經(jīng)濟社會的發(fā)展使化石能源出現(xiàn)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(guān)注,推動了諸多新能源行業(yè)快速發(fā)展,也使我國風(fēng)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(cè)改革使新機市場日漸萎縮,但對于風(fēng)電設(shè)備的售后服務(wù)需求、設(shè)備升級改造需求大幅增加。在此背景下,許多風(fēng)電設(shè)備制造企業(yè)紛紛將目光轉(zhuǎn)向提高售后服務(wù)質(zhì)量,開展設(shè)備升級改造業(yè)務(wù),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(tǒng)的生產(chǎn)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(wù)備件,發(fā)生了較大的庫存管理問題,產(chǎn)生了大量服務(wù)備件的呆滯庫存。庫存的周轉(zhuǎn)速度直接影響企業(yè)的資金周轉(zhuǎn)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(zhì)量退化風(fēng)險。因此,合理控制備件持有庫存,減少呆滯庫存的產(chǎn)生已成為企業(yè)的重要管理目標(biāo)之一。本文針對目前正在努力提升售后服務(wù)質(zhì)量、提供老舊設(shè)備升級改造業(yè)務(wù)的某風(fēng)電設(shè)備制造企業(yè)進行研究,利用服務(wù)備件在庫數(shù)據(jù)識別出服務(wù)備件庫存管理中存在的主要問題并有針對性提出了相應(yīng)的解決辦法。首先,針對此風(fēng)電設(shè)備制造企業(yè)現(xiàn)有服務(wù)備件分類標(biāo)準(zhǔn)和備件管理混亂的問... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

Z企業(yè)2017-2019年度服務(wù)備件庫存狀況統(tǒng)計圖

5動態(tài)關(guān)聯(lián)規(guī)則挖掘及ARIMA模型應(yīng)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(yù)處理確定型時序分析方法根據(jù)歷史數(shù)據(jù)的變動特征對未來數(shù)據(jù)進行預(yù)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(gòu)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(guān)檢驗兩種主要檢驗方法。本文將支持度計數(shù)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(xiàn)，因極端值干擾，規(guī)則的支持度計數(shù)序列變化較為模糊，所以應(yīng)繼續(xù)采用單位根進行判斷。圖5-1支持度計數(shù)序列時序圖Figure5-1Thetimingdiagramofmonthlysupportcounts如表5-4所示，支持度計數(shù)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(shè)，所以未通過檢驗，即規(guī)則的支持度計數(shù)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(shù)據(jù)進行純隨機性檢驗。在數(shù)據(jù)挖掘過程中產(chǎn)生的支持度計數(shù)序列受風(fēng)機機組使用壽命、地域季節(jié)等相關(guān)因素影響，所以為非純隨機序列。

工程碩士專業(yè)學(xué)位論文38表5-4單位根檢驗結(jié)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(wù)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(yīng)考慮應(yīng)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(shù)序列為非平穩(wěn)時間序列，因此不能直接對支持度計數(shù)序列進行建模而應(yīng)嘗試對其進行平穩(wěn)化操作。如圖5-2所示，相關(guān)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(guān)及偏自相關(guān)系數(shù)均落在兩倍標(biāo)準(zhǔn)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(shù)序列時序圖如圖5-3所示，差分后的相關(guān)圖如圖5-4所示。結(jié)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(jié)果的準(zhǔn)確性可進行再一次驗證，單位根檢驗結(jié)果如表5-5所示。圖5-2自相關(guān)和偏自相關(guān)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(tǒng)研究[J]. 王樹強,崔萬林,鄭新浩,王剛,高源.  信息技術(shù). 2020(03)
[2]淺談RFID技術(shù)在倉庫管理的應(yīng)用[J]. 潘信宏.  計算機產(chǎn)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(jīng)營與管理. 2020(02)
[4]典型立體倉儲系統(tǒng)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(lián)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(xué)學(xué)報. 2019(01)
[8]智慧倉庫信息系統(tǒng)的設(shè)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(shù)SVM的備件需求預(yù)測研究[J]. 邱立軍,付霖宇,董琪,顧鈞元.  兵器裝備工程學(xué)報. 2018(04)
[10]灰色關(guān)聯(lián)分析的備件分類方法[J]. 曾翔,徐廷學(xué),安進,顧鈞元.  現(xiàn)代防御技術(shù). 2018(02)

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

碩士論文
[1]基于RFID技術(shù)的R.B無錫公司物流管理優(yōu)化方案設(shè)計[D]. 于衛(wèi).蘭州大學(xué) 2019
[2]基于ERP的西藏電力工程項目物資管理系統(tǒng)設(shè)計與實現(xiàn)[D]. 曾愛武.電子科技大學(xué) 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(xué)研究院 2019
[4]S汽車公司涂裝車間設(shè)備維修計劃優(yōu)化與關(guān)鍵備件庫存改善研究[D]. 趙濟宇.南京航空航天大學(xué) 2019
[5]中低層立體倉庫管理系統(tǒng)研究[D]. 肖楊.湖北工業(yè)大學(xué) 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(xué) 2019
[7]民爆企業(yè)備件管理系統(tǒng)研究[D]. 陸亮英.廣西大學(xué) 2018
[8]基于供應(yīng)鏈的YC公司備件庫存管理優(yōu)化研究[D]. 王儀.云南財經(jīng)大學(xué) 2018
[9]動車組不常用備件的判定以及需求預(yù)測研究[D]. 宋銘星.北京交通大學(xué) 2017
[10]基于故障預(yù)測的自動售票機備件庫存管理[D]. 黃燕.重慶交通大學(xué) 2017



本文編號：3602303