[发明专利]一种基于缺陷数据的备品备件需求预测方法

说明书

技术领域

本发明涉及仓库针对备品备件需求的分析预测技术领域，尤其涉及一种基于缺陷数据的备品备件需求预测系统及方法。

背景技术

在各领域的设备运行维护工作中（特别是电力设备），其过程是巡视人员发现设备存在缺陷，上报至检修人员处理，检修人员根据巡视人员对缺陷的外在表现、缺陷发生部位等描述信息，结合自己的工作经验，初步判定可能需要哪些备品备件，领取备品备件，去实地检查并处理缺陷。这种方式存在以下问题：

1、由于巡视人员对缺陷的外在表现、缺陷发生的部位描述不准确，导致检修人员对消除缺陷所需备品备件判断错误，耽误消缺工作。

2、依赖于检修人员的工作经验，判断消缺所需备品备件，尤其对于新招收的检修人员，错误领取备品备件的几率较大。

3、依赖于检修人员的工作经验，判断所需备品备件的储备配置，可能造成无效备品备件的长期占用库存和备品备件的储备不足。

发明内容

本发明所要解决的技术问题在于，提供一种基于缺陷数据的备品备件需求预测系统及方法，有效提高了领用人领用备品备件的准确性和可靠性，避免错误领用，减少时间损耗，同时有效提高了备品备件的储备配置科学性，避免无效备品备件的长期占用库存和备品备件的储备不足。

本发明提供的一种基于缺陷数据的备品备件需求预测系统，可包括：数据储存模块，数据识别检索模块，数据组合模块，数据分析运算模块，数据输出模块。

本发明提供的预测系统其预测方法，可包括：

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。

其中，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。

其中，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。

其中，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。

其中，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。

其中，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。

其中，所述逻辑函数为：。

其中，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。

本发明实施例的有益效果在于：

本发明是基于缺陷数据的备品备件需求预测方法。一方面，有效提高了领用人领用备品备件的准确性和可靠性，避免错误领用，减少时间损耗；一方面，避免了由于巡视人员对缺陷的外在表现、缺陷发生的部位描述不准确，导致检修人员对消除缺陷所需备品备件判断错误，耽误消缺工作；第二方面，降低了新招收的检修人员因为工作经验缺乏导致的错误领取备品备件的几率；第三方面，有效提高了备品备件的储备配置科学性，避免无效备品备件的长期占用库存和备品备件的储备不足。

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。

图1是本发明实施例的基于缺陷数据的备品备件需求预测方法的流程示意图。

图2是本发明实施例的所引用的逻辑函数的运算示意图。

具体实施方式

以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。