[发明专利]备件需求预测方法、备件需求预测装置和电子设备

说明书

本公开提供了一种备件需求预测方法，包括：获取至少两个预测模型，其中，所述至少两个预测模型中任意两个预测模型不同，所述至少两个预测模型中的每个预测模型基于历史备件使用数据训练得到，所述至少两个预测模型均具有代价敏感性；利用所述至少两个预测模型分别对待测备件数据进行处理，得到至少两个针对所述待测备件数据在需求上升期内的备件需求预测数量；以及基于所述至少两个针对所述待测备件数据在需求上升期内的备件需求预测数量，确定针对所述待测备件数据的目标预测数量。本公开还提供了一种备件需求预测装置和电子设备。

技术领域

本公开涉及一种备件需求预测方法、装置和电子设备。

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。例如，生产厂商需要针对其所生产的物品进行备件管理，使得备件的储备在保修期间满足用户对备件更换的需求，同时还需要降低整个备件供应链的运营成本，如物流成本、库存成本等。这其中的重要环节是对用户在未来时间内的备件需求做出准确的预测，从而才能对备件供应链余下环节如采购、物流、库存和服务等产生积极影响。

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。

发明内容

本公开的一个方面提供了一种备件需求预测方法，包括：获取至少两个预测模型。其中，上述至少两个预测模型中任意两个预测模型均不同，上述至少两个预测模型中的每个预测模型基于历史备件使用数据训练得到，上述至少两个预测模型均具有代价敏感性。然后，利用上述至少两个预测模型分别对待测备件数据进行处理，得到至少两个针对待测备件数据在需求上升期内的备件需求预测数量。接着基于上述至少两个针对待测备件数据在需求上升期内的备件需求预测数量，确定针对待测备件数据的目标预测数量。

可选地，上述获取至少两个预测模型包括：获取第一预测模型。其中，第一预测模型为在第一回归模型的基础上增加第一调整量后得到的，第一回归模型是基于历史备件使用数据和第一回归目标函数训练得到的，第一调整量使得第一预测模型关于历史备件使用数据的代价值最小。

可选地，上述获取至少两个预测模型还包括：获取第二预测模型。其中，第二预测模型为在第二回归模型的基础上增加第二调整量后得到的，第二回归模型是基于历史备件使用数据和第二回归目标函数训练得到的，第二调整量使得第二预测模型关于历史备件使用数据的代价值最小，第二回归目标函数与第一回归目标函数不同。

可选地，第二回归目标函数为分位数回归目标函数。

可选地，在第二回归模型针对历史备件使用数据的备件需求预测数量与历史备件使用数据的实际使用数量之间的差异为第一数值的情况下，分位数回归目标函数在第一数值为正数时的取值小于所述分位数回归目标函数在第一数值为负数时的取值。

可选地，第一预测模型关于历史备件使用数据的代价值为：基于第一预测模型针对所述历史备件使用数据的备件需求预测数量与历史备件使用数据的实际使用数量之间的差异、以及第一代价函数计算得到的。备选地或附加地，第二预测模型关于历史备件使用数据的代价值为：基于第二预测模型针对历史备件使用数据的备件需求预测数量与历史备件使用数据的实际使用数量之间的差异、以及第二代价函数计算得到的。