[发明专利]一种新产品的目标配件需求量确定方法及计算机设备

权利要求书

1.一种新产品的目标配件需求量确定方法，其特征在于，包括：

基于各个旧产品的指标信息相对于所述新产品的指标信息的差异性确定各个旧产品与新产品的差异程度，其中，所述旧产品与所述新产品具有相同的目标配件；

基于各个旧产品与新产品的差异程度计算各个旧产品对应的权重；

建立各个旧产品的需求预测模型并获取各个旧产品的目标配件的历史故障率；

基于每个旧产品对应的权重、每个旧产品的目标配件的历史故障率及所述旧产品的需求预测模型，确定所述新产品的目标配件的需求量；

所述基于各个旧产品与新产品的差异程度计算各个旧产品对应的权重，其依据以下表达式：

其中，W_i代表第i个旧产品对应的权重，r_i代表第i个旧产品与新产品的差异程度。

2.根据权利要求1所述的方法，其特征在于，基于各个旧产品的指标信息相对于所述新产品的指标信息的差异性确定各个旧产品与新产品的差异程度，包括：

对各个旧产品的指标信息相对于所述新产品的指标信息的差异性进行评估；

基于评估结果，利用组合权重的灰色关联分析模型，确定各个旧产品与新产品的差异程度。

3.根据权利要求2所述的方法，其特征在于，组合权重的灰色关联分析模型为基于专家评估法和熵权法建立的组合权重的灰色关联分析模型。

4.根据权利要求1所述的方法，其特征在于，各个旧产品的需求预测模型是利用龚柏慈曲线、时间序列或高斯回归中的任意一种模型建立。

5.根据权利要求1所述的方法，其特征在于，利用龚柏慈曲线建立各个旧产品的需求预测模型，所述旧产品的需求预测模型包括：

其中，x_i(t)代表第i个旧产品的需求预测量，N、s、h均为待定参数，用于描述龚柏慈曲线图形的具体规律，N是耐用品销售量的极限值，h代表基年数据与最大可能值的比率，t表示期数，s表示曲线斜率。

6.根据权利要求1所述的方法，其特征在于，获取各个旧产品的目标配件的历史故障率包括：

基于贝塔分布模型确定所述旧产品的目标配件的历史故障率：

其中，代表第i个旧产品在t期数内目标配件的历史故障率，a_it代表第i个旧产品在t期数内发生故障的目标配件个数，b_it代表第i个旧产品在t期数内未发生故障的目标配件个数。

7.根据权利要求1所述的方法，其特征在于，基于每个旧产品对应的权重、每个旧产品的目标配件的历史故障率及所述旧产品的需求预测模型，确定所述新产品的目标配件的需求量，包括：

根据所述旧产品的需求预测模型确定所述旧产品的需求预测量；

对每个旧产品的目标配件的历史故障率与所述旧产品的需求预测量的乘积进行加权求和，获得所述新产品的目标配件的需求量。

8.根据权利要求1所述的方法，其特征在于，所述指标信息包括以下指标信息中的至少一种：产品质量、产品价格、产品款式、产品功能、产品的顾客群体、产品的分销渠道和产品的营销方式。

9.一种存储介质，其特征在于，该存储介质中存储有计算机程序，该计算机程序被处理器执行时能够实现如权利要求1至8中任一项所述的新产品的目标配件需求量确定方法。

10.一种计算机设备，其特征在于，包括：处理器以及存储器，该存储器中存储有计算机程序，该计算机程序被处理器执行时能够实现如权利要求1至8中任一项所述的新产品的目标配件需求量确定方法。