專利名稱：預測對配件的需求的系統的制作方法
技術領域：
本發(fā)明涉及預測將來對配件的需求的系統。
背景技術：
對于產品來說，根據過去的統計，可以粗略地預測將來的保有產品數量，通過將保有產品數量乘以配件的預計更換率，可以粗略地獲得該產品的配件在將來的市場規(guī)模。更換率就是維修率，大致等于故障率。
但是，對于功能部件，其故障率不能從理論上獲得。因此，零配件的生產是基于對市場規(guī)模的預測進行的，而所述對市場規(guī)模的預測是根據專家的經驗或者認知獲得的。
因此，預測的故障率的精度很低，預計的需求的置信度也就很差。所以基于這樣的預測制造的配件的數量就與實際不符。結果，配件的庫存會過剩或者短缺。
本發(fā)明就是針對上述問題作出的。本發(fā)明的目的是提供一種預測對配件的需求的系統，其中，配件在將來的故障率可以精確地預測，從而可以獲得可靠的需求預測。

發(fā)明內容
為了達到上述目的，本發(fā)明提供了一種預測對配件的需求的系統，包括數據庫，對于特定種類的配件，基于在保證期內由于故障而更換的配件，收集關于故障數量、故障原因和已過去的年數的數據；求和裝置，在數據庫中從故障原因中抽出由于耐用性變差而導致的故障，并對已過去的每一年由于耐用性變差而導致的故障數量求和；年度故障率計算裝置，根據對過去的每一年求和得到的故障數量和過去的每一年的保有產品數量，計算出過去的每一年配件的故障率；故障率推測裝置，根據對過去的每一年計算出的配件故障率推測在保證期之后配件的故障率；以及市場需求預測裝置，根據所述推測的在保證期之后的配件故障率和推測的將來的保有產品的數量，計算配件在將來的市場規(guī)模，以預測對配件的需求；其中，所述求和裝置、年度故障率計算裝置、故障率推測裝置和市場需求預測裝置構成一臺計算機。
由于在保證期內出問題的配件都是100％地免費更換，根據在保證期內由于故障而更換的配件的數據，可以獲得基本上精確的故障率。
在故障原因中，由于初始質量差這樣的原因限于初期，不會在保證期之后導致故障。因此，如果將除了初始質量問題之外，由于耐用性變差而導致的故障抽出，作為基本數據，則可以計算出精確的故障率。
如果在保證期內對過去的每一年計算這樣的精確的故障率，則可以精確地推測在保證期之后的故障率，從而可以根據所述故障率和推測的在將來的保有產品數量，計算出將來的配件市場規(guī)模，從而精確地預測對配件的需求。
在上述的預測對配件的需求的系統中，對保證期后配件故障率的推測可以由這樣的故障率推測裝置進行該裝置對過去的每一年的配件的故障率進行威布爾分析(Weibull-analysis)。
由于產品的使用壽命(故障次數)的分布大致為威布爾分布，通過對過去的每一年的配件的故障率進行威布爾分析，可以精確地推測保證期之后的故障率。


圖1的框示了根據本發(fā)明的一個實施例的預測將來對配件比如汽車配件的需求的系統；圖2的表格圖示了根據本發(fā)明的一個實施例，汽車配件在保證期內的故障數據；圖3的表格圖示了在保證期內過去的每一年的配件故障；
圖4圖示了一張威布爾概率圖，其中描繪了圖3中過去的每一年的故障率，從而描繪出了一條回歸直線(recurrence linear line)。
具體實施例方式
下面結合附圖1-4描述本發(fā)明的一個實施例。這里所公開的用于預測將來對配件的需求的系統用來預測對汽車配件的需求。
如圖1所示，該系統是一個計算機系統，其使用一臺計算機10來根據數據庫1的數據預測對配件的需求。計算機10有求和裝置11、年度故障率計算裝置12、故障率推測裝置13和市場需求預測裝置14。
首先，對于配件，將保證期內的故障數據采集到數據庫1中。
如圖2所示，對于發(fā)生故障的每一種配件，收集諸如部件編號、汽車種類、故障發(fā)生日期、到發(fā)生故障時過去的天數、故障現象和保證期等數據。
對于故障現象，如果故障原因是耐用性變差，則附加一個“O”區(qū)別標記，如果故障原因是初始質量問題，則附加一個“×”區(qū)別標記。
計算機10的求和裝置11從數據庫1中抽取必要的數據，進行計算，從而求和得出每一年由于耐用性變差(區(qū)別標記為“O”)而導致的配件故障的數量。從保證期的第一年開始，列出每一年的故障數量。
圖3示出了所包含的對于某種配件的列表的一個例子。該配件的保證期為3年，故障原因為耐用性變差。圖2的列表也示出了每一年使用該配件的保有汽車的數量。
對于每一年，示出了過去的每一年的故障數量和保有汽車的數量。并且示出了每一年的故障和保有汽車的總數。
對于過去的每一年，年度故障率計算裝置12將總故障數除以總的保有汽車數，得到故障率(％)。在圖3的列表中也圖示了故障率。
下面，故障率推測裝置13對過去的每一年的故障率進行威布爾概率分析。也就是，過去的每一年的故障率被繪制在如圖4所示的威布爾概率圖上。
該概率圖的橫坐標(對數標度)表示過去的年度，縱坐標(對數標度)表示故障率(％)。
點P1表示在過去一年的時刻故障率為0.042％，點P2表示在過去二年的時刻故障率為0.059％，點P3表示在過去三年的時刻故障率為0.075％。
如圖3所示，在威布爾概率圖上計算和描繪出了所述三個點(P1、P2和P3)的回歸直線L。如果將回歸直線L延長到保證期以后，就能夠推測配件在將來的故障率。
這種推測的故障率可以視為推測的部件更換率。市場需求預測裝置14預測配件在將來的市場需求或者市場規(guī)模。通過將將來保有汽車的推測數量乘以推測的部件更換率，可以基本上準確地獲得所述市場需求或者市場規(guī)模。
在圖4中，例如，可以推測出在過去五年的時刻配件的故障率大約為0.105％。如果相應年度的保有汽車的推測數量為71000輛，則該年度的配件需求預計為75(71000×0.00105)。
由于在保證期內出問題的部件100％的都是免費更換的，因此基于如上所述在保證期內的故障率而預測將來的故障率基本上是準確的和可靠的。
由于只將由于耐用性變差導致的故障抽出作為基本數據，而將不影響將來的需求的初始質量問題導致的故障排除在外，因此排除了影響將來的故障率的精確度的因素，從而可以高度精確地預測故障率。
由于產品的使用壽命(故障次數)的分布大致為威布爾分布，在保證期過去之后的故障率可以通過對過去的每一年的配件故障率進行威布爾分析而精確地預測。
在上述實施例中，預測的是對汽車配件的需求。但是本發(fā)明可以應用于除汽車之外的任何產品的配件。如果可以得到產品的保有數量，則可以預測大致精確的需求。
權利要求
1.一種預測對配件的需求的系統，包括數據庫，對于特定種類的配件，基于在保證期內由于故障而更換的配件，收集關于故障數量、故障原因和已過去的年數的數據；求和裝置，在所述數據庫中從故障原因中抽出由于耐用性變差而導致的故障，從而對已過去的每一年求和得出由于耐用性變差而導致的故障數量；年度故障率計算裝置，根據對過去的每一年求和得到的故障數量和過去的每一年的保有產品數量，計算出過去的每一年所述配件的故障率；故障率推測裝置，根據對過去的每一年計算出的所述配件故障率推測在保證期之后所述配件的故障率；以及市場需求預測裝置，根據所述推測的在保證期之后的所述配件故障率和推測的將來的保有產品的數量，計算所述配件在將來的市場規(guī)模，以預測對所述配件的需求；所述求和裝置、年度故障率計算裝置、故障率推測裝置和市場需求預測裝置構成一臺計算機。
2.如權利要求2所述的預測對配件的需求的系統，其中，所述故障率推測裝置通過對過去的每一年的所述配件的故障率進行威布爾分析，來推測所述配件在保證期過去之后的故障率。
全文摘要
一種預測對配件的需求的系統，其中能夠用計算機精確地推測配件在將來的故障率，從而能夠進行可靠的需求預測。該系統有一個數據庫1，對于特定種類的配件，基于在保證期內由于故障而更換的配件，收集關于故障數量、故障原因和已過去的年數的數據；求和裝置11，在數據庫1中從故障原因中抽出由于耐用性變差而導致的故障，從而對已過去的每一年求和得出由于耐用性變差而導致的故障數量；年度故障率計算裝置12，根據對過去的每一年求和得到的故障數量和過去的每一年的保有產品數量，計算出過去的每一年所述配件的故障率；故障率推測裝置13，根據對過去的每一年計算出的所述配件故障率推測在保證期之后所述配件的故障率；以及市場需求預測裝置14，根據所述推測的在保證期之后的所述配件故障率和推測的將來的保有產品的數量，計算所述配件在將來的市場規(guī)模，以預測對所述配件的需求。
文檔編號G06Q50/10GK1520571SQ0281283
公開日2004年8月11日 申請日期2002年7月12日 優(yōu)先權日2002年5月13日
發(fā)明者
原幸男, 篠原幸男 申請人:本田技研工業(yè)株式會社