[发明专利]一种基于缺陷数据的备品备件需求预测方法

权利要求书

1.一种基于缺陷数据的备品备件需求预测方法，其特征在于，包括：

步骤S1，在预测系统中提取与备品备件需求预测计算相关的历史数据；

步骤S2，根据所述历史数据训练备品备件需求预测模型；

步骤S3，通过所述备品备件需求预测模型预测备品备件名称并输出；

步骤S4，根据实际消缺情况，比对系统所输出的名称是否有不一致，将不一致的部分补充进历史数据库中，重新训练需求预测模型。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1具体包括：

引用所述历史数据的数据库中的缺陷数据，并且对各类所述缺陷数据进行拼接，合并成为含有缺陷数据的非结构化的句子；

将所述含有缺陷数据的非结构化的句子进行分词，转换为文档词语，建立结构化矩阵，用于检索调用。

3.根据权利要求2所述的方法，其特征在于，所述分词方式是将名词、形容词、动词、冠词等中国汉语中所包含的词语类别逐一分开。

4.根据权利要求2所述的方法，其特征在于，所述缺陷数据包括：消缺前巡视人员上报的信息，消缺后检修人员上报的信息，所需备品备件名称。

5.根据权利要求4所述的方法，其特征在于，所述消缺前巡视人员上报的信息包括：缺陷描述、缺陷类别、缺陷发生部位、缺陷发生站点。

6.根据权利要求1所述的方法，其特征在于，所述步骤S2具体包括：

将所述缺陷文档词语矩阵作为预测变量，所述备品备件名称数值列作为被预测变量，引用建立在线性回归基础上的所述需求预测模型，并套用逻辑函数，将所述预测离散变量进行分类；

用不同的数据组成不同的训练集和测试集，训练三次所述需求预测模型；

使用所述三次需求预测模型的预测准确率的平均值作为最终稳定的准确率。

7.根据权利要求6所述的方法，其特征在于，所述逻辑函数为：。

8.根据权利要求1所述的方法，其特征在于，

所述步骤S4具体包括：将所述历史数据的数据库中未出现，但在实际检修中又使用到的备品备件及其对应的缺陷数据加入到系统数据库中作为历史数据，重新进行备品备件需求预测模型。