[发明专利]一种易损备件关联分析预测方法

说明书

本发明公开了一种易损备件关联分析预测方法，属于智能制造易损备件数据分析技术领域，其特征在于，包括以下步骤：a、数据预处理，去除备件数据源中的错误数据和空白数据；b、根据设定的支持度S和置信度C不断筛选最终的频繁项集合和关联项；c、数据集划分，按照固定时间段统计各类备件的交易数量，将数据划分为训练数据集合和测试数据集合；d、使用数据源对ARIMA模型进行训练，形成预测模型；e、预测分析，通过测试数据集合与分析预测结果对比分析，评估预测结果。本发明通过对易损件需求进行分析预测，在分析同时考虑相关备件的关联性，储备相关性较强的备件，进而能够提升装备和设备的可用性和完好率。

技术领域

本发明涉及到智能制造易损备件数据分析技术领域，尤其涉及一种易损备件关联分析预测方法。

背景技术

备件合理供应是保障装备、设备稳定运行和使用的关键因素，是提升装备和设备完好率的重要措施。在大型制造工厂中运转着成千上百台装备和设备，为使得工厂效益最大化基本要求就是要提升装备和设备的稳定性，当遇到故障时要及时解决处理，保障装备或设备快速回复正常运转，减少宕机时间。大型装备、设备中易损备件的储备占备件总需求量70％左右，易损件储备供应是装备、设备平稳运行的关键，传统备件计划采购和储备通常依靠人工经验的方式进行预估备件需求，这种方式预测方式在效率、准确性及稳定性方面较差，无法高效、精准指导备件采购和储备决策。

目前，备件预测方法主要有基于时间序列分析的预测方法、基于统计理论的预测方法和基于人工智能算法的预测方法。时间序列分析方法是以时间为关键特征，通过观察历史一段时间内，备件的需求波动情况来分析预测未来备件的需求趋势，主要分析模型有：AR模型，自回归分析；MA模型，滑动平均分析；ARMA模型，自回归滑动平均分析。

公开号为CN 107437116A，公开日为2017年12月05日的中国专利文献公开了一种面向使用和维修任务的装备保障性分析方法，其特征在于，包括：

步骤1、确定使用工作流程及工作项目；

步骤2、进行产品的预防性维修分析及修复性维修分析，对所述预防性维修分析给出预防性维修工作项目及维修间隔，对所述修复性维修分析，给出修复性维修工作项目；

步骤3、对步骤1及步骤2中的每个工作项目，设定流程及流程中每一道工序所需的保障资源需求；

步骤4、根据所述保障资源需求，进行单个需求的细化分析，包括保障设备需求分析、修理级别分析及培训需求分析；

步骤5、根据所述修理级别分析进行备件分析；

步骤6、进行保障性分析及评估。

该专利文献公开的面向使用和维修任务的装备保障性分析方法，明确了每个子分析方法的输入和输出的结果，既可约束装备设计，也可支撑装备全寿命周期内使用和维修的资源需求。但是，由于在分析的同时未考虑相关备件的关联性，因此不能保障装备的可用性和完好率。

发明内容

本发明为了克服上述现有技术的缺陷，提供一种易损备件关联分析预测方法，本发明通过对易损件需求进行分析预测，在分析同时考虑相关备件的关联性，储备相关性较强的备件，进而能够提升装备和设备的可用性和完好率。

本发明通过下述技术方案实现：

一种易损备件关联分析预测方法，其特征在于，包括以下步骤：

a、数据预处理，去除备件数据源中的错误数据和空白数据；

b、采用FP-Growth算法筛选备件训练数据的频繁项和关联项，将表格数据进行格式转换，使用树结构存储备件数据信息，依据FP-Growth算法的FP-Tree的构建规则，将备件统计信息存储到FP-Tree中，使用FP-Growth算法对FP-Tree进行频繁项挖掘，根据设定的支持度S和置信度C不断筛选最终的频繁项集合和关联项；