本发明涉及维修器材资源优化,尤其涉及一种维修器材消耗预测模型构建方法、装置、终端及存储介质。
背景技术:
1、长期以来,困扰广大维修器材保障人员的核心问题就是筹措的器材和实际需求不匹配,急需的器材没有采购或者数量不够,导致装备维修无法顺利开展,影响装备完好性;或者采购了大量不需要的器材,进而造成呆滞和浪费。
2、而解决这一问题的关键,就是准确掌握维修器材消耗规律,进而进行器材消耗预测。因此,维修器材消耗分析是准确合理地确定装备维修器材数量,规划维修器材供应工作的前提。只有掌握确定维修器材数量的有效方法以及适用条件,才能正确地加以运用,以利于维修保障部门规划维修保障资源,进行费用估计,准确有效地完成维修保障任务。
3、但由于器材品种多,数量大,且装备故障随机性强,消耗不确定性大,传统的凭经验进行消耗需求预测的方法越来越不能适应精确化保障、精细化管理的要求,因此系统必须采用专门的方法,科学预测消耗需求。据有关资料表明,目前国际上已有二百多种预测方法,其中有二十多种方法在不同领域中得到了广泛应用,如何选择合适的消耗预测方法成为科学制定器材消耗的关键。
4、基于此,需要开发设计出一种维修器材消耗预测模型构建方法。
技术实现思路
1、本发明实施方式提供了一种维修器材消耗预测模型构建方法、装置、终端及存储介质,用于解决现有技术中预测方法选择不合理的问题。
2、第一方面,本发明实施方式提供了一种维修器材消耗预测模型构建方法,包括:
3、获取器材的历史消耗数据以及使用条件;
4、根据所述历史消耗数据以及所述使用条件,确定维修器材消耗预测模型;
5、根据历史数据对所述模型进行求解,获得维修器材消耗预测模型,其中,所述历史数据表征器材已知的概率参数;
6、对所述维修器材消耗预测模型的预测结果进行评估,确定所述维修器材消耗预测模型的预测误差。
7、在一种可能实现的方式中,所述根据所述历史消耗数据以及所述使用条件,确定维修器材消耗预测模型,包括:
8、根据所述历史消耗数据以及所述使用条件,对维修器材进行分析;
9、若维修器材的消耗量随时间变化和/或呈现规律性,则维修器材为消耗连续型器材;
10、若维修器材的消耗量在多个时间节点为零值和/或无规律,则维修器材为消耗间断型器材;
11、若维修器材为消耗连续型器材,则基于统计数据建立预测模型、基于保障度建立预测模型、基于任务量建立预测模型或基于可靠度建立预测模型;
12、若维修器材为消耗间断型器材,则采用bayesian预测模型、croston预测模型或bootstrap预测模型。
13、在一种可能实现的方式中,所述基于可用度建立预测模型包括:
14、获取维修器材的寿命分布类型,其中,寿命分布类型包括:指数分布类型、正态分布类型、对述正态分布类型以及威布尔分布类型;
15、根据所述寿命分布类型,确定寿命分布函数;
16、根据所述寿命分布函数,建立预测模型。
17、在一种可能实现的方式中,维修器材寿命分布函数为指数分布,所述根据历史数据对所述模型进行求解,获得维修器材消耗预测模型,包括:
18、获取多个产品的结尾试验数据;
19、根据所述结尾试验数据进行寿命的极大似然估计;
20、根据所述结尾试验数据以及所述寿命的极大似然估计,确定平均寿命的单侧置信下限;
21、根据保障概率、所述寿命的极大似然估计、所述平均寿命的单侧置信下限以及寿命分布函数,构建维修器材消耗预测模型。
22、在一种可能实现的方式中,所述维修器材寿命分布函数为正态分布,所述根据历史数据对所述模型进行求解,获得维修器材消耗预测模型,包括:
23、获取多个产品的结尾试验数据;
24、根据所述结尾试验数据对期望以及方差做线性无偏估计;
25、根据所述结尾试验数据、所述期望以及所述方差,确定所述期望的置信区间以及所述方差的置信区间;
26、根据所述期望、所述方差、所述期望的置信区间、所述方差的置信区间以及寿命分布函数,构建维修器材预测消耗模型。
27、在一种可能实现的方式中,所述维修器材寿命分布函数为威布尔分布,所述根据历史数据对所述模型进行求解,获得维修器材消耗预测模型,包括:
28、获取多个产品的结尾试验数据;
29、根据所述结尾试验数据,采用最小二乘估计法对比例参数和形状参数进行点估计;
30、采用无信息先验分布下的bayes方法,确定所述比例参数的概率区间以及所述形状参数的下限;
31、根据所述比例参数、所述形状参数、所述比例参数的概率区间、所述形状参数的下限以及寿命分布函数,构建维修器材预测消耗模型。
32、在一种可能实现的方式中,在所述构建维修器材预测消耗模型之前,还包括:
33、对寿命分布函数进行拟合检验。
34、第二方面,本发明实施方式提供了一种维修器材消耗预测模型构建装置,用于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的维修器材消耗预测模型构建方法,所述维修器材消耗预测模型构建装置包括:
35、数据获取模块,用于获取器材的历史消耗数据以及使用条件;
36、消耗预测模型确定模块,用于根据所述历史消耗数据以及所述使用条件,确定维修器材消耗预测模型;
37、模型求解模块,用于根据历史数据对所述模型进行求解,获得维修器材消耗预测模型,其中,所述历史数据表征器材已知的概率参数;
38、以及,
39、预测误差评估模块,用于对所述维修器材消耗预测模型的预测结果进行评估,确定所述维修器材消耗预测模型的预测误差。
40、第三方面,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。
41、第四方面,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。
42、本发明实施方式与现有技术相比存在的有益效果是:
43、本发明维修器材消耗预测模型构建方法实施方式,其首先获取器材的历史消耗数据以及使用条件;然后根据所述历史消耗数据以及所述使用条件,确定维修器材消耗预测模型;接着根据历史数据对所述模型进行求解,获得维修器材消耗预测模型,其中,所述历史数据表征器材已知的概率参数;最后对所述维修器材消耗预测模型的预测结果进行评估,确定所述维修器材消耗预测模型的预测误差。本发明实施方式通过器材的历史消耗数据以及使用条件,确定午休器材消耗预测采用的数学模型,因此,模型与器材的消耗特点适应性好,保证了预测的准确度。