CN113822611A - 备件管理方法及装置、计算机存储介质、电子设备 - Google Patents

备件管理方法及装置、计算机存储介质、电子设备 Download PDF

Info

Publication number
CN113822611A
CN113822611A CN202010687887.1A CN202010687887A CN113822611A CN 113822611 A CN113822611 A CN 113822611A CN 202010687887 A CN202010687887 A CN 202010687887A CN 113822611 A CN113822611 A CN 113822611A
Authority
CN
China
Prior art keywords
value
spare part
distribution
target variable
function
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
Application number
CN202010687887.1A
Other languages
English (en)
Inventor
范超
邵文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Shangke Information Technology Co Ltd
Beijing Jingdong Qianshi Technology Co Ltd
Original Assignee
Beijing Jingdong Qianshi Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Qianshi Technology Co Ltd filed Critical Beijing Jingdong Qianshi Technology Co Ltd
Priority to CN202010687887.1A priority Critical patent/CN113822611A/zh
Publication of CN113822611A publication Critical patent/CN113822611A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/08—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or 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
    • G06Q50/04—Manufacturing
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Finance (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Accounting & Taxation (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开涉及智能仓储技术领域，提供了一种备件管理方法、备件管理装置、计算机存储介质、电子设备，其中，备件管理方法包括：获取由备件短缺所导致的第一亏损值，以及，获取由备件过量所导致的第二亏损值；根据第一亏损值、第二亏损值与目标变量构造一带约束条件的目标函数；目标变量的值表示优化得到的备件数量预测值；求解目标函数，得到目标变量对应的关联表达式；根据历史备件使用量所服从的概率分布类型求解关联表达式，得到目标变量的值；根据目标变量的值进行备件预定。本公开中的备件管理方法能够提高备件准确性，减少备件数量不准确所造成的运营损失。

Description

备件管理方法及装置、计算机存储介质、电子设备
技术领域
本公开涉及智能仓储技术领域，特别涉及一种备件管理方法、备件管理装置、计算机存储介质及电子设备。
背景技术
备件亦称备品配件(Spare Parts)，是指生产设备在正常运行的情况下，为保证安全生产必须预先储备的设备、部件、材料和配件。目前在生产厂商、面向消费者的商场、物流等众多方面均需要进行物品的备件管理(Spare Parts Management)，使得物品的备件需求能够满足合理的消耗。
但是，由于对备件的消耗并不是规律的，因此目前对备件需求进行预测时，特别是涉及到针对大量物品的备件需求进行预测时，没有相适配的预测方法，往往导致预测结果不准确，从而增加备件管理压力。
鉴于此，本领域亟需开发一种新的备件管理方法及装置。
需要说明的是，上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。
发明内容
本公开的目的在于提供一种备件管理方法、备件管理装置、计算机存储介质及电子设备，进而至少在一定程度上避免了相关技术中备件数量缺乏或过量所导致的损失过大的缺陷。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的第一方面，提供一种备件管理方法，包括：获取由备件短缺所导致的第一亏损值，以及，获取由备件过量所导致的第二亏损值；根据所述第一亏损值、所述第二亏损值与目标变量构造一带约束条件的目标函数；所述目标变量的值表示备件数量预测值；求解所述目标函数，得到所述目标变量对应的关联表达式；根据历史备件使用量所服从的概率分布类型求解所述关联表达式，得到所述目标变量的值；根据所述目标变量的值进行备件预定。
在本公开的示例性实施例中，所述根据所述第一亏损值、所述第二亏损值与目标变量构造一带约束条件的目标函数，包括：获取所述历史备件使用量与所述目标变量的第一差值，并计算所述第一差值与所述第一亏损值的第一乘积；获取所述目标变量与所述历史备件使用量的第二差值，并计算与所述第二差值与所述第二亏损值的第二乘积；将所述第一差值的期望与所述第二差值的数据期望之和确定为所述目标函数。
在本公开的示例性实施例中，所述求解所述目标函数，得到所述目标变量对应的关联表达式，包括：求解所述目标函数的一阶导数并令所述一阶导数为一目标值，得到所述目标变量对应的关联表达式。
在本公开的示例性实施例中，所述概率分布类型包括：正态分布、截断正态分布和不规则分布；所述方法还包括：获取所述历史备件使用量的频率分布图，以及，确定所述历史备件使用量的方差；当所述频率分布图呈单峰分布且所述方差小于额定值时，确定所述历史备件使用量服从正态分布；当所述频率分布图呈单峰分布且所述方差大于额定值，确定所述历史备件使用量服从截断正态分布；当所述频率分布图呈多峰分布，确定所述历史备件使用量服从不规则分布。
在本公开的示例性实施例中，所述根据历史备件使用量所服从的概率分布类型求解所述关联表达式，得到所述目标变量的值，包括：当所述历史备件使用量所服从的概率分布类型为正态分布时，根据正态分位数表确定所述目标变量的值。
在本公开的示例性实施例中，所述根据历史备件使用量所服从的概率分布类型求解所述关联表达式，得到所述目标变量的值，包括：当所述历史备件使用量所服从的概率分布类型为截断正态分布时，对所述截断正态分布的概率密度函数进行积分得到第一累计分布函数；确定所述第一累计分布函数的第一反函数；根据预定离散化步长和所述第一反函数，确定每一步长值对应的第一反函数值；根据各个步长值所对应的第一反函数值，构建第一分位数表；根据所述第一分位数表，确定所述目标变量的值。
在本公开的示例性实施例中，所述根据历史备件使用量所服从的概率分布类型求解所述关联表达式，得到所述目标变量的值，包括：当所述历史备件使用量所服从的概率分布类型为不规则分布时，基于核密度估计算法确定所述不规则分布对应的概率密度函数；对所述不规则分布对应的概率密度函数进行积分得到第二累计分布函数，确定所述第二累计分布函数对应的第二反函数；根据所述预定离散化步长和所述第二反函数，确定每一步长值对应的第二反函数值；根据各个步长值所对应的第二反函数值，构建第二分位数表；根据所述第二分位数表，确定所述目标变量的值。
在本公开的示例性实施例中，所述根据历史备件使用量所服从的概率分布类型求解所述关联表达式，得到所述目标变量的值，包括：当所述历史备件使用量所服从的概率分布类型为截断正态分布时，获取所述截断正态分布对应的概率密度函数；根据预定离散化步长和所述截断正态分布对应的概率密度函数，确定每一步长值对应的第一概率密度函数值；根据各个步长值所对应的第一概率密度函数值，构建第一分位数表；根据所述第一分位数表，确定所述目标变量的值。
在本公开的示例性实施例中，所述根据历史备件使用量所服从的概率分布类型求解所述关联表达式，得到所述目标变量的值，包括：当所述历史备件使用量所服从的概率分布类型为不规则分布时，基于核密度估计算法确定所述不规则分布对应的概率密度函数；根据所述预定离散化步长和所述不规则分布对应的概率密度函数，确定每一步长值对应的第二概率密度函数值；根据各个步长值所对应的第二概率密度函数值，构建第二分位数表；根据所述第二分位数表，确定所述目标变量的值。
根据本公开的第二方面，提供一种备件管理装置，包括：获取模块，用于获取由备件短缺所导致的第一亏损值，以及，获取由备件过量所导致的第二亏损值；构造模块，用于根据所述第一亏损值、所述第二亏损值与目标变量构造一带约束条件的目标函数；所述目标变量的值表示备件数量预测值；求解模块，用于求解所述目标函数，得到所述目标变量对应的关联表达式；根据历史备件使用量所服从的概率分布类型求解所述关联表达式，得到所述目标变量的值；根据所述目标变量的值进行备件预定。
根据本公开的第三方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的备件管理方法。
根据本公开的第四方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述第一方面所述的备件管理方法。
由上述技术方案可知，本公开示例性实施例中的备件管理方法、备件管理装置、计算机存储介质及电子设备至少具备以下优点和积极效果：
在本公开的一些实施例所提供的技术方案中，一方面，获取由备件短缺所导致的第一亏损值、由备件过量所导致的第二亏损值，能够明确备件短缺和备件过量分别导致的亏损值大小，提高后续进行备件数量预测的准确度。进一步的，根据第一亏损值、第二亏损值与目标变量(表示备件数量预测值)构造一带约束条件的目标函数，能够将目标变量与上述两类损失的值关联起来，以最大程度的减小上述两类亏损值所导致的运营损失。另一方面，求解目标函数，得到目标变量对应的关联表达式，根据历史备件使用量所服从的概率分布类型求解关联表达式，得到目标变量的值，并根据目标变量的值进行备件预定，能够保证备件数量预测值更加贴合实际，提高得到的备件数量预测值的准确度，使得备件数量更加符合实际用量需求，避免由于备件短缺或备件过量导致的生产损失，提高生产效率。
本公开应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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。
图1示出本公开一示例性实施例中备件管理方法的流程示意图；
图2示出本公开一示例性实施例中备件管理方法的子流程示意图；
图3示出本公开一示例性实施例中备件管理方法的子流程示意图；
图4示出本公开一示例性实施例中备件管理方法的整体流程示意图；
图5示出本公开示例性实施例中备件管理装置的结构示意图；
图6示出本公开示例性实施例中计算机存储介质的结构示意图；
图7示出本公开示例性实施例中电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等；用语“第一”和“第二”等仅作为标记使用，不是对其对象的数量限制。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。
目前，一般是相关仓储管理人员根据个人经验和实际使用情况来决定备品备件数量，往往造成过多准备或者缺件情况。这时候，会产生两类损失：当准备的备品备件数量大于实际使用量时，会造成存货积压，产生备品备件的持有成本等；当准备的备品备件数量小于实际使用量时，会因缺少备品备件使得需要更换AGV(Automated Guided Vehicle，自动导引车，简称：AGV)零部件而未能及时更换，导致生产风险增大或者直接导致AGV无法使用。因此，需要确定最优数量的备品备件。
在本公开的实施例中，首先提供了一种备件管理方法，至少在一定程度上克服现有技术中提供的备件管理方法备件准确度较低的缺陷。
图1示出本公开一示例性实施例中备件管理方法的流程示意图，该备件管理方法的执行主体可以是对备件进行管理的服务器。
参考图1，根据本公开的一个实施例的备件管理方法包括以下步骤：
步骤S110，确定由备件短缺所导致的第一亏损值，以及，确定由备件过量所导致的第二亏损值；
步骤S120，根据第一亏损值、第二亏损值与目标变量构造一带约束条件的目标函数；目标变量的值表示备件数量预测值；
步骤S130，求解目标函数的极小值，得到目标变量对应的关联表达式；
步骤S140，根据历史备件使用量所服从的概率分布类型求解关联表达式，得到目标变量的值；
步骤S150，根据所述目标变量的值进行备件预定。
在图1所示实施例所提供的技术方案中，一方面，获取由备件短缺所导致的第一亏损值、由备件过量所导致的第二亏损值，能够明确备件短缺和备件过量分别导致的亏损值大小，提高后续进行备件数量预测的准确度。进一步的，根据第一亏损值、第二亏损值与目标变量(表示备件数量预测值)构造一带约束条件的目标函数，能够将目标变量与上述两类损失的值关联起来，以最大程度的减小上述两类亏损值所导致的运营损失。另一方面，求解目标函数，得到目标变量对应的关联表达式，根据历史备件使用量所服从的概率分布类型求解关联表达式，得到目标变量的值，并根据目标变量的值进行备件预定，能够保证备件数量预测值更加贴合实际，提高得到的备件数量预测值的准确度，使得备件数量更加符合实际用量需求，避免由于备件短缺或备件过量导致的生产损失，提高生产效率。
以下对图1中的各个步骤的具体实现过程进行详细阐述：
备件是一个通用词，所有与设备有关的零件都可以用做备件。按词面来说就是备用的物品或备用的零件。其实无论在维修还是制造，还是在各个领域，都需要提前准备一些物品和零配件，这些提前准备并会在不久的将来使用上的物品和零配件在文字上就定为“备件”。比如预先准备的修理汽车要用的零件就可以叫备件。示例性的，当设备为AGV小车时，则备件可以是：车轮、驱动单元、控制单元等；当设备为扫地机器人时，则备件可以是：锂电池、红外线传感器、侦测仪、滚刷等，可以根据实际情况自行设定，属于本公开的保护范围。
备件短缺指的是预先准备的备件数量不足，导致需要对设备进行紧急维修时，不能快速提供所需备件，使得设备无法使用，增加时间成本。
备件过量指的是预先准备的备件数量过多，导致存货积压，产生备件的长期持有成本，尤其是在各种技术日新月异迅速发展的当下，各种新备件也在不断更新问世，因此，存货积压时间越久，其价值下降越快，甚至可能导致零价值。
参考图1，在步骤S110中，确定由备件短缺所导致的第一亏损值，以及，确定由备件过量所导致的第二亏损值。
示例性的，可以确定由备件短缺所导致的第一亏损值Lossa，以及，确定由备件过量所导致的第二亏损值Lossb。从而，能够明确备件短缺和备件过量分别导致的亏损值大小，提高后续进行备件数量预测的准确度。
举例而言，当2020年1月由于备件短缺导致10台设备从1月5号到1月14号无法正常工作，而正常设备每天工作所产生的利润为100元时，则2020年1月由于设备短缺所导致的第一亏损值为10*10*100＝10000元。当2020年2月由于备件过量导致月末剩余100个相同的多余备件，而每个备件的价格为10元时，则2020年2月由于备件过量所导致的第二亏损值为100*10＝1000元。
需要说明的是，在该步骤中也可以仅根据第一亏损值和第二亏损值的比例关系，也可以间接确定出第一亏损值和第二亏损值，并进行相关后续运算。举例而言，在具体数值不明确的情况下，若得知第一亏损值与第二亏损值的比值为10：1时，可以将第一亏损值Lossa确定为10·Lossb，将第二亏损值确定为Lossb。从而，能够避免事先准备繁琐的数据，在仅知道比例关系的情况下，快速执行后续相关预测过程，简化了相关数据处理和统计过程。
示例性的，还可以获取历史备件使用量X。举例而言，历史时间可以是从2020年1月至2020年5月，参考表1，表1示出各个历史时间所对应的历史备件使用量。
表1
时间 历史备件使用量X
2020年1月 68
2020年2月 75
2020年3月 72
2020年4月 75
2020年5月 80
在获取到历史备件使用量之后，可以参考图2，图2示出本公开一示例性实施例中备件管理方法的子流程示意图，具体示出确定历史备件使用量所服从的概率分布类型的子流程示意图，包含步骤S201-S204，以下结合图2对具体的实施方式进行解释。
在步骤S201中，获取历史备件使用量的频率分布图，以及，确定历史备件使用量的方差。
在获取到历史备件使用量之后，可以绘制历史备件使用量的频率分布图。示例性的，上述频率分布图可以是频率分布直方图，能清楚显示各组频数分布情况又易于显示各组之间频数的差别。它主要是为了将我们获取的数据直观、形象地表示出来，让我们能够更好了解数据的分布情况。具体的，可以先确定出所有数据中的最大值(例如：80)和最小值(68)，进而，根据最大值和最小值的差确定组距和组数(可根据实际情况自行确定，但若分组过少，数据就非常集中；分组过多，数据就非常分散，可能或掩盖分布的特征)；进一步的，可以设置横坐标为历史备件使用量，纵坐标为各个历史备件使用量出现的频率除以组距，以得到上述频率分布图。
在获取到历史备件使用量之后，还可以确定历史备件使用量的方差。示例性的，上述数据的平均值可以是68+75+72+75+80＝74，则其均值可以是(68-74)2+(75-74)2+(72-74)2+(75-74)2+(80-74)2＝78。
在步骤S202中，当频率分布图呈单峰分布且方差小于额定值时，确定历史备件使用量服从正态分布。
若上述频率分布图呈单峰分布(即频率分布图中纵轴数值最大的只有一个时)并且计算出来的方差小于额定值(举例而言，当额定值为80，而上述方差为78)，则可以确定出历史备件使用量所服从的概率分布类型为正态分布。
其中，正态分布(Normal distribution)，也称“常态分布”，又名高斯分布(Gaussian distribution)，是一个非常重要的概率分布。在数学、物理及工程等领域以及统计学的许多方面有着重大的影响力。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。
在步骤S203中，当频率分布图呈单峰分布且方差大于额定值，确定历史备件使用量服从截断正态分布。
若上述频率分布图呈单峰分布(即频率分布图中纵轴数值最大的只有一个时)并且计算出来的方差大于额定值(举例而言，当额定值为75，而上述方差为78)，则可以确定出历史备件使用量所服从的概率分布类型为截断正态分布。
其中，截断正态分布(Truncated_normal_distribution)是在正态分布中界定随机变量进而从正态分布的分布函数中导出概率分布，也有称为截尾正太分布。截断正态分布是截断分布(Truncated Distribution)的一种，而截断分布指的是限制变量x取值范围(scope)的一种分布。例如，限制x取值在0到50之间，即{0<x<50}。因此，根据限制条件的不同，截断正态分布可以分为：限制取值上限，例如，负无穷<x<50；限制取值下限，例如，0<x<正无穷；上限下限取值都限制，例如，0<x<50；正态分布则可视为不进行任何截断的截断正态分布，也即自变量的取值为负无穷到正无穷。截断正态分布就是在正态分布的基础上“截断”一部分，只保留另一部分。
在步骤S204中，当频率分布图呈多峰分布，确定历史备件使用量服从不规则分布。
当上述频率分布图呈多峰分布(即频率分布图中纵轴数值最大的有多个相等的值时)，则可以确定历史备件使用量所服从的概率分布类型为不规则分布。
从而，一方面，使得算法不仅能够处理常见的正态分布，还能够处理更加符合实际情况的截断正态分布，使得算法中的预测过程更加贴合实际；另一方面，概率分布类型的多样判断，使得数据的处理过程更加细致、具有针对性，从而，能够保证后续数据预测结果的准确性和可实施性。
接着参考图1，在步骤S120中，根据第一亏损值、第二亏损值与目标变量构造一带约束条件的目标函数。
其中，目标变量的值表示备件数量预测值，示例性的，可以表示为t。
具体的，可以参考图3，图3示出本公开一示例性实施例中备件管理方法的子流程示意图，具体示出根据第一亏损值、第二亏损值与目标变量构造一带约束条件的目标函数的子流程示意图，包含步骤S301-S303，以下结合图3对步骤S120的具体实施方式进行解释。
在步骤S301中，获取历史备件使用量与目标变量的第一差值，并计算第一差值与第一亏损值的第一乘积。
示例性的，历史备件使用量与目标变量的第一差值可以是X-t，第一差值与第一亏损值的第一乘积可以表示为(X-t)*Lossa。
在步骤S302中，获取目标变量与历史备件使用量的第二差值，并计算与第二差值与第二亏损值的第二乘积。
示例性的，目标变量与历史备件使用量的第二差值可以是t-X，第一差值与第一亏损值的第一乘积可以表示为(t-X)·Lossb。
在步骤S303中，将第一差值的数学期望与第二差值的数据期望之和确定为目标函数。
进而，第一乘积的数学期望可以表示为E[(X-t)·Lossa]，第二乘积的数学期望可以表示为E[(t-X)·Lossb]。则第一乘积与第二乘积的数学期望之和可以表示为E[(X-t)·Lossa+(t-X)·Lossb]，进而，目标函数可以表示为L(t)＝E[(X-t)·Lossa+(t-X)·Lossb]，其约束条件为X≥0且t≥0。
根据数学期望的定义可知，设连续性随机变量X的概率密度函数为f(x)，若积分绝对收敛，则称积分的值
Figure BDA0002588237390000111
为随机变量的数学期望。则相应的，上述目标函数L(t)可以表示为：
Figure BDA0002588237390000112
在步骤S130中，求解目标函数，得到目标变量对应的关联表达式。
进而，可以求解目标函数的一阶导数L(t)'并令L(t)'为一目标值，得到目标变量对应的关联表达式，具体的推导过程可以参考下式：
Figure BDA0002588237390000113
Figure BDA0002588237390000114
Figure BDA0002588237390000115
L(t)′＝-Lossa·(1-F(t))+Lossb·F(t)
令上式等于一目标值0，则
Figure BDA0002588237390000116
进而，目标变量t对应的关联表达式可以是
Figure BDA0002588237390000117
从而，能够得到令两类亏损值最小化的备件数量预测值。
其中，F(·)表示的是历史备件使用量的累计分布函数，累积分布函数，又叫分布函数，是概率密度函数的积分，能完整描述一个实随机变量X的概率分布。一般以大写“CDF”(Cumulative Distribution Function)标记。对于所有实数x，累积分布函数定义如下：FX(x)＝P(X≤x)。F-1(·)表示的是历史备件使用量的累计分布函数的反函数。反函数是对一个给定函数做逆运算的函数，它的定义域、值域分别是原函数的值域、定义域。
在步骤S140中，根据历史备件使用量所服从的概率分布类型求解关联表达式，得到目标变量的值。
在确定出目标变量对应的关联表达式之后，可以根据历史备件使用量所服从的概率分布类型求解上述关联表达式，以得到目标变量的值。具体的，可以包括以下三种情况：
第一，当历史备件使用量所服从的概率分布类型为正态分布时，则可以根据正态分位数表确定目标变量的值。具体的，可以根据上述
Figure BDA0002588237390000121
的值去查找正态分位数表(示例性的，可以是累计分布函数的反函数相对应的正态分位数表)，具体的，可以先查找表中最左边的竖轴，确定出
Figure BDA0002588237390000122
的值所在的一横轴，进而，查找表中最上面那一行的横轴，找到
Figure BDA0002588237390000123
的值所在的一竖轴，进而，二者相交的数字即为累计分布函数的反函数所对应的值，即上述目标变量的值(又即优化后的备件数量预测值)。
第二，当历史备件使用量所服从的概率分布类型为截断正态分布时，截断正态分布就是在原正态分布的基础上“截断”一部分，只保留另一部分，原正态分布X≤0的部分被“截断”了，但是剩下的X≥0的部分的函数形式和原来的基本一样，只是相差一个系数而已，相当于要对剩下的部分进行“拉伸”，使其在(0,+∞)上的积分为1。
而若设随机变量X～N(μ,σ2)，则X的密度函数为
Figure BDA0002588237390000124
-∞<x<+∞，相应的，若设随机变量Y是服从截断正态分布，那么其概率密度函数为：
Figure BDA0002588237390000125
其中，μ和σ2都是原正态分布的期望和方差，a为待定的系数。
根据密度函数在(-∞,+∞)上的积分值为1，我们可以求出a：
Figure BDA0002588237390000126
令
Figure BDA0002588237390000127
则y＝σm+μ，dy＝σdm，
Figure BDA0002588237390000128
Figure BDA0002588237390000129
Figure BDA00025882373900001210
∴Y的概率密度函数为：
Figure BDA0002588237390000131
其中Φ(·)为标准正态分布的分布函数，即
Figure BDA0002588237390000132
μ和σ2是原正态分布的期望和方差。
在确定出概率密度函数之后，可以对上述概率密度函数进行积分以得到第一累计分布函数，并确定第一累计分布函数对应的第一反函数。
在确定出第一反函数之后，可以以预定离散化步长(例如：0.01)计算每一步长值对应的第一反函数值，示例性的，可以令y分别取0.01、0.02、0.03……10，分别计算出各个步长值所对应的第一反函数值，以构建第一分位数表。从而，可以根据上述
Figure BDA0002588237390000133
的值去查找第一分位数表，以确定出累计分布函数的反函数的值，即上述目标变量的值(又即优化后的备件数量预测值)。
第三，当概率分布类型为不规则分布时，可以先基于核密度估计算法确定该不规则分布对应的概率密度函数。其中，核密度估计可以看成是对直方图的一个自然拓展，可以在一定假设条件(特别是光滑性条件)下，对数据的密度函数做非参数的估计。具体的，可以通过估计分布函数的一阶导数来估计其概率密度函数，进而用经验分布函数(empiricaldistribution function，是对用于生成样本的累积分布函数的估计，经验分布函数以概率1收敛至这一累积分布函数)替代分布函数，用标准正态分布的密度函数作为核函数，进而，可以更进一步的做非参数的回归，得到最终的概率密度函数估计结果。
在估计出概率密度函数(示例性的，可以表示为GY(y))之后，可以对该不规则分布对应的概率密度函数进行积分得到第二累计分布函数，进而，可以计算上述第二累计分布函数对应的第二反函数，
在确定出第二反函数之后，可以参照上述步骤的相关解释，以预定离散化步长(例如：0.01)计算每一步长值对应的第二反函数值，示例性的，可以令y分别取0.01、0.02、0.03……10，分别计算出各个步长值所对应的第二反函数值，构建第二分位数表。进而，可以根据上述
Figure BDA0002588237390000141
的值去查找第二分位数表，以确定出累计分布函数的反函数所对应的值即上述目标变量的值(又即优化后的备件数量预测值)。
在步骤S150中，根据目标变量的值进行备件预定。
在确定出目标变量的值(即备件数量预测值)之后，可以根据上述备件数量预测值进行备件预定(举例而言，当备件为AGV小车的车轮、备件数量预测值为70个时，则可以预定或预先准备70个AGV小车的车轮)，从而，能够使得备件数量更加符合实际用量需求，避免由于备件短缺或备件过量导致的生产损失，最大程度保证相关厂商的生产效率。
示例性的，可以参考图4，图4示出本公开一示例实施例中备件管理方法的整体流程示意图，包含步骤S401-S405，以下结合图4对具体实施方式进行解释。
在步骤S401中，获取由备件短缺所导致的第一亏损值，以及，获取由备件过量所导致的第二亏损值(或，获取第一亏损值与第二亏损值的比例关系)；
在步骤S402中，确定历史备件使用量所服从的概率分布类型；
在步骤S403中，根据第一亏损值、第二亏损值与目标变量构造一带约束条件的目标函数，并求解目标函数，得到目标变量对应的关联表达式；
在步骤S404中，根据历史备件使用量所服从的概率分布类型求解关联表达式，得到目标变量的值(备件数量预测值)；
在步骤S405中，根据备件数量预测值进行备件预定。
基于上述技术方案，一方面，本公开不仅能够避免事先准备繁琐的数据，在仅知道比例关系的情况下，快速执行后续相关预测过程，简化了相关数据处理和统计过程；进一步的，由于算法包含的概率分布类型的多样判断，使得数据的处理过程更加细致、具有针对性，从而，能够保证后续数据预测结果的准确性和可实施性；另一方面，能够使得备件数量更加符合实际用量需求，避免由于备件短缺或备件过量导致的生产损失，最大程度保证相关厂商的生产效率。
本公开还提供了一种备件管理装置，图5示出本公开示例性实施例中备件管理装置的结构示意图；如图5所示，备件管理装置500可以包括获取模块501、构造模块502和求解模块503。其中：
获取模块501，用于获取由备件短缺所导致的第一亏损值，以及，获取由备件过量所导致的第二亏损值。
在本公开的示例性实施例中，概率分布类型包括：正态分布、截断正态分布和不规则分布；获取模块用于获取历史备件使用量的频率分布图，以及，确定历史备件使用量的方差；当频率分布图呈单峰分布且方差小于额定值时，确定历史备件使用量服从正态分布；当频率分布图呈单峰分布且方差大于额定值，确定历史备件使用量服从截断正态分布；当频率分布图呈多峰分布，确定历史备件使用量服从不规则分布。
构造模块502，用于根据第一亏损值、第二亏损值与目标变量构造一带约束条件的目标函数；目标变量的值表示备件数量预测值。
在本公开的示例性实施例中，构造模块用于获取历史备件使用量与目标变量的第一差值，并计算第一差值与第一亏损值的第一乘积；获取目标变量与历史备件使用量的第二差值，并计算与第二差值与第二亏损值的第二乘积；将第一差值的期望与第二差值的数据期望之和确定为目标函数。
求解模块503，用于求解目标函数，得到目标变量对应的关联表达式；根据历史备件使用量所服从的概率分布类型求解关联表达式，得到目标变量的值；根据目标变量的值进行备件预定。
在本公开的示例性实施例中，求解模块用于求解目标函数的一阶导数并令一阶导数为一目标值，得到目标变量对应的关联表达式。
在本公开的示例性实施例中，求解模块用于当历史备件使用量所服从的概率分布类型为正态分布时，根据正态分位数表确定目标变量的值。
在本公开的示例性实施例中，求解模块用于当所述历史备件使用量所服从的概率分布类型为截断正态分布时，对所述截断正态分布的概率密度函数进行积分得到第一累计分布函数；确定所述第一累计分布函数的第一反函数；根据预定离散化步长和所述第一反函数，确定每一步长值对应的第一反函数值；根据各个步长值所对应的第一反函数值，构建第一分位数表；根据所述第一分位数表，确定所述目标变量的值。
在本公开的示例性实施例中，求解模块用于当所述历史备件使用量所服从的概率分布类型为不规则分布时，基于核密度估计算法确定所述不规则分布对应的概率密度函数；对所述不规则分布对应的概率密度函数进行积分得到第二累计分布函数，确定所述第二累计分布函数对应的第二反函数；根据所述预定离散化步长和所述第二反函数，确定每一步长值对应的第二反函数值；根据各个步长值所对应的第二反函数值，构建第二分位数表；根据所述第二分位数表，确定所述目标变量的值。
上述备件管理装置中各模块的具体细节已经在对应的备件管理方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
在本公开示例性实施方式中，还提供了一种能够实现上述方法的计算机存储介质。其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
参考图6所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品600，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730以及显示单元740。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元710可以执行如图1中所示的：步骤S110，获取由备件短缺所导致的第一亏损值，以及，获取由备件过量所导致的第二亏损值；步骤S120，根据第一亏损值、第二亏损值与目标变量构造一带约束条件的目标函数；目标变量的值表示备件数量预测值；步骤S130，求解目标函数，得到目标变量对应的关联表达式；步骤S140，根据历史备件使用量所服从的概率分布类型求解关联表达式，得到目标变量的值；步骤S150，根据目标变量的值进行备件预定。
存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。
存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备800(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器760通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (10)

1.一种备件管理方法，其特征在于，包括：
获取由备件短缺所导致的第一亏损值，以及，获取由备件过量所导致的第二亏损值；
根据所述第一亏损值、所述第二亏损值与目标变量构造一带约束条件的目标函数；所述目标变量的值表示备件数量预测值；
求解所述目标函数，得到所述目标变量对应的关联表达式；
根据历史备件使用量所服从的概率分布类型求解所述关联表达式，得到所述目标变量的值；
根据所述目标变量的值进行备件预定。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一亏损值、所述第二亏损值与目标变量构造一带约束条件的目标函数，包括：
获取所述历史备件使用量与所述目标变量的第一差值，并计算所述第一差值与所述第一亏损值的第一乘积；
获取所述目标变量与所述历史备件使用量的第二差值，并计算与所述第二差值与所述第二亏损值的第二乘积；
将所述第一差值的期望与所述第二差值的数据期望之和确定为所述目标函数。
3.根据权利要求1所述的方法，其特征在于，所述求解所述目标函数，得到所述目标变量对应的关联表达式，包括：
求解所述目标函数的一阶导数并令所述一阶导数为一目标值，得到所述目标变量对应的关联表达式。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述概率分布类型包括：正态分布、截断正态分布和不规则分布；
所述方法还包括：
获取所述历史备件使用量的频率分布图，以及，确定所述历史备件使用量的方差；
当所述频率分布图呈单峰分布且所述方差小于额定值时，确定所述历史备件使用量服从正态分布；
当所述频率分布图呈单峰分布且所述方差大于额定值，确定所述历史备件使用量服从截断正态分布；
当所述频率分布图呈多峰分布，确定所述历史备件使用量服从不规则分布。
5.根据权利要求4所述的方法，其特征在于，所述根据历史备件使用量所服从的概率分布类型求解所述关联表达式，得到所述目标变量的值，包括：
当所述历史备件使用量所服从的概率分布类型为正态分布时，根据正态分位数表确定所述目标变量的值。
6.根据权利要求5所述的方法，其特征在于，所述根据历史备件使用量所服从的概率分布类型求解所述关联表达式，得到所述目标变量的值，包括：
当所述历史备件使用量所服从的概率分布类型为截断正态分布时，对所述截断正态分布的概率密度函数进行积分得到第一累计分布函数；
确定所述第一累计分布函数的第一反函数；
根据预定离散化步长和所述第一反函数，确定每一步长值对应的第一反函数值；
根据各个步长值所对应的第一反函数值，构建第一分位数表；
根据所述第一分位数表，确定所述目标变量的值。
7.根据权利要求6所述的方法，其特征在于，所述根据历史备件使用量所服从的概率分布类型求解所述关联表达式，得到所述目标变量的值，包括：
当所述历史备件使用量所服从的概率分布类型为不规则分布时，基于核密度估计算法确定所述不规则分布对应的概率密度函数；
对所述不规则分布对应的概率密度函数进行积分得到第二累计分布函数，确定所述第二累计分布函数对应的第二反函数；
根据所述预定离散化步长和所述第二反函数，确定每一步长值对应的第二反函数值；
根据各个步长值所对应的第二第二反函数值，构建第二分位数表；
根据所述第二分位数表，确定所述目标变量的值。
8.一种备件管理装置，其特征在于，包括：
获取模块，用于获取由备件短缺所导致的第一亏损值，以及，获取由备件过量所导致的第二亏损值；
构造模块，用于根据所述第一亏损值、所述第二亏损值与目标变量构造一带约束条件的目标函数；所述目标变量的值表示备件数量预测值；
求解模块，用于求解所述目标函数，得到所述目标变量对应的关联表达式；根据历史备件使用量所服从的概率分布类型求解所述关联表达式，得到所述目标变量的值；根据所述目标变量的值进行备件预定。
9.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～7中任意一项所述的备件管理方法。
10.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～7中任意一项所述的备件管理方法。
CN202010687887.1A 2020-07-16 2020-07-16 备件管理方法及装置、计算机存储介质、电子设备 Pending CN113822611A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010687887.1A CN113822611A (zh) 2020-07-16 2020-07-16 备件管理方法及装置、计算机存储介质、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010687887.1A CN113822611A (zh) 2020-07-16 2020-07-16 备件管理方法及装置、计算机存储介质、电子设备

Publications (1)

Publication Number Publication Date
CN113822611A true CN113822611A (zh) 2021-12-21

Family

ID=78912174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010687887.1A Pending CN113822611A (zh) 2020-07-16 2020-07-16 备件管理方法及装置、计算机存储介质、电子设备

Country Status (1)

Country Link
CN (1) CN113822611A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110098834A1 (en) * 2009-10-22 2011-04-28 Couronne Philippe Planning method and system for optimizing stock and production plan in batch process industry
CN103729693A (zh) * 2013-12-23 2014-04-16 清华大学 基于确定性库存退化模型的维修及备件供给联合优化方法
CN106874238A (zh) * 2017-01-20 2017-06-20 中国人民解放军海军工程大学 一种威布尔型单元备件需求量的计算方法
CN107784374A (zh) * 2016-08-25 2018-03-09 新疆金风科技股份有限公司 风电机组备件需求的预测方法、装置及设备
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
CN108876002A (zh) * 2018-05-03 2018-11-23 浙江运达风电股份有限公司 一种风力发电机组零部件备品备件库存优化方法
CN109754207A (zh) * 2018-12-26 2019-05-14 秒针信息技术有限公司 库存补充信息的确定方法及装置、存储介质、电子装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110098834A1 (en) * 2009-10-22 2011-04-28 Couronne Philippe Planning method and system for optimizing stock and production plan in batch process industry
CN103729693A (zh) * 2013-12-23 2014-04-16 清华大学 基于确定性库存退化模型的维修及备件供给联合优化方法
CN107784374A (zh) * 2016-08-25 2018-03-09 新疆金风科技股份有限公司 风电机组备件需求的预测方法、装置及设备
CN106874238A (zh) * 2017-01-20 2017-06-20 中国人民解放军海军工程大学 一种威布尔型单元备件需求量的计算方法
CN108876002A (zh) * 2018-05-03 2018-11-23 浙江运达风电股份有限公司 一种风力发电机组零部件备品备件库存优化方法
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
CN109754207A (zh) * 2018-12-26 2019-05-14 秒针信息技术有限公司 库存补充信息的确定方法及装置、存储介质、电子装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
伏洪勇, 赵宇: "一种航空设备备件预测模型的风险评价", 系统工程与电子技术, vol. 25, no. 12, 31 December 2003 (2003-12-31), pages 1576 - 1578 *
戈洪宇;石全;夏伟;: "装备维修备件库存量优化控制仿真研究", 计算机仿真, no. 07, 15 July 2017 (2017-07-15) *

Similar Documents

Publication Publication Date Title
US20110071882A1 (en) Method and system for intermediate to long-term forecasting of electric prices and energy demand for integrated supply-side energy planning
DE112018000125B4 (de) Quantifizieren einer kombinierten Auswirkung untereinander abhängiger unsicherer Ressourcen in einem elektrischen Stromnetz
Pereira Jr et al. On multicriteria decision making under conditions of uncertainty
CN114862296A (zh) 备件库存管理方法、装置、电子设备及计算机存储介质
CN112508723B (zh) 基于自动择优建模的金融风险预测方法、装置和电子设备
CN104820862A (zh) 一种基于动态聚类的电力市场供需预警模型的建立方法
CN115860694A (zh) 一种基于即时消息技术的业扩流程管控方法及系统
CN114444782A (zh) 企业资产的管理方法、装置、存储介质及计算机设备
Hajji et al. Joint production control and product quality decision making in a failure prone multiple-product manufacturing system
CN113822611A (zh) 备件管理方法及装置、计算机存储介质、电子设备
CN113537519B (zh) 一种识别异常设备的方法和装置
CN113298120B (zh) 基于融合模型的用户风险预测方法、系统和计算机设备
CN112560325B (zh) 换电业务的预测方法、系统、设备及存储介质
CN113743994A (zh) 一种供应商的旺季预测方法、系统、设备及存储介质
CN110601195B (zh) 配电网用户电源接入方法、系统、服务器及存储介质
Rojas Time dependence in joint replacement to multi-products grouped. The case of hospital food service
Klimanov et al. Statement and solution of the problems of effective investment portfolios formation for the companies in SWU markets
Ortiz et al. State observation accuracy and finite-memory policy performance
Borissova et al. Selection of ERP via cost-benefit analysis under uncertainty conditions
CN111415019A (zh) 一种处理物品入库预约请求信息的方法和装置
CN118278922B (zh) 基于大数据的设备运维工单数据处理方法及系统
CN118052424B (zh) 物料分配方法、装置、电子设备及存储介质
Duan et al. Bionic based key technologies of equipment portrait for railway passenger stations
CN106875042B (zh) 一种违约用电的确定方法、装置及设备
CN115456443A (zh) 一种能源站规划方案风险评估方法及系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240118

Address after: 100086 8th Floor, 76 Zhichun Road, Haidian District, Beijing

Applicant after: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd.

Applicant after: Beijing Jingdong Qianshi Technology Co.,Ltd.

Address before: Room a1905, 19 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant before: Beijing Jingdong Qianshi Technology Co.,Ltd.