一种产品返修量的预测方法和系统技术方案

本发明专利技术实施例提供了一种产品返修量的预测方法和系统。本发明专利技术实施例通过建立销量反馈模型，所述销量反馈模型根据近期销量数据反馈返修量的预测值；建立返修量变化趋势模型，所述返修量变化趋势模型根据近期返修量的变化趋势反馈返修量的预测值；对所述销量反馈模型和返修量变化趋势模型联合建立线性组合预测模型，根据所述线性组合预测模型反馈产品返修量；本发明专利技术通过对产品的返修量和销量的滞后关系进行建模，根据近期销量数据推算出返修量的预测值。同时，返修量的变化具有趋势性和平滑性，对历史数据中的变化规律进行建模，合理推测了其未来取值。

【技术实现步骤摘要】
一种产品返修量的预测方法和系统
本专利技术涉及数据挖掘领域，尤其涉及一种产品返修量的预测方法和系统。
技术介绍
在正常运营中，返修量的不确定性是售后部门安排工作计划的难点问题。如果不能有预见性地留存零件、安排维修人员，返修量变化可能打乱正常的产品运营，引起大量返修拖期，严重影响客户体验。因此，需要预测产品的返修量，从而制定有效的维修策略，合理安排维修计划，减缓返修对整个产品经营体系的冲击。时间序列分析法是指利用预测对象的历史数据，推测其未来发展趋势的预测方法，典型的方法有灰度预测、自回归模型等。现有的产品销量、价格等预测方法一般采用这类时间序列分析法。但是单纯采用时间序列分析法仍然存在一定的局限性，目前还没有一种方法可以准确销量反馈模型对返修量的滞后影响并同时考虑返修量自身变化趋势的返修量预测方法。
技术实现思路
本专利技术的实施例提供了一种产品返修量的预测方法和系统。本专利技术提供如下方案：建立销量反馈模型，所述销量反馈模型根据近期销量数据反馈返修量的预测值建立返修量变化趋势模型，所述返修量变化趋势模型根据近期返修量的变化趋势反馈返修量的预测值对所述销量反馈模型和返修量变化趋势模型联合建立线性组合预测模型，根据所述线性组合预测模型反馈产品返修量Yt；Yt＝aYts+(1-a)Yth；其中，a为控制所述销量反馈模型预测结果和所述返修量变化趋势模型预测结果的融合比例参数。根据本专利技术的上述方法，所述建立销量反馈模型，包括：按自然月分时间段，将产品从售出之后第k月的返修率记为Pk，其中，k＝1…n；n的值优选使得售出n个月后的产品返修率之和小于10％，即预测的时间点第t月时，产品在第t月的k月前的销量为Mt-k,由销量反馈预测的第t月返修量为建立销量反馈模型如下式所示：根据本专利技术的上述方法，建立销量反馈模型，还包括：将历史实际产品返修量代入作为返修量的预测值t可为任意自然数，结合实际销量Nt，用线性回归计算得到Pk，k＝1…n，n的值优选使得残差平方和尽可能小；预测的时间点第t月时，产品在第t月的k月前的销量为Nt-k,由销量反馈预测的第t月返修量为建立销量反馈模型如下式所示：根据本专利技术的上述方法，所述建立返修量变化趋势模型，包括：采用自回归差分滑动平均模型ARIMA建模，建立返修量变化趋势模型如下式所示：其中，包含p个自回归项、d阶差分项、q个滑动平均项，L是延迟算子，是自回归参数，θ是滑动平均参数，ε是误差项。根据本专利技术的上述方法，包括：通过历史数据计算得到最近m个月的销量反馈模型反馈的返修量的预测值和返修量变化趋势模型反馈的返修量的预测值其中，m为正整数，设定当前时间点为第T月，预测时间点为第t月，t＝(T-m)，…，(T-1)；其中，结合最近m个月的实际返修量yt，t＝(T-m)，…，(T-1)，对线性组合预测模型进行最小二乘拟合得到所述融合比例参数a的最优值。根据本专利技术的另一方面，还提供一种产品返修量的预测系统，包括：第一建模模块：其用于建立销量反馈模型，所述销量反馈模型根据近期销量数据反馈返修量的预测值第二建模模块：其用建立返修量变化趋势模型，所述返修量变化趋势模型根据近期返修量的变化趋势反馈返修量的预测值组合建模模块：其用于对所述销量反馈模型和返修量变化趋势模型联合建立线性组合预测模型，根据所述线性组合预测模型反馈产品返修量Yt；Yt＝aYts+(1-a)Yth；其中，a为控制所述销量反馈模型预测结果和所述返修量变化趋势模型预测结果的融合比例参数。根据本专利技术的另一方面，所述第一建模模块，其具体用于，按自然月分时间段，将产品从售出之后第k月的返修率记为Pk，其中，k＝1…n；n的值优选使得售出n个月后的产品返修率之和小于10％，即预测的时间点第t月时，产品在第t月的k月前的销量为Mt-k,由销量反馈预测的第t月返修量为建立销量反馈模型如下式所示：根据本专利技术的另一方麻烦，所述第一建模模块，具体还用于：将历史实际产品返修量代入作为返修量的预测值t可为任意自然数，结合实际销量Nt，用线性回归计算得到Pk，k＝1…n，n的值优选使得残差平方和尽可能小；预测的时间点第t月时，产品在第t月的k月前的销量为Nt-k,由销量反馈预测的第t月返修量为建立销量反馈模型如下式所示：根据本专利技术的另一方面，所述第二建模模块，具体用于：采用自回归差分滑动平均模型ARIMA建模，建立返修量变化趋势模型如下式所示：其中，包含p个自回归项、d阶差分项、q个滑动平均项，L是延迟算子，φ是自回归参数，θ是滑动平均参数，ε是误差项。根据本专利技术的另一方面，所述组合建模模块，具体还用于：通过历史数据计算得到最近m个月的销量反馈模型反馈的返修量的预测值和返修量变化趋势模型反馈的返修量的预测值其中，m为正整数，设定当前时间点为第T月，预测时间点为第t月，t＝(T-m)，…，(T-1)；其中，结合最近m个月的实际返修量yt，t＝(T-m)，…，(T-1)，对线性组合预测模型Yt进行最小二乘拟合得到所述融合比例参数a的最优值。由上述本专利技术的实施例提供的技术方案可以看出，本专利技术实施例通过建立销量反馈模型，所述销量反馈模型根据近期销量数据反馈返修量的预测值建立返修量变化趋势模型，所述返修量变化趋势模型根据近期返修量的变化趋势反馈返修量的预测值对所述销量反馈模型和返修量变化趋势模型联合建立线性组合预测模型，根据所述线性组合预测模型反馈产品返修量Yt；本专利技术在商业智能应用中，返修量的准确预测可以实现有预见性地留存零件、安排维修人员，避免返修量变化引起的客户体验下降等商业事故。通过对产品的返修量和销量的滞后关系进行建模，根据近期销量数据推算出返修量的预测值。同时，返修量的变化具有趋势性和平滑性，对历史数据中的变化规律进行建模，合理推测了其未来取值。本专利技术建模了返修量自身变化趋势和销量变化对返修量的影响，并组合这两种模型，准确预测了产品的返修量。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例一提供的一种产品返修量的预测方法的处理流程图；图2为本专利技术实施例二提供的一种产品返修量的预测系统的系统模块图。具体实施方式为便于对本专利技术实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本专利技术实施例的限定。实施例一该实施例提供了一种产品返修量的预测方法的处理流程图如图1所示，其处理步骤如下：步骤11、建立销量反馈模型，所述销量反馈模型根据近期销量数据反馈返修量的预测值本实施例提供两种建立建立销量反馈模型的方法，第一种方法：按自然月分时间段，将产品从售出之后第k月的返修率记为Pk，其中，k＝1…n；n的值优选使得售出n个月后的产品返修率之和小于10％，即预测的时间点第t月时，产品在第t月的k月前的销量为Mt-k,由销量反馈预测的第t月返修量为建立销量反馈模型如下式所示：建立销量反馈模型，第二种方法：将历史实际产品返修量代入作为返修量的预测值t可为任意自然数，结合实际销量Nt，用线性回归计算得到Pk，k本文档来自技高网...

【技术保护点】
一种产品返修量的预测方法，其特征在于，包括：建立销量反馈模型，所述销量反馈模型根据近期销量数据反馈返修量的预测值

【技术特征摘要】
1.一种产品返修量的预测方法，其特征在于，包括：建立销量反馈模型，所述销量反馈模型根据近期销量数据反馈返修量的预测值建立返修量变化趋势模型，所述返修量变化趋势模型根据近期返修量的变化趋势反馈返修量的预测值对所述销量反馈模型和返修量变化趋势模型联合建立线性组合预测模型，根据所述线性组合预测模型反馈产品返修量Yt；其中，a为控制所述销量反馈模型预测结果和所述返修量变化趋势模型预测结果的融合比例参数。2.根据权利要求1所述的一种产品返修量的预测方法，其特征在于，所述建立销量反馈模型，包括：按自然月分时间段，将产品从售出之后第k月的返修率记为Pk，其中，k＝1…n；n的值优选使得售出n个月后的产品返修率之和小于10％，即预测的时间点第t月时，产品在第t月的k月前的销量为Mt-k,由销量反馈预测的第t月返修量为建立销量反馈模型如下式所示：。3.根据权利要求2所述的一种产品返修量的预测方法，其特征在于，建立销量反馈模型，还包括：将历史实际产品返修量代入作为返修量的预测值t可为任意自然数，结合实际销量Nt，用线性回归计算得到Pk，k＝1…n，n的值优选使得残差平方和尽可能小；预测的时间点第t月时，产品在第t月的k月前的销量为Nt-k,由销量反馈预测的第t月返修量为建立销量反馈模型如下式所示：。4.根据权利要求1所述的一种产品返修量的预测方法，其特征在于，所述建立返修量变化趋势模型，包括：采用自回归差分滑动平均模型ARIMA建模，建立返修量变化趋势模型如下式所示：其中，包含p个自回归项、d阶差分项、q个滑动平均项，L是延迟算子，是自回归参数，θ是滑动平均参数，ε是误差项。5.根据权利要求1至4任一项所述的一种产品返修量的预测方法，其特征在于，包括：通过历史数据计算得到最近m个月的销量反馈模型反馈的返修量的预测值和返修量变化趋势模型反馈的返修量的预测值其中，m为正整数，设定当前时间点为第T月，预测时间点为第t月，t＝(T-m)，…，(T-1)；其中，结合最近m个月的实际返修量yt，t＝(T-m)，…，(T-1)，对线性组合预测模型进行最小二乘拟合得到所述融合比例参数a的最优值。6.一种产品返修量的预测系统，其特征在于，包...

【专利技术属性】
技术研发人员：胡懋地，林文辉，
申请(专利权)人：航天信息股份有限公司，
类型：发明
国别省市：北京,11