预测方法、装置及电子设备制造方法及图纸

本申请提供了一种备件需求量预测方法、装置及计算机设备，获取待测备件所属类型备件的历史数据，利用该历史数据，先验证该待测备件的历史需求量是否受环境条件影响，之后，利用与验证结果对应的机器学习算法，自动获得待测备件在今年的待测时间内的需求量，相对于传统预测方法未考虑备件在今年指定时间内的需求量是否受环境条件影响，如是否受雨季影响，本申请提出的这种备件需求量预测方法提供了预测准确性，能够在满足消费者对备件需求的同时，避免备件进货量过多，造成库存积压及资金积压。

Prediction methods, devices and electronic equipment

【技术实现步骤摘要】
预测方法、装置及电子设备
本申请主要涉及数据处理
，更具体地说是涉及一种预测方法及相关设备。
技术介绍
在实际应用中，对于如键盘、主板、显示屏、外壳等电子设备的使用寿命，很容易受到外界环境条件的影响，比如外界环境的湿度，湿度过大，很容易导致电子设备损坏。因此，对于一些雨季时间较长的地方，业务部门往往会在雨季到来之前预备较多电子设备的备件，满足客户在雨季的部件更换需求。目前，业务部门通常是根据去年雨季期间电子设备的损坏率，以及今年雨季期间电子设备的保有量，来预测今年雨季电子设备备件的需求量。但是，这种预测方式并未考虑考虑不同生产条件、不同厂商及不同生产成本等因素，对相同型号的备件在雨季受影响程度的不同，这就会导致现有预测方法无法准确预测出的备件需求量。因此，如何提高雨季电子设备备件需求量的预测准确性，成为技术人员急需解决的问题之一。
技术实现思路
有鉴于此，本申请提供了一种备件需求量预测方法、装置及计算机设备，解决了现有的预测方法对备件雨季需求量预测不准确的技术问题。为了解决上述技术问题，本申请提供了以下技术方案：一种备件需求量预测方法，方法包括获取备件的历史数据；利用所述历史数据，检测备件在往年指定时间内的需求量是否受环境条件影响；基于检测结果，利用机器学习算法，获得所述待测备件在今年指定时间内的预测需求量。可选的，所述利用所述历史数据，检测备件在往年指定时间内的需求量是否受环境条件影响，包括：利用所述历史数据，获得备件在往年指定时间内的需求量增长率和保有量增长率；对所述需求量增长率和所述保有量增长率进行比较；基于得到的比较结果，检测备件在往年指定时间内的需求量是否受环境条件影响。可选的，所述利用所述历史数据，检测备件在往年指定时间内的需求量是否受环境条件影响，还包括：利用所述历史数据中待测备件的历史保有量，确定所述待测备件当前所处生命周期的目标阶段；如果所述目标阶段是上升阶段，确定所述待测备件的需求量受指定时间内的环境条件影响；如果所述目标阶段不是上升阶段，执行步骤所述利用所述历史数据，获取备件在往年指定时间内的需求量增长率和保有量量增长率。可选的，所述基于检测结果，利用机器学习算法，获得所述待测备件在今年指定时间内的预测需求量，包括：利用所述待测备件在今年指定时间内的保有量，及所述待测备件所属类型备件在上升阶段的需求量增长率，得到所述待测备件在今年指定时间内的预测需求量；或者，采用移动平均方式，获得备件在上升阶段的历史平均需求量，并基于所述历史平均需求量及备件在上升阶段的历史需求量增长率，得到所述备件中的待测备件在今年指定时间内的预测需求量。可选的，所述基于检测结果，利用机器学习算法，获得所述待测备件在今年指定时间内的预测需求量，还包括：如果所述目标阶段是上升阶段，利用所述历史数据，获得备件的历史保有量变化数据和历史需求量变化数据；如果所述历史保有量变化数据与所述历史需求量变化数据匹配，执行步骤所述利用所述待测备件在今年指定时间内的保有量，及所述待测备件所属类型备件在上升阶段的需求量增长率，得到所述待测备件在今年指定时间内的预测需求量；如果所述历史保有量数据与所述历史需求量数据不匹配，执行步骤所述采用移动平均方式，获得备件在上升阶段的历史平均需求量。可选的，所述基于检测结果，利用机器学习算法，获得所述待测备件在今年指定时间内的预测需求量，还包括：如果所述目标阶段不是上升阶段，且所述待测备件的需求量受指定时间内的环境条件影响，执行步骤所述利用所述待测备件在今年指定时间内的保有量，及所述待测备件所属类型备件在上升阶段的需求量增长率，得到所述待测备件在今年指定时间内的预测需求量；如果所述目标阶段不是上升阶段，且所述待测备件的需求量不受指定时间内的环境条件影响，执行步骤所述采用移动平均方式，获得备件在上升阶段的历史平均需求量。可选的，所述需求量增长率的获取过程包括：获取与所述待测备件类型相同的多个备件在往年指定时间内的需求量，以及对应年份的指定时间相邻的前N个月和/或后N个月的需求量，N大于1；利用获取的需求量，计算所述多个备件分别具有的需求量增长率；获取得到的多个需求量增长率的平均值，并所述平均值作为与所述待测备件类型相同的多个备件的需求量增长率。一种备件需求量预测装置，包括：数据获取模块，用于获取备件的历史数据；检测模块，用于利用所述历史数据，检测备件在往年指定时间内的需求量是否受环境条件影响；预测模块，用于基于检测结果，利用机器学习算法，获得所述待测备件在今年指定时间内的预测需求量。可选的，所述检测模块包括：增长率获得单元，用于利用所述历史数据，获得备件在往年指定时间内的需求量增长率和保有量增长率；比较单元，用于对所述需求量增长率和所述保有量增长率进行比较；检测单元，用于基于得到的比较结果，检测备件在往年指定时间内的需求量是否受环境条件影响。一种计算机设备，包括：通信接口；存储器，用于存储实现如上所述的备件需求量预测方法的程序；处理器，用于加载并执行所述存储器存储的程序，所述程序用于：获取备件的历史数据；利用所述历史数据，检测备件在往年指定时间内的需求量是否受环境条件影响；基于检测结果，利用机器学习算法，获得所述待测备件在今年指定时间内的预测需求量。由此可见，与现有技术相比，本申请提供了一种备件需求量预测方法、装置及计算机设备，获取待测备件所属类型备件(即指定类型备件)的历史数据，利用该历史数据，先验证该待测备件的历史需求量是否受环境条件影响，之后，利用与验证结果对应的机器学习算法，自动获得待测备件在今年的待测时间内的需求量，相对于传统预测方法未考虑备件在今年指定时间内的需求量是否受环境条件影响，如是否受雨季影响，本申请提出的这种备件需求量预测方法提供了预测准确性，能够在满足消费者对备件需求的同时，避免备件进货量过多，造成库存积压及资金积压。附图说明为了更清楚地说明本申请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申请的实施例，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，还可以根据提供的附图获得其他的附图。图1为本申请实施例提供的一种备件需求量预测方法的流程示意图；图2为本申请实施例提供的一种备件需求量预测方法中，如何确定待测备件需求量是否受环境条件影响的流程示意图；图3为一种备件的多年需求量变化曲线；图4a为一种需求量受雨季影响的备件的需求量和保有量示意图；图4b为一种需求量不受雨季影响的备件的需求量和保有量示意图；图5为本申请实施例提供的一种备件需求量预测方法中，获得处于上升阶段的备件的预测需求量的流程示意图；图6为本申请实施例提供的一种备件需求量预测方法中，获得未处于上升阶段的备件的预测需求量的流程示意图；图7为本申请实施例提供的另一种备件需求量预测方法的流程示意图；图8为一种生命周期处于上升阶段的备件需求量示意图；图9为本申请实施例提供的一种备件需求量预测装置的结构示意图；图10为本申请实施例提供的另一种备件需求量预测装置的结构示意图；图11为本申请实施例提供的又一种备件需求量预测装置的结构示意图；图12为本申请实施例提供的一种计算机设备的硬件结构示意图。具体实施方式下面将结合本申请本文档来自技高网...

【技术保护点】
1.一种备件需求量预测方法，方法包括获取备件的历史数据；利用所述历史数据，检测备件在往年指定时间内的需求量是否受环境条件影响；基于检测结果，利用机器学习算法，获得所述待测备件在今年指定时间内的预测需求量。

【技术特征摘要】
1.一种备件需求量预测方法，方法包括获取备件的历史数据；利用所述历史数据，检测备件在往年指定时间内的需求量是否受环境条件影响；基于检测结果，利用机器学习算法，获得所述待测备件在今年指定时间内的预测需求量。2.根据权利要求1所述的方法，所述利用所述历史数据，检测备件在往年指定时间内的需求量是否受环境条件影响，包括：利用所述历史数据，获得备件在往年指定时间内的需求量增长率和保有量增长率；对所述需求量增长率和所述保有量增长率进行比较；基于得到的比较结果，检测备件在往年指定时间内的需求量是否受环境条件影响。3.根据权利要求2所述的方法，所述利用所述历史数据，检测备件在往年指定时间内的需求量是否受环境条件影响，还包括：利用所述历史数据中待测备件的历史保有量，确定所述待测备件当前所处生命周期的目标阶段；如果所述目标阶段是上升阶段，确定所述待测备件的需求量受指定时间内的环境条件影响；如果所述目标阶段不是上升阶段，执行步骤所述利用所述历史数据，获取备件在往年指定时间内的需求量增长率和保有量量增长率。4.根据权利要求3所述的方法，所述基于检测结果，利用机器学习算法，获得所述待测备件在今年指定时间内的预测需求量，包括：利用所述待测备件在今年指定时间内的保有量，及所述待测备件所属类型备件在上升阶段的需求量增长率，得到所述待测备件在今年指定时间内的预测需求量；或者，采用移动平均方式，获得备件在上升阶段的历史平均需求量，并基于所述历史平均需求量及备件在上升阶段的历史需求量增长率，得到所述备件中的待测备件在今年指定时间内的预测需求量。5.根据权利要求4所述的方法，所述基于检测结果，利用机器学习算法，获得所述待测备件在今年指定时间内的预测需求量，还包括：如果所述目标阶段是上升阶段，利用所述历史数据，获得备件的历史保有量变化数据和历史需求量变化数据；如果所述历史保有量变化数据与所述历史需求量变化数据匹配，执行步骤所述利用所述待测备件在今年指定时间内的保有量，及所述待测备件所属类型备件在上升阶段的需求量增长率，得到所述待测备件在今年指定时间内的预测需求量；如果所述历史保有量数据与所述历史需求量数据不匹配，...

【专利技术属性】
技术研发人员：张亚红，欧阳文理，张秀玲，朱明达，王瑾睿，
申请(专利权)人：联想北京有限公司，
类型：发明
国别省市：北京,11