基于质保索赔数据的服务备件需求预测研究

摘要

质保数据（Warranty Data）是指在质保期内由于质保索赔产生的，或者企业自行组织调查进而对索赔数据进行补充而得到的数据，这两种数据分别称为索赔数据（Claim Data）和补充数据（Supplementary Data）。作为产品投入市场后最直观的寿命与备件需求信息数据，对质保数据进行分析受到了广泛的关注。
　　本文以产品备件的质保数据为基础，以质保索赔数预测问题为出发点，以维修数据为补充，探求基于质保数据的备件需求预测问题，以此作为备件需求预测这一库存管理中的重要问题的研究。而现如今服务备件需求预测领域的方法大多以时间序列为基础，如移动平均法、指数平滑法和Croston法等，而这些方法在准确度上仍难以令人满意。因此，针对两种不同种类备件的需求预测问题，即一般备件需求预测（Ordinary Service Part Demand Forecasting）与不常用备件需求预测（Rarely Used Service Part Demand Forecasting），本文分析了两种不同的质保索赔数据：一般质保索赔数据（Ordinary Warranty Data）与稀疏质保索赔数据（Sparse Warranty Data）。其中针对普通备件需求预测问题，本文将非齐次泊松分布（Non-homogeneous Poisson Process）与备件失效更换率模型结合，构建了基于随机过程的备件需求预测模型。另外在此基础上，本文指出对具有二维质保策略的产品使用普通的一维预测模型的缺陷，考虑了产品二维质保策略下对需求预测的问题的改进。在数理验证阶段，本文使用模拟仿真和案例研究的方法将文中方法与指数平滑法模型和ARIMA模型进行了比较。
　　同时，本文又着重研究了基于稀疏质保数据的不常用备件的需求预测问题。首先本文发现了质保数据中的零膨胀（Zero-inflation）现象。针对质保索赔数领域的研究集中于常规质保数据研究而忽略零膨胀数据研究的现状，本文提出了基于非齐次泊松过程的零膨胀非齐次泊松（ZINHPP）模型，解决了质保数据中的零膨胀和非齐次性两个问题。对此模型本文进行了数据仿真验证，结果优于传统的零膨胀泊松（ZIP）模型与非齐次泊松（NHPP）模型。随后，本文以此为基础研究不常用备件的需求预测问题，构建DZINHPP模型，并将此模型与不常用备件预测领域常用的Croston法和2S法相比较，结论显示本文方法在大样本和小预测间隔时有较高预测精度。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景

1.1.1备件需求预测

1.1.2产品质保与质保数据

1.2国内外研究现状

1.2.1服务备件需求预测

1.2.2质保数据分析国内外研究

1.3研究意义

1.4论文结构与研究内容

第二章 基于质保索赔数据的一般备件需求预测模型

2.1产品可靠性及可靠性指标

2.1.1首次故障前时间分布

2.1.2产品可靠度

2.1.3失效率与失效函数

2.2一维质保政策下的备件需求预测问题

2.2.1质保索赔数预测

2.2.2备件更换率模型

2.2.3基于一维质保政策的索赔数预测方法（SPD1）

2.3二维质保政策下的服务备件需求问题

2.3.1产品使用率以及对风险率估计的影响

2.3.2基于二维质保政策的质保索赔数预测模型（SPD2）

2.4数理验证

2.4.1使用率分布参数估计

2.4.2仿真研究

2.4.3案例研究

第三章 基于稀疏质保索赔数据的不常用服务备件需求预测模型

3.1相关理论研究

3.1.1不常用服务备件的预测技术综述

3.1.2零膨胀现象

3.2零膨胀质保数据下的服务备件预测问题

3.2.1质保数据中的过离散与零膨胀现象

3.2.2基于零膨胀数据的质保索赔数预测模型

3.2.3对零膨胀非齐次泊松过程模型的验证

3.2.4基于零膨胀数据的服务备件需求预测模型

3.3仿真研究

3.3.1 Croston模型

3.3.2 2S模型

3.3.3针对不常用备件的预测精度的仿真研究

第四章 结论与展望

4.1结论

4.2未来的工作

参考文献

发表论文和参加科研情况说明

致谢