CN117132205A - 备件保障水平的确定方法、装置、设备和存储介质 - Google Patents
备件保障水平的确定方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN117132205A CN117132205A CN202311130044.1A CN202311130044A CN117132205A CN 117132205 A CN117132205 A CN 117132205A CN 202311130044 A CN202311130044 A CN 202311130044A CN 117132205 A CN117132205 A CN 117132205A
- Authority
- CN
- China
- Prior art keywords
- spare part
- target
- determining
- historical
- period
- 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 63
- 238000012937 correction Methods 0.000 claims abstract description 133
- 230000000737 periodic effect Effects 0.000 claims description 97
- 230000006870 function Effects 0.000 claims description 79
- 238000009826 distribution Methods 0.000 claims description 78
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012986 modification Methods 0.000 claims description 9
- 230000004048 modification Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—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
-
- 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)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Complex Calculations (AREA)
Abstract
本申请涉及一种备件保障水平的确定方法、装置、设备和存储介质。该方法包括:根据目标备件在至少两个历史统计周期内的历史领用数据和周期库存数量,确定目标备件的初始保障水平函数;根据目标备件在各历史统计周期内的最大领用量、周期库存数量、目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量,确定保障水平修正系数;根据保障水平修正系数,对初始保障水平函数进行调整,得到目标备件的目标保障水平函数。采用本方法能够提高备件保障水平的准确性。
Description
技术领域
本申请涉及核电备件技术领域,特别是涉及一种备件保障水平的确定方法、装置、设备和存储介质。
背景技术
在核电站中,为了保证核电站能够正常运行,核电站运维人员需要定期对核电站中的设备进行检修维护。在对设备进行检修维护的过程中,若某个设备中存在损坏器件,则需要从核电站备件库房中获取新的器件来更换该损坏器件。
目前,通常使用备件保障水平来判断核电站备件库房中的备件数量是否能够达到检修需求,但是,备件保障水平的计算通常是依据该备件的历史使用量来确定的,对于没有历史使用量的备件来说,当其备件保障水平满足检修使用需求时,其库存也是为零。当某次检修需要使用到该备件时,会出现不能及时获取备件的情况,影响核电站正常运行,亟需解决。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高备件保障水平准确性的备件保障水平的确定方法、装置、设备和存储介质。
第一方面,本申请提供了一种备件保障水平的确定方法。该方法包括:
根据目标备件在至少两个历史统计周期内的历史领用数据和周期库存数量,确定目标备件的初始保障水平函数;
根据目标备件在各历史统计周期内的最大领用量、周期库存数量、目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量,确定保障水平修正系数;
根据保障水平修正系数,对初始保障水平函数进行调整,得到目标备件的目标保障水平函数。
在其中一个实施例中,根据目标备件在各历史统计周期内的最大领用量、周期库存数量,以及目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量和各候选备件在各历史统计周期内的最大领用量,确定保障水平修正系数,包括:
根据目标备件所属备件类型中无领用数据备件在下一统计周期内的预测领用量,确定第一领用量概率分布;其中,无领用数据备件为所属备件类型中各候选备件中无历史领用数据的候选备件;
根据目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量,确定第二领用量概率分布;
根据目标备件在各历史统计周期内的最大领用量、周期库存数量、第一领用量概率分布和第二领用量概率分布,确定保障水平修正系数。
在其中一个实施例中,保障水平修正系数包括第一修正系数、第二修正系数和第三修正系数;根据目标备件在各历史统计周期内的最大领用量、周期库存数量、第一领用量概率分布和第二领用量概率分布,确定保障水平修正系数,包括:
根据目标备件在各历史统计周期内的最大领用量、周期库存数量,以及第一领用量概率分布,确定第一修正系数;
将第一领用量概率分布中,预测领用量为零时对应的概率值作为第二修正系数;
从第二领用量概率分布中,查找最大领用量对应的概率值,作为第三修正系数。
在其中一个实施例中,根据目标备件在各历史统计周期内的最大领用量、周期库存数量,以及第一领用量概率分布,确定第一修正系数,包括:
确定目标备件在各历史统计周期内的最大领用量与周期库存数量之间的数量差;
若数量差未超过第一阈值,则将第一领用量概率分布中,预计领用量为零时对应的概率值作为第一修正系数;
若数量差超过第一阈值,且未超过第二阈值,则将第一领用量概率分布中,数量差对应的概率值作为第一修正系数;
若数量差超过第二阈值,则为第一修正系数设置预设数值;
其中,第一阈值小于第二阈值。
在其中一个实施例中,根据目标备件在至少两个历史统计周期内的历史领用数据和周期库存数量,确定目标备件的初始保障水平函数,包括:
根据目标备件在至少两个历史统计周期内的历史领用数据,确定目标备件的至少一组周期统计数据;
根据目标备件的周期库存数量和各组周期统计数据,确定目标备件的初始保障水平函数。
在其中一个实施例中,该方法还包括:
根据目标备件的预设库存数量、历史采购周期和历史统计周期,确定目标备件的周期库存数量。
在其中一个实施例中,根据目标备件的周期库存数量和各组周期统计数据,确定目标备件的初始保障水平函数,包括:
根据目标备件的周期库存数量和各组周期统计数据,确定目标备件的周期保障数据;
根据目标备件的周期保障数据中小于第三阈值的周期保障数据的个数,以及周期统计数据的总组数,确定目标备件的初始保障水平函数。
在其中一个实施例中,根据目标备件在至少两个历史统计周期内的历史领用数据,确定目标备件的至少一组周期统计数据,包括:
根据目标备件在至少两个历史统计周期内各需求类型下的历史领用数据,和各需求类型下对应的权重系数,确定目标备件的至少一组周期统计数据。
在其中一个实施例中,该方法还包括:
根据目标备件的预留提前期、预留比例和预留准确率,以及备件采购周期,确定目标备件在各需求类型下对应的权重系数。
第二方面,本申请还提供了一种备件保障水平的确定装置。该装置包括:
初始保障水平确定模块,用于根据目标备件在至少两个历史统计周期内的历史领用数据和周期库存数量,确定目标备件的初始保障水平函数;
修正系数确定模块,用于根据目标备件在各历史统计周期内的最大领用量、周期库存数量、目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量,确定保障水平修正系数;
目标保障水平确定模块,用于根据保障水平修正系数,对初始保障水平函数进行调整,得到目标备件的目标保障水平函数。
第三方面,本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器,该存储器存储有计算机程序,该处理器执行该计算机程序时实现上述第一方面中任一实施例中的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。该计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面中任一实施例中的步骤。
第五方面,本申请还提供了一种计算机程序产品。该计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面中任一实施例中的步骤。
上述备件保障水平的确定方法、装置、设备和存储介质,根据目标备件在至少两个历史统计周期内的历史领用数据和周期库存数据确定目标备件的初始保障水平函数的过程中,由于目标备件的历史领用数据和周期库存数据的获取都十分方便,所以确定目标备件的初始保障水平函数的效率会更高。另外,由于获取的是目标备件在至少两个历史统计周期内的数据,会使确定出来的初始保障水平函数更加准确。进一步地,本实施例不直接利用初始保障水平函数来确定目标备件的保障水平,而是根据目标备件在各历史统计周期内的最大领用量、周期库存数量、目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量,确定保障水平修正系数。之后利用保障水平修正系数对目标备件的初始保障水平函数进行修正得到目标备件的目标保障水平函数。由于保障水平修正系数的确定中引入了根据目标备件在各历史统计周期内的最大领用量、周期库存数量、目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量,因此,即使目标备件没有历史领用数据,也可以用其所属备件类型中其他候选备件的领用情况来确定出准确的备件保障水平修正系数。因此,所有备件都可以通过上述方式确定出更加合理的备件保障水平函数,从而达到提高备件保障水平准确性的效果。
附图说明
图1为本实施例提供的一种备件保障水平的确定方法的应用环境图;
图2为本实施例提供的第一种备件保障水平的确定方法的流程示意图;
图3为本实施例提供的一种确定保障水平修正系数的流程示意图;
图4为本实施例提供的一种确定目标备件的初始保障水平函数的流程示意图;
图5为本实施例提供的第二种备件保障水平的确定方法的流程示意图;
图6为本实施例提供的第一种备件保障水平的确定装置的结构框图;
图7为本实施例提供的第二种备件保障水平的确定装置的结构框图;
图8为本实施例提供的第三种备件保障水平的确定装置的结构框图;
图9为本实施例提供的第四种备件保障水平的确定装置的结构框图;
图10为本实施例提供的一种计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
目前,在确定备件保障水平的过程中,通常基于备件近5年的年度领用数据,使用备件的最小库存参数与年度领用数据进行比较,若最小库存参数大于或等于年度领用数据,则算做有保障,否则算作无保障。使用该方法计算的有货率数据只有100%、80%、60%、40%、20%、0%,共6种情况,计算结果颗粒度较粗。其本质在于假设备件未来的需求量与备件历史领用量相同,因此使用历史领用量代替未来需求量,与最小库存参数进行比较。然而,备件未来需求量可能会大于历史领用量,完全基于历史领用数据计算备件的保障水平,计算结果可能会失真,因此需要对计算的保障水平数据进行修正。
例如,有1000项备件的历史领用数量为0,采购周期为365天,此时当所有备件的最小库存参数设置为0时,基于目前方法计算的每项备件的保障水平为100%,这一批所有备件的平均保障水平也为100%。运维人员在看到保障水平为100%时,不会考虑增加这些备件的库存,但是,若在某次检修过程中需要用到这些备件时,却无法立即获取到这些备件,影响设备检修。
本申请实施例提供的备件保障水平的确定方法,可以应用于如图1所示的应用环境中。在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图1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,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储进行备件保障水平的确定的相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种备件保障水平的确定方法。
在一个实施例中,如图2所示,提供了一种备件保障水平的确定方法,以该方法应用于图1中的计算机设备为例进行说明,包括以下步骤:
S201,根据目标备件在至少两个历史统计周期内的历史领用数据和周期库存数量,确定目标备件的初始保障水平函数。
其中,目标备件可以是库房中存放的需要进行备件库存数或备件保障水平计算的备用器件,示例性地,目标备件可以是核电厂中组成设备时需要用到的器件,例如温度变送器类备件。历史统计周期可以是预先确定好的统计周期,例如,可以是以一个月为一个周期,也可以是以一年为一个周期,具体统计周期的确定可以基于实际需求进行调整。历史领用数据可以是用于表征目标备件在至少两个历史统计周期内的领用数量或历史领用时间等信息的数据,历史领用数据可以以矩阵的形式表示,也可以以表格的形式表示,对此不进行限定。周期库存数量可以是目标备件在一个统计周期内的库存数量。初始保障水平函数可以是用于计算目标备件的保障水平的函数,可以理解的是,基于初始保障水平函数确定出来的目标备件的初始保障水平是不准确的,且各备件对应的初始保障水平函数可以是不相同的。
可选的,本实施例中,可以获取历史时间段内目标备件的历史领用数据,再根据预先确定好的历史统计周期对目标备件的历史领用数据进行整理,从而确定目标备件在各个历史统计周期内的历史领用数据。示例性地,以历史统计周期为月为例,可以将获取到的目标备件在各个月内的领用数据作为一个历史统计周期对应的历史领用数据。以历史时间段为5年,历史统计周期为1年为例,为了使确定出来的历史统计周期内的历史领用数据更加精确,可以获取历史5年内目标备件各个月的历史领用数据。再根据确定好的各个月的历史领用数据,统计整理出目标备件每一年的历史领用数据,将其作为目标备件在各个历史统计周期内的历史领用数据。
需要说明的是,上述统计整理出目标备件每一年的历史领用数据的过程中,并不是简单地将历史5年内每一年内各月的历史领用数据之和作为该年的历史领用数据(例如,历史5年各月的历史领用数据只能确定出5个历史统计周期内的历史领用数据)。而是将每12个月的历史领用数据之和作为1年的历史领用数据,示例性地,可以将2018年1月-2019年1月的历史领用数据之和作为一个历史统计周期内的历史领用数据;将2018年2月-2019年2月的历史领用数据之和作为一个历史统计周期内的历史领用数据。这样可以使确定出来的历史统计周期的数量更多,从而使得基于至少两个历史统计周期内的历史领用数据和周期库存数量确定出来的目标备件的初始保障水平函数更加准确。
可选的,周期库存数量可以是预先设置的,即预设库存数量;也可以是对预设库存数量进行处理后得到的,对此不进行限定。示例性地,当周期库存数量是对预设库存数量进行处理后得到的,其确定方式可以是:根据目标备件的预设库存数量、历史采购周期和历史统计周期,确定目标备件的周期库存数量。其中,历史采购周期用于表征目标备件的历史时间段内的单位采购周期。具体的,本实施例中,目标备件的周期库存数量可以根据目标备件的预设库存数量、历史采购周期和历史统计周期,按照预先确定好的周期库存数量确定方式来确定。示例性地,以目标备件的预设库存数量的值为x1、历史采购周期为T、历史统计周期为365天为例,目标备件的周期库存数量可以通过如下公式(1)来确定:
式中,x2为目标备件的周期库存数量;x1为目标备件的预设库存数量;T为目标备件的历史采购周期。
需要说明的是,由于采用上述方式确定目标备件的周期库存数量时,所依据的目标备件的预设库存数量是目标备件在历史采购周期内对应的。因此,当历史采购周期与本实施例中设置的历史统计周期不一致时,预设库存数量的值与周期库存数量的值不相同。采用上述方式确定目标备件的周期库存数量,使其与历史统计周期相匹配,方便后续处理。
可选的,本实施例中,可以将目标备件在至少两个历史统计周期内的历史领用数据和周期库存数量输入至预先训练好的初始保障水平函数确定模型中,模型对接收到的数据进行解析和处理,输出目标备件的初始保障水平函数。另一种可实现方式可以是,将目标备件在至少两个历史统计周期的周期库存数量/历史领用数据*100%作为目标备件的初始保障水平函数。
S202,根据目标备件在各历史统计周期内的最大领用量、周期库存数量、目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量,确定保障水平修正系数。
其中,历史统计周期内的最大领用量可以是目标备件在各历史统计周期内历史领用量最大时对应的历史领用量。候选备件可以是目标备件所属备件类型中的所有备件,包括目标备件。预测领用量可以是提前确定的对各候选备件在下一统计周期内的领用量进行预测的数量。可以理解的是,此处的各历史统计周期可以与S201中提到的至少两个历史统计周期相同,也可以更多。保障水平修正系数用于对目标备件的初始保障水平函数进行调整。可选的,本实施例中,保障水平修正系数的个数可以是一个也可以是多个。
示例性地,本实施例中,确定保障水平修正系数的方式可以是,将目标备件在各历史统计周期内的最大领用量、周期库存数量、目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量均输入到预先训练好的保障水平修正系数确定模型中,模型对接收到的数据进行解析和处理,输出目标备件的保障水平修正系数。
另一种可实现方式可以是,根据目标备件所属备件类型中无领用数据备件在下一统计周期内的预测领用量,确定第一领用量概率分布;根据目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量,确定第二领用量概率分布;根据目标备件在各历史统计周期内的最大领用量、周期库存数量、第一领用量概率分布和第二领用量概率分布,确定保障水平修正系数。
其中,无领用数据备件为所属备件类型中各候选备件中无历史领用数据的候选备件;第一领用量概率分布可以是目标备件所属备件类型中无领用数据备件在下一统计周期内的领用概率分布,用于预测无领用数据备件在下一统计周期内的预测领用量及对应的概率。第二领用量概率分布可以是用于统计目标备件所属备件类型中各候选备件在下一统计周期内的领用量未超过历史最大领用量的概率分布。
可以理解的是,上述第一领用量概率分布与第二领用量概率分布均是与目标备件所属备件类型相对应的。不同备件类型对应的第一领用量概率分布与第二领用量概率分布可能不同。
具体的,本实施例中,可以将目标备件所属备件类型中无领用数据备件在下一统计周期内的预测领用量进行统计和整理,并确定各预测领用量对应的概率,形成第一领用量概率分布。相应地,目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量进行统计整理,并确定出各候选备件在下一统计周期内的领用量未超过历史最大领用量的概率,形成第二领用量概率分布。进一步地,将目标备件在各历史统计周期内的最大领用量、周期库存数量、第一领用量概率分布和第二领用量概率分布输入至预先训练好的保障水平修正系数确定模型中,确定保障水平修正系数。也可以根据目标备件在各历史统计周期内的最大领用量和周期库存数量,从第一领用量概率分布和第二领用量概率分布中查找对应的保障水平修正系数。使得确定保障水平修正系数的方式更加丰富。
S203,根据保障水平修正系数,对初始保障水平函数进行调整,得到目标备件的目标保障水平函数。
具体的,本实施例中,可以将保障水平修正系数与初始保障水平函数的乘积作为目标备件的目标保障水平函数。若保障水平修正系数的个数为多个,则可以将各保障水平修正系数进行融合,再基于融合后的保障水平修正系数对初始保障水平函数进行调整。示例性地,对各保障水平修正系数进行融合可以是对保障水平修正系数相加、相减或相乘处理等。
上述备件保障水平的确定方法中,根据目标备件在至少两个历史统计周期内的历史领用数据和周期库存数据确定目标备件的初始保障水平函数的过程中,由于目标备件的历史领用数据和周期库存数据的获取都十分方便,所以确定目标备件的初始保障水平函数的效率会更高。另外,由于获取的是目标备件在至少两个历史统计周期内的数据,会使确定出来的初始保障水平函数更加准确。进一步地,本实施例不直接利用初始保障水平函数来确定目标备件的保障水平,而是根据目标备件在各历史统计周期内的最大领用量、周期库存数量、目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量,确定保障水平修正系数。之后利用保障水平修正系数对目标备件的初始保障水平函数进行修正得到目标备件的目标保障水平函数。由于保障水平修正系数的确定中引入了根据目标备件在各历史统计周期内的最大领用量、周期库存数量、目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量,,因此,即使目标备件没有历史领用数据,也可以用其所属备件类型中其他候选备件的领用情况来确定出准确的备件保障水平修正系数。因此,所有备件都可以通过上述方式确定出更加合理的备件保障水平函数,从而达到提高备件保障水平准确性的效果。
进一步地,在一个实施例中,为了使通过保障水平修正系数调整后的目标保障水平函数更加准确,保障水平修正系数可以包括第一修正系数、第二修正系数和第三修正系数。如图3所示,对根据目标备件在各历史统计周期内的最大领用量、周期库存数量、第一领用量概率分布和第二领用量概率分布,确定保障水平修正系数的过程进行详细介绍,可以包括如下几个步骤:
S301,根据目标备件在各历史统计周期内的最大领用量、周期库存数量,以及第一领用量概率分布,确定第一修正系数。
其中,第一修正系数可以是保障水平修正系数中的一个,用于对初始保障水平进行调整的系数。
可选的,目标备件所属类型中的各备件都是与目标备件同品类、同供应商的备件,同品类可以是根据备件的属性进行分类,且各备件都对应有一供应商。本实施例中,可以针对第一类型备件设置类别编码,根据目标备件所属备件类型的类别编码,可以确定目标备件所属备件类型对应的第一领用量概率分布。
示例性地,备件类型可以根据需要设置为转动机械类、泵类、阀门类、通用机械类、化学消耗品类、仪器仪表类、电气类。各类型备件的初始类别编码可以分别设置为10000、20000、30000、40000、50000、60000、70000。进一步地,基于备件类型的分类原则,统计每类备件中备件编码数量排名前9个供应商,供应商代码分别记录为1~9,若不属于该类型备件中备件编码数量排名前9的供应商,则供应商代码记录为0。结合初始类别编码和供应商代码,共同构建类别编码。示例性地,如下表1所示的备件分类示意表中,供应商A在转动机械类备件数量中排名第2,在温度变送器类备件数量中排名第5,则备件编码100002代表由供应商A供货的转动机械类备件,备件编码601065代表由供应商A供货的温度变送器类备件。
表1:备件分类示意表
因此,本实施例中,可以根据目标备件确定其对应的所属备件类型,从上述备件分类示意表中可以确定目标备件所属备件类型对应的类别编码。进而可以确定该备件类型对应的第一领用量概率分布,可以理解的是,各备件类型对应的第一领用量概率分布可以是预先设置好的。示例性地,可以如下表2所示:
表2:第一领用量概率分布表
类别编码 | J0 | J1 | J2 | J3 | J4 | J5 | J6 | J7 | J8 | J9 |
100002 | 0.9879 | 0.9954 | 0.9972 | 0.9981 | 0.9988 | 0.9990 | 0.9991 | 0.9992 | 0.9992 | 0.9993 |
601065 | 0.9501 | 0.9859 | 0.9937 | 0.9961 | 0.9966 | 0.9971 | 0.9981 | 0.9991 | 0.9991 | 0.9995 |
表2中,J0~J9代表在未来一年领用数量分别为0、[0,1]、[0,2]、[0,3]、[0,4]、[0,5]、[0,6]、[0,7]、[0,8]、[0,9]的概率分布,例如备件类别编码为100002的J0代表该类型备件中无领用数据的备件在下一统计周期领用数量≤0的概率为98.79%,J6代表该类型备件中无领用数据的备件在下一统计周期领用数量≤6的概率为99.91%。
将上述表2以矩阵的形式表示,可以如下公式(2):
式中,P为第一领用量概率分布;表示类别编码为i1的备件类型中无领用数据的备件在下一统计周期领用量≤0的概率。
进一步地,确定目标备件在各历史统计周期内的最大领用量与周期库存数量之间的数量差;若数量差未超过第一阈值,则将第一领用量概率分布中,预计领用量为零时对应的概率值作为第一修正系数;若数量差超过第一阈值,且未超过第二阈值,则将第一领用量概率分布中,数量差对应的概率值作为第一修正系数;若数量差超过第二阈值,则为第一修正系数设置预设数值。
其中,第一阈值小于第二阈值。以目标备件在各历史统计周期内的最大领用量为x3、周期库存数量为x2为例,目标备件在各历史统计周期内的最大领用量与周期库存数量之间的数量差即为x2-x3。将计算得到的数量差与第一阈值做比较,若数量差未超过第一阈值,则从第一领用量概率分布中,预计领用量为零时对应的概率值作为第一修正系数。例如,目标备件所属备件类型的类别编码为100002,可以从上述表2中确定100002对应的行,J0对应的列的概率值为第一修正系数。或将上述公式(2)中对应的概率值作为第一修正系数(即0.9879)。
继续以目标备件所属备件类型的类别编码为100002为例,若数量差超过第一阈值,且未超过第二阈值,上述表2中将数量差对应的概率值作为第一修正系数。若数量差为3,则确定100002对应的行,J3对应的列的概率值为第一修正系数。或将上述公式(2)中对应的概率值作为第一修正系数(即0.9981)。若数量差超过第二阈值,则为第一修正系数设置预设数值(例如1)。
以第一阈值为0、第二阈值为9、第三阈值为1为例,第一修正系数的确定公式可以如下公式(3)所示:
式中,h1(i,j)为第一修正系数;x2-x3为目标备件在各历史统计周期内的最大领用量与周期库存数量之间的数量差;表示类别编码为i的备件类型中,无领用数据备件在下一统计周期内的领用概率分布中预计领用量为j时对应的概率值。
上述实施例中,将第一修正系数的确定分为三种情况,不同情况下对应不同的第一修正系数,可以进一步使得确定出来的第一修正系数更加精准。
S302,将第一领用量概率分布中,预测领用量为零时对应的概率值作为第二修正系数。
其中,第二修正系数可以是保障水平修正系数中的二个,用于对初始保障水平进行调整的系数。
具体的,继续以上述表1所示的备件分类示意表、表2所示的第一领用量概率分布表为例,本实施例中,第二修正系数可以是直接将第一领用量概率分布,预测领用量为零时对应的概率值作为第二修正系数。具体确定方式与上述第一修正系数确定方式中数量差未超过第一阈值时的确定方式相同,在此不做赘述。示例性地,第二修正系数的确定公式可以如下公式(4)所示:
式中,h2(i,j)为第二修正系数;为类别编码为i的备件类型中,无领用数据备件在下一统计周期内的领用概率分布中预计领用量为0时对应的概率值。
S303,从第二领用量概率分布中,查找最大领用量对应的概率值,作为第三修正系数。
其中,第三修正系数可以是保障水平修正系数中的三个,用于对初始保障水平进行调整的系数。各历史统计周期可以是S201中提到的至少两个历史统计周期之和,也可以比至少两个历史统计周期之和更长。历史最大领用量表示该类备件在各统计周期内的最大领用量。
本实施例中,第二领用量概率分布可以是预先确定好的,如下表3所示,为本实施例提供的一种第二领用量概率分布:
表3:第二领用量概率分布表
表3中,K0~K9代表该备件类型在各历史统计周期内对应历史年最大领用量分别为0、(0,1]、(1,2]、(2,3]、(3,4]、(4,5]、(5,6]、(6,7]、(7,8]、(9,∞)的概率分布。例如备件类别编码为100002的K2代表该类备件的历史年最大领用量为(1,2],其在未来一年中领用量未超过历史年最大领用量的概率,为96.63%,K7代表该类备件的历史年最大领用量为(6,7],其在未来一年中领用量未超过历史年最大领用量的概率为93.61%。
将上述表3以矩阵的形式表示,可以如下公式(5):
式中,Q表示第二领用量概率分布;表示类别编码为i1的备件类型下一年度的领用量未超过历史最大领用量的概率值。
示例性地,若目标备件所属备件类型的类别编码为100002,历史最大领用量为2,则可以从表3中确定修正系数为0.9663。
第三修正系数的确定公式可以如下公式(6)所示:
式中,h3(i,k)为第三修正系数;为类别编码为i的备件类型的历史最大领用量为k时,下一年度的领用量小于等于历史最大领用量的概率值。
上述实施例中,保障水平修正系数包括第一修正系数、第二修正系数和第三修正系数,且具体介绍了各修正系数的确定方式,使得确定出来的三个修正系数对初始保障水平函数的修正效果更好,进一步提高了保障水平确定的准确性。
在一个实施例中,目标备件在历史统计周期内对应有多种需求类型,因此,为了方便确定目标备件的初始保障水平函数,需要对目标备件在至少两个历史统计周期内的历史领用数据进行整理统计。如图4所示,在一个实施例中,根据目标备件在至少两个历史统计周期内的历史领用数据和周期库存数量,确定目标备件的初始保障水平函数,包括:
S401,根据目标备件在至少两个历史统计周期内的历史领用数据,确定目标备件的至少一组周期统计数据。
其中,周期统计数据可以是目标备件在一个统计周期内对应的各数据,周期统计数据可以是以表格的形式表示,也可以是以矩阵的形式表示,对此不进行限定。
本实施例中,目标备件可以对应有多个需求类型,相应的,目标备件在至少两个历史统计周期内的历史领用数据包括目标备件在多个需求类型下对应的历史领用数据。以目标备件为核电厂中的备件为例,目标备件可以包括有8类需求,包括大修计划性A类需求、大修计划性B类需求、大修突发性需求、大修非工单需求、日常计划性A类需求、日常计划性B类需求、日常突发性需求、日常非工单需求。相应的,目标备件在各类需求下都分别对应有历史领用数据,示例性地,以矩阵的形式表示的历史统计周期为月的历史领用数据可以如下公式(7)所示,该矩阵中,每一行表示目标备件在一种类型下的历史领用数据;每一列表示目标备件在同一月内的历史领用数据。
式中,R1表示目标备件以统计周期为月的历史领用数据;为目标备件在第j个月,第i类型下的历史领用数据。t-n为所有历史统计周期中最早的一个月;t-1为所有历史统计周期中最后一个月;n=12*(n1+1)+n2,其中,n1为历史时间段的年数(如历史时间段为5年时,n1=5);n2为当前月份(如当前月份为7月,则n2=7)。i=1,2,3...,8分别代表大修计划性A类需求、大修计划性B类需求、大修突发性需求、大修非工单需求、日常计划性A类需求、日常计划性B类需求、日常突发性需求、日常非工单需求。
上述公式(7)示出的是目标备件每月在不同需求类型下对应的历史领用数据,将目标备件每月在不同需求类型下对应的历史领用数据求和,即可得到目标备件每月的历史领用数据,即在历史统计周期内的历史领用数据。示例性地,可以根据目标备件在至少两个历史统计周期内各需求类型下的历史领用数据,和各需求类型下对应的权重系数,确定目标备件的至少一组周期统计数据。其中,各需求类型均对应一个权重系数,对于目标备件而言,可以通过调各需求类型对应的权重系数来调整该目标备件的保障类型。具体的,本实施例中,可以将上述公式(7)中目标备件在同一月内的历史领用数据进行加权求和,进而将上述公式(7)以一列矩阵的形式表示出来,该一列矩阵中的每一个元素即代表着目标备件的一组周期统计数据。示例性地,目标备件的至少一组周期统计数据可以如下公式(8)所示:
R2=[rt-n,rt-n+1,rt-n+2,...,rt-1] (8)
式中,R2为目标备件的周期统计数据;rt-n、rt-n+1...t-1分别代表目标备件的一组周期统计数据。其中,ki为第i个需求类型下对应的权重系数。rt-n+1...t-1的计算公式与rt-n的计算公式相似,在此不做赘述。
上述公式(8)示出的是目标备件以历史统计周期为月的历史领用数据,若本实施例中所需要的历史统计周期是年,则需要对上述历史领用数据进行整理统计,从而得到目标备件以历史统计周期为年的历史领用数据。示例性地,可以通过如下公式(9)确定目标备件以历史统计周期为年的历史领用数据(即各周期统计数据):
式中,R3表示目标备件以统计周期为月的历史领用数据;以公式(8)中rt-n为2018年1月为例,即可表示2018年1月到2019年1月;表示2018年2月到2019年2月。
进一步地,为了使确定目标备件的至少一组周期统计数据的过程更加完善,本实施例还给出了确定各需求类型下对应的权重系数的具体方式:根据目标备件的预留提前期、预留比例和预留准确率,以及备件采购周期,确定目标备件在各需求类型下对应的权重系数。
其中,备件采购周期可以用于表征目标备件时隔多久进行一次采购,可以是预先确定好的。预留提前期表征需要提前多久对目标备件提出预留,例如,若目标备件是对应大修计划性需求的备件,则需要提前13个月下发预留工单。若目标备件是对应日常计划性需求的备件,则需要提前11个月下发预留工单。预留比例表征目标备件对应的备件类型中会有多个比例的同类型备件进行预留,例如,计划性A类需求对应的备件类型中,绝大部分备件都会在大修前进行预留;计划性B类需求对应的备件类型中只有少数备件会提前进行预留。预留准确率表征目标备件预留的预测正确比例,不同需求类型的备件对应的预留准确率不同。目标备件的预留提前期、预留比例和预留准确率(统称为预留影响因素)均是预先确定好的。示例性地,不同类型对应的预留提前期、预留比例和预留准确率可以如下表4所示:
表4:预留影响因素参考表
不同核电厂针对备件的库存管理要求存在差异,这种差异体现在备件的保障类型,针对部分需求类型下的需求备件,可以通过提前进行工单预留,从而基于预留数量触发采购,备件到货后满足该需求类型的备件需求。提前进行工单预留的影响因素即为上述三种:预留提前期、预留比例和预留准确率。
根据目标备件所属备件需求类型,结合上述预留影响因素参考表,可以通过如下公式(10)来确定目标备件在各需求类型下对应的权重系数。
式中,ki表示目标备件在各需求类型下对应的权重系数;t为目标备件的备件采购周期;表示目标备件在第i类需求类型下对应的预留提前期;表示目标备件在第i类需求类型下对应的预留比例;表示目标备件在第i类需求类型下对应的预留准确率。
基于上述公式(10)和表4,可以确定出目标备件在各需求类型下对应的权重系数值k为[0,0.56,0.89,0.89,0,0.46,0.89,0.89]。当目标备件在各需求类型下对应的预留提前期、预留比例和预留准确率中任一项发生变化时,目标备件在各需求类型下对应的权重系数值k会相应发生变化。
采用上述方式确定目标在各需求类型下对应的权重系数,使得确定权重系数的方式更加简单方便,为确定目标备件的初始保障水平函数做基础。
S402,根据目标备件的周期库存数量和各组周期统计数据,确定目标备件的初始保障水平函数。
可选的,本实施例中,可以将目标备件的周期库存数量和各组周期统计数据输入至预先训练好的初始保障水平确定模型中,模型对接收到的数据进行分析和处理,即可输出目标备件的初始保障水平函数。
在一个实施例中,给出了确定目标备件的初始保障水平函数的另一种实现方式,即,根据目标备件的周期库存数量和各组周期统计数据,确定目标备件的周期保障数据;根据目标备件的周期保障数据中小于第三阈值的周期保障数据的个数,以及周期统计数据的总组数,确定目标备件的初始保障水平函数。
其中,周期保障数据可以用于表征目标备件在历史统计周期内的保障情况。第三阈值可以是预先设置的用于判断目标备件的周期保障数据是否满足要求的阈值。
具体的,由于目标备件的周期库存数量表征目标备件在一个周期内的预计库存数量,目标备件的各组周期统计数据表征在一个历史统计周期下对应的历史领用数据的总和。因此,目标备件的周期库存数量与对应周期的周期统计数据的差值可以表征周期库存数量是否可以满足历史领用需求。也就是说,本实施例中,可以将目标备件的周期库存数量与其对应的各组周期统计数据做差,将差值作为目标备件的周期保障数据。也就是说,将目标备件的周期库存数量与上述公式(9)中的各周期统计数据作差,示例性地,将目标备件的周期库存数量以矩阵形式表示为R4=[x2,x2,x2,x2...x2]为例,目标备件的周期保障数据的计算公式可以如下公式(11)所示:
式中,R5表示目标备件的周期保障数据;
中的各个元素可以分别代表目标备件在一个历史统计周期内对应的保障数据。
需要说明的是,上述公式(11)中,若目标备件在一个历史统计周期内对应的保障数据小于0,则证明目标备件在该历史统计周期内的周期库存数量不满足保障需求。
确定目标备件的周期保障数据中小于0的周期保障数据的个数,结合周期统计数据的总组数,确定目标备件的初始保障水平函数。示例性地,可以是将目标备件的周期保障数据中小于0的周期保障数据的个数和周期统计数据的总组数,代入初始保障水平函数确定公式中,得到目标备件的初始保障水平函数。例如,初始保障水平函数确定公式可以如下公式(12)所示:
式中,g1为目标备件的初始保障水平函数;m为目标备件的周期保障数据中小于0的周期保障数据的个数;n-12为周期统计数据的总组数。
上述实施例中,根据目标备件的周期库存数量和各组周期统计数据确定目标备件的周期保障数据,再根据周期保障数据中小于0的周期保障数据的个数和周期统计数据的总组数确定目标备件的初始保障水平函数,使得确定初始保障水平函数的方式更加合理。
上述实施例中,给出了具体的确定目标备件的初始保障水平函数的方式,为后续确定目标备件的目标保障水平函数提供基础。
进一步地,根据上述确定出来的第一修正系数、第二修正系数和第三修正系数,可以通过如下公式(13)来对初始保障水平函数进行调整:
式中,f(x)表示目标备件的目标保障水平函数;g1为初始保障水平函数;h1(i,j)为第一修正系数;h2(i,j)为第二修正系数;h3(i,k)为第三修正系数。
为了便于本领域技术人员的理解,对上述备件保障水平的确定方法进行详细介绍,如图5所示,该方法可以包括:
S501,根据目标备件在至少两个历史统计周期内各需求类型下的历史领用数据,和各需求类型下对应的权重系数,确定目标备件的至少一组周期统计数据。
其中,权重系数是根据目标备件的预留提前期、预留比例和预留准确率,以及备件采购周期确定的。
S502,根据目标备件的预设库存数量、历史采购周期和历史统计周期,确定目标备件的周期库存数量。
S503,根据目标备件的周期库存数量和各组周期统计数据,确定目标备件的周期保障数据。
S504,根据目标备件的周期保障数据中小于第三阈值的周期保障数据的个数,以及周期统计数据的总组数,确定目标备件的初始保障水平函数。
S505,根据目标备件所属备件类型中无领用数据备件在下一统计周期内的预测领用量,确定第一领用量概率分布。
其中,无领用数据备件为所属备件类型中各候选备件中无历史领用数据的候选备件。
S506,根据目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量,确定第二领用量概率分布。
S507,根据目标备件在各历史统计周期内的最大领用量、周期库存数量,以及第一领用量概率分布,确定第一修正系数。
具体的,若数量差未超过第一阈值,则将第一领用量概率分布中,预计领用量为零时对应的概率值作为第一修正系数;若数量差超过第一阈值,且未超过第二阈值,则将第一领用量概率分布中,数量差对应的概率值作为第一修正系数;若数量差超过第二阈值,则为第一修正系数设置预设数值;其中,第一阈值小于第二阈值。
S508,将第一领用量概率分布中,预测领用量为零时对应的概率值作为第二修正系数。
S509,从第二领用量概率分布中,查找最大领用量对应的概率值,作为第三修正系数。
S510,根据保障水平修正系数,对初始保障水平函数进行调整,得到目标备件的目标保障水平函数。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的备件保障水平的确定方法的备件保障水平的确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个备件保障水平的确定装置实施例中的具体限定可以参见上文中对于备件保障水平的确定方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种备件保障水平的确定装置1,包括:初始保障水平确定模块10、修正系数确定模块11和目标保障水平确定模块12,其中:
初始保障水平确定模块10,用于根据目标备件在至少两个历史统计周期内的历史领用数据和周期库存数量,确定目标备件的初始保障水平函数。
修正系数确定模块11,用于根据目标备件在各历史统计周期内的最大领用量、周期库存数量、目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量,确定保障水平修正系数。
目标保障水平确定模块12,用于根据保障水平修正系数,对初始保障水平函数进行调整,得到目标备件的目标保障水平函数。
在一个实施例中,如图7所示,修正系数确定模块11包括第一确定单元110、第二确定单元111和修正系数确定单元112。其中:
第一确定单元110,用于根据目标备件所属备件类型中无领用数据备件在下一统计周期内的预测领用量,确定第一领用量概率分布。
其中,无领用数据备件为所属备件类型中各候选备件中无历史领用数据的候选备件。
第二确定单元111,用于根据目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量,确定第二领用量概率分布。
修正系数确定单元112,用于根据目标备件在各历史统计周期内的最大领用量、周期库存数量、第一领用量概率分布和第二领用量概率分布,确定保障水平修正系数。
在一个实施例中,修正系数确定单元112包括第一确定子单元、第二确定子单元和第三确定子单元。
其中:
第一确定子单元,用于根据目标备件在各历史统计周期内的最大领用量、周期库存数量,以及第一领用量概率分布,确定第一修正系数。
第二确定子单元,用于将第一领用量概率分布中,预测领用量为零时对应的概率值作为第二修正系数。
第三确定子单元,用于从第二领用量概率分布中,查找最大领用量对应的概率值,作为第三修正系数。
在一个实施例中,第一确定子单元具体用于:确定目标备件在各历史统计周期内的最大领用量与周期库存数量之间的数量差;若数量差未超过第一阈值,则将第一领用量概率分布中,预计领用量为零时对应的概率值作为第一修正系数;若数量差超过第一阈值,且未超过第二阈值,则将第一领用量概率分布中,数量差对应的概率值作为第一修正系数;若数量差超过第二阈值,则为第一修正系数设置预设数值;其中,第一阈值小于第二阈值。
在一个实施例中,如图8所示,初始保障水平确定模块10包括统计数据确定单元100和初始保障水平确定单元101。其中:
统计数据确定单元100,用于根据目标备件在至少两个历史统计周期内的历史领用数据,确定目标备件的至少一组周期统计数据。
初始保障水平确定单元101,用于根据目标备件的周期库存数量和各组周期统计数据,确定目标备件的初始保障水平函数。
在一个实施例中,如图9所示,初始保障水平确定模块10还包括库存数量确定单元102,用于根据目标备件的预设库存数量、历史采购周期和历史统计周期,确定目标备件的周期库存数量。
在一个实施例中,初始保障水平确定单元101包括保障数据确定子单元和初始保障水平确定子单元。
其中:
保障数据确定子单元,用于根据目标备件的周期库存数量和各组周期统计数据,确定目标备件的周期保障数据。
初始保障水平确定子单元,用于根据目标备件的周期保障数据中小于第三阈值的周期保障数据的个数,以及周期统计数据的总组数,确定目标备件的初始保障水平函数。
在一个实施例中,统计数据确定单元100具体用于根据目标备件在至少两个历史统计周期内各需求类型下的历史领用数据,和各需求类型下对应的权重系数,确定目标备件的至少一组周期统计数据。
在一个实施例中,统计数据确定单元100包括权重系数确定子单元,用于根据目标备件的预留提前期、预留比例和预留准确率,以及备件采购周期,确定目标备件在各需求类型下对应的权重系数。
上述备件保障水平的确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10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、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种备件保障水平的确定方法。
本领域技术人员可以理解,图10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。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,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、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
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,本申请的保护范围应以所附权利要求为准。
Claims (12)
1.一种备件保障水平的确定方法,其特征在于,所述方法包括:
根据目标备件在至少两个历史统计周期内的历史领用数据和周期库存数量,确定所述目标备件的初始保障水平函数;
根据所述目标备件在各历史统计周期内的最大领用量、所述周期库存数量、所述目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及所述各候选备件在各历史统计周期内的最大领用量,确定保障水平修正系数;
根据所述保障水平修正系数,对所述初始保障水平函数进行调整,得到所述目标备件的目标保障水平函数。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标备件在各历史统计周期内的最大领用量、所述周期库存数量、所述目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及所述各候选备件在各历史统计周期内的最大领用量,确定保障水平修正系数,包括:
根据所述目标备件所属备件类型中无领用数据备件在下一统计周期内的预测领用量,确定第一领用量概率分布;其中,所述无领用数据备件为所属备件类型中各候选备件中无历史领用数据的候选备件;
根据所述目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量,确定第二领用量概率分布;
根据所述目标备件在各历史统计周期内的最大领用量、所述周期库存数量、所述第一领用量概率分布和所述第二领用量概率分布,确定保障水平修正系数。
3.根据权利要求2所述的方法,其特征在于,所述保障水平修正系数包括第一修正系数、第二修正系数和第三修正系数;所述根据所述目标备件在各历史统计周期内的最大领用量、所述周期库存数量、所述第一领用量概率分布和所述第二领用量概率分布,确定保障水平修正系数,包括:
根据所述目标备件在各历史统计周期内的最大领用量、所述周期库存数量,以及所述第一领用量概率分布,确定第一修正系数;
将所述第一领用量概率分布中,预测领用量为零时对应的概率值作为第二修正系数;
从所述第二领用量概率分布中,查找所述最大领用量对应的概率值,作为第三修正系数。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标备件在各历史统计周期内的最大领用量、所述周期库存数量,以及所述第一领用量概率分布,确定第一修正系数,包括:
确定所述目标备件在各历史统计周期内的最大领用量与所述周期库存数量之间的数量差;
若所述数量差未超过第一阈值,则将所述第一领用量概率分布中,预计领用量为零时对应的概率值作为第一修正系数;
若所述数量差超过所述第一阈值,且未超过第二阈值,则将所述第一领用量概率分布中,所述数量差对应的概率值作为第一修正系数;
若所述数量差超过所述第二阈值,则为所述第一修正系数设置预设数值;
其中,所述第一阈值小于所述第二阈值。
5.根据权利要求1所述的方法,其特征在于,所述根据目标备件在至少两个历史统计周期内的历史领用数据和周期库存数量,确定所述目标备件的初始保障水平函数,包括:
根据目标备件在至少两个历史统计周期内的历史领用数据,确定所述目标备件的至少一组周期统计数据;
根据所述目标备件的周期库存数量和各组周期统计数据,确定所述目标备件的初始保障水平函数。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
根据所述目标备件的预设库存数量、历史采购周期和所述历史统计周期,确定所述目标备件的周期库存数量。
7.根据权利要求5所述的方法,其特征在于,所述根据所述目标备件的周期库存数量和各组周期统计数据,确定所述目标备件的初始保障水平函数,包括:
根据所述目标备件的周期库存数量和各组周期统计数据,确定所述目标备件的周期保障数据;
根据所述目标备件的周期保障数据中小于第三阈值的周期保障数据的个数,以及所述周期统计数据的总组数,确定所述目标备件的初始保障水平函数。
8.根据权利要求5所述的方法,其特征在于,所述根据目标备件在至少两个历史统计周期内的历史领用数据,确定所述目标备件的至少一组周期统计数据,包括:
根据目标备件在至少两个历史统计周期内各需求类型下的历史领用数据,和各需求类型下对应的权重系数,确定所述目标备件的至少一组周期统计数据。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
根据所述目标备件的预留提前期、预留比例和预留准确率,以及备件采购周期,确定所述目标备件在各需求类型下对应的权重系数。
10.一种备件保障水平的确定装置,其特征在于,所述装置包括:
初始保障水平确定模块,用于根据目标备件在至少两个历史统计周期内的历史领用数据和周期库存数量,确定所述目标备件的初始保障水平函数;
修正系数确定模块,用于根据所述目标备件在各历史统计周期内的最大领用量、所述周期库存数量、所述目标备件所属备件类型中各候选备件在下一统计周期内的预测领用量,以及各候选备件在各历史统计周期内的最大领用量,确定保障水平修正系数;
目标保障水平确定模块,用于根据所述保障水平修正系数,对所述初始保障水平函数进行调整,得到所述目标备件的目标保障水平函数。
11.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。
12.一种计算机可读存储介质,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至9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311130044.1A CN117132205A (zh) | 2023-08-31 | 2023-08-31 | 备件保障水平的确定方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311130044.1A CN117132205A (zh) | 2023-08-31 | 2023-08-31 | 备件保障水平的确定方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117132205A true CN117132205A (zh) | 2023-11-28 |
Family
ID=88852571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311130044.1A Pending CN117132205A (zh) | 2023-08-31 | 2023-08-31 | 备件保障水平的确定方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117132205A (zh) |
-
2023
- 2023-08-31 CN CN202311130044.1A patent/CN117132205A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ziarnetzky et al. | Rolling horizon, multi-product production planning with chance constraints and forecast evolution for wafer fabs | |
US20200242511A1 (en) | Dynamic Data Selection for a Machine Learning Model | |
US7213007B2 (en) | Method for forecasting using a genetic algorithm | |
Sawik | Integrated selection of suppliers and scheduling of customer orders in the presence of supply chain disruption risks | |
US9147171B2 (en) | Planning a response to an unplanned event | |
Sobel | Fill rates of single-stage and multistage supply systems | |
US20200134545A1 (en) | Supply chain forecasting system | |
US10002364B2 (en) | Consumption-driven forecasting using multi-level heterogeneous input data | |
CN113869801B (zh) | 一种企业数字中台的成熟状态评估方法和装置 | |
US20170061349A1 (en) | Methods and systems in evaluating and selecting a combination of shipping packages | |
Wang et al. | Cold-standby redundancy allocation problem with degrading components | |
CN111178830B (zh) | 成本的核算方法、装置、计算机设备和存储介质 | |
CN111626682B (zh) | 一种成本的核算方法、装置、计算机设备和存储介质 | |
Hussain et al. | Analysis of capacity constraints on the backlog bullwhip effect in the two-tier supply chain: a Taguchi approach | |
CN112036631B (zh) | 采购量确定方法、装置、设备及存储介质 | |
Zhang et al. | Optimal capacity expansion for multi-product, multi-machine manufacturing systems with stochastic demand | |
CN111274531A (zh) | 商品销售额预测方法、装置、计算机设备和存储介质 | |
CN113344282A (zh) | 容量数据处理、调配的方法、系统和计算机可读介质 | |
Wu et al. | Performance analysis of serial supply chain networks considering system disruptions | |
Sawik | Multi-objective master production scheduling in make-to-order manufacturing | |
Jiang et al. | Coping with shortages caused by disruptive events in automobile supply chains | |
CN117132205A (zh) | 备件保障水平的确定方法、装置、设备和存储介质 | |
CN115689442A (zh) | 基于大数据的商品跨区域供应链管理方法、装置和介质 | |
CN114925919A (zh) | 业务资源处理方法、装置、计算机设备和存储介质 | |
CN114037519A (zh) | 敞口风险评估方法、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 |