一种零部件需求预测方法、装置、计算机设备及存储介质与流程

本发明涉及人工智能，尤其涉及一种零部件需求预测方法、装置、计算机设备及存储介质。

背景技术：

1、随着汽车行业竞争的加剧和技术的快速进步，如何增强市场的竞争力，满足客户交付，与合理控制库存，增加现金流，达到需求与库存的平衡，成为每一个汽车零部件部门面临的挑战。其中精准地对零部件需求进行预测是生产计划和库存管理的基础，对整个供应链的运作至关重要。精准的需求预测能够帮忙企业去规避零部件库存剩余或者短缺的风险，进而优化资源配置，降低成本，增强企业的市场竞争力和响应速度。

2、零部件需求预测作为企业供应链管理中的关键环节，其准确性直接影响到库存控制、生产计划和成本效益。例如汽车零部件的需求预测在供应链管理中扮演着极其重要的角色，它直接影响到企业的运营效率、成本控制以及客户满意度。零部件的需求预测主要是建立在结合零部件历史需求对未来做出的需求量判断模型。在零部件订购过程中，不同生命周期和不同订单量下，对应的需求量也存在一定的差异。因此零部件预测必须建立在多个条件下进行分析才更为可靠。现有技术中普遍集中在对单一属性进行需求预测，实用性低。

技术实现思路

1、为了解决上述技术问题，本发明提供一种零部件需求预测方法，采用了如下所述的技术方案，包括：

2、根据零部件的生命周期和订单量，对零部件进行分类，得到零部件的类别；

3、根据零部件的类别，构建零部件标签体系；

4、根据零部件标签体系，对零部件标签数据进行预处理；

5、根据经过预处理后的零部件标签数据，构建零部件需求预测特征；

6、根据所述零部件需求预测特征，构建预测模型；

7、根据所述预测模型，对所述零部件需求进行预测。

8、优选地，所述根据零部件的生命周期和订单量，对零部件进行分类，得到零部件的类别的步骤具体包括：

9、收集零部件的历史备件需求量数据；

10、根据历史备件需求量数据，制定稳定性备件和不稳定备件的分类标准；

11、根据分类标准，将零部件划分为稳定性备件和不稳定备件两大类。

12、优选地，所述根据零部件的类别，构建零部件标签体系的步骤具体包括：

13、设置标签分类标准；

14、根据标签分类标准，设置标签类别与标签属性的对应关系，构建零部件标签体系。

15、优选地，所述根据零部件标签体系，对零部件标签数据进行预处理的步骤具体包括：

16、根据零部件标签体系，对零部件标签数据进行数据清洗；

17、将经过清洗后的来自多个数据源的零部件标签数据进行合并和整合，保证数据的一致性和连贯性；

18、对经过合并和整合的所述零部件标签数据进行数据归约。

19、优选地，所述根据经过预处理后的零部件标签数据，构建零部件需求预测特征的步骤具体包括：

20、建立初始特征集，筛选特征；

21、对分类特征进行编码，将分类特征转换为数值特征；

22、对数值特征进行缩放，使不同特征在数值上具有可比性；

23、根据业务需求，将多个特征进行组合，形成新的特征。

24、优选地，所述根据所述零部件需求预测特征，构建预测模型的步骤具体包括：

25、根据零部件需求数据的特点和业务需求，选择机器学习模型；

26、对机器学习模型进行训练；

27、对机器学习模型进行验证。

28、优选地，所述根据所述预测模型，对所述零部件需求进行预测的步骤具体包括：

29、根据所述预测模型，识别影响零部件需求的内外因素；

30、评估内外因素对零部件需求的影响程度；

31、结合影响程度，对所述零部件需求进行预测。

32、为了解决上述技术问题，本发明还提供一种零部件需求预测装置，采用了如下所述的技术方案，包括：

33、分类模块，用于根据零部件的生命周期和订单量，对零部件进行分类，得到零部件的类别；

34、第一构建模块，用于根据零部件的类别，构建零部件标签体系；

35、预处理模块，用于根据零部件标签体系，对零部件标签数据进行预处理；

36、第二构建模块，用于根据经过预处理后的零部件标签数据，构建零部件需求预测特征；

37、第三构建模块，用于根据所述零部件需求预测特征，构建预测模型；

38、预测模块，用于根据所述预测模型，对所述零部件需求进行预测。

39、为了解决上述技术问题，本发明还提供一种计算机设备，采用了如下所述的技术方案，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述的零部件需求预测方法的步骤。

40、为了解决上述技术问题，本发明还提供一种计算机可读存储介质，采用了如下所述的技术方案，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现上述的零部件需求预测方法的步骤。

41、与现有技术相比，本发明主要有以下有益效果：首先通过根据零部件的生命周期和订单量进行分类，企业可以清晰地区分高需求、中需求及低需求等不同类别的零部件，这种分类有助于企业识别关键零部件，从而优先分配资源；其次构建零部件标签体系，能够系统性地整理零部件信息，包括型号、用途、供应商等，为后续的数据处理提供基础，有助于实现零部件信息的标准化和统一管理；然后对零部件标签数据进行预处理，如去重、清洗和格式化，可以确保数据质量，减少因数据错误导致的预测偏差；再基于预处理后的数据构建零部件需求预测特征，如历史需求量、季节性波动、市场趋势等，能够更全面地反映零部件需求的内在规律；再利用这些特征构建预测模型，如时间序列分析、机器学习算法等，可以实现对零部件需求的精准预测，这些模型能够捕捉需求变化，提高预测的时效性和准确性；最后根据预测模型进行零部件需求预测，企业可以提前调整生产计划、优化库存水平，以应对市场需求的变化；有助于降低库存成本、提高生产效率，并增强企业的市场竞争力；可靠性强，融合了多类模型，取长补短，增加了预测结果的可靠性；针对零件做了属性分类，提出不同的预测方法，有效解决了异常订单对模型预测的影响性，提高了整体的预测效果；考虑到实际的应用场景，部分预测模型的框架支持对趋势，季节性和其他因素的识别和解释，对于机器学习模型可以通过模型解释算法和工具识别特征重要性和预测的重要影响因素。

技术特征：

1.一种零部件需求预测方法，其特征在于，包括下述步骤：

2.根据权利要求1所述的零部件需求预测方法，其特征在于，所述根据零部件的生命周期和订单量，对零部件进行分类，得到零部件的类别的步骤具体包括：

3.根据权利要求1所述的零部件需求预测方法，其特征在于，所述根据零部件的类别，构建零部件标签体系的步骤具体包括：

4.根据权利要求1所述的零部件需求预测方法，其特征在于，所述根据零部件标签体系，对零部件标签数据进行预处理的步骤具体包括：

5.根据权利要求1所述的零部件需求预测方法，其特征在于，所述根据经过预处理后的零部件标签数据，构建零部件需求预测特征的步骤具体包括：

6.根据权利要求1所述的零部件需求预测方法，其特征在于，所述根据所述零部件需求预测特征，构建预测模型的步骤具体包括：

7.根据权利要求1至6任意一项所述的零部件需求预测方法，其特征在于，所述根据所述预测模型，对所述零部件需求进行预测的步骤具体包括：

8.一种零部件需求预测装置，其特征在于，包括：

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的零部件需求预测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的零部件需求预测方法的步骤。

技术总结
本发明属于人工智能技术领域，涉及一种零部件需求预测方法、装置、计算机设备及存储介质，所述方法包括：根据零部件的生命周期和订单量，对零部件进行分类，得到零部件的类别；根据零部件的类别，构建零部件标签体系；根据零部件标签体系，对零部件标签数据进行预处理；根据经过预处理后的零部件标签数据，构建零部件需求预测特征；根据所述零部件需求预测特征，构建预测模型；根据所述预测模型，对所述零部件需求进行预测。可靠性强，融合了多类模型，取长补短，增加了预测结果的可靠性；针对零件做了属性分类，提出不同的预测方法，有效解决了异常订单对模型预测的影响性，提高了整体的预测效果。

技术研发人员：杨培,范宜佳,赵新阳,肖欢,孙尚云,刘想
受保护的技术使用者：深圳联友科技有限公司
技术研发日：
技术公布日：2025/3/16