【技术实现步骤摘要】
备件库存确定方法、备件库存确定装置和电子设备
本公开涉及一种备件库存确定方法、备件库存确定装置和电子设备。
技术介绍
备件亦称备品配件(SpareParts)，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(SparePartsManagement)，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。
技术实现思路
本公开的一个方面提供...
【技术保护点】
1.一种备件库存确定方法，包括：/n获取待测备件关于指定时间区间的预测需求数据；/n获取优化模型，其中，所述优化模型基于所述待测备件的多组历史数据以及启发式学习过程得到，所述多组历史数据中的每组历史数据包括：历史预测需求数据和历史实际使用数据；以及/n将所述预测需求数据输入至所述优化模型的输入层，以使所述优化模型的输出层输出所述待测备件关于指定时间区间的预测库存数据。/n
【技术特征摘要】
1.一种备件库存确定方法，包括：
获取待测备件关于指定时间区间的预测需求数据；
获取优化模型，其中，所述优化模型基于所述待测备件的多组历史数据以及启发式学习过程得到，所述多组历史数据中的每组历史数据包括：历史预测需求数据和历史实际使用数据；以及
将所述预测需求数据输入至所述优化模型的输入层，以使所述优化模型的输出层输出所述待测备件关于指定时间区间的预测库存数据。
2.根据权利要求1所述的方法，其中，所述启发式学习过程包括：
获取模型结构；
基于所述模型结构和所述多组历史数据中的第一数量组历史数据，确定所述模型结构的初始参数；以及
基于所述多组历史数据中的第二数量组历史数据，利用模拟退火算法对所述初始参数进行迭代优化，以得到所述优化模型。
3.根据权利要求2所述的方法，其中，所述基于所述模型结构和所述多组历史数据中的第一数量组历史数据，确定所述模型结构的初始参数包括：
确定所述第一数量组历史数据中的历史预测需求数据相对于历史实际使用数据的均方根误差；
对于所述第一数量组历史数据中的任一组历史数据，确定所述任一组历史数据中历史实际使用数据和历史预测需求数据之间的偏差量，并将所述偏差量与所述均方根误差的比值作为针对所述任一组历史数据的第一初始参数；以及
基于针对所述第一数量组历史数据的第一数量个第一初始参数，确定所述初始参数。
4.根据权利要求3所述的方法，其中，所述基于针对所述第一数量组历史数据的第一数量个第一初始参数，确定所述初始参数包括：
将所述第一数量个第一初始参数的平均值作为所述初始参数；或者
将所述第一数量个第一初始参数中的最大值作为所述初始参数。
5.根据权利要求2所述的方法，其中，所述基于所述多组历史数据中的第二数量组历史数据，利用模拟退火算法对所述初始参数进行迭代优化包括：
定义初始温度；
基于所述第二数量组历史数据，利用模拟退火算法执行至少一个迭代优化过程；
对于所述至少一个迭代优化过程中的任一迭代优化过程，当迭代次数达到第三数量时，得到针对所述任一迭代优化过程的更新参数；
从针对所述至少一个迭代优化过程的至少一个更新参数中选取优化更新参数；
降低所述初始温度以得到更新温度；以及
确定是否符合第一预定条件，如果是，则基于所述优化更新参数和所述模型结构得到所述优化模型，如果否，则将所述优化更新参数作为新一轮次的初始参数，并将所述更新温度作为新一轮次的初始温度，重复上述操作。
6.根据权利要求5所述的方法，其中，所述任一迭代优化过程包括：
将所述初始参数变换为更新参数；
基于所述更新参数、所述模型结构和所述第二数量组...
【专利技术属性】
技术研发人员：陈宏业，朱明达，欧阳文理，王蒙，范伟，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。