一种配件需求的预测模型构建方法、装置及计算机设备制造方法及图纸

本申请提供一种配件需求的预测模型构建方法、装置及计算机设备。该方法包括：获取包含不同参考类型的配件对应的基础数据；通过预设长度的时间滑窗将基础数据划分为多个数据集，每个数据集包括不同的特征因子，各特征因子包括第(n

【技术实现步骤摘要】
一种配件需求的预测模型构建方法、装置及计算机设备


[0001]本申请涉及计算机
，尤其涉及一种配件需求的预测模型构建方法、装置及计算机设备。

技术介绍

[0002]在制造业的供应链体系中，售后配件的需求预测是一项关键计划，其直接影响着配件供应商、经销商等上下游企业的库存规划和供应能力，同时对资金占用、现货满足率等运营指标影响巨大。配件销售的历史数据的稀疏性，加大了配件需求预测的难度。
[0003]目前，在制造业售后配件的需求预测领域，常规的解决方案有如下两种：（1）依赖人工经验：工作人员通过历史销售经验，借助Excel等工具，编制配件的需求预测值；（2）借助信息化工具：一定规模以上的制造型企业，其信息化管理类工具的普及率较高，例如ERP系统的使用，工作人员借助此类系统完成售后配件的出入库管理、数据统计，借助简单的统计学算法，进行配件需求数量的预测。
[0004]但上述方案存在如下的不足之处：（1）过度依赖配件需求制定人员的经验和能力，导致需求预测的精度不够，且预测方法不可复用；（2）ERP系统等信息化管理类工具，可以完成配本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配件需求的预测模型构建方法，其特征在于，所述配件需求的预测模型构建方法包括：获取包含不同参考类型的配件对应的基础数据，其中，所述基础数据包括以预设周期为单位的历史需求数据和协变量数据；通过预设长度的时间滑窗将所述基础数据划分为多个数据集，其中，每个数据集包括不同的特征因子，各所述特征因子包括第(n
‑
i)个所述预设周期至第n个所述预设周期对应的所述历史需求数据以及第(n+1)个所述预设周期对应的协变量数据，其中，n和i均为正整数，n>i；以全部所述数据集为训练集，通过多种机器学习算法进行回归预测，得到各所述机器学习算法对应的参考预测模型；从全部所述参考预测模型中，选取各类型的所述配件对应的预测精度最高的目标预测模型。2.根据权利要求1所述的配件需求的预测模型构建方法，其特征在于，获取包含不同参考类型的配件对应的基础数据的步骤，包括：获取包含不同参考类型的配件对应的原始数据；判断所述原始数据中的所述协变量数据是否完整，其中，所述协变量数据包括具有强相关性的多种子数据；通过数据补全算法将所述协变量数据补充完整，得到所述原始数据对应的完整的基础数据，其中，所述数据补全算法包括Transformer神经网络算法。3.根据权利要求2所述的配件需求的预测模型构建方法，其特征在于，所述子数据包括以所述预设周期为单位的整机保有数量、整机开工数量和整机开工时长。4.根据权利要求1所述的配件需求的预测模型构建方法，其特征在于，通过预设长度的时间滑窗将所述基础数据划分为多个数据集的步骤，包括：判断所述基础数据中是否存在异常数据；若所述基础数据中存在所述异常数据，将各所述异常数据进行纠偏处理；通过预设长度的时间滑窗，将纠偏处理后的所述基础数据划分为多个所述数据集。5.根据权利要求4所述的配件需求的预测模型构建方法，其特征在于，所述异常数据的包括第一数据和第二数据中的至少一种，判断所述基础数据中是否存在异常数据的步骤，包括：计算所述基础数据对应的均值和标准差，其中，所述基础数据有包括多个参考数据；判断各所述参考数据是否超过所述均值和三个所述标准差的和值，或，判断各所述参考数据是否小于所述均值和三个所述标准差的差值；若任一所述参考数据超过所述均值和三个所述标准差的和值，判定对应的所述参考数据为所述第一数据；若任一所述参考数据小于所述均值和三个所述标准差的差值，判定对应的所述参考...

【专利技术属性】
技术研发人员：张彪，庞健，黄功勋，项婉雯，王玥，朱峻清，茹康，
申请(专利权)人：树根互联股份有限公司，
类型：发明
国别省市：