括:
备用模块更换率计算模块,用于获取待分析区域中待分析备用模块在预设时间段内的更换数据记录及使用数据记录,根据所述更换数据记录及使用数据记录按生命周期段进行分段统计,得到待分析备用模块对应的各个生命周期段的预测模块更换率;
备用模块需求数据计算模块,用于获取待分析区域中待分析备用模块对应的当前使用数据,根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量。
第三方面,本发明还提出了一种存储介质,存储有计算机指令程序,所述计算机指令程序被处理器执行时,使得所述处理器执行第一方面任一项所述方法的步骤。
第四方面,本发明还提出了一种计算机设备,包括至少一个存储器、至少一个处理器,所述存储器存储有计算机指令程序,所述计算机指令程序被所述处理器执行时,使得所述处理器执行第一方面任一项所述方法的步骤。
综上所述,本发明的备用模块需求预测方法通过预设时间段内的更换数据记录及使用数据记录计算出各个生命周期段的预测模块更换率,再根据当前待分析备用模块对应的使用数据、各个生命周期段的预测模块更换率计算得到待分析区域中待分析备用模块对应的需求数量。由于需求数量是根据历史更换数据以及当前使用数据计算得出,使根据需求数量备货可以防止备用模块库存剩余过多或严重短缺,避免浪费降低了成本;由于需求数量是根据待分析区域中待分析备用模块的历史更换数据记录及使用数据记录及当前使用数据,使根据待分析区域建立的售后备用模块库符合对应的待分析区域更换需求,避免从其他售后备用模块库中调货,从而满足快速更换备用模块以解决设备故障。因此,本发明实现了防止备用模块库存剩余过多或严重短缺,满足快速更换备用模块以解决设备故障,降低了成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
其中:
图1为一个实施例中备用模块需求预测方法的流程图;
图2为图1的备用模块需求预测方法的计算预测模块更换率的流程图;
图3为图1的备用模块需求预测方法的确定生命周期段的开始时间及结束时间的流程图;
图4为图2的备用模块需求预测方法的计算预测模块更换率的流程图;
图5为图2的备用模块需求预测方法的计算预测模块更换率的流程图;
图6为图1的备用模块需求预测方法的计算需求数量的流程图;
图7一个实施例中备用模块需求预测方法的流程图;
图8为一个实施例中备用模块需求预测装置的结构框图;
图9为一个实施例中计算机设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,在一个实施例中,提出了一种备用模块需求预测方法,所述方法包括:
S102、获取待分析区域中待分析备用模块在预设时间段内的更换数据记录及使用数据记录;
具体而言,每次获取一个待分析区域中一个待分析备用模块在预设时间段内的更换数据记录及使用数据记录。
所述待分析区域是把产品的覆盖市场按区域进行划分,在每个所述待分析区域中设立售后备用模块库以用于更快速的进行售后维修。
所述备用模块是指在售后备用模块库中库存的可正常工作的零部件,用于售后设备维修,比如,所述备用模块包括机芯,在此举例不作具体限定。
所述预设时间段是指开始日期到结束时间之间的时间段,比如,开始日期为1月1日、结束日期为3月31日,在此举例不作具体限定。
获取在预设时间段内的更换数据记录及使用数据记录是获取开始日期开始到结束日期的更换数据记录及使用数据记录,包括了开始日期的更换数据记录及使用数据记录和结束日期的更换数据记录及使用数据记录。
所述待分析区域中待分析备用模块在预设时间段内的更换数据记录是指待分析区域中待分析备用模块在预设时间段内的售后维修时从设备上更换下的坏掉的备用模块的记录,包括备用模块标识、备用模块名称、备用模块启用时间、备用模块归属待分析区域、更换日期。
所述待分析区域中待分析备用模块在预设时间段内的使用数据记录是指所述待分析区域中待分析备用模块在预设时间段内客户投入使用的设备的备用模块,包括备用模块标识、备用模块名称、备用模块启用时间、备用模块归属待分析区域。可以理解的是,客户投入使用的设备是指客户购置的正在使用或预计使用设备,在此举例不作具体限定。
其中,所述备用模块启用时间作为生命周期的起点以用于计算备用模块的使用时长。
可以理解的是,在另一个实施例中,采用备用模块生产时间作为生命周期的起点以用于计算备用模块的使用时长。
所述备用模块标识用于唯一标识一个备用模块,备用模块标识可以是备用模块ID等可以用于唯一标识该备用模块的标识。
S104、根据所述更换数据记录及使用数据记录按生命周期段进行分段统计,得到待分析备用模块对应的各个生命周期段的预测模块更换率;
具体而言,根据所述更换数据记录及使用数据记录按生命周期段进行分段统计得到各个生命周期段对应的模块更换率,再根据各个生命周期段对应的模块更换率计算得到各个生命周期段的预测模块更换率。
所述生命周期是指备用模块从投入使用到报废的时间长度,可以理解的是,本申请的所述生命周期是指备用模块的平均生命周期,在此举例不作具体限定。
所述生命周期段是把备用模块的生命周期划分为多段,比如,生命周期段包括年轻、中年、老年、余热,年轻为生命周期总时间长度的30%,中年为生命周期总时间长度的40%,老年为生命周期总时间长度的20%,余热为生命周期总时间长度的10%,在此举例不作具体限定。
S106、获取待分析区域中待分析备用模块对应的当前使用数据;
具体而言,获取更换数据记录及使用数据记录对应的待分析区域中更换数据记录及使用数据记录对应的待分析备用模块对应的使用数据。可以理解的是,所述使用数据可以是当前使用数据。
所述当前使用数据是指客户投入使用的设备的备用模块的数据,包括备用模块标识、备用模块名称、备用模块启用时间、备用模块归属待分析区域。可以理解的是,客户投入使用的设备是指客户购置的正在使用或预计使用设备,在此举例不作具体限定。
S108、根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量。
具体而言,根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述使用数据逐个生命周期段进行计算,得到生命周期段的需求数量,再把所有所述生命周期段的需求数量相加得到待分析区域中待分析备用模块对应的需求数量。
所述模块更换率是指月平均更换率时,所述待分析区域中待分析备用模块对应的需求数量是指所述待分析区域中待分析备用模块对应的一个月的需求数量。
本实施例的备用模块需求预测方法通过预设时间段内的更换数据记录及使用数据记录计算出各个生命周期段的预测模块更换率,再根据当前待分析备用模块对应的使用数据、各个生命周期段的预测模块更换率计算得到待分析区域中待分析备用模块对应的需求数量。由于需求数量是根据历史更换数据以及当前使用数据计算得出,使根据需求数量备货可以防止备用模块库存剩余过多或严重短缺,避免浪费降低了成本;由于需求数量是根据待分析区域中待分析备用模块的历史更换数据记录及使用数据记录及当前使用数据,使根据待分析区域建立的售后备用模块库符合对应的待分析区域更换需求,避免从其他售后备用模块库中调货,从而满足快速更换备用模块以解决设备故障。
在一个实施例中,重复执行步骤S102至步骤S108以用于实现计算多个待分析区域中多个待分析备用模块的需求数量。通过把多个待分析区域中同一待分析备用模块的需求数量相加,可以计算出同一待分析备用模块的总需求数量,有利于集中规划采购,增加了采购量有利于谈判降低采购成本。通过多个待分析备用模块的需求数量相加,可以得出总的备货成本,为统筹规划降低总的备货成本提供了数据参考。
如图2所示,在一个实施例中,所述根据所述更换数据记录及使用数据记录按生命周期段进行分段统计,得到待分析备用模块对应的各个生命周期段的预测模块更换率,具体包括:
S202、根据所述更换数据记录及使用数据记录按预设时间间隔进行分段统计计算,得到分段时间点对应的模块更换率;
具体而言,根据所述更换数据记录及使用数据记录按预设时间间隔进行分段统计,得到每个预设时间间隔的模块更换率,把预设时间间隔的模块更换率作为预设时间间隔的开始时间点对应的模块更换率,预设时间间隔的开始时间点为分段时间点。可以理解的是,在另一个实施例中,把预设时间间隔的模块更换率作为预设时间间隔的结束时间点对应的模块更换率,预设时间间隔的结束时间点为分段时间点,在此举例不作具体限定。
预设时间间隔包括多个时间间隔,可以是等间隔的,也可以是不等间隔的,比如,等间隔的时间间隔包括:0个月至1个月、1个月至2个月、2个月至3个月、3个月至4个月、4个月至5个月,分段时间点包括0个月、1个月、2个月、3个月、4个月、5个月;不等间隔的多个时刻包括0个月至3个月、3个月至5个月、5个月至7个月、7个月至8个月、8个月至9个月,分段时间点包括0个月、3个月、5个月、7个月、8个月、9个月,在此举例不作具体限定。
所述模块更换率是指月平均更换率。把待分析区域中待分析备用模块在预设时间段内模块更换总数除以待分析区域中待分析备用模块在预设时间段内平均模块使用数量,把计算结果再除以预设时间段的时长(单位为月),月平均更换率为小数时,则按四舍五入到整数,在此举例不作具体限定。
其中,所述待分析区域中待分析备用模块在预设时间段内的平均模块使用数量是指所述待分析区域中待分析备用模块在预设时间段内设备上实际的使用数量,只要预设时间段内使用了即计算一次。在另一个实施例中,所述待分析区域中待分析备用模块在预设时间段期初在设备上实际的使用数量加上所述待分析区域中待分析备用模块在预设时间段期末在设备上实际的使用数量后再除以2得到所述待分析区域中待分析备用模块在预设时间段内的平均模块使用数量,在此举例不做具体限定。
S204、获取预设的生命周期段的数量;
所述预设的生命周期段的数量可以根据需要进行设置,比如,设置为年轻、中年、老年、余热共计4段,可以理解的是,还可以设置成2段、3段、5段、6段,在此举例不作具体限定。
S206、根据所述分段时间点对应的模块更换率、所述预设的生命周期段的数量确定待分析备用模块在每个生命周期段的开始时间及结束时间;
其中,把所有所述分段时间点对应的模块更换率连接生成待分析备用模块对应的模块更换率曲线,根据所述模块更换率曲线的变化选择每个生命周期段的周期时间点,根据所述每个生命周期段对应的周期时间点确定待分析备用模块在每个生命周期段的开始时间及结束时间。
在另一个实施例中,根据备用模块的生命周期划分为多段,根据段数平均分配生命周期段的时间长度,比如,A备用模块生命周期总长度为2年,划分为4段,平均分配生命周期段的长度时则每个生命周期段的长度为6个月,第1段D1为0个月≤D1≤6个月,第2段D2为6个月<D2≤12个月,第3段为D3为12个月<D3≤18个月,第4段为D4为18个月<D4≤24个月,在此举例不作具体限定。可以理解的是,还可以根据生命周期段的备用模块新旧程度设置不同生命周期段具有不同的时间长度,比如,A备用模块生命周期总长度为2年,划分为年轻、中年、老年、余热4段,年轻D1为生命周期总时间长度的30%则0个月≤D1≤7.2个月,中年D2为生命周期总时间长度的40%则7.2个月≤D1≤16.8个月,老年D3为生命周期总时间长度的20%则16.8个月≤D1≤21.6个月,余热D4为生命周期总时间长度的10%则21.6个月≤D1≤24个月,在此举例不作具体限定。
S208、根据所述分段时间点对应的模块更换率、所述每个生命周期段的开始时间及结束时间进行计算,得到待分析备用模块对应的各个生命周期段的预测模块更换率。
具体而言,根据所述分段时间点对应的模块更换率、所述每个生命周期段的开始时间及结束时间进行逐个生命周期段计算,得到每个生命周期段的预测模块更换率。
本实施例根据待分析区域中待分析备用模块的更换数据记录及使用数据记录按生命周期段进行分段统计得到待分析备用模块对应的各个生命周期段的预测模块更换率,预测模块更换率通过历史更换数据记录及使用数据记录确定从而更符合对应的待分析区域更换需求,避免从其他售后备用模块库中调货,从而满足快速更换备用模块以解决设备故障。
如图3所示,在一个实施例中,所述根据所述分段时间点对应的模块更换率、所述预设的生命周期段的数量确定待分析备用模块在每个生命周期段的开始时间及结束时间,具体包括:
S302、把所有所述分段时间点对应的模块更换率连接生成待分析备用模块对应的模块更换率曲线;
具体而言,把备用模块的生命周期作为X轴,模块更换率作为Y轴,把所有所述分段时间点对应的模块更换率连接生成待分析备用模块对应的模块更换率曲线。
S304、根据所述模块更换率曲线计算相邻分段时间点的模块更换率的连接线斜率;
具体而言,根据所述模块更换率曲线计算相邻分段时间点的模块更换率的连接线相对X轴的斜率ki,计算公式如下:
其中,ki为第i段连接线相对X轴的斜率,第i段的第1个分段时间点在模块更换率曲线中的坐标为(xi,yi),第i段的第2个分段时间点在模块更换率曲线中的坐标为(xi+1,yi+1),xi和xi+1为备用模块相邻的分段时间点对应的时间,yi为xi对应的模块更换率,yi+1为xi+1对应的模块更换率。
比如,A备用模块相邻两个分段时间点为M2(6个月)时模块更换率为0.3、M3(12个月)时模块更换率为0.5,则M2和M3的连线相对X轴的斜率K2的计算公式为:
可以理解的是,ki为无限小数时,则按四舍五入到小数点后两位小数,在此举例不作具体限定。
S306、根据相邻的两个连接线斜率计算得到相邻两个连接线对应的斜率增长率;
比如,A备用模块的分段时间点依次为M1、M2、M3、M4、M5、M6,在连接线包括M1M2、M2M3、M3M4、M4M5、M5M6,计算M2M3的斜率k2相对M1M2的斜率k1增长率、M3M4的斜率k3相对M2M3的斜率k2的增长率、M4M5的斜率k4相对M3M4的斜率k3的增长率、M5M6的斜率k5相对M4M5的斜率k4的增长率。
S308、根据所述预设的生命周期段的数量和所述相邻两个连接线对应的斜率增长率在所述模块更换率曲线上确定每个生命周期段对应的周期时间点;
具体而言,从所述相邻两个连接线对应的斜率增长率中选择与所述预设的生命周期段的数量相同的斜率增长率并且从斜率增长率最大的开始选择,把斜率增长率对应的两个相邻分段时间点的模块更换率的连接线的相交分段时间点作为周期时间点。
比如,选出M3M4的斜率k3相对M2M3的斜率k2的增长率,则把M3M4和M2M3的连接点M3作为周期时间点。
S310、根据所述每个生命周期段对应的周期时间点确定待分析备用模块在每个生命周期段的开始时间及结束时间。
比如,A备用模块的分段时间点依次为M1、M2、M3、M4、M5、M6、M7、M8,生命周期段数量为4个,其中M1、M3、M5、M7、M8为周期时间点,则生命周期段第一段为开始时间M1及结束时间M3,则生命周期段第二段为开始时间M3及结束时间M5,则生命周期段第三段为开始时间M5及结束时间M7,则生命周期段第四段为开始时间M7及结束时间M8,在此举例不作具体限定。
如图4所示,在一个实施例中,所述根据所述分段时间点对应的模块更换率、所述每个生命周期段的开始时间及结束时间进行计算,得到待分析备用模块对应的各个生命周期段的预测模块更换率,具体包括:
S402、根据所述每个生命周期段的开始时间及结束时间分别从所述分段时间点对应的模块更换率中获取生命周期段中开始时间对应的模块更换率和所述结束时间对应的模块更换率;
比如,A备用模块的分段时间点依次为M1、M2、M3、M4、M5、M6、M7、M8,生命周期段数量为4个,生命周期段第一段为开始时间M1及结束时间M3,则从所述分段时间点对应的模块更换率中获取M1对应的模块更换率作为生命周期段第一段的开始时间对应的模块更换率,从所述分段时间点对应的模块更换率中获取M3对应的模块更换率作为生命周期段第一段的结束时间对应的模块更换率,在此举例不作具体限定。
S404、根据所述生命周期段中开始时间对应的模块更换率、所述生命周期段中结束时间对应的模块更换率计算得到相应生命周期段的平均更换率,将所述平均更换率作为所述生命周期段的预测模块更换率。
比如,A备用模块的分段时间点依次为M1、M2、M3、M4、M5、M6、M7、M8,生命周期段数量为4个,生命周期段第一段为开始时间M1及结束时间M3,把M1对应的模块更换率与M3对应的模块更换率相加后再除以2得到生命周期段第一段的平均更换率,将生命周期段第一段的平均更换率作为所述生命周期段第一段的预测模块更换率,在此举例不作具体限定。
如图5所示,在另一个实施例中,所述根据所述分段时间点对应的模块更换率、所述每个生命周期段的开始时间及结束时间进行计算,得到待分析备用模块对应的各个生命周期段的预测模块更换率,具体包括:
S502、把所有所述分段时间点对应的模块更换率连接生成待分析备用模块对应的模块更换率曲线;
S504、根据所述模块更换率曲线、所述每个生命周期段的开始时间及结束时间计算曲线下方的面积,得到生命周期段对应的曲线下方的面积;
具体而言,根据所述模块更换率曲线、所述每个生命周期段的开始时间及结束时间进行积分求导计算曲线下方的面积。
生命周期段对应的曲线下方的面积Pi的计算公式为:
Pi=∫f(t)dt
其中,Pi计算生命周期段第i段对应的模块更换率曲线下方的面积,f(t)为生命周期段第i段对应的模块更换率曲线,dt为生命周期段第i段对应的模块更换率曲线小弧段的长度。
比如,A备用模块的分段时间点依次为M1、M2、M3、M4、M5、M6、M7、M8,生命周期段数量为4个,生命周期段第一段为开始时间M1及结束时间M3,M1为0个月,M2为2个月,M3为4个月,则生命周期段第一段对应的模块更换率曲线下方的面积P1为M1M2和M2M3的曲线下方的面积,在此举例不作具体限定。
S506、根据所述每个生命周期段的开始时间及结束时间计算得到生命周期段的时长;
具体而言,每个生命周期段的结束时间减去每个生命周期段的开始时间,得到生命周期段的时长。
S508、根据所述生命周期段对应的曲线下方的面积除以所述生命周期段的时长,得到生命周期段的平均更换率,将所述平均更换率作为所述生命周期段的预测模块更换率。
比如,A备用模块的分段时间点依次为M1、M2、M3、M4、M5、M6、M7、M8,生命周期段数量为4个,生命周期段第一段为开始时间M1及结束时间M3,M1为0个月,M2为2个月,M3为4个月,则生命周期段第一段对应的模块更换率曲线下方的面积P1为M1M2和M2M3的曲线下方的面积,P1除以生命周期段第一段的生命周期段的时长4个月(M3减去M1)得到生命周期段第一段的平均更换率,将生命周期段第一段的平均更换率作为所述生命周期段第一段的预测模块更换率,在此举例不作具体限定。
如图6所示,在一个实施例中,所述根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量,具体包括:
S602、根据所述当前使用数据计算按生命周期段进行分段统计,得到各个生命周期段的当前使用数据;
具体而言,根据所述使用数据按生命周期段进行分段统计,得到各个生命周期段的使用数据,把生命周期段的使用数据作为生命周期段的开始时间对应的使用数据。可以理解的是,在另一个实施例中,把生命周期段的使用数据作为生命周期段的结束时间对应的使用数据,在此举例不作具体限定。
S604、根据所有所述生命周期段的当前使用数据、所有所述待分析备用模块对应的各个生命周期段的预测模块更换率进行加权求和,得到待分析区域中待分析备用模块对应的需求数量。
具体而言,根据所有所述生命周期段的使用数据、所有所述待分析备用模块对应的各个生命周期段的预测模块更换率进行逐个生命周期段计算生命周期段的使用数据和该生命周期段对应的预测模块更换率的加权求和,得到待分析区域中待分析备用模块对应的需求数量。
比如,A备用模块的生命周期段数量为年轻、中年、老年、余热共计4段,年轻的使用数据为S1,中年的使用数据为S2,老年的使用数据为S3,余热的使用数据为S4,年轻的预测模块更换率为G1,中年的预测模块更换率为G2,老年的预测模块更换率为G3,余热的预测模块更换率为G4,则待分析区域中待分析备用模块A对应的需求数量F的计算公式为:F=S1×G1+S2×G2+S3×G3+S4×G4,在此举例不做具体限定。
待分析区域中待分析备用模块对应的需求数量是根据待分析区域中待分析备用模块的历史更换数据记录及使用数据记录及当前使用数据,使根据待分析区域建立的售后备用模块库符合对应的待分析区域更换需求,避免从其他售后备用模块库中调货,从而满足快速更换备用模块以解决设备故障。
如图7所示,在一个实施例中,提出了一种备用模块需求预测方法,所述方法包括:
S702、获取待分析区域中待分析备用模块在预设时间段内的更换数据记录及使用数据记录;
S704、根据所述更换数据记录及使用数据记录按生命周期段进行分段统计,得到待分析备用模块对应的各个生命周期段的预测模块更换率;
S706、获取待分析区域中待分析备用模块对应的当前使用数据;
S708、根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量;
S710、获取所有待分析备用模块的价格;
所述待分析备用模块的价格是指备货成本,是备用模块的采购成本、运输成本、仓储成本之和。可以理解的是,在另一个实施例中,所述待分析备用模块的价格是指备用模块采购成本、运输成本之和,在此举例不做具体限定。
S712、从所有所述待分析备用模块的价格中获取最小值作为价格因子;
比如,A备用模块的价格为200元,B备用模块的价格为500元,C备用模块的价格为300元,从A备用模块、B备用模块、C备用模块的价格中获取最小值A备用模块的价格200元作为价格因子。
S714、根据所述价格因子、所述待分析备用模块的价格计算待分析备用模块对应的价格优化系数;
具体而言,把价格因子除以待分析备用模块的价格得到待分析备用模块对应的价格优化系数。
比如,A备用模块的价格为200元,B备用模块的价格为500元,C备用模块的价格为300元,从A备用模块、B备用模块、C备用模块的价格中获取最小值A备用模块的价格200元作为价格因子,A备用模块对应的价格优化系数为200元除以200元,B备用模块对应的价格优化系数为200元除以500元,C备用模块对应的价格优化系数为200元除以300元。
价格优化系数为无限小数时,则按四舍五入到小数点后两位小数,在此举例不作具体限定。
S716、根据所述待分析备用模块对应的价格优化系数、所述待分析区域中待分析备用模块对应的需求数量进行计算,得到待分析区域中待分析备用模块对应的目标需求数量。
比如,待分析区域中A备用模块对应的价格优化系数为200元除以200元,待分析区域中B备用模块对应的价格优化系数为200元除以500元,待分析区域中C备用模块对应的价格优化系数为200元除以300元,则待分析区域中A备用模块的目标需求数量为待分析区域中A备用模块对应的需求数量乘以待分析区域中A备用模块对应的价格优化系数,待分析区域中B备用模块的目标需求数量为待分析区域中B备用模块对应的需求数量乘以待分析区域中B备用模块对应的价格优化系数,待分析区域中C备用模块的目标需求数量为待分析区域中C备用模块对应的需求数量乘以待分析区域中C备用模块对应的价格优化系数,在此举例不做具体限定。
本实施例通过备用模块的价格计算出价格优化系数,从而使价格低的按需求数量备货,价格越高备货率越低,从而有效的降低了售后成本,价格低的备货数量充足能避免严重短缺,提升了客户满意;价格高的减少备货率,避免价格高的备用模块剩余过多,从而避免浪费,降低了售后成本。
如图8所示,在一个实施例中,提出了一种备用模块需求预测装置,所述装置包括:
备用模块更换率计算模块802,用于获取待分析区域中待分析备用模块在预设时间段内的更换数据记录及使用数据记录,根据所述更换数据记录及使用数据记录按生命周期段进行分段统计,得到待分析备用模块对应的各个生命周期段的预测模块更换率;
备用模块需求数据计算模块804,用于获取待分析区域中待分析备用模块对应的当前使用数据,根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量。
本实施例的备用模块需求预测装置通过预设时间段内的更换数据记录及使用数据记录计算出各个生命周期段的预测模块更换率,再根据当前待分析备用模块对应的使用数据、各个生命周期段的预测模块更换率计算得到待分析区域中待分析备用模块对应的需求数量。由于需求数量是根据历史更换数据以及当前使用数据计算得出,使根据需求数量备货可以防止备用模块库存剩余过多或严重短缺,避免浪费降低了成本;由于需求数量是根据待分析区域中待分析备用模块的历史更换数据记录及使用数据记录及当前使用数据,使根据待分析区域建立的售后备用模块库符合对应的待分析区域更换需求,避免从其他售后备用模块库中调货,从而满足快速更换备用模块以解决设备故障。
在一个实施例中,所述装置还包括:价格优化系数计算模块806、目标需求数据计算模块808;
所述价格优化系数计算模块806用于获取所有待分析备用模块的价格,从所有所述待分析备用模块的价格中获取最小值作为价格因子,根据所述价格因子、所述待分析备用模块的价格计算待分析备用模块对应的价格优化系数;
所述目标需求数据计算模块808用于根据所述待分析备用模块对应的价格优化系数、所述待分析区域中待分析备用模块对应的需求数量进行计算,得到待分析区域中待分析备用模块对应的目标需求数量。
图9示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器和终端设备,所述服务器包括但不限于高性能计算机和高性能计算机集群;所述终端设备包括但不限于移动终端设备和台式终端设备,所述移动终端设备包括但不限于手机、平板电脑、智能手表和笔记本电脑,所述台式终端设备包括但不限于台式电脑和车载电脑。如图9所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现一种备用模块需求预测方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行一种备用模块需求预测方法。本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的一种备用模块需求预测方法可以实现为一种计算机程序的形式,计算机程序可在如图9所示的计算机设备上运行。计算机设备的存储器中可存储组成的一种备用模块需求预测装置的各个程序模板。比如,备用模块更换率计算模块802、备用模块需求数据计算模块804、价格优化系数计算模块806、目标需求数据计算模块808。
在一个实施例中,提出了一种存储介质,存储有计算机指令程序,所述计算机指令程序被处理器执行时,使得所述处理器时实现如下方法步骤:
获取待分析区域中待分析备用模块在预设时间段内的更换数据记录及使用数据记录;
根据所述更换数据记录及使用数据记录按生命周期段进行分段统计,得到待分析备用模块对应的各个生命周期段的预测模块更换率;
获取待分析区域中待分析备用模块对应的当前使用数据;
根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量。
本实施例的实现的方法步骤通过预设时间段内的更换数据记录及使用数据记录计算出各个生命周期段的预测模块更换率,再根据当前待分析备用模块对应的使用数据、各个生命周期段的预测模块更换率计算得到待分析区域中待分析备用模块对应的需求数量。由于需求数量是根据历史更换数据以及当前使用数据计算得出,使根据需求数量备货可以防止备用模块库存剩余过多或严重短缺,避免浪费降低了成本;由于需求数量是根据待分析区域中待分析备用模块的历史更换数据记录及使用数据记录及当前使用数据,使根据待分析区域建立的售后备用模块库符合对应的待分析区域更换需求,避免从其他售后备用模块库中调货,从而满足快速更换备用模块以解决设备故障。
在一个实施例中,所述根据所述更换数据记录及使用数据记录按生命周期段进行分段统计,得到待分析备用模块对应的各个生命周期段的预测模块更换率,具体包括:根据所述更换数据记录及使用数据记录按预设时间间隔进行分段统计计算,得到分段时间点对应的模块更换率;获取预设的生命周期段的数量;根据所述分段时间点对应的模块更换率、所述预设的生命周期段的数量确定待分析备用模块在每个生命周期段的开始时间及结束时间;根据所述分段时间点对应的模块更换率、所述每个生命周期段的开始时间及结束时间进行计算,得到待分析备用模块对应的各个生命周期段的预测模块更换率。
在一个实施例中,所述根据所述分段时间点对应的模块更换率、所述预设的生命周期段的数量确定待分析备用模块在每个生命周期段的开始时间及结束时间,具体包括:把所有所述分段时间点对应的模块更换率连接生成待分析备用模块对应的模块更换率曲线;根据所述模块更换率曲线计算相邻分段时间点的模块更换率的连接线斜率;根据相邻的两个连接线斜率计算得到相邻两个连接线对应的斜率增长率;根据所述预设的生命周期段的数量和所述相邻两个连接线对应的斜率增长率在所述模块更换率曲线上确定每个生命周期段对应的周期时间点;根据所述每个生命周期段对应的周期时间点确定待分析备用模块在每个生命周期段的开始时间及结束时间。
在一个实施例中,所述根据所述分段时间点对应的模块更换率、所述每个生命周期段的开始时间及结束时间进行计算,得到待分析备用模块对应的各个生命周期段的预测模块更换率,具体包括:根据所述每个生命周期段的开始时间及结束时间分别从所述分段时间点对应的模块更换率中获取生命周期段中开始时间对应的模块更换率和所述结束时间对应的模块更换率;根据所述生命周期段中开始时间对应的模块更换率、所述生命周期段中结束时间对应的模块更换率计算得到相应生命周期段的平均更换率,将所述平均更换率作为所述生命周期段的预测模块更换率。
在一个实施例中,所述根据所述分段时间点对应的模块更换率、所述每个生命周期段的开始时间及结束时间进行计算,得到待分析备用模块对应的各个生命周期段的预测模块更换率,具体包括:把所有所述分段时间点对应的模块更换率连接生成待分析备用模块对应的模块更换率曲线;根据所述模块更换率曲线、所述每个生命周期段的开始时间及结束时间计算曲线下方的面积,得到生命周期段对应的曲线下方的面积;根据所述每个生命周期段的开始时间及结束时间计算得到生命周期段的时长;根据所述生命周期段对应的曲线下方的面积除以所述生命周期段的时长,得到生命周期段的平均更换率,将所述平均更换率作为所述生命周期段的预测模块更换率。
在一个实施例中,所述根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量,具体包括:根据所述当前使用数据计算按生命周期段进行分段统计,得到各个生命周期段的当前使用数据;根据所有所述生命周期段的当前使用数据、所有所述待分析备用模块对应的各个生命周期段的预测模块更换率进行加权求和,得到待分析区域中待分析备用模块对应的需求数量。
在一个实施例中,在根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量之后,还包括:获取所有待分析备用模块的价格;从所有所述待分析备用模块的价格中获取最小值作为价格因子;根据所述价格因子、所述待分析备用模块的价格计算待分析备用模块对应的价格优化系数;根据所述待分析备用模块对应的价格优化系数、所述待分析区域中待分析备用模块对应的需求数量进行计算,得到待分析区域中待分析备用模块对应的目标需求数量。
在一个实施例中,提出了一种计算机设备,包括至少一个存储器、至少一个处理器,所述存储器存储有计算机指令程序,所述计算机指令程序被所述处理器执行时,使得所述处理器执行时实现如下方法步骤:
获取待分析区域中待分析备用模块在预设时间段内的更换数据记录及使用数据记录;
根据所述更换数据记录及使用数据记录按生命周期段进行分段统计,得到待分析备用模块对应的各个生命周期段的预测模块更换率;
获取待分析区域中待分析备用模块对应的当前使用数据;
根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量。
本实施例的实现的方法步骤通过预设时间段内的更换数据记录及使用数据记录计算出各个生命周期段的预测模块更换率,再根据当前待分析备用模块对应的使用数据、各个生命周期段的预测模块更换率计算得到待分析区域中待分析备用模块对应的需求数量。由于需求数量是根据历史更换数据以及当前使用数据计算得出,使根据需求数量备货可以防止备用模块库存剩余过多或严重短缺,避免浪费降低了成本;由于需求数量是根据待分析区域中待分析备用模块的历史更换数据记录及使用数据记录及当前使用数据,使根据待分析区域建立的售后备用模块库符合对应的待分析区域更换需求,避免从其他售后备用模块库中调货,从而满足快速更换备用模块以解决设备故障。
在一个实施例中,所述根据所述更换数据记录及使用数据记录按生命周期段进行分段统计,得到待分析备用模块对应的各个生命周期段的预测模块更换率,具体包括:根据所述更换数据记录及使用数据记录按预设时间间隔进行分段统计计算,得到分段时间点对应的模块更换率;获取预设的生命周期段的数量;根据所述分段时间点对应的模块更换率、所述预设的生命周期段的数量确定待分析备用模块在每个生命周期段的开始时间及结束时间;根据所述分段时间点对应的模块更换率、所述每个生命周期段的开始时间及结束时间进行计算,得到待分析备用模块对应的各个生命周期段的预测模块更换率。
在一个实施例中,所述根据所述分段时间点对应的模块更换率、所述预设的生命周期段的数量确定待分析备用模块在每个生命周期段的开始时间及结束时间,具体包括:把所有所述分段时间点对应的模块更换率连接生成待分析备用模块对应的模块更换率曲线;根据所述模块更换率曲线计算相邻分段时间点的模块更换率的连接线斜率;根据相邻的两个连接线斜率计算得到相邻两个连接线对应的斜率增长率;根据所述预设的生命周期段的数量和所述相邻两个连接线对应的斜率增长率在所述模块更换率曲线上确定每个生命周期段对应的周期时间点;根据所述每个生命周期段对应的周期时间点确定待分析备用模块在每个生命周期段的开始时间及结束时间。
在一个实施例中,所述根据所述分段时间点对应的模块更换率、所述每个生命周期段的开始时间及结束时间进行计算,得到待分析备用模块对应的各个生命周期段的预测模块更换率,具体包括:根据所述每个生命周期段的开始时间及结束时间分别从所述分段时间点对应的模块更换率中获取生命周期段中开始时间对应的模块更换率和所述结束时间对应的模块更换率;根据所述生命周期段中开始时间对应的模块更换率、所述生命周期段中结束时间对应的模块更换率计算得到相应生命周期段的平均更换率,将所述平均更换率作为所述生命周期段的预测模块更换率。
在一个实施例中,所述根据所述分段时间点对应的模块更换率、所述每个生命周期段的开始时间及结束时间进行计算,得到待分析备用模块对应的各个生命周期段的预测模块更换率,具体包括:把所有所述分段时间点对应的模块更换率连接生成待分析备用模块对应的模块更换率曲线;根据所述模块更换率曲线、所述每个生命周期段的开始时间及结束时间计算曲线下方的面积,得到生命周期段对应的曲线下方的面积;根据所述每个生命周期段的开始时间及结束时间计算得到生命周期段的时长;根据所述生命周期段对应的曲线下方的面积除以所述生命周期段的时长,得到生命周期段的平均更换率,将所述平均更换率作为所述生命周期段的预测模块更换率。
在一个实施例中,所述根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量,具体包括:根据所述当前使用数据计算按生命周期段进行分段统计,得到各个生命周期段的当前使用数据;根据所有所述生命周期段的当前使用数据、所有所述待分析备用模块对应的各个生命周期段的预测模块更换率进行加权求和,得到待分析区域中待分析备用模块对应的需求数量。
在一个实施例中,在根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量之后,还包括:获取所有待分析备用模块的价格;从所有所述待分析备用模块的价格中获取最小值作为价格因子;根据所述价格因子、所述待分析备用模块的价格计算待分析备用模块对应的价格优化系数;根据所述待分析备用模块对应的价格优化系数、所述待分析区域中待分析备用模块对应的需求数量进行计算,得到待分析区域中待分析备用模块对应的目标需求数量。
需要说明的是,上述一种备用模块需求预测方法、一种备用模块需求预测装置、存储介质及计算机设备属于一个总的发明构思,一种备用模块需求预测方法、一种备用模块需求预测装置、存储介质及计算机设备实施例中的内容可相互适用。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种备用模块需求预测方法,所述方法包括:
获取待分析区域中待分析备用模块在预设时间段内的更换数据记录及使用数据记录;
根据所述更换数据记录及使用数据记录按生命周期段进行分段统计,得到待分析备用模块对应的各个生命周期段的预测模块更换率;
获取待分析区域中待分析备用模块对应的当前使用数据;
根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量。
2.根据权利要求1所述的方法,其特征在于,所述根据所述更换数据记录及使用数据记录按生命周期段进行分段统计,得到待分析备用模块对应的各个生命周期段的预测模块更换率,具体包括:
根据所述更换数据记录及使用数据记录按预设时间间隔进行分段统计计算,得到分段时间点对应的模块更换率;
获取预设的生命周期段的数量;
根据所述分段时间点对应的模块更换率、所述预设的生命周期段的数量确定待分析备用模块在每个生命周期段的开始时间及结束时间;
根据所述分段时间点对应的模块更换率、所述每个生命周期段的开始时间及结束时间进行计算,得到待分析备用模块对应的各个生命周期段的预测模块更换率。
3.根据权利要求2所述的方法,其特征在于,所述根据所述分段时间点对应的模块更换率、所述预设的生命周期段的数量确定待分析备用模块在每个生命周期段的开始时间及结束时间,具体包括:
把所有所述分段时间点对应的模块更换率连接生成待分析备用模块对应的模块更换率曲线;
根据所述模块更换率曲线计算相邻分段时间点的模块更换率的连接线斜率;
根据相邻的两个连接线斜率计算得到相邻两个连接线对应的斜率增长率;
根据所述预设的生命周期段的数量和所述相邻两个连接线对应的斜率增长率在所述模块更换率曲线上确定每个生命周期段对应的周期时间点;
根据所述每个生命周期段对应的周期时间点确定待分析备用模块在每个生命周期段的开始时间及结束时间。
4.根据权利要求2所述的方法,其特征在于,所述根据所述分段时间点对应的模块更换率、所述每个生命周期段的开始时间及结束时间进行计算,得到待分析备用模块对应的各个生命周期段的预测模块更换率,具体包括:
根据所述每个生命周期段的开始时间及结束时间分别从所述分段时间点对应的模块更换率中获取生命周期段中开始时间对应的模块更换率和所述结束时间对应的模块更换率;
根据所述生命周期段中开始时间对应的模块更换率、所述生命周期段中结束时间对应的模块更换率计算得到相应生命周期段的平均更换率,将所述平均更换率作为所述生命周期段的预测模块更换率。
5.根据权利要求3所述的方法,其特征在于,所述根据所述分段时间点对应的模块更换率、所述每个生命周期段的开始时间及结束时间进行计算,得到待分析备用模块对应的各个生命周期段的预测模块更换率,具体包括:
把所有所述分段时间点对应的模块更换率连接生成待分析备用模块对应的模块更换率曲线;
根据所述模块更换率曲线、所述每个生命周期段的开始时间及结束时间计算曲线下方的面积,得到生命周期段对应的曲线下方的面积;
根据所述每个生命周期段的开始时间及结束时间计算得到生命周期段的时长;
根据所述生命周期段对应的曲线下方的面积除以所述生命周期段的时长,得到生命周期段的平均更换率,将所述平均更换率作为所述生命周期段的预测模块更换率。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量,具体包括:
根据所述当前使用数据计算按生命周期段进行分段统计,得到各个生命周期段的当前使用数据;
根据所有所述生命周期段的当前使用数据、所有所述待分析备用模块对应的各个生命周期段的预测模块更换率进行加权求和,得到待分析区域中待分析备用模块对应的需求数量。
7.根据权利要求1至5任一项所述的方法,其特征在于,在根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量之后,还包括:
获取所有待分析备用模块的价格;
从所有所述待分析备用模块的价格中获取最小值作为价格因子;
根据所述价格因子、所述待分析备用模块的价格计算待分析备用模块对应的价格优化系数;
根据所述待分析备用模块对应的价格优化系数、所述待分析区域中待分析备用模块对应的需求数量进行计算,得到待分析区域中待分析备用模块对应的目标需求数量。
8.一种备用模块需求预测装置,其特征在于,所述装置包括:
备用模块更换率计算模块,用于获取待分析区域中待分析备用模块在预设时间段内的更换数据记录及使用数据记录,根据所述更换数据记录及使用数据记录按生命周期段进行分段统计,得到待分析备用模块对应的各个生命周期段的预测模块更换率;
备用模块需求数据计算模块,用于获取待分析区域中待分析备用模块对应的当前使用数据,根据所有所述待分析备用模块对应的各个生命周期段的预测模块更换率、所述当前使用数据进行计算,得到待分析区域中待分析备用模块对应的需求数量。
9.一种存储介质,存储有计算机指令程序,其特征在于,所述计算机指令程序被处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种计算机设备,其特征在于,包括至少一个存储器、至少一个处理器,所述存储器存储有计算机指令程序,所述计算机指令程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910980162.9A CN112668746A (zh) | 2019-10-15 | 2019-10-15 | 一种备用模块需求预测方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910980162.9A CN112668746A (zh) | 2019-10-15 | 2019-10-15 | 一种备用模块需求预测方法、装置、存储介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112668746A true CN112668746A (zh) | 2021-04-16 |
Family
ID=75400353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910980162.9A Pending CN112668746A (zh) | 2019-10-15 | 2019-10-15 | 一种备用模块需求预测方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112668746A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235979A (zh) * | 2013-04-02 | 2013-08-07 | 上海长合信息技术有限公司 | 地铁设备备件需求的预测方法 |
CN105160513A (zh) * | 2015-09-07 | 2015-12-16 | 拓维信息系统股份有限公司 | 一种设备备件的安全库存计算方法及系统 |
CN107274008A (zh) * | 2017-05-26 | 2017-10-20 | 上海蔚来汽车有限公司 | 电动汽车充换电需求量预测方法、存储设备及系统 |
CN107958297A (zh) * | 2016-10-17 | 2018-04-24 | 华为技术有限公司 | 一种产品需求预测方法及产品需求预测装置 |
CN108009692A (zh) * | 2017-12-26 | 2018-05-08 | 东软集团股份有限公司 | 设备维修信息处理方法、装置、计算机设备和存储介质 |
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 |
CN108492141A (zh) * | 2018-03-28 | 2018-09-04 | 联想(北京)有限公司 | 一种多模型融合的预测方法及装置 |
CN109191205A (zh) * | 2018-09-03 | 2019-01-11 | 平安科技(深圳)有限公司 | 一种基于预测模型的定价计算方法及终端设备 |
CN109376924A (zh) * | 2018-10-18 | 2019-02-22 | 广东电网有限责任公司 | 一种物资需求预测的方法、装置、设备及可读存储介质 |
CN109658153A (zh) * | 2018-12-24 | 2019-04-19 | 联想(北京)有限公司 | 备件需求量的预测方法及装置,以及电子设备 |
-
2019
- 2019-10-15 CN CN201910980162.9A patent/CN112668746A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235979A (zh) * | 2013-04-02 | 2013-08-07 | 上海长合信息技术有限公司 | 地铁设备备件需求的预测方法 |
CN105160513A (zh) * | 2015-09-07 | 2015-12-16 | 拓维信息系统股份有限公司 | 一种设备备件的安全库存计算方法及系统 |
CN107958297A (zh) * | 2016-10-17 | 2018-04-24 | 华为技术有限公司 | 一种产品需求预测方法及产品需求预测装置 |
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 |
CN107274008A (zh) * | 2017-05-26 | 2017-10-20 | 上海蔚来汽车有限公司 | 电动汽车充换电需求量预测方法、存储设备及系统 |
CN108009692A (zh) * | 2017-12-26 | 2018-05-08 | 东软集团股份有限公司 | 设备维修信息处理方法、装置、计算机设备和存储介质 |
CN108492141A (zh) * | 2018-03-28 | 2018-09-04 | 联想(北京)有限公司 | 一种多模型融合的预测方法及装置 |
CN109191205A (zh) * | 2018-09-03 | 2019-01-11 | 平安科技(深圳)有限公司 | 一种基于预测模型的定价计算方法及终端设备 |
CN109376924A (zh) * | 2018-10-18 | 2019-02-22 | 广东电网有限责任公司 | 一种物资需求预测的方法、装置、设备及可读存储介质 |
CN109658153A (zh) * | 2018-12-24 | 2019-04-19 | 联想(北京)有限公司 | 备件需求量的预测方法及装置,以及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110309418B (zh) | 推荐内容确定方法、装置、存储介质和计算机设备 | |
CN105205297B (zh) | 一种基于时间序列的业务预测方法及系统 | |
CN111429048A (zh) | 确定补货信息的方法、装置及设备 | |
WO2014040260A1 (en) | Method, system and apparatus for load shaving of a power grid and a tangible computer readable medium | |
CN111382974A (zh) | 货架位置的确定方法及装置、仓储系统、计算机设备 | |
CN112668746A (zh) | 一种备用模块需求预测方法、装置、存储介质及设备 | |
CN116682540A (zh) | 一种医疗耗材自动补货方法、系统、设备和存储介质 | |
CN111242349A (zh) | 配送员调度方法、装置、可读存储介质和计算机设备 | |
CN112668950A (zh) | 一种备用模块需求预测方法、装置、存储介质及设备 | |
CN110826863B (zh) | 电量分配方法、装置、计算机设备及存储介质 | |
CN110968947A (zh) | 虚拟电厂调度方法、装置及系统 | |
CN112668817A (zh) | 终端维护人员配置的方法、装置、设备及存储介质 | |
CN115250219B (zh) | 削峰进度的预测方法、装置和电子设备 | |
Dorgham et al. | A novel dynamic pricing model for the telecommunications industry | |
CN114498622A (zh) | 理论线损率确定方法、装置、设备、存储介质和程序产品 | |
CN113887772A (zh) | 订货周期优化方法、装置、计算机设备和存储介质 | |
CN114240416A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN113570109A (zh) | 一种配变重过载预测的方法 | |
CN114254841A (zh) | 资源额度处理方法、计算设备、用户设备以及服务器 | |
JP4334198B2 (ja) | 生産計画装置、生産計画方法、その記録媒体およびプログラム | |
CN111798256A (zh) | 确定票价的方法、数据获取的方法、装置和系统 | |
CN112581295A (zh) | 基于字段拆分的产品数据处理方法、装置、设备和介质 | |
CN111524002A (zh) | 联名信用卡额度确定方法及装置 | |
CN112101857A (zh) | 一种车辆调拨方法及装置 | |
CN111191912B (zh) | 轻载线路识别方法、装置、计算机设备和存储介质 |
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 |