基于深度學習技術的智能電力物資儲備方案編制研究與應用

摘要：該文針對電力物資倉儲管理中存在的物資儲備決策難題，提出一種基于深度學習技術的智能電力物資儲備方案編制工具。該工具采用EIQ-ABC分類法和儲備定額模型，結合深度學習算法，對物資儲備方案進行系統化設計和管理。通過在某供電公司區域倉的試點應用，與傳統物資儲備管理方法相比，新工具在提高需求預測精度和庫存控制策略的有效性方面展現出顯著優勢。研究結果證實：EIQ-ABC分類法能為倉儲管理提供堅實的數據支撐，且基于時間序列的深度學習預測模型顯著提升儲備方案的預測準確性。這一新型方法有助于推動電力物資倉儲管理向更加智能化及合理化的方向發展。

關鍵詞：電力物資儲備管理；EIQ-ABC分析；儲備定額；深度學習技術

doi：10.3969/J.ISSN.1672-7274.2024.11.060

中圖分類號：TM 73；TP 3" " " " " " " " "文獻標志碼：B" " " " " " 文章編碼：1672-7274（2024）11-0-04

Research and Application of Intelligent Power Material Reserve Plan Based

on Deep Learning Technology

CHAI Lida， LIU Jiang， TIAN Xingjian

（Guizhou Power Grid Co.， Ltd.， Guiyang 550002， China）

Abstract： This article proposes an intelligent power material reserve planning tool based on deep learning technology to address the problem of material reserve decision-making in power material warehousing management. This tool adopts the EIQ-ABC classification method and reserve quota model， combined with deep learning algorithms， to systematically design and manage material reserve plans. Through the pilot application of a regional warehouse of a power supply company， the new tool has shown significant advantages in improving the accuracy of demand forecasting and the effectiveness of inventory control strategies compared to traditional material reserve management methods. The research results confirm that the EIQ-ABC analysis method can provide solid data support for warehouse management， and the deep learning prediction model based on time series significantly improves the accuracy of reserve plan prediction. This new method will help promote the development of more intelligent and rational management of power material warehousing.

Keywords： electric power material reserve management; EIQ-ABC analysis; reserve quota; deep learning technology

1" "電網物資儲備運作現狀以及研究目的

當前，電網物資儲備管理面臨著多方面的問題，包括物資種類繁多、庫存成本不一、數量不均衡及客戶需求日益復雜化。這些因素導致需求預測困難和庫存控制策略的不足，嚴重影響電力物資的高效運作[1]。

為解決以上問題，本文提出一種基于EIQ-ABC分類法和深度學習算法的智能電力物資儲備方案編制工具。該工具的設計旨在通過集成先進的數據分析技術和智能算法，提高物資儲備方案的編制效率和精準性[2]。

2" "電網物資儲備方案編制優化需求分析

2.1 解決“儲備什么”的問題

基于庫存管理角度的電力物資分類是庫存管理最基礎的工作，而提取與分析電力物資關鍵需求特性是電力物資分類的基礎。因此在電力物資種類繁多、規格多樣，庫存成本不一、數量不等、需求計劃性強弱不定的特性下，通過ABC分類分析法對電力物資進行劃分得出的流動性，是用于評價在一段時間內電力物資的流通速度和流轉速度的指標，并通過EIQ分析，從IK（訂貨次數）、IQ（訂貨數量）及IQ-IK三個角度分析，將物資使用頻率分為A、B、C三類[3]。

2.2 解決“何時儲備和儲備多少”的問題

如何確保企業生產所需的電力物資儲備量符合經濟合理性，本文針對電力物資儲備定額管理的核心問題，以庫存連續檢查控制策略為基礎，采用定量訂貨策略，構建了一種儲備定額模型，旨在解決電力物資的儲備時機和數量合理性問題。

3" "電網儲備方案模型構建

3.1 儲備什么——基于EIQ-ABC分類法

3.1.1 EIQ-ABC分類法介紹

EIQ-ABC分類法是一種以物流活動的重要性和活動量為基礎，從供給和需求兩個維度，通過分類和歸類來進行物流管理的方法，也即判斷“儲備什么”的問題。

通過對分析對象及其特征的深入研究，根據特征值的大小進行排序。將那些占據總值60%至80%，并且數量占比在5%至20%的前部分對象劃分為A類。這些對象在整體中占據較小的比例，但貢獻了較大的價值或重要性突出；接著，將那些特征值累計占比在20%至30%，且數量占比在20%至30%的中間部分對象歸類為B類；這類對象在數量和價值上都處于中等水平[4]。最后，將剩余的對象被歸為C類，如表1所示。

3.1.2 具體應用過程及示例

基于EIQ-ABC分類法，對某供電公司各倉庫的移庫和領料訂單資料明細數據進行EQ、EN、IQ、IK分析及相互間的交叉分析，并結合ABC分類法分析，制定出物資儲備目錄。EIQ-ABC分類法計算流程如圖1所示。

（1）數據處理。為使數據分析結果有效性、合理性更強，以某供電公司區域倉2020—2022年三年綜合領料明細數據作為初始數據，設置儲備目錄清單清洗規則，對未產生實際物資領用數據及非配網類項目的物資領用數據進行清洗，篩選出2020—2022年配網項目物資領用數據列表。

由圖2可知，2021年產生的物資領用數據量最大，占三年總數據量的37%，2020年產生的物資領用數據量較少，占三年總數據量的30%。

（2）數據分析。為科學合理地進行儲備物資品類選擇，在數據處理的基礎上，對物資領用數據的流動性（IK-ABC、IQ-ABC）以及重要性（資金消耗）進行分析，由三年內產生領用數據的物資品項形成物資數據匯總表，共有703種物資品類產生出入庫數據。

（3）結果分析。將把儲備物資品項分為ABC三類，示例如表2所示。

對于被歸類為A類的物資，企業應實施嚴格的監控措施，確保庫存記錄的完整性和準確性。這些物資應享有最高的處理優先級，并進行庫存檢查。同時，應設定合理的安全庫存量以減少潛在風險。在每次采購前，還應進行需求預測，以有效控制庫存成本。對于B類物資，可以采取標準的管理方法，包括定期的批量采購和周期性的庫存盤點，例如，每周或每月進行一次。至于C類物資，建議采用集中采購策略，盤點的頻率可以根據實際情況靈活調整。這種方法不僅可以簡化管理流程，降低采購成本，還可以在一定程度上增加安全庫存，以應對不確定性[5]。

3.2 何時儲備及儲備多少——基于庫存理論的儲備定額計算模型構建

3.2.1 庫存控制策略理論

庫存控制主要關注三個核心問題：一是確定核實倉庫實際庫存量的頻率；二是確定何時提出補充訂貨的時機；三是確定每次訂貨的數量。基于對這三個問題的解決方式的不同，庫存控制系系統可以分為“連續檢查庫存控制策略”和“周期連續檢查庫存控制策略”兩種類型。結合電網物資的需求特性，本文采用連續檢查庫存控制策略，該策略可隨時檢查倉庫內物品的實際數量。當檢測到實際庫存數量低于正常水平要求的范圍時，系統就會進行主動訂貨來增加庫存，確保物資在下次需求到來之前到達。這一預警很好地解決了何時儲備的問題。也即在最合適的方法下確定訂貨的時間，預訂貨物，并降低儲存費用和補貨費用（如圖3所示）。

3.2.2 儲備定額計算理論

儲備定額是對儲備物資的存儲數量進行標準化設定，即最高儲備量、安全庫存、重購線以及重購量。構建庫存定額模型來解決安全庫存水平的設定、再訂貨水平的設定、訂購量的設定，并基于庫存控制理論中的“連續檢查庫存控制策略”，即可明確物資未來儲備數量。

3.2.3 儲備定額計算模型

根據儲備定額的相關理論，參考經濟訂購批量模型，得出儲備定額模型，如表3所示。

各類參數說明如表4所示。

3.2.4 具體應用過程及示例

圍繞儲備方案中物資儲備數量標準（包括最高儲備量、安全庫存、重購線及重購量），構建相應的計算模型，解決“何時儲備和儲備多少”的問題。具體計算結果如表5所示。

4" "物資儲備方案編制工具設計

4.1 系統框架設計

本文介紹的物資儲備方案編制工具主要由物資編碼導入、儲備清單編制和物資儲備方案編制三大模塊組成。其功能主要對歷史領料數據信息讀取與寫入裝置發送的數據信息進行處理，以便為預測提供準確的數據。具體示例如圖4所示。

4.2 需求功能設計

設計易于操作的圖形功能界面，用于顯示登錄系統、預測結果、庫存決策編制，并實時生成和導出報告，包含物資數據清洗、儲備清單分析、需求預測、庫存水平預測和儲備方案編制。

（1）數據導入功能。定好導入模板格式，支持模板下載功能，按照模板填充數據進行領料數據導入；執行數據導入，導入時會進行基礎字段校驗、文件格式校驗，校驗通過后落庫存儲。

（2）數據清洗功能。根據制定的清洗規則對導入的數據進行清洗，匹配物資編碼表；將無用的物資領料數據剔除，得到準確基礎數據。

（3）儲備清單編制功能。基于儲備清單分析參數的配置，對“出庫次數占比配置、長度占比配置、重量占比配置、數量占比配置以及資金占比配置”5個參數進行配置，采用EIQ-ABC分類方法進行數據分析，得出儲備清單分析結論，并提供結果導出功能。

（4）月度儲備數據預測功能。該功能涉及創建時間序列模型，準備數據以訓練模型，進行模型調優，發布模型，并利用模型進行月度儲備數據的預測。預測完成后，將各類儲備計劃的預測結果保存至數據庫中。

（5）儲備數據規律分布分析功能。內置需求樣本點數、標準差、年總需求、月平均需求、兩個月提前期內的需求量的計算公式，可分析月需求量的分布規律符合正態分布還是指數分布。

（6）參數配置功能。增加配置頁面，對相關參數進行提前設定保存，即對投資金額系數、服務水平、安全系數、訂貨前置期、單次訂貨成本以及月度系數進行提前設定。

（7）儲備方案編制功能。基于儲備清單的目錄，結合內置儲備方案模型以及各類參數的設置，根據不同倉庫不同儲備計劃導出對應的儲備定額方案。

5" "試點成效分析

為驗證系統的有效性和實用性，在某供電公司進行了試點應用。試點結果表明，該系統能顯著提高電力物資倉儲運作管理效率，降低人工成本，提升倉儲管理水平。其中，物資入庫、出庫效率及庫存周轉率分別得到提升，并有效降低了庫存積壓、儲備成本、資金占用成本。

（1）經濟效益分析。通過應用儲備方案優化模型，可以減少不必要物資的長期儲備，提高經濟效益，通過對工作中信息、物資、資金流向的優化，降低總體物資倉儲成本，達到儲備物資占比由原來的50%到70%再到80%的增長，實現儲備物資的合理規劃，高效利用，提高儲備物資的利用周轉率。

（2）管理效益分析。物資作為企業生產要素的一部分，與企業發展、戰略目標都有緊密的聯系，可提升物資戰略層次的意義，增強物資戰略引導的重要作用。同時，通過應用儲備方案優化模型，可有針對性地制定存儲策略，實現科學決策，節省存儲費用，提高經濟效率。

6" "結束語

本文通過有效的定量定性分析工具以及信息化手段，為電網物資的安全、及時供應科學決策提供依據，促進了物資保供能力的持續提升。

參考文獻

[1] 陳翹學．基于RFID技術的倉儲管理系統的設計與實現[D]．長沙：湖南大學，2016．

[2] 劉崢強．深度學習算法在車牌識別系統中的應用[D]．成都：電子科技大學，2016．

[3] 王夢楠，厙倩芳．基于EIQ方法的倉儲貨物ABC分類研究[J]．價值工程，2013（25）：17-19．

[4] 丁紅衛，王文果，萬良，等．基于BP神經網絡的電網物資需求預測研究[J]．計算機技術與發展，2019，29（6）：138-142．

[5] 劉銳，衣國帥，劉艷超，等．基于ＲFID的電力物資物流信息管理系統研究[J]．黑龍江電力，2019，41（2）：184-188．