CN114819417B - 基于费用间相关性的航空发动机大修费用预测方法及系统 - Google Patents
基于费用间相关性的航空发动机大修费用预测方法及系统 Download PDFInfo
- Publication number
- CN114819417B CN114819417B CN202210737509.9A CN202210737509A CN114819417B CN 114819417 B CN114819417 B CN 114819417B CN 202210737509 A CN202210737509 A CN 202210737509A CN 114819417 B CN114819417 B CN 114819417B
- Authority
- CN
- China
- Prior art keywords
- item
- cost
- engine
- target
- maintenance
- 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
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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于费用间相关性的航空发动机大修费用预测方法及系统,属于航空发动机维修领域。所述方法包括:确定航空发动机大修费用的费用项和发动机维修项目;按照各个维修项目的各个费用项收集航空发动机的大修费用数据;计算单台发动机各维修项目各费用项的费用值以及各费用项的总费用值;确定目标费用项;计算发动机各维修项目的目标费用项的费用值与目标费用项的总费用值之间的相关系数;选择与相关系数最大的维修项目的目标费用项的费用值作为自变量,目标费用项的总费用值作为因变量;利用最小二乘法计算自变量与因变量的回归方程;利用回归方程计算预测目标费用。采用本发明方法能够实现航空发动机大修费用的快速、准确预测。
Description
技术领域
本发明涉及航空发动机维修技术领域,特别是涉及一种基于费用间相关性的航空发动机大修费用预测方法及系统。
背景技术
伴随中国国产航空发动机的发展,维修费用成为航空发动机使用过程中的重要成本支出项目。发动机大修是保证航空发动机安全可靠使用的重要工作。但当前维修费用过大现状,已严重影响了发动机高效使用以及全寿命周期经济可承受性。实现对发动机维修费用的预测,能够为大修工作的经济性的初步评估提供依据,为发动机维修的可承受性提供支撑。因此,本领域亟需研究一种可用于预测航空发动机大修费用的方法。
发明内容
本发明的目的是提供一种基于费用间相关性的航空发动机大修费用预测方法及系统,以实现航空发动机大修费用的快速、准确预测。
为实现上述目的,本发明提供了如下方案:
一种基于费用间相关性的航空发动机大修费用预测方法,包括:
确定航空发动机大修费用的费用项和航空发动机的维修项目;
按照各个维修项目的各个费用项收集所述航空发动机的大修费用数据;
根据所述大修费用数据计算单台发动机各维修项目各费用项的费用值以及单台发动机各费用项的总费用值;
确定目标费用项;所述目标费用项为所述费用项中的一种;
计算发动机各维修项目的目标费用项的费用值与目标费用项的总费用值之间的相关系数;
选择与所述目标费用项的总费用值相关系数最大的维修项目的目标费用项的费用值作为自变量,所述目标费用项的总费用值作为因变量;
利用最小二乘法计算所述自变量与所述因变量的回归方程;
利用所述回归方程计算所述目标费用项的预测目标费用。
可选地,所述确定航空发动机大修费用的费用项和航空发动机的维修项目,具体包括:
根据航空发动机大修情况,分析大修费用组成,确定航空发动机大修费用的费用项;所述费用项包括直接费用项、间接费用项和利润项;所述直接费用项包括工时费、材料费、专项费和制造费;
基于航空发动机的实际维修情况,将航空发动机能够开展维修的单独单元体作为一个维修项目,确定航空发动机的维修项目。
可选地,所述按照各个维修项目的各个费用项收集所述航空发动机的大修费用数据,具体包括:
按照各个维修项目的各个费用项收集所述航空发动机的大修费用数据;所述大修费用数据中的每个数据包含以下信息:维修的费用、每一笔费用所属的维修项目、每一笔费用所属的费用项。
可选地,所述计算发动机各维修项目的目标费用项的费用值与目标费用项的总费用值之间的相关系数,具体包括:
分别以发动机各维修项目的目标费用项的费用值为自变量,以单台发动机目标费用项的总费用值为因变量,利用相关性分析计算所述发动机各维修项目的目标费用项的费用值与所述目标费用项的总费用值之间的相关系数。
可选地,所述利用所述回归方程计算所述目标费用项的预测目标费用,具体包括:
将用于预测的维修项目的目标费用项的费用值作为自变量,代入所述回归方程中计算得到所述目标费用项的预测目标费用。
一种基于费用间相关性的航空发动机大修费用预测系统,包括:
大修费用分类模块,用于确定航空发动机大修费用的费用项和航空发动机的维修项目;
大修费用数据采集模块,用于按照各个维修项目的各个费用项收集所述航空发动机的大修费用数据;
单台发动机费用值计算模块,用于根据所述大修费用数据计算单台发动机各维修项目各费用项的费用值以及单台发动机各费用项的总费用值;
目标费用项确定模块,用于确定目标费用项;所述目标费用项为所述费用项中的一种;
相关性分析模块,用于计算发动机各维修项目的目标费用项的费用值与目标费用项的总费用值之间的相关系数;
相关系数对比模块,用于选择与所述目标费用项的总费用值相关系数最大的维修项目的目标费用项的费用值作为自变量,所述目标费用项的总费用值作为因变量;
回归方程拟合模块,用于利用最小二乘法计算所述自变量与所述因变量的回归方程;
目标费用预测模块,用于利用所述回归方程计算所述目标费用项的预测目标费用。
可选地,所述大修费用分类模块具体包括:
费用项分类单元,用于根据航空发动机大修情况,分析大修费用组成,确定航空发动机大修费用的费用项;所述费用项包括直接费用项、间接费用项和利润项;所述直接费用项包括工时费、材料费、专项费和制造费;
维修项目划分单元,用于基于航空发动机的实际维修情况,将航空发动机能够开展维修的单独单元体作为一个维修项目,确定航空发动机的维修项目。
可选地,所述大修费用数据采集模块具体包括:
大修费用数据采集单元,用于按照各个维修项目的各个费用项收集所述航空发动机的大修费用数据;所述大修费用数据中的每个数据包含以下信息:维修的费用、每一笔费用所属的维修项目、每一笔费用所属的费用项。
可选地,所述相关性分析模块具体包括:
相关性分析单元,用于分别以发动机各维修项目的目标费用项的费用值为自变量,以单台发动机目标费用项的总费用值为因变量,利用相关性分析计算所述发动机各维修项目的目标费用项的费用值与所述目标费用项的总费用值之间的相关系数。
可选地,所述目标费用预测模块具体包括:
目标费用预测单元,用于将用于预测的维修项目的目标费用项的费用值作为自变量,代入所述回归方程中计算得到所述目标费用项的预测目标费用。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供了一种基于费用间相关性的航空发动机大修费用预测方法及系统,所述方法包括:确定航空发动机大修费用的费用项和航空发动机的维修项目;按照各个维修项目的各个费用项收集所述航空发动机的大修费用数据;根据所述大修费用数据计算单台发动机各维修项目各费用项的费用值以及单台发动机各费用项的总费用值;确定目标费用项;所述目标费用项为所述费用项中的一种;计算发动机各维修项目的目标费用项的费用值与目标费用项的总费用值之间的相关系数;选择与所述目标费用项的总费用值相关系数最大的维修项目的目标费用项的费用值作为自变量,所述目标费用项的总费用值作为因变量;利用最小二乘法计算所述自变量与所述因变量的回归方程;利用所述回归方程计算所述目标费用项的预测目标费用。采用本发明方法能够实现航空发动机大修费用的快速、准确预测,为大修工作的经济性的初步评估提供依据,为发动机维修的可承受性提供支撑。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种基于费用间相关性的航空发动机大修费用预测方法的流程图;
图2为本发明一种基于费用间相关性的航空发动机大修费用预测方法的原理示意图;
图3为本发明一种基于费用间相关性的航空发动机大修费用预测方法的一个具体实施例的流程图。
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做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。
本发明的目的是提供一种基于费用间相关性的航空发动机大修费用预测方法及系统,以实现航空发动机大修费用的快速、准确预测,为大修工作的经济性的初步评估提供依据,为发动机维修的可承受性提供支撑。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明根据航空发动机大修情况,分析大修费用组成和发动机的维修项目,借助数学工具,基于发动机维修费用数据,计算发动机各维修项目费用与整机费用的相关系数及回归方程,通过比较相关系数选取最优的回归方程,利用回归方程实现了利用相关性预测发动机大修费用的方法。本发明方法根据同型号发动机的大修数据,通过最小二乘法找到最佳的回归方程,最终实现了利用发动机自身部分部件的维修费用预测整机维修费用的目的。
图1为本发明一种基于费用间相关性的航空发动机大修费用预测方法的流程图,图2为本发明一种基于费用间相关性的航空发动机大修费用预测方法的原理示意图。参见图1和图2,本发明一种基于费用间相关性的航空发动机大修费用预测方法包括:
步骤101:确定航空发动机大修费用的费用项和航空发动机的维修项目。
此步骤对航空发动机大修费用进行分类,大修费用的分类是进行航空发动机大修费用的收集及预测的基础,对费用数据的分类基于工程实际,将发动机的大修费用分为任意多个费用项(类别)。将发动机按维修项目拆分也是进行航空发动机大修费用的收集及预测的基础,本发明方法基于发动机实际维修情况,将发动机拆分为多个维修项目。
所述步骤101具体包括:
步骤1.1:根据航空发动机大修情况,分析大修费用组成,确定航空发动机大修费用的费用项。
对航空发动机大修费用进行分类是费用预测的前提,基于发动机维修实际情况,将发动机的所有维修费用按实际需求分为个费用项类别。在实际应用中,类费用项可以包括直接费用项、间接费用项和利润项;所述直接费用项可以包括工时费、材料费、专项费和制造费。
步骤1.2:基于航空发动机的实际维修情况,将航空发动机能够开展维修的单独单元体作为一个维修项目,确定航空发动机的维修项目。
以可以开展维修的单独单元体为一个维修项目,确定各发动机的维修项目,依照实际情况,发动机可拆分为个维修项目。航空发动机通常由压气机、燃烧室、涡轮、进气组件等系统组成,因此,在实际应用中,个维修项目可以包括压气机、燃烧室、涡轮、进气组件等。
以步骤1.1中大修费用的分类为基础,记发动机各维修项目的各费用项的费用值分别为:
步骤102:按照各个维修项目的各个费用项收集所述航空发动机的大修费用数据。
此步骤对拆分后的发动机部件按大修费用类别分别收集大修费用数据(简称大修数据)。以步骤101中拆分后的发动机各维修项目为基础,以分类后的大修费用数据为收集对象,对发动机的各个维修项目按照大修费用的类别(即各个费用项)分别收集大修费用数据。所述大修费用数据是发动机在维修过程中产生的全部费用的记录数据,所述大修费用数据中的每个数据包含以下信息:维修的费用、每一笔费用所属的维修项目、每一笔费用所属的费用项。
步骤103:根据所述大修费用数据计算单台发动机各维修项目各费用项的费用值以及单台发动机各费用项的总费用值。
此步骤用于计算单台发动机各维修项目各费用项的费用值以及单台发动机各费用项的总费用值。以步骤102中统计的大修数据为基础,分别计算单台发动机各维修项目的各费用项的费用和单台发动机的各费用项的总费用。此步骤为后续相关性分析提供了数据支撑。
步骤104:确定目标费用项;所述目标费用项为所述费用项中的一种。
利用航空发动机单部件费用进行预测的目标费用不局限于总费用,还可以是部分与部件费用相关性较强的费用。根据实际需要,步骤101中的任意费用项都可以作为目标费用项。
步骤105:计算发动机各维修项目的目标费用项的费用值与目标费用项的总费用值之间的相关系数。
此步骤分析发动机各维修项目费用与目标费用的相关性。计算发动机各维修项目费用与整机费用的相关系数及回归方程,是通过数学统计方法中最小二乘法回归分析计算,将发动机维修项目费用作为自变量,发动机总维修费用作为因变量,进行双变量相关性分析实现的。计算发动机各维修项目费用与整机费用的相关系数,是指以相关系数为指标表征发动机各维修项目费用与整机费用的相互依存关系的密切程度,相关系数越大,维修项目费用与整机费用之间的关系就越密切。
具体地,以步骤103得到的样本为依据,考虑步骤104选取的目标费用项,分别以发动机各维修项目的目标费用项的费用值用为自变量,以单台发动机目标费用项的总费用值为因变量,利用相关性分析发动机的目标费用项的总费用值与各维修项目的目标费用项的费用值之间的相关系数。相关系数越大,说明该类大修费用与发动机大修总费用的相关性越强。
基于步骤102中收集的大修费用数据,以每台发动机目标费用项的总费用值,即作为因变量的集合;以发动机各维修项目第个费用项的费用值,即分别作为自变量的集合;利用相关性,研究每个自变量的与因变量的相关性,计算相关系数。
步骤106:选择与所述目标费用项的总费用值相关系数最大的维修项目的目标费用项的费用值作为自变量,所述目标费用项的总费用值作为因变量。
对比不同自变量与同一因变量的相关系数大小,选择相关系数最大的自变量对应的维修项目即为步骤108中用于预测的维修项目,利用最小二乘法计算自变量与因变量的回归方程,该回归方程即为费用预测使用的公式。
步骤107:利用最小二乘法计算所述自变量与所述因变量的回归方程。
计算发动机各维修项目费用与整机费用的回归方程,是基于最小二乘法,以维修项目费用为自变量,整机费用为因变量,对各维修项目费用与整机费用的回归方程进行拟合。通过比较相关系数选取最优的回归方程,是指基于已计算得到的相关系数,选择相关系数最大的维修项目对应的回归方程。具体地,在选定相关系数最大的维修项目后,利用最小二乘法,计算得出该维修项目的费用与预测的目标费用之间的回归方程,该方程即为该维修项目费用X与目标费用Y的最优回归方程。
步骤108:利用所述回归方程计算所述目标费用项的预测目标费用。
基于步骤107得到的回归方程,输入用于预测的维修项目的费用作为自变量,代入回归方程计算得到目标费用的预测结果。
基于步骤107中选择的回归方程,将需要进行预测的航空发动机的维修项目的目标费用项的费用进行输入作为自变量,此维修项目与步骤106中选择的相关系数最大的维修项目应保持一致。将自变量代入回归方程即可计算得到目标费用的预测值,即得到所述目标费用项的预测目标费用。
本发明提供的一种利用航空发动机维修费之间的相关性预测大修费用的方法,首先将航空发动机大修费用分为多个费用项,并将发动机拆分为多个开展维修的单独单元体,即维修项目,在此基础上完成航空发动机大修费用的收集;其次,以大修费用模型为基础,分别计算发动机各维修项目的各费用项的费用值以及单台发动机各费用项的总费用值;然后,确定目标费用项,分别以每个维修项目该目标费用项的费用值为自变量,以发动机该目标费用项的总费用为因变量,分别计算其相关系数,选取相关系数最大的自变量对应的回归方程作为预测使用的公式;最后,只需知道待预测发动机某个维修项目的目标费用项的费用即可利用回归方程预测发动机总费用。
与现有的发动机大修费用预测方法相比,本发明方法有如下的优点:本发明方法利用发动机自身部分维修项目的费用预测整机费用,具有较高准确度;本发明方法仅涉及到发动机维修过程中的费用数据,需要数据相对较少,可行性较高;本发明方法可以预测发动机的任一费用类型,使用范围广;本发明方法充分考虑大修实际情况,根据维修流程将发动机划分成多个独立维修项目,并利用维修项目预测整机费用,具有很强的实操性。
图3为本发明一种基于费用间相关性的航空发动机大修费用预测方法的一个具体实施例的流程图。参见图3,以某型发动机的大修情况为例,对本方法进行说明。所述方法实施例具体包括以下步骤:
步骤一、对航空发动机大修费用进行分类
大修总费用是该型号发动机单台大修的全部费用,参照现行的财务与通用费用构成惯例,大修总费用包括直接费用、间接费用和利润,大修费用为各构成费用项的总和,模型如下:
参照现行的财务与通用费用构成惯例,直接费用项包括工时费、材料费、专项费和制造费,直接费用项为各构成费用项的总和,模型如下:
大修直接费用Z:
步骤二、将航空发动机按维修项目拆分
以可以开展维修的单独单元体为一个维修项目,确定各发动机的维修项目,将发动机拆分为维修项目1、维修项目2、维修项目3、维修项目4、维修项目5、维修项目6、维修项目7共7个维修项目。
步骤三、对拆分后的发动机部件按大修费用类别分别收集大修费用数据
收集该型号10台发动机的维修项目1、维修项目2、维修项目3、维修项目4、维修项目5、维修项目6、维修项目7共7个维修项目的费用数据,并将费用数据按工时费、材料费、专项费、制造费、间接费用和利润共6个费用项进行分类,形成对应的统计表格。
步骤四、计算单台发动机各维修项目各费用项的费用值以及单台发动机各费用项的总费用值
分别计算10台发动机的维修项目1、维修项目2、维修项目3、维修项目4、维修项目5、维修项目6、维修项目7共7个维修项目的工时费、材料费、专项费、制造费、间接费用和利润,并计算单台发动机的工时费、材料费、专项费、制造费、间接费用和利润。
步骤五、确定目标费用项
按照实际需求,选取材料费为目标费用项。
10台发动机各维修项目的材料费如下表1所示:
表1 10台发动机各维修项目的材料费
步骤六、分析发动机各维修项目费用与目标费用的相关性
分别以维修项目1的材料费、维修项目2的材料费、维修项目3的材料费、维修项目4的材料费、维修项目5的材料费、维修项目6的材料费和维修项目7的材料费为自变量,利用最小二乘法,针对上述7个变量与总材料费的密切程度,开展变量间相关性研究,基本结果如下表2所示:
表2 变量间相关性
步骤七、对比相关系数
从上表2中可以看出,维修项目5与总材料费的相关系数最大,为0.980。采用最小二乘法拟合方程,得到回归方程为:
步骤八、预测目标费用
已知待预测发动机维修项目5的材料费为486263,带入以上回归方程得到发动机总材料费为870570元。
可见本发明方法根据航空发动机大修情况,分析大修费用组成和发动机的维修项目,基于发动机大修费用数据,借助数学统计处理方法,计算发动机各维修项目费用与整机费用的相关系数及回归方程,通过比较相关系数选取最优的回归方程,能实现对发动机大修费用的快速、准确预测。
基于本发明提供的方法,本发明还提供一种基于费用间相关性的航空发动机大修费用预测系统,包括:
大修费用分类模块,用于确定航空发动机大修费用的费用项和航空发动机的维修项目;
大修费用数据采集模块,用于按照各个维修项目的各个费用项收集所述航空发动机的大修费用数据;
单台发动机费用值计算模块,用于根据所述大修费用数据计算单台发动机各维修项目各费用项的费用值以及单台发动机各费用项的总费用值;
目标费用项确定模块,用于确定目标费用项;所述目标费用项为所述费用项中的一种;
相关性分析模块,用于计算发动机各维修项目的目标费用项的费用值与目标费用项的总费用值之间的相关系数;
相关系数对比模块,用于选择与所述目标费用项的总费用值相关系数最大的维修项目的目标费用项的费用值作为自变量,所述目标费用项的总费用值作为因变量;
回归方程拟合模块,用于利用最小二乘法计算所述自变量与所述因变量的回归方程;
目标费用预测模块,用于利用所述回归方程计算所述目标费用项的预测目标费用。
其中,所述大修费用分类模块具体包括:
费用项分类单元,用于根据航空发动机大修情况,分析大修费用组成,确定航空发动机大修费用的费用项;所述费用项包括直接费用项、间接费用项和利润项;所述直接费用项包括工时费、材料费、专项费和制造费;
维修项目划分单元,用于基于航空发动机的实际维修情况,将航空发动机能够开展维修的单独单元体作为一个维修项目,确定航空发动机的维修项目。
所述大修费用数据采集模块具体包括:
大修费用数据采集单元,用于按照各个维修项目的各个费用项收集所述航空发动机的大修费用数据;所述大修费用数据中的每个数据包含以下信息:维修的费用、每一笔费用所属的维修项目、每一笔费用所属的费用项。
所述相关性分析模块具体包括:
相关性分析单元,用于分别以发动机各维修项目的目标费用项的费用值为自变量,以单台发动机目标费用项的总费用值为因变量,利用相关性分析计算所述发动机各维修项目的目标费用项的费用值与所述目标费用项的总费用值之间的相关系数。
所述目标费用预测模块具体包括:
目标费用预测单元,用于将用于预测的维修项目的目标费用项的费用值作为自变量,代入所述回归方程中计算得到所述目标费用项的预测目标费用。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种基于费用间相关性的航空发动机大修费用预测方法,其特征在于,包括:
确定航空发动机大修费用的费用项和航空发动机的维修项目;
所述确定航空发动机大修费用的费用项和航空发动机的维修项目,具体包括:
根据航空发动机大修情况,分析大修费用组成,确定航空发动机大修费用的费用项;所述费用项包括直接费用项、间接费用项和利润项;所述直接费用项包括工时费、材料费、专项费和制造费;
基于航空发动机的实际维修情况,将航空发动机能够开展维修的单独单元体作为一个维修项目,确定航空发动机的维修项目;所述维修项目包括压气机、燃烧室、涡轮、进气组件;
按照各个维修项目的各个费用项收集所述航空发动机的大修费用数据;
所述按照各个维修项目的各个费用项收集所述航空发动机的大修费用数据,具体包括:
按照各个维修项目的各个费用项收集所述航空发动机的大修费用数据;所述大修费用数据中的每个数据包含以下信息:维修的费用、每一笔费用所属的维修项目、每一笔费用所属的费用项;
根据所述大修费用数据计算单台发动机各维修项目各费用项的费用值以及单台发动机各费用项的总费用值;
确定目标费用项;所述目标费用项为所述费用项中的一种;
计算发动机各维修项目的目标费用项的费用值与目标费用项的总费用值之间的相关系数;
所述计算发动机各维修项目的目标费用项的费用值与目标费用项的总费用值之间的相关系数,具体包括:
分别以发动机各维修项目的目标费用项的费用值为自变量,以单台发动机目标费用项的总费用值为因变量,利用相关性分析计算所述发动机各维修项目的目标费用项的费用值与所述目标费用项的总费用值之间的相关系数;
选择与所述目标费用项的总费用值相关系数最大的维修项目的目标费用项的费用值作为自变量,所述目标费用项的总费用值作为因变量;
利用最小二乘法计算所述自变量与所述因变量的回归方程;
利用所述回归方程计算所述目标费用项的预测目标费用。
2.根据权利要求1所述的方法,其特征在于,所述利用所述回归方程计算所述目标费用项的预测目标费用,具体包括:
将用于预测的维修项目的目标费用项的费用值作为自变量,代入所述回归方程中计算得到所述目标费用项的预测目标费用。
3.一种基于费用间相关性的航空发动机大修费用预测系统,其特征在于,包括:
大修费用分类模块,用于确定航空发动机大修费用的费用项和航空发动机的维修项目;
所述大修费用分类模块具体包括:
费用项分类单元,用于根据航空发动机大修情况,分析大修费用组成,确定航空发动机大修费用的费用项;所述费用项包括直接费用项、间接费用项和利润项;所述直接费用项包括工时费、材料费、专项费和制造费;
维修项目划分单元,用于基于航空发动机的实际维修情况,将航空发动机能够开展维修的单独单元体作为一个维修项目,确定航空发动机的维修项目;所述维修项目包括压气机、燃烧室、涡轮、进气组件;
大修费用数据采集模块,用于按照各个维修项目的各个费用项收集所述航空发动机的大修费用数据;
所述大修费用数据采集模块具体包括:
大修费用数据采集单元,用于按照各个维修项目的各个费用项收集所述航空发动机的大修费用数据;所述大修费用数据中的每个数据包含以下信息:维修的费用、每一笔费用所属的维修项目、每一笔费用所属的费用项;
单台发动机费用值计算模块,用于根据所述大修费用数据计算单台发动机各维修项目各费用项的费用值以及单台发动机各费用项的总费用值;
目标费用项确定模块,用于确定目标费用项;所述目标费用项为所述费用项中的一种;
相关性分析模块,用于计算发动机各维修项目的目标费用项的费用值与目标费用项的总费用值之间的相关系数;
所述相关性分析模块具体包括:
相关性分析单元,用于分别以发动机各维修项目的目标费用项的费用值为自变量,以单台发动机目标费用项的总费用值为因变量,利用相关性分析计算所述发动机各维修项目的目标费用项的费用值与所述目标费用项的总费用值之间的相关系数;
相关系数对比模块,用于选择与所述目标费用项的总费用值相关系数最大的维修项目的目标费用项的费用值作为自变量,所述目标费用项的总费用值作为因变量;
回归方程拟合模块,用于利用最小二乘法计算所述自变量与所述因变量的回归方程;
目标费用预测模块,用于利用所述回归方程计算所述目标费用项的预测目标费用。
4.根据权利要求3所述的系统,其特征在于,所述目标费用预测模块具体包括:
目标费用预测单元,用于将用于预测的维修项目的目标费用项的费用值作为自变量,代入所述回归方程中计算得到所述目标费用项的预测目标费用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210737509.9A CN114819417B (zh) | 2022-06-28 | 2022-06-28 | 基于费用间相关性的航空发动机大修费用预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210737509.9A CN114819417B (zh) | 2022-06-28 | 2022-06-28 | 基于费用间相关性的航空发动机大修费用预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114819417A CN114819417A (zh) | 2022-07-29 |
CN114819417B true CN114819417B (zh) | 2022-09-16 |
Family
ID=82522657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210737509.9A Active CN114819417B (zh) | 2022-06-28 | 2022-06-28 | 基于费用间相关性的航空发动机大修费用预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114819417B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116151634B (zh) * | 2023-04-18 | 2023-06-16 | 北京航空航天大学 | 一种航空发动机大修费用的经济性分配方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002117164A (ja) * | 2000-10-11 | 2002-04-19 | Komatsu Ltd | 作業車両の修理費予測システム |
JP2013012133A (ja) * | 2011-06-30 | 2013-01-17 | Chugoku Electric Power Co Inc:The | 発変電機器修繕費用算定支援システム及びその算定支援方法 |
CN107967522A (zh) * | 2017-11-24 | 2018-04-27 | 国网内蒙古东部电力有限公司 | 一种电网技改大修工程成本管理系统及其控制方法 |
CN108875972A (zh) * | 2018-06-22 | 2018-11-23 | 国网天津市电力公司 | 一种电网运维费用预测方法及预测系统 |
CN112541631A (zh) * | 2020-12-10 | 2021-03-23 | 国网湖北省电力有限公司 | 变电站工程的费用预测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109840314A (zh) * | 2019-01-28 | 2019-06-04 | 烟台大学 | 一种装备维修费用估算方法 |
CN112801687A (zh) * | 2020-12-10 | 2021-05-14 | 中国电力工程顾问集团中南电力设计院有限公司 | 基于架空线路工程的费用预测模型的构建方法 |
-
2022
- 2022-06-28 CN CN202210737509.9A patent/CN114819417B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002117164A (ja) * | 2000-10-11 | 2002-04-19 | Komatsu Ltd | 作業車両の修理費予測システム |
JP2013012133A (ja) * | 2011-06-30 | 2013-01-17 | Chugoku Electric Power Co Inc:The | 発変電機器修繕費用算定支援システム及びその算定支援方法 |
CN107967522A (zh) * | 2017-11-24 | 2018-04-27 | 国网内蒙古东部电力有限公司 | 一种电网技改大修工程成本管理系统及其控制方法 |
CN108875972A (zh) * | 2018-06-22 | 2018-11-23 | 国网天津市电力公司 | 一种电网运维费用预测方法及预测系统 |
CN112541631A (zh) * | 2020-12-10 | 2021-03-23 | 国网湖北省电力有限公司 | 变电站工程的费用预测方法 |
Non-Patent Citations (3)
Title |
---|
SPSS软件在导弹武器系统费用预测中的应用;尹江丽 等;《兵器装备工程学报》;20180531;第39卷(第5期);第151-153页 * |
信度与效度分析;zhichuanppt3;《www.docin.com/p-2855878356.html》;20211119;第1页 * |
地空导弹装备部队维修经费预测模型;彭立影 等;《四川兵工学报》;20100228;第31卷(第2期);第29-31页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114819417A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114819417B (zh) | 基于费用间相关性的航空发动机大修费用预测方法及系统 | |
Li et al. | A novel global optimization algorithm and data-mining methods for turbomachinery design | |
CN102004444A (zh) | 稀土萃取过程组分含量多模型预测控制方法 | |
CN113688558A (zh) | 一种基于大数据库样本的汽车行驶工况构建方法及系统 | |
CN113344471A (zh) | 一种表征飞机系统气候环境适应性的方法 | |
CN111160457A (zh) | 基于软一类极限学习机的涡轴发动机故障检测方法 | |
CN110363391A (zh) | 一种基于灰色关联度的发动机性能综合评价方法 | |
CN116520772A (zh) | 基于多任务迁移学习的薄板零件数控加工质量预测方法 | |
CN110889239A (zh) | 基于飞参数据辨识的航空燃气涡轮发动机建模方法 | |
CN111199304A (zh) | 基于数据驱动融合策略的多目标燃烧优化方法 | |
CN117171896A (zh) | 一种汽车转向器输入轴加工优化方法及系统 | |
CN112699549A (zh) | 一种含cdfs结构的航空发动机非线性模型建模系统及建模方法 | |
CN114171139B (zh) | 压气机叶片选材方法 | |
Schlüter et al. | Probabilistic CFD Analysis of a High-Pressure Compressor Under Consideration of Manufacturing and In-Service Variability | |
CN115186581A (zh) | 一种发动机水温故障预测方法、装置及存储介质 | |
CN114970698A (zh) | 一种基于改进lwpls的计量设备运行性能预测方法 | |
CN114818493A (zh) | 一种隧道岩体完整程度定量评价的方法 | |
CN113656970A (zh) | 一种航空发动机产品工艺提升方法、系统、设备及介质 | |
CN106959668A (zh) | 一种机械制造设备切削状态辨识与数据处理方法方法 | |
CN112365022A (zh) | 一种基于多阶段的发动机轴承故障预测方法 | |
CN113420375B (zh) | 基于Apriori建立工艺-质量-不平衡量关联关系模型的方法 | |
Lamb | Probabilistic performance-based geometric tolerancing of compressor blades | |
CN105806624B (zh) | 基于气路参数衰退基线的航空发动机水洗后节油量算法 | |
Xue et al. | Using an Entropy-GRA, TOPSIS, and PCA Method to Evaluate the Competitiveness of AFVs–The China Case | |
CN117592223B (zh) | 一种面向航空航天材料的孔加工刀具智能设计方法 |
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 |