一种物料用量的预测方法、系统、设备及介质

技术领域

本发明提供了一种物料用量的预测方法、系统、设备及介质，属于生产用料调度分配管理领域。

背景技术

用料需求预测是对生产制造工业等极为重要，如果不能合理的预测物料用量，可能会导致生产过程中存在资源浪费。若用料预测值大幅低于实际值，会导致生产环节用料不足，严重影响生产计划；若用料预测值大幅高于实际值，会导致仓库积压、占用流动资金，对企业的未来发展不利。降本增效是企业保持核心竞争力、实现可持续发展的必要条件之一，可以提升企业经济效益与市场竞争力。对物料的管控是成本控制不可或缺的部分。因此预测物料用量，对于物料管控至关重要。

发明内容

为克服相关技术中存在的问题，本发明提供一种物料用量的预测方法、系统、设备及介质。

根据本发明实施例的第一方面，提供一种物料用量的预测方法，包括：

获取物料用量矩阵，其中，所述物料用量矩阵中的元素为每个工作单元在设定周期内的各类物料用量；

按照主成分分析法对物料用量矩阵中进行降维处理，将n类物料降维到k类物料因子，得到k类物料因子的用量与n类物料用量的对应关系；

根据所述对应关系确定n类物料之间的用量比例；

根据所述用量比例对物料用量进行预测。

进一步，所述k类物料因子的用量与n类物料用量的对应关系为由n类物料用量与对应的占比系数加权计算得到k类物料因子的用量；

根据所述对应关系确定n类物料之间的用量比例，具体包括：

根据物料对应的占比系数的比例确定物料的用量比例。

进一步，在根据所述对应关系确定n类物料之间的用量比例之前，还包括：

将各工作单元的各个物料因子的用量取平均，得到每个工作单元的各个物料因子的用量。

进一步，按照主成分分析法对物料用量矩阵中进行降维处理，将n类物料降维到k类物料因子，得到k类物料因子的用量与n类物料用量的对应关系，具体包括：

按照主成分分析法对物料用量矩阵A中进行降维处理，得到物料因子用量矩阵F：

其中，

根据本发明实施例的第二方面，提供一种物料用量的预测系统，包括：

获取模块，用于获取物料用量矩阵，其中，所述物料用量矩阵中的元素为每个工作单元在设定周期内的各类物料用量；

处理模块，用于按照主成分分析法对物料用量矩阵中进行降维处理，将n类物料降维到k类物料因子，得到k类物料因子的用量与n类物料用量的对应关系；

计算模块，用于根据所述对应关系确定n类物料之间的用量比例；

预测模块，用于根据所述用量比例对物料用量进行预测。

进一步，所述k类物料因子的用量与n类物料用量的对应关系为由n类物料用量与对应的占比系数加权计算得到k类物料因子的用量；

所述计算模块，具体用于根据物料对应的占比系数的比例确定物料的用量比例。

进一步，所述计算模块，还用于在根据所述对应关系确定n类物料之间的用量比例之前，将各工作单元的各个物料因子的用量取平均，得到每个工作单元的各个物料因子的用量。

进一步，所述处理模块，具体用于按照主成分分析法对物料用量矩阵A中进行降维处理，得到物料因子用量矩阵F：

其中，

根据本发明实施例的第三方面，提供一种终端设备，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。

根据本发明实施例的第四方面，提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。

本发明的实施例提供的技术方案可以包括以下有益效果：

本发明依据历史用料数据以及对应物料消耗所完成的工作进度，对这些数据进行分析并预测，可以得出未来的工作进度与物料用量的比例，本发明的用料预测结果可以为采购部门提供用料采购的参考值，进而帮助采购部门根据自己的情况采购所需要的用料资源，节省资源。而且仓库管理的管理人员也可以参考用料的预测结果，合理的对领料情况进行分配用料。总的来说，物料用量预测可以在降低资源浪费的前提下有效分配并保证生产计划平稳推进。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

通过结合附图对本发明示例性实施方式进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施方式中，相同的参考标号通常代表相同部件。

图1是根据本发明一示例性实施例示出的一种物料用量的预测方法的流程示意图；

图2是根据本发明示例性实施例示出的一种物料用量的预测系统的结构框图；

图3是根据本发明一示例性实施例示出的一种计算设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本发明的优选实施方式。虽然附图中显示了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。

在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本发明可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在大多数制造生产的企业中，都存在这制定计划-采购物料-生产的这一套基础流程，本发明是基于企业历史用料数据、工作进度数据，预测物料用量的方法。历史的用料数据常为非规律性数据，而工作进度数据较为规律，所以可以根据每次物料的领用时间，对比分析计算出每个工作单元所对应的该物料消耗情况。工作单元是指能够生产某一完整部件或组件的人工或机械流程的集合，它是指分解工作流程结果的最小单元。一天的工作进度是可以被划分成多个工作单元的。

由于物料的种类多种多样，而且同一个物料可能会有另外一种相同类别的物料所替代，例如不同规格的钢管可以相互替代。所以为了划分物料的种类，要对物料的消耗数据做降维处理，将多种物料归为互相独立的几个物料因子。可以计算得到每个工作单元各物料因子的用量，取均值可得一个工作单元各物料因子用量。由于无法直接通过物料因子用量，逆向得到各物料用量。本发明中采用“系数越大值越大”的方法，可以求得各物料的推荐用量。

最后可以根据计算出的物料用量预测出未来一定量的工作进度所消耗的物料用量。以下结合附图详细描述本发明实施例的技术方案。

图1是根据本发明一示例性实施例示出的一种物料用量的预测方法的流程示意图。

参见图1，该方法包括：

110、获取物料用量矩阵，其中，所述物料用量矩阵中的元素为每个工作单元在设定周期内的各类物料用量；

由于多数情况下，在生产工作中都是提前领料，用完即领。领料时间与作业时间对应关系不明确，无法直接获取当天作业具体用料情况。所以通过连续两次相同物料领用的时间，以及该时间段内一共有完成了几个工作单元，可估算出该时间段内每个单元的物料使用情况。根据每天的工作进度，可以间接得到了每天的各物料使用情况。

设历史数据中每天的工作进度为一组列向量M

M＝(m

其中，m

设对应的每天各个物料的消耗情况矩阵为A

A＝(A

其中，A

120、按照主成分分析法对物料用量矩阵中进行降维处理，将n类物料降维到k类物料因子，得到k类物料因子的用量与n类物料用量的对应关系；

具体的，部分物料之间存在关联关系，可相互替代，无法直接通过历史用料情况预测未来用料。主成分分析法(PCA)能够把原有的多个指标转化减少成几个有较好代表性的综合指标，这几个指标能反映原来指标的95％以上的信息，并且各指标之间在某种程度上不存在重叠关系，关联性很小。

根据PCA的特征，能够用它实现多个物料的简化降维以及分类。

通过PCA的降维计算，在保证信息损失不高于5％的情况下，将n个物料种类指标降维到k类，得到k个物料种类指标以及矩阵A的特征向量e

其中，

根据计算得到的F

130、根据所述对应关系确定n类物料之间的用量比例；

为了能够根据物料因子用量逆向计算出各物料用量，这里我们使用“系数越大值越大”的方法，它的核心思想是根据元素的重要程度进行排序，并且对这些元素进行量化并降序排序，可以用累计百分比进行计算元素占比。

根据“系数越大值越大”的方法，对所求的各个物料比例进行量化，认为F

根据该方法得

140、根据所述用量比例对物料用量进行预测。

本发明提供的物料用量的预测方法，通过自身数据进行判断，其通用性更强，可以用于多种领域的用料预测分配，可以为企业提供更加合理的用料使用预测量，且预测具有较高的参考价值，能帮助企业节省了预估成本，提高了预估效率。

图2是根据本发明示例性实施例示出的一种物料用量的预测系统的结构框图。

参见图2，该系统包括：

获取模块，用于获取物料用量矩阵，其中，所述物料用量矩阵中的元素为每个工作单元在设定周期内的各类物料用量；

处理模块，用于按照主成分分析法对物料用量矩阵中进行降维处理，将n类物料降维到k类物料因子，得到k类物料因子的用量与n类物料用量的对应关系；

计算模块，用于根据所述对应关系确定n类物料之间的用量比例；

预测模块，用于根据所述用量比例对物料用量进行预测。

可选地，在该实施例中，所述k类物料因子的用量与n类物料用量的对应关系为由n类物料用量与对应的占比系数加权计算得到k类物料因子的用量；

所述计算模块，具体用于根据物料对应的占比系数的比例确定物料的用量比例。

可选地，在该实施例中，所述计算模块，还用于在根据所述对应关系确定n类物料之间的用量比例之前，将各工作单元的各个物料因子的用量取平均，得到每个工作单元的各个物料因子的用量。

关于上述实施例中的系统，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。

图3是根据本发明一示例性实施例示出的一种计算设备的结构示意图。

参见图3，计算设备300包括存储器310和处理器320。

处理器320可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器310可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)和永久存储装置。其中，ROM可以存储处理器320或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器310可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器310可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器310上存储有可执行代码，当可执行代码被处理器320处理时，可以使处理器320执行上文述及的方法中的部分或全部。

此外，根据本发明的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本发明的上述方法中部分或全部步骤的计算机程序代码指令。

或者，本发明还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质)，其上存储有可执行代码(或计算机程序、或计算机指令代码)，当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或计算设备、服务器等)的处理器执行时，使所述处理器执行根据本发明的上述方法的各个步骤的部分或全部。

上文中已经参考附图详细描述了本发明的方案。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。本领域技术人员也应该知悉，说明书中所涉及的动作和模块并不一定是本发明所必须的。另外，可以理解，本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减，本发明实施例装置中的模块可以根据实际需要进行合并、划分和删减。

本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。

附图中的流程图和框图显示了根据本发明的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。