专利名称：预测对配件的需求的系统的制作方法
技术领域：
本发明涉及预测将来对配件的需求的系统。
背景技术：
对于产品来说，根据过去的统计，可以粗略地预测将来的保有产品数量，通过将保有产品数量乘以配件的预计更换率，可以粗略地获得该产品的配件在将来的市场规模。更换率就是维修率，大致等于故障率。
但是，对于功能部件，其故障率不能从理论上获得。因此，零配件的生产是基于对市场规模的预测进行的，而所述对市场规模的预测是根据专家的经验或者认知获得的。
因此，预测的故障率的精度很低，预计的需求的置信度也就很差。所以基于这样的预测制造的配件的数量就与实际不符。结果，配件的库存会过剩或者短缺。
本发明就是针对上述问题作出的。本发明的目的是提供一种预测对配件的需求的系统，其中，配件在将来的故障率可以精确地预测，从而可以获得可靠的需求预测。
发明内容
为了达到上述目的，本发明提供了一种预测对配件的需求的系统，包括数据库，对于特定种类的配件，基于在保证期内由于故障而更换的配件，收集关于故障数量、故障原因和已过去的年数的数据；求和装置，在数据库中从故障原因中抽出由于耐用性变差而导致的故障，并对已过去的每一年由于耐用性变差而导致的故障数量求和；年度故障率计算装置，根据对过去的每一年求和得到的故障数量和过去的每一年的保有产品数量，计算出过去的每一年配件的故障率；故障率推测装置，根据对过去的每一年计算出的配件故障率推测在保证期之后配件的故障率；以及市场需求预测装置，根据所述推测的在保证期之后的配件故障率和推测的将来的保有产品的数量，计算配件在将来的市场规模，以预测对配件的需求；其中，所述求和装置、年度故障率计算装置、故障率推测装置和市场需求预测装置构成一台计算机。
由于在保证期内出问题的配件都是100％地免费更换，根据在保证期内由于故障而更换的配件的数据，可以获得基本上精确的故障率。
在故障原因中，由于初始质量差这样的原因限于初期，不会在保证期之后导致故障。因此，如果将除了初始质量问题之外，由于耐用性变差而导致的故障抽出，作为基本数据，则可以计算出精确的故障率。
如果在保证期内对过去的每一年计算这样的精确的故障率，则可以精确地推测在保证期之后的故障率，从而可以根据所述故障率和推测的在将来的保有产品数量，计算出将来的配件市场规模，从而精确地预测对配件的需求。
在上述的预测对配件的需求的系统中，对保证期后配件故障率的推测可以由这样的故障率推测装置进行该装置对过去的每一年的配件的故障率进行威布尔分析(Weibull-analysis)。
由于产品的使用寿命(故障次数)的分布大致为威布尔分布，通过对过去的每一年的配件的故障率进行威布尔分析，可以精确地推测保证期之后的故障率。
图1的框示了根据本发明的一个实施例的预测将来对配件比如汽车配件的需求的系统；图2的表格图示了根据本发明的一个实施例，汽车配件在保证期内的故障数据；图3的表格图示了在保证期内过去的每一年的配件故障；
图4图示了一张威布尔概率图，其中描绘了图3中过去的每一年的故障率，从而描绘出了一条回归直线(recurrence linear line)。
具体实施例方式
下面结合附图1-4描述本发明的一个实施例。这里所公开的用于预测将来对配件的需求的系统用来预测对汽车配件的需求。
如图1所示，该系统是一个计算机系统，其使用一台计算机10来根据数据库1的数据预测对配件的需求。计算机10有求和装置11、年度故障率计算装置12、故障率推测装置13和市场需求预测装置14。
首先，对于配件，将保证期内的故障数据采集到数据库1中。
如图2所示，对于发生故障的每一种配件，收集诸如部件编号、汽车种类、故障发生日期、到发生故障时过去的天数、故障现象和保证期等数据。
对于故障现象，如果故障原因是耐用性变差，则附加一个“O”区别标记，如果故障原因是初始质量问题，则附加一个“×”区别标记。
计算机10的求和装置11从数据库1中抽取必要的数据，进行计算，从而求和得出每一年由于耐用性变差(区别标记为“O”)而导致的配件故障的数量。从保证期的第一年开始，列出每一年的故障数量。
图3示出了所包含的对于某种配件的列表的一个例子。该配件的保证期为3年，故障原因为耐用性变差。图2的列表也示出了每一年使用该配件的保有汽车的数量。
对于每一年，示出了过去的每一年的故障数量和保有汽车的数量。并且示出了每一年的故障和保有汽车的总数。
对于过去的每一年，年度故障率计算装置12将总故障数除以总的保有汽车数，得到故障率(％)。在图3的列表中也图示了故障率。
下面，故障率推测装置13对过去的每一年的故障率进行威布尔概率分析。也就是，过去的每一年的故障率被绘制在如图4所示的威布尔概率图上。
该概率图的横坐标(对数标度)表示过去的年度，纵坐标(对数标度)表示故障率(％)。
点P1表示在过去一年的时刻故障率为0.042％，点P2表示在过去二年的时刻故障率为0.059％，点P3表示在过去三年的时刻故障率为0.075％。
如图3所示，在威布尔概率图上计算和描绘出了所述三个点(P1、P2和P3)的回归直线L。如果将回归直线L延长到保证期以后，就能够推测配件在将来的故障率。
这种推测的故障率可以视为推测的部件更换率。市场需求预测装置14预测配件在将来的市场需求或者市场规模。通过将将来保有汽车的推测数量乘以推测的部件更换率，可以基本上准确地获得所述市场需求或者市场规模。
在图4中，例如，可以推测出在过去五年的时刻配件的故障率大约为0.105％。如果相应年度的保有汽车的推测数量为71000辆，则该年度的配件需求预计为75(71000×0.00105)。
由于在保证期内出问题的部件100％的都是免费更换的，因此基于如上所述在保证期内的故障率而预测将来的故障率基本上是准确的和可靠的。
由于只将由于耐用性变差导致的故障抽出作为基本数据，而将不影响将来的需求的初始质量问题导致的故障排除在外，因此排除了影响将来的故障率的精确度的因素，从而可以高度精确地预测故障率。
由于产品的使用寿命(故障次数)的分布大致为威布尔分布，在保证期过去之后的故障率可以通过对过去的每一年的配件故障率进行威布尔分析而精确地预测。
在上述实施例中，预测的是对汽车配件的需求。但是本发明可以应用于除汽车之外的任何产品的配件。如果可以得到产品的保有数量，则可以预测大致精确的需求。
权利要求
1.一种预测对配件的需求的系统，包括数据库，对于特定种类的配件，基于在保证期内由于故障而更换的配件，收集关于故障数量、故障原因和已过去的年数的数据；求和装置，在所述数据库中从故障原因中抽出由于耐用性变差而导致的故障，从而对已过去的每一年求和得出由于耐用性变差而导致的故障数量；年度故障率计算装置，根据对过去的每一年求和得到的故障数量和过去的每一年的保有产品数量，计算出过去的每一年所述配件的故障率；故障率推测装置，根据对过去的每一年计算出的所述配件故障率推测在保证期之后所述配件的故障率；以及市场需求预测装置，根据所述推测的在保证期之后的所述配件故障率和推测的将来的保有产品的数量，计算所述配件在将来的市场规模，以预测对所述配件的需求；所述求和装置、年度故障率计算装置、故障率推测装置和市场需求预测装置构成一台计算机。
2.如权利要求2所述的预测对配件的需求的系统，其中，所述故障率推测装置通过对过去的每一年的所述配件的故障率进行威布尔分析，来推测所述配件在保证期过去之后的故障率。
全文摘要
一种预测对配件的需求的系统，其中能够用计算机精确地推测配件在将来的故障率，从而能够进行可靠的需求预测。该系统有一个数据库1，对于特定种类的配件，基于在保证期内由于故障而更换的配件，收集关于故障数量、故障原因和已过去的年数的数据；求和装置11，在数据库1中从故障原因中抽出由于耐用性变差而导致的故障，从而对已过去的每一年求和得出由于耐用性变差而导致的故障数量；年度故障率计算装置12，根据对过去的每一年求和得到的故障数量和过去的每一年的保有产品数量，计算出过去的每一年所述配件的故障率；故障率推测装置13，根据对过去的每一年计算出的所述配件故障率推测在保证期之后所述配件的故障率；以及市场需求预测装置14，根据所述推测的在保证期之后的所述配件故障率和推测的将来的保有产品的数量，计算所述配件在将来的市场规模，以预测对所述配件的需求。
文档编号G06Q50/10GK1520571SQ0281283
公开日2004年8月11日 申请日期2002年7月12日 优先权日2002年5月13日
发明者
原幸男, 篠原幸男 申请人:本田技研工业株式会社