如何让备件需求预测更加准确

最简单的答案就是：用实际数据代替用于预测的指标。

备件需求预测为何如此之难，就是因为备件规划者通常使用以下几个因素进行预估：

· 设备使用率

· 已安装资产数量

· 整个已安装基础工程中的资产位置

当您认为您的机器每天运行 10 小时，但实际运行 12 小时，这显然会导致预测错误。当您假设服务区域 A 中有 4 台设备但实际上有 11 台设备时，预测就会更加不准确。

事实的确如此，但是您在哪里可以获得关于利用率和设备位置的可靠、准确的数据呢？答案就在资产本身。

使用源自设备的数据生成准确的预测

首先需要澄清的是：并非所有已安装基础中的设备都需要互联。分析师 Bill Pollock 的研究发现，几乎有一半的备件规划人员说他们的设备互联不到 25％。

那么，如果有 25％ 的设备互联会是什么情况？假设我们将其称之为已安装基础“A 部分”。在这种情况下，您将从这些资产中获取利用率和位置数据，以生成“A 部分”的备件需求预测。

需要指出的另一个重点是：您不需要实时数据。如果您每月运行需求预测，您需要做的就是提取过去 30 天内生成的设备利用率数据。当您运行预测性维护程序时，实时数据非常有用，但它不会给备件规划人员提供太多帮助 - 原因是备件规划人员不会全天候运行预测。

由于您不需要实时数据，这反而可以帮助您从宏观上驾驭组织的任何数据治理策略。组织可以将来自互联资产的数据存储在与资产本身没有直接关联的数据库中，从而最大限度地减少黑客侵入规划人员正在使用的系统从而危害设备的可能性。