数据挖掘技术在X电站不常用备件分类管理中的应用.docVIP

数据挖掘技术在X电站不常用备件分类管理中的应用 一、案例背景 在核电站的生产经营过程中，对设备的依赖程度很高。作为设备正常维护检修和应急处理的保障性物资，备件的重要程度不言而喻。据备件使用的频度，可以将备件分为两类：常用备件和不常用备件。相较于常用备件，不常用备件具有可用性要求高、专用性强、单价高、生产周期长、使用频率较低且规律性不强、寿期不确定等特点，管理难度相当大。在核电企业的库存管理工作中，管理人员需要将不常用备件进行ABC分类，保证对关键备件进行重点管理，提高不常用备件的库存管理水平。 X核电站经过内部企业调查，发现在企业的备件库存中，三年内未使用的备件品种约为10%，其库存资金的占有比率高达40%。这些不常用备件，在企业库存资金中占有较大比例，是库存管理的工作重点。由于其数量众多，管理人员精力有限，不可能对其一视同仁地管理。所以必须对备件进行分类，然后重点管理。在实践中，ABC库存法分类法常常被用于解决此类问题。 二、解决方案 利用支持向量机SVMs构建不常用备件分类模型是解决该问题的可行解决方案。其基本思想是：首先建立不常用备件分类指标体系，接着选出训练集，利用SVMs中的SVC模型建立分类模型，最后进行模型测试。 1）分类指标设计 结合X核电站的库存管理实践，综合考虑不常用备件的特点，制定以下不常用备件ABC分类指标体系，如下表（表1-1）所示： 表1-1 不常用备件ABC分类指标 指标 属性值 说 明 供应商等级 高、中、低 由库存管理工程师按照供应商供货质量、服务水平、技术支持水平等进行综合评定 重要性等级 高、中、低 由库存管理工程师按照备件对企业生产经营的影响程度、备件缺货损失的大小等进行综合评定 使用年数 年 备件在该企业使用的时间长短 采购单价 美元 备件的采购单价，以最近一次的采购单价计算 采购提前期 周 备件的采购提前期，以最近一次的采购发单到备件验收入库的时间计算 备件寿期 天 备件的保质期 2）分类模型建立 对抽取的样本用均值法进行了无量纲化处理，然后对处理后的样本进行学习，生成分类SVM，并使用5组交叉验证法进行了核函数参数及惩罚参数的调整工作。 我们将生成的A类备件和B类备件、A类备件和C类备件、B类备件和C类备件的分类SVM的最优核函数及参数列表如下（表1-2）： 表5-1 样本数据处理后生成的SVM最优核函数及参数列表 分类对象 分类错误率（%） 最优核函数及参数 A类备件和B类备件 3.12 核函数参数g=1，惩罚参数C=102 A类备件和C类备件 0.71 核函数参数g=10-1，惩罚参数C=103 B类备件和C类备件 3.15 核函数参数g=1，惩罚参数C=103 我们将样本数据处理后生成的SVM最低分类错误率与处理前的分类错误率进行比较，可以得到下表（表1-3）： 表1-3 样本数据处理前后生成的SVM最低分类错误率 分类对象 处理前错误率（%） 处理后错误率（%） 变动率（%） A类备件和B类备件 4.84 3.12 -35.54 A类备件和C类备件 0.74 0.71 -4.05 B类备件和C类备件 3.05 3.15 3.28 三、结果分析 利用SVMs作为数据挖掘工具将核电站备件分类问题视作分类问题，能够很好地帮助库存管理人员识别备件类型，从而采取针对性管理措施，大大提高了工作效率，也带来了经济效益。