一种面向动态服务水平的提前期算法及其应用的制作方法

本发明涉及提前期预测方法技术领域，具体的说，是一种面向动态服务水平的提前期算法。

背景技术：

在按订单制造的生产系统中，提前期是影响企业在市场中竞争优势的重要因素。基于提前期管理以合理分配资源，提升企业效率，节约生产成本，达到降本增效的目标，是企业下一步的发展方向。

不同的零部件加工工序不同，每个工序所需工时也各有差异，同时每一类零件的期望服务水平也不同。而且由于服务水平也是根据零件交付水平的变化而动态变化的，因此提前期也应该是动态的。如何能够根据各类零件的历史交付时间、期望达到的交付时间来较准确的预测出各类零件的提前期，同时能根据交付水平动态调整，这考验生产计划人员的统计、数据分析能力。

技术实现要素：

本发明针对现有技术中无法准确设定零件提前期区间的问题，提供了一种面向动态服务水平的提前期算法，先根据不同服务水平设置相应安全因子，再根据安全因子来设定提前期，最后得到零件对应的提前期区间，针对动态变化的生产计划、服务水平，采用安全因子进行预测修正，提高预测准确性，且预测结果为生产计划人员提供借鉴参考。

本发明通过下述技术方案实现：

一种面向动态服务水平的提前期算法，包括以下步骤：

步骤s100：从erp系统中获取目标物的完工历史数据，计算目标物的交付时间误差、交付时间绝对误差、交付时间平均误差三个平均误差，得到目标物的交付平均提前期；

步骤s200：选取目标物合适的服务水平，确定目标物的安全因子；

步骤s300：根据目标物的平均误差和安全因子，计算目标物的交付安全提前期；

步骤s400：根据目标物的交付平均提前期和交付安全提前期，计算目标物的提前期区间。

本发明提供的提前期算法，针对动态变化的生产计划、服务水平，采用安全因子进行预测修正，提高预测准确性，且预测结果为生产计划人员提供借鉴参考。

进一步地，为了更好的实现本发明，所述步骤s100具体包括以下步骤：

步骤s110：从erp系统中获取目标物的完工历史数据；所述完工历史数据包括目标物的每个周期的计划交付时间和实际交付时间；

步骤s120：根据所述每个周期的实际交付时间减去计划交付时间，得到交付时间误差，并绘制目标物误差-周期坐标图；

步骤s130：每个周期的交付时间误差取绝对值得到每个周期的交付时间绝对误差，进而得到目标物在总周期内交付时间绝对误差总和，用目标物在总周期内交付时间绝对误差总和除以总的周期n数得到目标物的交付时间平均误差，也就得到目标物的交付平均提前期。

进一步地，为了更好的实现本发明，所述步骤s200中是根据生产实际需要，选取目标物适合的服务水平和相应的安全因子；且目标物的服务水平和安全因子服从正态分布。

进一步地，所述服务水平具体是指不缺货的周期；所述步骤s200中根据不同的不缺货的周期设定对应的安全因子：不缺货的周期比例越大，安全因子设定的越高；不缺货的周期比例越小，安全因子设定的越小。

进一步地，为了更好的实现本发明，所述步骤s300中目标物的交付时间平均误差乘以目标物的安全因子得到目标物的交付安全提前期。

进一步地，为了更好的实现本发明，所述步骤s400中目标物对应的提前期区间一个端值为交付平均提前期、另一个端值为交付平均提前期与交付安全提前期之和。

将上述的一种面向动态服务水平的提前期算法用于预测零件的提前期区间。或者，将上述的一种面向动态服务水平的提前期算法用于预测部件的提前期区间。

本发明与现有技术相比，具有以下优点及有益效果：

本发明提供的一种面向动态服务水平的提前期算法，先根据不同服务水平设置相应安全因子，再根据安全因子来设定提前期，最后得到零件对应的提前期区间，为生产计划人员提供借鉴参考。

本发明采用历史数据作为参考，又采用安全因子作为预测结果平均提前期的修正，使预测结果更加接近实际。

本发明所述的一种面向动态服务水平的提前期算法，可以预测零件或部件的提前期区间，使用场景广泛。

附图说明

图1为本发明所述的一种面向动态服务水平的提前期算法的流程示意图。

具体实施方式

下面结合实施例对本发明作进一步地详细说明，但本发明的实施方式不限于此。

实施例1：

本实施例提供了一种面向动态服务水平的提前期算法，如图1所示，包括步骤s100-步骤s400。本实施例针对作为目标物的零件a在生产过程中如何预测交付提前期进行详细说明。

步骤s100：从erp系统中获取零件a的完工历史数据，计算零件a的交付时间误差tmi、交付时间绝对误差[tm]i、交付时间平均误差三个平均误差得到零件a的交付平均提前期lt。

进一步地，所述步骤s100具体包括以下步骤：

步骤s110：从erp系统中获取零件a的完工历史数据；所述完工历史数据包括零件a的每个周期t的计划交付时间tpa和实际交付时间tra：

步骤s120：根据所述每个周期t的实际交付时间tra减去计划交付时间tpa，得到交付时间误差tmi，并绘制零件误差-周期坐标图；

步骤s130：每个周期t的交付时间误差取绝对值得到每个周期t的交付时间绝对误差[tm]i，进而得到零件a在总周期内交付时间绝对误差总和[tm]a，用零件a在总周期内交付时间绝对误差总和[tm]a除以总的周期n数得到零件a的交付时间平均误差也就得到零件a的交付平均提前期lt。

本实施例的步骤s100中，从erp系统中用关键字筛选零件a的历史交付数据，关键字包括每个周期t的计划交付时间tpa和实际交付时间tra，筛选出的数据组成新的矩阵表。

矩阵表的行表示计划交付时间tpa和实际交付时间tra，矩阵的列表示周期t。矩阵表的行列值为零件a在某一周期ti中的实际交付时间tra和计划交付时间tpa。实际交付时间tri表示零件a在周期ti内erp实际记录的交付时间，计划交付时间tpi表示零件a在周期ti内erp按照生产计划规定的需要交付的时间。

采用矩阵表的形式，更方便的统计和分析计算零件a在某一周期ti内的实际交付时间tra和计划交付时间tpa的误差。而需要计算不同零件的平均提前期时，只需要更换对应零件的矩阵表。

步骤s200：选取零件a合适的服务水平p，确定零件a的安全因子z。

所述步骤s200中是根据生产实际需要，选取零件a适合的服务水平p和相应的安全因子z。其中，所述服务水平具体是指不缺货的周期。

设定零件a的服务水平p和安全因子z服从正态分布。所述步骤s200中根据不同的不缺货的周期设定对应的安全因子：不缺货的周期比例越大，安全因子设定的越高；不缺货的周期比例越小，安全因子设定的越小。

安全提前期σa的长短将影响服务水平及成本：加大安全提前期σa，从而使缺货概率减少，服务水平提高，但是同时在制品及库存费用随之升高。为了降低不可预测的变化因素，对工艺不成熟的制造工艺涉及的零件项目，要尽快采取攻关等方法使零件制造质量稳定下来，使生产提前期相对稳定，对于质量稳定的零件项目，要对制造工时进行认真分析，确保工时的真实性，使计划周期与实际周期尽可能相符合。

本实施例的步骤s200中，对服务水平p及安全因子z的确定，要根据零件a实际情况进行选择。服务水平p也就是不允许缺货的周期，设定零件a的服务水平p和安全因子z服从正态分布：不缺货的周期(服务水平p)比例越大，安全因子z设定的越高；不缺货的周期(服务水平p)比例越小，安全因子z设定的越小。进一步地，对于一般成熟的零件项目，可选择80％左右的服务水平，安全因子选为0.84左右，对于风险较大的零件项目，可选择95％左右的服务水平，安全因子选为1.64左右。

步骤s300：根据零件a的平均误差和安全因子z，计算零件a的交付安全提前期σa。其中，零件a的交付时间平均误差乘以零件a的安全因子z得到零件a的交付安全提前期σa，即

本实施例的步骤s300中，由不同零件的交付时间定义出不同零件的服务水平p，计算安全因子z。提前期的设定需要根据期望达到的服务水平p，得到该服务水平p下的安全因子z，确定满足相应服务水平p需要达到的交付安全提前期σa。

步骤s400：根据零件a的交付平均提前期lt和交付安全提前期σa，计算零件a的提前期区间。其中，零件a对应的提前期区间一个端值为交付平均提前期lt、另一个端值为交付平均提前期lt与交付安全提前期σa之和，即零件a对应的提前期区间为[lt，lt+σa]。

本实施例的步骤s400中，根据安全因子z计算出提前期的波动时间，得到提前期的区间。由上述步骤计算的预测结果接近实际。

本实施例整体工作原理：以零件a为例，进行零件的提前期预测。首先，从erp中获取关于零件a的历史加工数据，包括零件a的每个周期t的实际交付时间tra减去计划交付时间tpa；计算得到交付时间误差tmi和交付时间绝对误差[tm]i，进而得到零件a在总周期内交付时间绝对误差总和[tm]a，用零件a在总周期内交付时间绝对误差总和[tm]a除以总的周期n数得到零件a的交付时间平均误差也就得到零件a的交付平均提前期lt。然后，根据生产实际需要，选取零件a适合的服务水平，并根据不同的服务水平(即不缺货的周期)设定相应的安全因子。接着，零件a的交付时间平均误差乘以零件a的安全因子z得到零件a的交付安全提前期σa。最后，根据零件a的交付平均提前期和交付安全提前期lt+σa，获得零件a对应的提前期区间。

实施例2：

本实施例在实施例1的基础上，将预测对象由部件b替换为部件b。

本实施例提供了一种面向动态服务水平的提前期算法，如图1所示，包括步骤s100-步骤s400。

步骤s100：从erp系统中获取部件b的完工历史数据，计算部件b的交付时间误差tmi、交付时间绝对误差[tm]i、交付时间平均误差三个平均误差得到部件b的交付平均提前期lt。

进一步地，所述步骤s100具体包括以下步骤：

步骤s110：从erp系统中获取部件b的完工历史数据；所述完工历史数据包括部件b的每个周期t的计划交付时间tpb和实际交付时间trb：

步骤s120：根据所述每个周期t的实际交付时间trb减去计划交付时间tpb，得到交付时间误差tmi，并绘制部件误差-周期坐标图；

步骤s130：每个周期t的交付时间误差取绝对值得到每个周期t的交付时间绝对误差[tm]i，进而得到部件b在总周期内交付时间绝对误差总和[tm]b，用部件b在总周期内交付时间绝对误差总和[tm]b除以总的周期n数得到部件b的交付时间平均误差也就得到部件b的交付平均提前期lt。

本实施例的步骤s100中，从erp系统中用关键字筛选部件b的历史交付数据，关键字包括每个周期t的计划交付时间tpb和实际交付时间trb，筛选出的数据组成新的矩阵表。

矩阵表的行表示计划交付时间tpb和实际交付时间trb，矩阵的列表示周期t。矩阵表的行列值为部件b在某一周期ti中的计划交付时间tpb和实际交付时间trb。计划交付时间tpb表示部件b在周期ti内erp实际记录的交付时间，实际交付时间trb表示部件b在周期ti内erp按照生产计划规定的需要交付的时间。

采用矩阵表的形式，更方便的统计和分析计算部件b在某一周期ti内的计划交付时间tpb和实际交付时间trb的误差。而需要计算不同部件的平均提前期时，只需要更换对应部件的矩阵表。

步骤s200：选取部件b合适的服务水平p，确定部件b的安全因子z。

所述步骤s200中是根据生产实际需要，选取部件b适合的服务水平p和相应的安全因子z。其中，所述服务水平具体是指不缺货的周期。

设定部件b的服务水平p和安全因子z服从正态分布。所述步骤s200中根据不同的不缺货的周期设定对应的安全因子：不缺货的周期比例越大，安全因子设定的越高；不缺货的周期比例越小，安全因子设定的越小。

安全提前期σb的长短将影响服务水平及成本：加大安全提前期σb，从而使缺货概率减少，服务水平提高，但是同时在制品及库存费用随之升高。为了降低不可预测的变化因素，对工艺不成熟的制造工艺涉及的部件项目，要尽快采取攻关等方法使部件制造质量稳定下来，使生产提前期相对稳定，对于质量稳定的部件项目，要对制造工时进行认真分析，确保工时的真实性，使计划周期与实际周期尽可能相符合。

本实施例的步骤s200中，对服务水平p及安全因子z的确定，要根据部件b实际情况进行选择。服务水平p也就是不允许缺货的周期，设定部件b的服务水平p和安全因子z服从正态分布：不缺货的周期(服务水平p)比例越大，安全因子z设定的越高；不缺货的周期(服务水平p)比例越小，安全因子z设定的越小。进一步地，对于一般成熟的部件项目，可选择80％左右的服务水平，安全因子选为0.84左右，对于风险较大的部件项目，可选择95％左右的服务水平，安全因子选为1.64左右。

步骤s300：根据部件b的平均误差和安全因子z，计算部件b的交付安全提前期σb。其中，部件b的交付时间平均误差乘以部件b的安全因子z得到部件b的交付安全提前期σb，即

本实施例的步骤s300中，由不同部件的交付时间定义出不同部件的服务水平p，计算安全因子z。提前期的设定需要根据期望达到的服务水平p，得到该服务水平p下的安全因子z，确定满足相应服务水平p需要达到的交付安全提前期σb。

步骤s400：根据部件b的交付平均提前期lt和交付安全提前期σb，计算部件b的提前期区间。其中，部件b对应的提前期区间一个端值为交付平均提前期lt、另一个端值为交付平均提前期lt与交付安全提前期σb之和，即部件b对应的提前期区间为[lt，lt+σb]。

本实施例的步骤s400中，根据安全因子z计算出提前期的波动时间，得到提前期的区间。由上述步骤计算的预测结果接近实际。

本实施例整体工作原理：以部件b为例，进行部件的提前期预测。首先，从erp中获取关于部件b的历史加工数据，包括部件b的每个周期t的实际交付时间trb减去计划交付时间tpb；计算得到交付时间误差tmi和交付时间绝对误差[tm]i，进而得到部件b在总周期内交付时间绝对误差总和[tm]b，用部件b在总周期内交付时间绝对误差总和[tm]b除以总的周期n数得到部件b的交付时间平均误差也就得到部件b的交付平均提前期lt。然后，根据生产实际需要，选取部件b适合的服务水平，并根据不同的服务水平(即不缺货的周期)设定相应的安全因子。接着，部件b的交付时间平均误差乘以部件b的安全因子z得到部件b的交付安全提前期σb。最后，根据部件b的交付平均提前期和交付安全提前期lt+σb，获得部件b对应的提前期区间。

本实施例的其他部分与实施例1相同，故不再赘述。

以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。