基于支持向量机的不常用备件需求预测方法研究

备件管理是设备管理工作的一项重要内容,它与企业的生产运行绩效和经济效益密切相关。既满足设备维护检修需要,又合理占用资金是备件库存管理的基本原则,准确的备件需求预测对于备件库存控制与优化十分重要。 不常用备件具有使用频次低、间隔期长且需求不确定等特征,其历史需求数据的样本量十分有限,使得该类备件需求的预测非常困难。以样本数目趋于无穷大的渐进理论为基础的传统统计学预测方法,不能很好地解决这个问题。 基于此,本文研究了基于支持向量机的不常用备件需求预测方法。首先对不常用备件所具有的间续性需求特征进行了描述与界定,并分析了指数平滑法、Croston方法、Bootstrap方法等常用的间续性需求预测方法的基本思想与不足之处。然后引入了基于有限样本统计学习理论的支持向量机预测方法,对线性和非线性支持向量机回归(SVR)算法进行了说明。接着,结合不常用备件的特点,提出了两种基于SVR的不常用备件需求预测方法:基于时间序列的SVR预测和基于影响因素的SVR预测,对其基本步骤和框架以及需求预测结果评价机制进行了探讨,并通过一个实例研究,验证了这两种方法的有效性。最后,结合预测支持系统(FSS)的相关理论,研究了基于SVR的不常用备件需求预测FSS系统。