用于预测备件储备量的方法、装置及系统制造方法及图纸

本公开提供了一种用于预测备件储备量的方法。所述方法包括：获取备件的出库记录；从所述出库记录中提取所述备件的出库特征；基于所述出库特征对所述备件进行聚类，得到对应的多个类别；确定第一备件在所述多个类别中所属的第一类别；以及以与所述第一类别中的备件相同的方式来预测所述第一备件的储备量。本公开还提供了一种用于预测备件储备量的装置、及系统。

Methods, devices and systems for predicting spare parts reserve

【技术实现步骤摘要】
用于预测备件储备量的方法、装置及系统
本公开涉及一种用于预测备件储备量的方法、装置及系统。
技术介绍
工业设备管理的工业备品库存管理中，对备件的储备量的预测对备件的采购计划、设备维修保养计划以及企业的生产成本都有指导作用。精确的出库量预测能够有效提高工业备件的流转率从而降低库存成本。由于工业备品的种类十分复杂，不同种类的备件预测方法存在差异。目前对不同种类的备件的储备量进行预测时，一种常用策略是利用备件标签进行筛选分类，然后对不同类别使用不同的建模预测方法。反而，由于备件标签是备件入库时设置的标签，往往是出于备件的所属设备等信息进行分类的，对于备件的使用数据提示作用不明确。另一种常用策略是通过对备件历史使用数据进行观察，设置筛选条件(例如，时序值缺失比例与观测周之比)将备件区分为连续型备件和间断型备件两类，然后使用不同方法建模预测的。然而对备件历史使用数据进行观察来进行预测时，当某个备件为新引入的备件时，会存在历史数据积累不足，导致预测使用曲线时存在“冷启动”的问题。很难在早期提前提出采购的参考计划。可见，现有技术中对备件进行储备情况预测时存在较大的不科学性，无法合理的预测备件的储备量变动情况。
技术实现思路
本公开的一个方面提供了用于预测备件储备量的方法。所述方法包括：获取备件的出库记录；从所述出库记录中提取所述备件的出库特征；基于所述出库特征对所述备件进行聚类，得到对应的多个类别；确定第一备件在所述多个类别中所属的第一类别；以及以与所述第一类别中的备件相同的方式来预测所述第一备件的储备量。根据本公开的实施例，所述从所述出库记录中提取所述备件的出库特征包括：对所述出库记录按照第一规则处理，得到所述出库特征，其中所述第一规则包括获取每个备件的第一出库量时序特征、每个备件的属性特征、以及每个备件的出库量的统计学特征中的至少之一，其中，每个备件的出库量时序特征是按照固定的时间窗口对每个备件的时序出库量数据提取后进行合并得到的，每个备件的属性特征包括每个备件的一个或多个预置的属性信息。根据本公开的实施例，所述从所述出库记录中提取所述备件的出库特征包括：对所述出库记录按照第二规则处理，得到所述出库特征，其中所述第二规则包括提取利用自编码神经网络对每个备件的时序出库量数据进行压缩得到的第二出库量时序特征。根据本公开的实施例，所述从所述出库记录中提取所述备件的出库特征包括：对出库记录按照第一规则处理，得到所述备件的第一组特征，其中所述第一规则包括获取每个备件的第一出库量时序特征、每个备件的属性特征、以及每个备件的出库量的统计学特征中的至少之一，其中，每个备件的出库量时序特征是按照固定的时间窗口对每个备件的时序出库量数据提取后进行合并得到，每个备件的属性特征包括每个备件的一个或多个预置的属性信息；对所述出库记录按照第二规则处理，得到所述备件的第二组特征，其中所述第二规则包括提取利用自编码神经网络对每个备件的时序出库量数据进行压缩得到的第二出库量时序特征；对所述第一组特征和所述第二组特征进行量纲统一化处理，分别得到第一特征向量和第二特征向量；以及将所述第一特征向量和所述第二特征向量合并，得到所述出库特征。根据本公开的实施例，所述对所述第一组特征和所述第二组特征进行量纲统一化处理，得到所述第一特征向量包括：基于第一组特征，对所述备件进行高斯混合聚类，得到k个类别；对于每个备件，获取每个备件归属于所述k个类别中的每个类别的概率，以得到k个概率值；以及通过所述k个概率值组成所述第一特征向量，其中k为大于等于2的整数。所述对所述第一组特征和所述第二组特征进行量纲统一化处理，得到所述第二特征向量包括：基于第二组特征，对所述备件进行高斯混合聚类，得到m个类别；对于每个备件，获取每个备件归属于所述m个类别中的每个类别的概率，以得到m个概率值；以及通过所述m个概率值组成所述第二特征向量，其中m为大于等于2的整数。根据本公开的实施例，所述基于所述出库特征对所述备件进行聚类，得到对应的多个类别，包括基于所述出库特征，对所述备件进行层次聚类。根据本公开的实施例，所述确定第一备件在所述多个类别中所属的第一类别包括：在所述备件包括所述第一备件的情况下，以在对所述备件进行聚类的聚类结果中所述第一备件所属的类别作为所述第一类别；或者在所述备件不包括所述第一备件的情况下，基于所述第一备件的所述出库特征将所述第一备件分类到所述多个类别其中之一，以确定所述第一类别。本公开的另一方面，提供了一种用于预测备件储备量的装置。所述装置包括出库记录获取模块、出库特征提取模块、聚类模块以及库存预测模块。所述出库记录获取模块用于获取备件的出库记录。所述出库特征提取模块用于从所述出库记录中提取所述备件的出库特征。所述聚类模块用于基于所述出库特征对所述备件进行聚类，得到对应的多个类别。所述类别确定模块用于确定第一备件在所述多个类别中所属的第一类别。所述库存预测模块用于以与所述第一类别中的备件相同的方式来预测所述第一备件的储备量。根据本公开的实施例，所述出库特征提取模块包括第一组特征提取子模块、第二组特征提取子模块、量纲统一子模块以及出库特征获得子模块。所述第一组特征提取子模块用于对出库记录按照第一规则处理，得到所述备件的第一组特征，其中所述第一规则包括获取每个备件的第一出库量时序特征、每个备件的属性特征、以及每个备件的出库量的统计学特征中的至少之一，其中，每个备件的出库量时序特征是按照固定的时间窗口对每个备件的时序出库量数据提取后进行合并得到，每个备件的属性特征包括每个备件的一个或多个预置的属性信息。所述第二组特征提取子模块用于对所述出库记录按照第二规则处理，得到所述备件的第二组特征，其中所述第二规则包括提取利用自编码神经网络对每个备件的时序出库量数据进行压缩得到的第二出库量时序特征。所述量纲统一子模块用于对所述第一组特征和所述第二组特征进行量纲统一化处理，分别得到第一特征向量和第二特征向量。所述出库特征获得子模块用于将所述第一特征向量和所述第二特征向量合并，得到所述出库特征。本公开的另一方面提供了一种用于预测备件储备量的系统。所述系统包括处理器以及存储器。所述存储器上存储有可执行指令，所述指令被所述处理器执行时使所述处理器执行如上所述的方法。本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。本公开的另一方面提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。附图说明为了更完整地理解本公开及其优势，现在将参考结合附图的以下描述，其中：图1示意性示出了根据本公开实施例的用于预测备件储备量的方法和装置的应用场景；图2示意性示出了根据本公开一实施例的用于预测备件储备量的方法的流程图；图3示意性示出了根据本公开实施例的用于预测备件储备量的方法中预测第一备件的储备量的方法流程；图4示意性示出了根据本公开另一实施例的用于预测备件储备量的本文档来自技高网...

【技术保护点】
1.一种用于预测备件储备量的方法，包括：/n获取备件的出库记录；/n从所述出库记录中提取所述备件的出库特征；/n基于所述出库特征对所述备件进行聚类，得到对应的多个类别；/n确定第一备件在所述多个类别中所属的第一类别；以及/n以与所述第一类别中的备件相同的方式来预测所述第一备件的储备量。/n

【技术特征摘要】
1.一种用于预测备件储备量的方法，包括：
获取备件的出库记录；
从所述出库记录中提取所述备件的出库特征；
基于所述出库特征对所述备件进行聚类，得到对应的多个类别；
确定第一备件在所述多个类别中所属的第一类别；以及
以与所述第一类别中的备件相同的方式来预测所述第一备件的储备量。


2.根据权利要求1所述的方法，其中，所述从所述出库记录中提取所述备件的出库特征包括：
对所述出库记录按照第一规则处理，得到所述出库特征，其中所述第一规则包括获取每个备件的第一出库量时序特征、每个备件的属性特征、以及每个备件的出库量的统计学特征中的至少之一，其中，每个备件的出库量时序特征是按照固定的时间窗口对每个备件的时序出库量数据提取后进行合并得到的，每个备件的属性特征包括每个备件的一个或多个预置的属性信息。


3.根据权利要求1所述的方法，其中，所述从所述出库记录中提取所述备件的出库特征包括：
对所述出库记录按照第二规则处理，得到所述出库特征，其中所述第二规则包括提取利用自编码神经网络对每个备件的时序出库量数据进行压缩得到的第二出库量时序特征。


4.根据权利要求1所述的方法，其中，所述从所述出库记录中提取所述备件的出库特征包括：
对出库记录按照第一规则处理，得到所述备件的第一组特征，其中所述第一规则包括获取每个备件的第一出库量时序特征、每个备件的属性特征、以及每个备件的出库量的统计学特征中的至少之一，其中，每个备件的出库量时序特征是按照固定的时间窗口对每个备件的时序出库量数据提取后进行合并得到，每个备件的属性特征包括每个备件的一个或多个预置的属性信息；
对所述出库记录按照第二规则处理，得到所述备件的第二组特征，其中所述第二规则包括提取利用自编码神经网络对每个备件的时序出库量数据进行压缩得到的第二出库量时序特征；
对所述第一组特征和所述第二组特征进行量纲统一化处理，分别得到第一特征向量和第二特征向量；以及
将所述第一特征向量和所述第二特征向量合并，得到所述出库特征。


5.根据权利要求4所述的方法，其中：
对所述第一组特征和所述第二组特征进行量纲统一化处理，得到所述第一特征向量包括：
基于第一组特征，对所述备件进行高斯混合聚类，得到k个类别；
对于每个备件，获取每个备件归属于所述k个类别中的每个类别的概率，以得到k个概率值；以及
通过所述k个概率值组成所述第一特征向量，其中k为大于等于2的整数；
对所述第一组特征和所述第二组特征进行量纲统一化处理，得到所述第二特征向量包括：...

【专利技术属性】
技术研发人员：夏蕴，支宸啸，
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