發(fā)布時間：2022-01-22 13:43

　　經濟社會的發(fā)展使化石能源出現了前所未有的緊缺�；茉磶淼奈廴締栴}也得到了人們的廣泛關注,推動了諸多新能源行業(yè)快速發(fā)展,也使我國風電行業(yè)進入快速發(fā)展時期。近年來,我國推行的電力供給側改革使新機市場日漸萎縮,但對于風電設備的售后服務需求、設備升級改造需求大幅增加。在此背景下,許多風電設備制造企業(yè)紛紛將目光轉向提高售后服務質量,開展設備升級改造業(yè)務,力求尋找企業(yè)新的利潤增長點。然而,目前此種企業(yè)多為傳統的生產型企業(yè)。許多企業(yè)將原有的原材料庫存管理方法套用于服務備件,發(fā)生了較大的庫存管理問題,產生了大量服務備件的呆滯庫存。庫存的周轉速度直接影響企業(yè)的資金周轉效率。過多的呆滯庫存會占壓企業(yè)大量流動資金,更使企業(yè)后續(xù)管理成本攀升。此外,在庫時間過長也加劇了備件的質量退化風險。因此,合理控制備件持有庫存,減少呆滯庫存的產生已成為企業(yè)的重要管理目標之一。本文針對目前正在努力提升售后服務質量、提供老舊設備升級改造業(yè)務的某風電設備制造企業(yè)進行研究,利用服務備件在庫數據識別出服務備件庫存管理中存在的主要問題并有針對性提出了相應的解決辦法。首先,針對此風電設備制造企業(yè)現有服務備件分類標準和備件管理混亂的問... 

【文章來源】：中國礦業(yè)大學江蘇省 211工程院校 教育部直屬院校

【文章頁數】：68 頁

【學位級別】：碩士

【部分圖文】：

Z企業(yè)2017-2019年度服務備件庫存狀況統計圖

5動態(tài)關聯規(guī)則挖掘及ARIMA模型應用與評價37續(xù)表5-3日期ft日期ft日期ft2015.043202016.123002018.082002015.053702017.012802018.091502015.062902017.023202018.101802015.072402017.033002018.111602015.082502017.043602018.121705.2.1時間序列的預處理確定型時序分析方法根據歷史數據的變動特征對未來數據進行預測，但無法描述序列中的隨機性或偶然性，多進行忽略隨機因素后的理想狀態(tài)描述。隨機時間序列模型由確定性趨勢和平穩(wěn)的零均值誤差成分構成，對此我們首先進行差分變換再對該序列進行擬合。平穩(wěn)性檢驗主要有時序圖和自相關檢驗兩種主要檢驗方法。本文將支持度計數序列按時間排序后進行驗證。首先采用時序圖進行驗證，通過圖5-1發(fā)現，因極端值干擾，規(guī)則的支持度計數序列變化較為模糊，所以應繼續(xù)采用單位根進行判斷。圖5-1支持度計數序列時序圖Figure5-1Thetimingdiagramofmonthlysupportcounts如表5-4所示，支持度計數序列單位根檢驗值為-0.859064，而在0.05的顯著性水平下其臨界值為-1.946549，由于檢驗的絕對值小于臨界值的絕對值，不能拒絕原假設，所以未通過檢驗，即規(guī)則的支持度計數為非平穩(wěn)時間序列。此外，由于純隨機序列無分析意義，所以需要對數據進行純隨機性檢驗。在數據挖掘過程中產生的支持度計數序列受風機機組使用壽命、地域季節(jié)等相關因素影響，所以為非純隨機序列。

工程碩士專業(yè)學位論文38表5-4單位根檢驗結果Table5-4TheresultsofADFtestt-StatisticProb.*AugmentedDickey-Fullerteststatistic-0.8590640.3396Testcriticalvalues:1%level-2.6154245%level-1.94654910%level-1.6131815.2.2序列平穩(wěn)化對于本文而言，定向類服務備件的總體特征決定了其受季節(jié)影響因素較為明顯，所以應考慮應用ARIMA模型的季節(jié)乘積模型進行擬合。通過上一節(jié)可知規(guī)則的支持度計數序列為非平穩(wěn)時間序列，因此不能直接對支持度計數序列進行建模而應嘗試對其進行平穩(wěn)化操作。如圖5-2所示，相關圖顯示一階截尾所以可考慮對序列進行一階差分。同時，在延遲12期時，自相關及偏自相關系數均落在兩倍標準差外，所以首先考慮對其進行一階差分和步長為12的季節(jié)差分消除趨勢性影響。差分后的支持度計數序列時序圖如圖5-3所示，差分后的相關圖如圖5-4所示。結果表明一階差分變換和季節(jié)差分變換提取了線性趨勢。為保證結果的準確性可進行再一次驗證，單位根檢驗結果如表5-5所示。圖5-2自相關和偏自相關分析圖Figure5-2Autocorrelationandpartialautocorrelationanalysis

【參考文獻】：
期刊論文
[1]基于傳感器集群的倉庫運維狀態(tài)監(jiān)測系統研究[J]. 王樹強,崔萬林,鄭新浩,王剛,高源.  信息技術. 2020(03)
[2]淺談RFID技術在倉庫管理的應用[J]. 潘信宏.  計算機產品與流通. 2020(02)
[3]海外電站運行維護備品備件管理[J]. 莊宇.  經營與管理. 2020(02)
[4]典型立體倉儲系統優(yōu)勢對比分析[J]. 馬永敬,孔維榮,周嬌嬌,馬力.  價值工程. 2019(36)
[5]工齡更換策略與備件庫存控制聯合費用模型[J]. 韓玉成,池闊.  中國科技信息. 2019(19)
[6]基于EML模型的備件庫存優(yōu)化方法[J]. 王瑩.  火力與指揮控制. 2019(08)
[7]易燃品倉庫群三維移動智慧巡檢路徑優(yōu)化[J]. 郭凡,李東,許犇.  西安科技大學學報. 2019(01)
[8]智慧倉庫信息系統的設計與研究[J]. 鄒美廣,張捷,呂明,李輝.  工業(yè)控制計算機. 2018(12)
[9]基于遺傳算法優(yōu)化參數SVM的備件需求預測研究[J]. 邱立軍,付霖宇,董琪,顧鈞元.  兵器裝備工程學報. 2018(04)
[10]灰色關聯分析的備件分類方法[J]. 曾翔,徐廷學,安進,顧鈞元.  現代防御技術. 2018(02)

博士論文
[1]面向慢速流動備件供應有效性的需求預測研究[D]. 魏曦初.大連理工大學 2018
[2]裝配型制造企業(yè)庫存協同優(yōu)化理論與方法研究[D]. 李雙艷.中南大學 2012
[3]企業(yè)備件管理若干管理模型及其應用研究[D]. 朱翠玲.中國科學技術大學 2006

碩士論文
[1]基于RFID技術的R.B無錫公司物流管理優(yōu)化方案設計[D]. 于衛(wèi).蘭州大學 2019
[2]基于ERP的西藏電力工程項目物資管理系統設計與實現[D]. 曾愛武.電子科技大學 2019
[3]動車組檢修備件庫存管理優(yōu)化研究[D]. 喬成珍.中國鐵道科學研究院 2019
[4]S汽車公司涂裝車間設備維修計劃優(yōu)化與關鍵備件庫存改善研究[D]. 趙濟宇.南京航空航天大學 2019
[5]中低層立體倉庫管理系統研究[D]. 肖楊.湖北工業(yè)大學 2019
[6]基于ABC法的徐州光伏公司備件庫存管理優(yōu)化研究[D]. 陳傳衛(wèi).蘭州理工大學 2019
[7]民爆企業(yè)備件管理系統研究[D]. 陸亮英.廣西大學 2018
[8]基于供應鏈的YC公司備件庫存管理優(yōu)化研究[D]. 王儀.云南財經大學 2018
[9]動車組不常用備件的判定以及需求預測研究[D]. 宋銘星.北京交通大學 2017
[10]基于故障預測的自動售票機備件庫存管理[D]. 黃燕.重慶交通大學 2017



本文編號：3602303