基于質(zhì)保索賠數(shù)據(jù)的服務(wù)備件需求預(yù)測研究.pdf

1、質(zhì)保數(shù)據(jù)（Warranty Data）是指在質(zhì)保期內(nèi)由于質(zhì)保索賠產(chǎn)生的，或者企業(yè)自行組織調(diào)查進(jìn)而對索賠數(shù)據(jù)進(jìn)行補(bǔ)充而得到的數(shù)據(jù)，這兩種數(shù)據(jù)分別稱為索賠數(shù)據(jù)（Claim Data）和補(bǔ)充數(shù)據(jù)（Supplementary Data）。作為產(chǎn)品投入市場后最直觀的壽命與備件需求信息數(shù)據(jù)，對質(zhì)保數(shù)據(jù)進(jìn)行分析受到了廣泛的關(guān)注。
　　本文以產(chǎn)品備件的質(zhì)保數(shù)據(jù)為基礎(chǔ)，以質(zhì)保索賠數(shù)預(yù)測問題為出發(fā)點(diǎn)，以維修數(shù)據(jù)為補(bǔ)充，探求基于質(zhì)保數(shù)據(jù)的備件需求預(yù)測問

2、題，以此作為備件需求預(yù)測這一庫存管理中的重要問題的研究。而現(xiàn)如今服務(wù)備件需求預(yù)測領(lǐng)域的方法大多以時(shí)間序列為基礎(chǔ)，如移動平均法、指數(shù)平滑法和Croston法等，而這些方法在準(zhǔn)確度上仍難以令人滿意。因此，針對兩種不同種類備件的需求預(yù)測問題，即一般備件需求預(yù)測（Ordinary Service Part Demand Forecasting）與不常用備件需求預(yù)測（Rarely Used Service Part Demand Forecast

3、ing），本文分析了兩種不同的質(zhì)保索賠數(shù)據(jù)：一般質(zhì)保索賠數(shù)據(jù)（Ordinary Warranty Data）與稀疏質(zhì)保索賠數(shù)據(jù)（Sparse Warranty Data）。其中針對普通備件需求預(yù)測問題，本文將非齊次泊松分布（Non-homogeneous Poisson Process）與備件失效更換率模型結(jié)合，構(gòu)建了基于隨機(jī)過程的備件需求預(yù)測模型。另外在此基礎(chǔ)上，本文指出對具有二維質(zhì)保策略的產(chǎn)品使用普通的一維預(yù)測模型的缺陷，考慮了產(chǎn)品

4、二維質(zhì)保策略下對需求預(yù)測的問題的改進(jìn)。在數(shù)理驗(yàn)證階段，本文使用模擬仿真和案例研究的方法將文中方法與指數(shù)平滑法模型和ARIMA模型進(jìn)行了比較。
　　同時(shí)，本文又著重研究了基于稀疏質(zhì)保數(shù)據(jù)的不常用備件的需求預(yù)測問題。首先本文發(fā)現(xiàn)了質(zhì)保數(shù)據(jù)中的零膨脹（Zero-inflation）現(xiàn)象。針對質(zhì)保索賠數(shù)領(lǐng)域的研究集中于常規(guī)質(zhì)保數(shù)據(jù)研究而忽略零膨脹數(shù)據(jù)研究的現(xiàn)狀，本文提出了基于非齊次泊松過程的零膨脹非齊次泊松（ZINHPP）模型，解決了質(zhì)保