[发明专利]一种数据驱动的售后服务电子产品零件备货量计算方法

说明书

本发明公开了一种数据驱动的售后服务电子产品零件备货量计算方法，针对电子产品备件预测及库存成本优化问题提出简单高效的优化方法，充分利用历史数据，结合机会约束方法建立预测模型，通过对预测模型的高效求解得到鲁棒优化解，采用求解得到的预测模型即可给出后续时间段内的备件购买决策方案，指导实际售后服务厂商做出相应的决策，在满足用户备件更换需求的条件下，优化相关成本，与现有备件需求量预测方法相比，对数据的利用更充分，优化性能更优异。

技术领域

本发明属于备件需求量计算技术领域，具体涉及一种数据驱动的售后服务电子产品零件备货量计算方法。

背景技术

目前随着信息技术的不断发展，人们的日常工作和生活对电子产品的依赖程度越来越高，笔记本电脑、手机、打印机等电子产品已经非常普及，尤其是手机作为一种通讯工具，已成为大家日常生活不可或缺的重要组成部分。高强度使用加速了电子产品零部件的老化，消费者对电子产品的售后维修服务需求量明显提升。当用户在保修期内需要修理电子产品并更换备用零件却无法满足时，会对相关品牌产品产生不满情绪，从而影响品牌美誉度，对后续产品的销售情况产生负面影响。因此，电子产品售后服务商需要在保修期内来制造需要的维修零件来满足用户对售后服务的需求。另一方面，电子产品型号快速的更新换代导致零件供应商无法长期维护特定的备件生产线，而电子产品的保修期一般约为一到三年，相关零件制造商不会持续维护特定型号的备件生产线，无法保证备件在保修期的持续供应。

为了确保消费者对品牌的信赖，保障售后服务质量，售后服务商需要在相关产品的产线下线前，准备足量的备件，以保证消费者的维修更换需求得到满足。因此，售后服务商需要据消费者的需求，决策相关备件的购买数量，进而补充库存。与此同时，备件的订购会带来购置、库存以及销毁成本，备件购置量远大于需求量时会极大增加售后服务的成本。因此，准确预测备件的需求量是十分必要的。传统的备件预测方法往往考虑大型设备，如飞机、制造设备等保修期长的昂贵设备(Capital Goods)，其购置人群确定、维护期长，产品一旦损坏必然需要维修或更换备件。而手机、笔记本电脑和打印机等电子产品是大量销售的用户型产品(Customer Goods)，其销售量大，保修与否受到成本、用户感受、使用时长、新产品是否上市等等因素影响，不确定性强，相关研究较为匮乏。因此，电子产品备件需求量预测及其库存管理优化问题具有学术研究价值及应用前景。

针对上述目标，已有相关研究包括Kim T.Y.等人在Spare part demandforecasting for consumer goods using installed base information利用电子产品备件的安装基数(Installed Base,IB)对备件需求数量进行预测，该工作将安装基数分类为：按预期使用寿命计算现留存于市场的设备数(Lifetime IB,IBL)；按保修期计算现留存于市场的设备数(Warranty IB,IBW)；考虑维修不具有经济效益产品即被丢弃情况下，现留存于市场的设备数(Economic IB,IBE)；考虑消费者维修成本及收益情况下，现留存于市场的设备数(Mixed IB,IBM)。基于上述概念，该工作利用存活概率分布模拟电子产品损坏情况，拟合需求数D和IB之间的函数关系，对后续时间段的手机需求数量进行预测。

上述预测方法利用历史数据进行线性拟合，得到相应的系数，但由于其假设简单，实际应用情况下一般仅能预测备件需求量的走势，而无法给出精准的备件购买决策建议，也并未考虑购置、存储以及销毁成本等因素，因此得到的预测结果不够精确。

发明内容

有鉴于此，本发明提供了一种数据驱动的售后服务电子产品零件备货量计算方法，实现了基于历史数据的电子产品零件备货量的定量计算。

本发明提供的一种数据驱动的售后服务电子产品零件备货量计算方法，包括以下步骤：

步骤1、确定输入变量预处理方式，构建电子产品输入样本集；

步骤2、基于数据驱动的机会约束方法构造混合整数规划模型建立电子产品零件备货量预测模型，如以下公式所示：