首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种航空器材库存与调配优化方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:四川航空股份有限公司

摘要:本发明涉及人工智能技术领域,具体是指一种航空器材库存与调配优化方法,所述方法包括数据收集与分析、确定决策标准、确定标准权重、建立IVN决策矩阵、决策矩阵标准化、需求预测和优化、计算正负理想解距离、计算归一化距离和评价分数、备件分类和动态库存控制和调配优化。本方案通过建立IVN决策矩阵,有效处理决策过程中存在的不确定性和模糊性,通过引入真值、假值和不确定性,全面地表示每个决策标准的实际情况;通过使用小波分解和BiLSTM深度学习网络构建航材预测模型,结合使用能够更灵活地捕捉和适应这些复杂的模式,从而使预测更加准确和可靠,从而提升整体的决策效率和业务运营效率。

主权项:1.一种航空器材库存与调配优化方法,其特征在于:该方法包括以下步骤:步骤S1:数据收集与分析,收集航材库存管理数据并进行数据预处理,得到需求模式和库存周转率,对航材库存管理数据进行清洗和标准化,得到预处理后的航材库存管理数据;步骤S2:确定决策标准,确定决策标准并明确效益型和成本型,效益型包括关键性、需求频率和供应商可靠性,成本型包括成本和交货时间;步骤S3:确定标准权重,设置决策者,决策者使用层次分析法确定每个决策标准的权重;步骤S4:建立IVN决策矩阵,使用区间值中性数表示每个决策标准的评价值,经过计算得到组合的IVN决策矩阵;步骤S5:决策矩阵标准化,使用向量归一化将IVN决策矩阵标准化,得到标准化后的决策矩阵;步骤S6:需求预测和优化,使用小波分解和BiLSTM深度学习网络构建航材预测模型,使用强化学习进行优化;步骤S7:计算正负理想解距离,正理想解为每个决策标准的最优值,负理想解为每个决策标准的最差值,计算每个备件与正理想解和负理想解的距离;步骤S8:计算归一化距离和评价分数,对每个备件与正理想解和负理想解的距离,进行归一化处理,得到归一化的正负理想解距离,计算每个备件的综合评价分数;步骤S9:备件分类,根据每个备件的评价分数得到备件分类结果;步骤S10:动态库存控制和调配优化,基于备件分类结果制定动态库存控制策略,基于航材预测模型,使用遗传算法优化库存位置和运输路线,预测高需求区域的库存位置,优先分配关键备件库存;在步骤S4中,建立IVN决策矩阵,具体包括以下步骤:步骤S41:定义IVNN,IVNN为区间值中性数,表示每个决策标准的评价值,在IVNN中,每个评价值由三个部分组成,具体包括以下内容:真值:表示某个决策标准完全满足的程度,取值范围为[TL,TU];假值:表示某个决策标准完全不满足的程度,取值范围为[FL,FU];不确定性:表示对某个决策标准的不确定性程度,取值范围为[IL,IU];步骤S42:定义决策者权重,决策者的权重向量为,是第个决策者的权重,同时满足,是参与评价和决策过程的决策者总数;步骤S43:分配IVNN,每个决策者根据决策标准,为每个备件分配一个IVNN,得到所有决策者为每个备件分配的IVNN;步骤S44:构建IVN决策矩阵,设置备选方案,根据备选方案和决策标准的评价值构建IVN决策矩阵,IVN决策矩阵里的每个元素都是一个IVNN,表示对应决策标准的评价;步骤S45:计算加权平均IVN决策矩阵,对于每个备选方案和每个评价标准,计算决策者为每个备件分配的IVNN的加权算术平均值,所用公式如下: ;其中,为第个决策者为每个备件分配的IVNN的真值,为第个决策者为每个备件分配的IVNN的假值,为第个决策者为每个备件分配的IVNN的不确定性;步骤S46:形成组合的IVN决策矩阵,根据决策者为每个备件分配的IVNN的加权算术平均值作为组合的IVN决策矩阵的元素;在步骤S6中,使用小波分解和BiLSTM深度学习网络构建航材预测模型,具体包括以下步骤:步骤S61:数据收集与预处理,收集航材数据,并进行数据清洗和标准化,得到处理后的航材数据;步骤S62:小波分解,选择Daubechies小波db4用于小波分解,对处理后的航材数据进行多尺度小波分解,得到多个小波分解细节分量和一个近似分量;步骤S62:构建航材预测模型,对于所有小波分解细节分量和一个近似分量,构建独立的多个的BiLSTM模型来处理,每个BiLSTM模型接收一个分量的输入;步骤S63:模型训练,将个小波分解细节分量和一个近似分量分成训练集和测试集,使用训练集训练每个BiLSTM模型,得到训练后的多个BiLSTM模型并进行集成,得到航材预测模型;步骤S64:预测与重建,使用航材预测模型对所有小波分解细节分量和一个近似分量进行预测,得到各分量的预测值,将预测值进行小波重建,得到最终的时间序列预测值;步骤S65:库存优化,创建一个库存环境,定义状态、动作和奖励机制,使用PPO算法优化库存策略,根据最终的时间序列预测值动态调整库存水平和补货策略。

全文数据:

权利要求:

百度查询: 四川航空股份有限公司 一种航空器材库存与调配优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。