公开/公告号CN114925895A
专利类型发明专利
公开/公告日2022-08-19
原文格式PDF
申请/专利权人 中国人民解放军32181部队;
申请/专利号CN202210508203.6
申请日2022-05-10
分类号G06Q10/04(2012.01);G06Q10/08(2012.01);G06Q10/06(2012.01);G06F17/12(2006.01);
代理机构石家庄国为知识产权事务所 13120;
代理人刘少卿
地址 710000 陕西省西安市新城区金花北路16号
入库时间 2023-06-19 16:26:56
法律状态公告日
法律状态信息
法律状态
2022-09-06
实质审查的生效 IPC(主分类):G06Q10/04 专利申请号:2022105082036 申请日:20220510
实质审查的生效
技术领域
本发明涉及维修器材库存预测技术领域,尤其涉及一种维修器材预测方法、终端及存储介质。
背景技术
重大活动演习,是在想定情况诱导下进行的指挥和行动的演练,是在完成理论学习和基础训练之后实施的,近似实战的综合性训练,是重大活动的高级阶段。
演习的组织和实施体现了高超的艺术。一是组织工作非常复杂。重大活动演习多为多工种联合演习,组织协调、相互协同工作量相当繁重。要求指挥员头脑清醒、反应果断。二是容易发生误伤事故。重大活动演习中的人员误伤是很难避免的。为防事故的发生,要做好周密计划,充分的准备;要有严格的纪律;要反复组织协同;要制订各种安全措施。只有这样才能即保证演习效果,又防止事故发生。
合理控制维修器材的库存数量是重大活动演习准备工作中的重要一环。准确的需求预测是进行科学合理的维修器材库存的前提。基于此,需要开发设计出一种维修器材预测方法。
发明内容
本发明实施方式提供了一种维修器材预测方法、终端及存储介质,用于解决现有技术中维修器材需求预测不合理导致需要反复调运维修器材的问题。
第一方面,本发明实施方式提供了一种维修器材预测方法,包括:
获取维修器材的消耗序列,所述消耗序列用于表征维修器材需求量随时间变化的特性;
根据所述消耗序列,确定需求间隔特性;
根据所述需求间隔特性,选取维修器材消耗预测模型;
将所述消耗序列输入至所述器材消耗预测模型,获取维修器材预测需求量。
在一种可能实现的方式中,所述根据所述消耗序列,确定需求间隔特性,包括:
根据所述消耗序列,计算获得平均需求间隔以及非零需求值的变异系数,其中,所述非零需求值的变异系数通过第一公式确定,所述第一公式为:
式中,CV()是非零需求值的变异系数,x为维修器材的消耗序列,μ为维修器材平均需求间隔的均值,σ为维修器材需求间隔的标准差;
根据所述平均需求间隔以及所述非零需求值的变异系数,确定维修器材的需求间隔特性。
在一种可能实现的方式中,所述需求间隔特性包括:常用维修器材以及不常用维修器材,所述根据所述需求间隔特性,选取维修器材消耗预测模型,包括:
对于常用维修器材选用灰色预测模型,所述灰色预测模型的构建步骤包括:
将所述维修器材的消耗序列进行1-AGO变换,获得一阶累加维修器材消耗数据序列;
根据所述维修器材的消耗序列以及所述一阶累加维修器材消耗数据序列,获得参数列;
将所述参数列代入白化方程,获得维修器材消耗预测模型。
在一种可能实现的方式中,所述将所述维修器材的消耗序列进行1-AGO变换,获得一阶累加维修器材消耗数据序列,包括:
根据所述维修器材的消耗序列建立维修器材消耗原始数据序列,所述维修器材消耗原始数据序列为:
X
式中,X
根据所述维修器材消耗原始数据序列计算获得所述一阶累加维修器材消耗数据序列,所述一阶累加维修器材消耗数据序列为:
X
式中,X
在一种可能实现的方式中,在所述根据所述维修器材消耗原始数据序列计算获得所述一阶累加维修器材消耗数据序列,之后,还包括检查适用性步骤,所述适用性步骤包括:
根据所述一阶累加维修器材消耗数据序列以及第三公式计算获得级比,所述第三公式为:
式中,ρ()为级比;
根据所述级比确定第四公式,并确定所述维修器材消耗原始数据序列是否满足所述第四公式,所述第四公式为:
若所述维修器材消耗原始数据序列不是满足所述第四公式,则重新选取维修器材消耗预测模型。
在一种可能实现的方式中,所述根据所述维修器材的消耗序列以及所述一阶累加维修器材消耗数据序列,获得参数列,包括:
根据所述维修器材消耗原始数据序列、所述一阶累加维修器材消耗数据序列以及第五公式,获得参数列,所述第五公式为:
Y
式中,
在一种可能实现的方式中,所述将所述参数列代入白化方程,获得维修器材消耗预测模型,包括:
所述维修器材消耗预测模型为:
式中,所述
在一种可能实现的方式中,在所述将所述消耗序列输入至所述器材消耗预测模型,获取维修器材预测需求量之后,包括:
模型精度检验步骤,所述模型精度检验步骤包括:
根据所述消耗序列、所述维修器材消耗预测模型以及第六公式获得预测模型精度方差比以及小误差概率,所述第六公式为:
式中,S
根据所述预测模型精度方差比、所述小误差概率以及阈值,确定所述维修器材消耗预测模型的精度等级。
第二方面,本发明实施方式提供了一种终端,包括存储器以及处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第三方面,本发明实施方式提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施方式与现有技术相比存在的有益效果是:
本发明实施方式公开了的一种维修器材预测方法,其首先获取维修器材的消耗序列,然后根据消耗序列,确定维修器材的需求间隔特性,然后根据间隔特性选取预测模型,根据预测模型获取维修器材的消耗预测。本发明实施方式中,其根据现有的消耗序列,选择不同的预测模型,因此能够保证预测的准确性,从而降低因不合理预测导致维修器材重复调运的问题。
本发明维修器材预测方法,其在需求间隔特性为常用维修器材时,通过灰色预测模型预测需求量,并在预测结束后,经过精度检验,验证预测的精度,因此,本发明实施方式方法的预测准确度能够得到保证。
附图说明
为了更清楚地说明本发明实施方式中的技术方案,下面将对实施方式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发明的一些实施方式,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是本发明实施方式提供的维修器材预测方法的流程图;
图2是本发明实施方式提供的维修器材间隔特性分类原理图
图3是本发明实施方式提供的维修器材预测装置功能框图;
图4是本发明实施方式提供的终端功能框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施方式。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施方式中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施方式来进行说明。
下面对本发明的实施例作详细说明,本实例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
图1为本发明实施方式提供的维修器材预测方法的流程图。
如图1所示,其示出了本发明实施方式提供的维修器材预测方法的实现流程图,详述如下:
在步骤101中,获取维修器材的消耗序列,所述消耗序列用于表征维修器材需求量随时间变化的特性。
示例性地,维修器材的消耗序列在一种应用场景中是对于某个特定的维修器材,按照时间的先后,列出的消耗数量列表。
在步骤102中,根据所述消耗序列,确定需求间隔特性。
在一些实施方式中,所述步骤102包括:
根据所述消耗序列,计算获得平均需求间隔以及非零需求值的变异系数,其中,所述非零需求值的变异系数通过第一公式确定,所述第一公式为:
式中,CV()是非零需求值的变异系数,x为维修器材的消耗序列,μ为维修器材平均需求间隔的均值,σ为维修器材需求间隔的标准差;
根据所述平均需求间隔以及所述非零需求值的变异系数,确定维修器材的需求间隔特性。
示例性地,间隔特性是反映维修器材消耗频率的特性,一种分类方法中,将其分类为常用维修器材和不常用维修器材。例如,常用维修器材其时间间隔较短,且间隔较为稳定,而不常用维修器材的时间间隔较长,且间隔不稳定。
在一种确定需求间隔特性的方法中,其利用了平均需求间隔和非零需求值的变异系数,对需求间隔特性进行分类,其中,非零需求值的变异系数根据下式确定:
式中,CV()是非零需求值的变异系数,x为维修器材的消耗序列,μ为维修器材平均需求间隔的均值,σ为维修器材需求间隔的标准差。
在获取到平均需求间隔和非零需求值的变异系数后,根据阈值就可以对需求间隔特性进行分类,一种应用场景中按照图2所示的分类图表进行分类:
图中,ADI(average demand interval)是平均需求间隔,CV(coefficient ofvariation)是非零需求值的变异系数,反映需求的变化剧烈程度。随着ADI的增大,需求发生的间断性趋于明显;随CV
此外,少量维修器材具有较稳定的年需求量,并具有较明显的变化趋势,对这类备件可单独分为一类,应用简单的指数平滑方法即可得到其较精确的预测结果。其中,根据前人研究成果,当ADI<1.25时,可认为需求量比较稳定。
在步骤103中,根据所述需求间隔特性,选取维修器材消耗预测模型。
在一些实施方式中,所述需求间隔特性包括:常用维修器材以及不常用维修器材,所述根据所述需求间隔特性,选取维修器材消耗预测模型,包括:
对于常用维修器材选用灰色预测模型,所述灰色预测模型的构建步骤包括:
将所述维修器材的消耗序列进行1-AGO变换,获得一阶累加维修器材消耗数据序列;
根据所述维修器材的消耗序列以及所述一阶累加维修器材消耗数据序列,获得参数列;
将所述参数列代入白化方程,获得维修器材消耗预测模型。
在一些实施方式中,所述将所述维修器材的消耗序列进行1-AGO变换,获得一阶累加维修器材消耗数据序列,包括:
根据所述维修器材的消耗序列建立维修器材消耗原始数据序列,所述维修器材消耗原始数据序列为:
X
式中,X
根据所述维修器材消耗原始数据序列计算获得所述一阶累加维修器材消耗数据序列,所述一阶累加维修器材消耗数据序列为:
X
式中,X
在一些实施方式中,在所述根据所述维修器材消耗原始数据序列计算获得所述一阶累加维修器材消耗数据序列,之后,还包括检查适用性步骤,所述适用性步骤包括:
根据所述一阶累加维修器材消耗数据序列以及第三公式计算获得级比,所述第三公式为:
式中,ρ()为级比;
根据所述级比确定第四公式,并确定所述维修器材消耗原始数据序列是否满足所述第四公式,所述第四公式为:
若所述维修器材消耗原始数据序列不是满足所述第四公式,则重新选取维修器材消耗预测模型。
在一些实施方式中,所述根据所述维修器材的消耗序列以及所述一阶累加维修器材消耗数据序列,获得参数列,包括:
根据所述维修器材消耗原始数据序列、所述一阶累加维修器材消耗数据序列以及第五公式,获得参数列,所述第五公式为:
Y
式中,
在一些实施方式中,所述将所述参数列代入白化方程,获得维修器材消耗预测模型,包括:
所述维修器材消耗预测模型为:
式中,所述
在一些实施方式中,在所述将所述消耗序列输入至所述器材消耗预测模型,获取维修器材预测需求量之后,包括:
模型精度检验步骤,所述模型精度检验步骤包括:
根据所述消耗序列、所述维修器材消耗预测模型以及第六公式获得预测模型精度方差比以及小误差概率,所述第六公式为:
式中,S
根据所述预测模型精度方差比、所述小误差概率以及阈值,确定所述维修器材消耗预测模型的精度等级。
示例性地,由于各种原因,重大演习中维修器材消耗数据统计中还存在着相对样本数据量少、信息准确度不高的问题,再加上装备故障发生的随机性和模糊性,使得装备维修器材保障系统具有明显的灰色特征。对于其中的常用维修器材,灰色理论在其需求预测中有相当的适应性。
灰色系统理论是一种研究少数据、贫信息不确定性问题的方法。所谓灰色系统就是指信息部分明确、部分不明确的系统,将灰色系统理论应用于预测就形成了灰色预测。目前,由于各种原因,重大演习中维修器材消耗数据统计中还存在着相对样本数据量少、信息准确度不高的问题,再加上装备故障发生的随机性和模糊性,使得装备维修器材保障系统具有明显的灰色特征,故灰色理论在其维修器材需求预测中有相当的适应性。
灰色预测就是要建立时轴上现在与未来的定量关系,通过此定量关系预测事物的发展,根据过去和现在已知的或非确定的信息,建立一个从过去引申到未来的GM模型,从而确定系统未来发展的变化趋势,为规划决策提供依据。它通过原始数据的处理和灰色模型的建立,发现、掌握系统发展规律,对系统的未来作出科学的定量预测。
对于维修器材的消耗序列,我们应当对其按照消耗产生的时刻,依次进行排列,建立维修器材消耗原始数据序列,表达式为:
x
式中,X
然后,对上述的维修器材消耗原始数据序列作1-AGO变换,得一阶累加维修器材消耗数据序列:
X
其中,
在获得一阶累加维修器材消耗数据序列后,有必要检查灰色模型的适用性,一种适用性算法为检测X
然后,根据下述公式,确定其是否是光滑序列:
如果维修器材消耗原始数据序列不是满足上述公式,说明不适用于灰色模型,应当重新选取预测模型。可以证明,若X
对于对维修器材消耗数据序列进行模型构建方面,其应当首先确定参数列,参数列是建立模型的必要步骤,参数列表达式为:
其中,
Y
,根据获得的参数列,可建立建立GM(1,1)模型:
以差分运算代替微分,将参数向量代入GM(1,1)模型,求解时间响应,得到一阶累加维修器材消耗数据的预测:
再通过还原模型进行还原,获得维修器材预测需求量:
在一些应用场景中,还包括有模型精度检验步骤,求出预测值后,还要对预测模型的精度进行检验,预测模型精度由方差比C和小误差概率P控制,其计算公式为:
式中,S
在一些应用场景中,根据方差比C和小误差概率P结合表1确定模型精度:
表1模型精度确定表
在步骤104中,将所述消耗序列输入至所述器材消耗预测模型,获取维修器材预测需求量。
示例性地,在经过上述步骤获取到模型后,可将维修器材的消耗序列输入到模型中,获取到维修器材预测需求量。
下面结合一种具体应用方式进行说明。
选择重大演习突维修器材消耗情况作为实验分析的研究对象,相关信息如表2所示,在2005年至2014年间8次重大演习中维修器材的消耗数据,前7次演习消耗数据作为训练样本,第8次消耗数据作为检验样本。
表2演习维修器材消耗数据
首先根据前七次演习数据,计算ADI和CV
为说明不同维修器材类型采用不同预测方法的必要性,表3给出了应用综合预测方案以及对所有维修器材分别采用一种预测方法所得到的相应结果。由该表可以看出,综合预测方案(基于分析间隔特性,然后选择灰色预测模型)的预测准确度都明显优于各独立预测方法。
表3应用综合预测方案以及对所有维修器材分别采用一种预测方法所得到的相应结果
本发明维修器材预测方法实施方式,其首先获取维修器材的消耗序列,然后根据消耗序列,确定维修器材的需求间隔特性,然后根据间隔特性选取预测模型,根据预测模型获取维修器材的消耗预测。本发明实施方式中,其根据现有的消耗序列,选择不同的预测模型,因此能够保证预测的准确性,从而降低因不合理预测导致维修器材重复调运的问题。
本发明维修器材预测方法,其在需求间隔特性为常用维修器材时,通过灰色预测模型预测需求量,并在预测结束后,经过精度检验,验证预测的精度,因此,本发明实施方式方法的预测准确度能够得到保证。
应理解,上述实施方式中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施方式的实施过程构成任何限定。
以下为本发明的装置实施方式,对于其中未详尽描述的细节,可以参考上述对应的方法实施方式。
图3是本发明实施方式提供的维修器材预测装置功能框图,参照图3,维修器材预测装置3包括:消耗序列获取模块301、间隔特性确定模块302、模型选取模块303以及预测确定模块304。
消耗序列获取模块301,用于获取维修器材的消耗序列,所述消耗序列用于表征维修器材需求量随时间变化的特性;
间隔特性确定模块302,用于根据所述消耗序列,确定需求间隔特性;
模型选取模块303,用于根据所述需求间隔特性,选取维修器材消耗预测模型;
以及,
预测确定模块304,用于将所述消耗序列输入至所述器材消耗预测模型,获取维修器材预测需求量。
图4是本发明实施方式提供的终端的功能框图。如图4所示,该实施方式的终端4包括:处理器400和存储器401,所述存储器401中存储有可在所述处理器400上运行的计算机程序402。所述处理器400执行所述计算机程序402时实现上述各个维修器材预测方法及实施方式中的步骤,例如图1所示的步骤101至步骤104。
示例性的,所述计算机程序402可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器401中,并由所述处理器400执行,以完成本发明。
所述终端4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端4可包括,但不仅限于,处理器400、存储器401。本领域技术人员可以理解,图4仅仅是终端4的示例,并不构成对终端4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器400可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器401可以是所述终端4的内部存储单元,例如终端4的硬盘或内存。所述存储器401也可以是所述终端4的外部存储设备,例如所述终端4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器401还可以既包括所述终端4的内部存储单元也包括外部存储设备。所述存储器401用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器401还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施方式中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施方式中的对应过程,在此不再赘述。
在上述实施方式中,对各个实施方式的描述都各有侧重,某个实施方式中没有详述或记载的部分,可以参见其它实施方式的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施方式描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施方式中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施方式仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本发明各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施方式方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个维修器材预测方法及维修器材预测装置实施方式的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施方式仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施方式对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施方式技术方案的精神和范围,均应包含在本发明的保护范围之内。
机译: 维修检查时间表决定/报告系统,维修检查时间表信息处理器,维修检查时间表信息终端设备,维修检查时间表决定/报告方法和存储介质
机译: 维修业务请求系统,维修业务提供者中的终端设备,维修业务提供方法和存储介质
机译: 电池寿命预测系统,电池寿命预测方法,通信终端设备,电池寿命预测设备,数据传输程序,电池寿命预测程序以及通过程序存储的计算机可读记录介质