一种不良品数量的预测方法和电子设备与流程

本申请实施例涉及计算机应用，特别涉及一种不良品数量的预测方法和电子设备。

背景技术：

1、对于不良品数量的预测，传统方案是收到客户的订单数据后，首先做物料清单拆分，得到生产任务表，也即得到服务的最小单元级物料，采购人员基于生产任务表做物料采购，并下发到工厂生产，接着，工厂使用物料生产产品时。然而，由于工艺、物料质量等问题，可能会生产出不良品来，达不到交付客户要求，存在履约率问题。例如，某客户下单1000片电视板卡，最终安排工厂生产完成后，必须交付1000片电视板卡至客户。然而，工厂在生产过程中由于工艺、物料质量等问题，可能会生产出功能缺失或者外观粗糙的不良板卡，即工厂生产过程中会产生损耗，如只按照1000片电视板卡进行生产，最终因工厂生产过程中的损耗，最终不能交付1000片电视板卡至客户。虽然工厂生产的不良品的成本是由工厂来承担，但是不能将足量的板卡按时交付给客户，造成违约，此时只能进行追加订单，来满足客户需求，有一定的时效滞后问题。

2、为解决履约率问题，目前，采购人员会根据生产任务表和业务经验，对不良品数量进行预测，并根据预测的不良品数量对物料进行采购，以留作生产过程中生产出不良品的预备损失。但是这样的流程方案极其依赖采购人员的业务经验，不同的采购人员有不同的采购风格，对于保守的采购人员，为满足履约率要求，预测不良品数量较多，可能会多采购一些物料，造成物料呆滞问题；对于激进的采购人员，为减少物料呆滞，预测不良品数量较少，采购时会尽量少采购一些物料，导致履约率低。可见，采用人工进行不良品的预测方式难度较大、准确性也较低。

技术实现思路

1、本申请实施例的目的是提供一种不良品数量的预测方法和电子设备，其基于自动机器学习系统对不良品数量进行预测，能够降低预测难度、提高准确性。

2、为解决上述技术问题，本申请实施方式采用的一个技术方案是：提供一种不良品数量的预测方法，该方法包括：获取待预测不良品的订单数据；基于所述订单数据，利用自动机器学习系统中的预测模型得到不良品的预测数量。

3、在一些实施例中，所述方法还包括：根据所述预测数量，得到所述订单数据对应的实际所需零件数量。

4、在一些实施例中，所述方法还包括：获取历史订单数据；利用所述历史订单数据对所述自动机器学习系统进行训练，得到所述预测模型。

5、在一些实施例中，所述利用所述历史订单数据对所述自动机器学习系统进行训练，得到所述预测模型，包括：所述自动机器学习系统获取所述历史订单数据，并对所述历史订单数据进行处理，得到处理后的历史订单数据；所述自动机器学习系统对所述处理后的历史订单数据进行数据特征挖掘，得到特征数据；所述自动机器学习系统获取基础模块，并基于所述基础模块构建至少一个模型；所述自动机器学习系统利用所述特征数据，对各所述模型进行优化和评估，得到所述预测模型。

6、在一些实施例中，所述对所述历史订单数据进行处理，得到处理后的历史订单数据，包括：所述自动机器学习系统对所述历史订单数据进行数据清洗、数据整合和数据拆分，得到所述处理后的历史订单数据。

7、在一些实施例中，所述自动机器学习系统对所述处理后的历史订单数据进行数据特征挖掘，得到特征数据，包括：所述自动机器学习系统对所述处理后的历史订单数据进行特征构建和特征选择，得到所述特征数据。

8、在一些实施例中，所述基础模块包括传统机器学习模块和/或深度学习模块。

9、在一些实施例中，所述自动机器学习系统利用所述特征数据，对各所述模型进行优化和评估，得到所述预测模型，包括：所述自动机器学习系统利用所述特征数据，对各所述模型的参数进行优化，并根据回归评估指标，对各所述模型进行评估，得到所述预测模型。

10、第二方面，本申请实施例提供一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面任意一项所述的方法。

11、第三方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上第一方面所述的方法。

12、第四方面，本申请实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行如上第一方面所述的方法。

13、与现有技术相比，本申请的有益效果是：区别于现有技术的情况，本申请实施例提供一种不良品数量的预测方法和电子设备，该方法包括：获取待预测不良品的订单数据；基于订单数据，利用自动机器学习系统中的预测模型得到不良品的预测数量。该方法中，在得到客户的订单数据后，利用自动机器学习基于产品维度对不良品的数量进行预测，以此作为订单数据的预备损失数量，后续可按照该不良品数量定制采购计划，后续工厂基于采购到的物料生产相应的产品，该方法采用自动机器学习方案来实现基于产品维度的不良品数量的预测，可降低不良品数量的预测难度、提高不良品数量的预测准确性。

技术特征：

1.一种不良品数量的预测方法，其特征在于，包括：

2.根据权利要求1所述的不良品数量的预测方法，其特征在于，所述方法还包括：

3.根据权利要求1或2所述的不良品数量的预测方法，其特征在于，所述方法还包括：

4.根据权利要求3所述的不良品数量的预测方法，其特征在于，所述利用所述历史订单数据对所述自动机器学习系统进行训练，得到所述预测模型，包括：

5.根据权利要求4所述的不良品数量的预测方法，其特征在于，所述对所述历史订单数据进行处理，得到处理后的历史订单数据，包括：

6.根据权利要求4所述的不良品数量的预测方法，其特征在于，所述自动机器学习系统对所述处理后的历史订单数据进行数据特征挖掘，得到特征数据，包括：

7.根据权利要求4所述的不良品数量的预测方法，其特征在于，所述基础模块包括传统机器学习模块和/或深度学习模块。

8.根据权利要求4所述的不良品数量的预测方法，其特征在于，所述自动机器学习系统利用所述特征数据，对各所述模型进行优化和评估，得到所述预测模型，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1-8任意一项所述的方法。

技术总结本申请实施例提供一种不良品数量的预测方法和电子设备，该方法包括：获取待预测不良品的订单数据；基于订单数据，利用自动机器学习系统中的预测模型得到不良品的预测数量。该方法中，在得到客户的订单数据后，利用自动机器学习基于产品维度对不良品的数量进行预测，以此作为订单数据的预备损失数量，后续可按照该不良品数量定制采购计划，后续工厂基于采购到的物料生产相应的产品，该方法采用自动机器学习方案来实现基于产品维度的不良品数量的预测，可降低不良品数量的预测难度、提高不良品数量的预测准确性。技术研发人员：周洋受保护的技术使用者：广州视源电子科技股份有限公司技术研发日：技术公布日：2024/9/12