编者注：每年，麻省理工学院运输与物流中心 (MIT CTL) 的供应链管理 (SCM) 硕士课程都会有 40 名左右的学生完成为期一年的论文研究项目。这些学生是来自多个国家的早期职业商业人士，拥有 2 至 10 年的行业经验。这些研究项目由跨国公司赞助并与其合作开展。公司人员、麻省理工学院 SCM 学生和麻省理工学院 CTL 教员组成的联合团队致力于解决赞助公司选择的实际问题。在本系列中，我们总结了最新的 SCM 研究选集。下文所述项目的研究人员 Mike Brocks 和 Renzo Trujillo 在他们的 SCM 论文《安装基数和机器故障预测对备件预测和库存规划的影响》中分析了如何在备件库存规划中考虑预测分析。这项工作是为一家领先的服务供应链提供商进行的，该项目由麻省理工学院 CTL 的 Chris Caplice 博士、Daniel Steeneck 博士和 Francisco Jauffred 博士指导。
物联网使公司能够访问其已安装机器的大量数据流。虽然许多公司正在使用这种新功能进 乌干达电子邮件列表 行预防性维护并主动应对机器故障，但他们还没有弄清楚如何将这些新数据纳入其备件库存规划流程，以及这样做会产生什么影响。
麻省理工学院 CTL 的研究人员开发并测试了一种新的预测故障备件规划方法，并通过库存规划模拟模型将其与传统的时间序列预测方法进行了比较。
预防停机的价值
赞助公司负责为不同行业的各类公司处理服务供应链运营。在典型的流程中，他们负责协调和执行从最初的客户服务电话到派遣备件和服务技术人员到现场故障点的所有活动。
在许多情况下，赞助公司的客户拥有与每台机器的运行状况相关的大量实时数据集。此外，这些公司在机器每次出现故障时都会向客户支付罚款和/或遭受巨额收入损失。因此，客户不断平衡他们在备件库存中投入的营运资金与在现场保持其产品的高正常运行时间。
实现这些替代目标的一种方法是将实时数据流纳入预测性故障备件规划方法。这可能使公司能够持有最低限度的备件库存，并仅在已知故障发生之前主动订购库存。
研究人员开发了一种方法，通过使用二元分类矩阵，将预测故障方法纳入定期审查备件规划系统。然后，他们分析了不同级别的预测故障对降低备件库存水平的能力的影响，同时与传统的时间序列预测方法相比，保持了类似的服务水平。