工程机械备件需求特征分类模型

针对工程机械备件需求的随机性、多样性及分类指标复杂等特点提出一个两阶段分类方法。第一阶段根据工程机械备件需求时间序列的平稳性把备件分两类;第二阶段综合影响备件分类的价值、服务及时间等因素,将粗糙集理论(Rough Set,RS)与自组织映射(Self-Organizing Map,SOM)神经网络相结合,设计RS-SOM聚类模型。先用模糊C均值聚类算法对指标数据进行离散化处理,再用改进的分明矩阵算法对指标集进行降维处理,在基于核的SOM模型中,通过引入粗糙集理论的上、下近似集来改进SOM训练过程,最后得到工程机械备件的聚类结果。数据实验证明,与ABC分类法和传统的SOM聚类方法相比,该方法能综合考虑各种影响因素对备件分类的影响,并能明确区分需求变动趋势不同的备件,为工程机械备件需求预测和库存控制提供可靠的依据。