(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211084300.3 (22)申请日 2022.09.06 (71)申请人 中邮科通信技 术股份有限公司 地址 350007 福建省福州市仓山区仓山科 技园6区1号 (72)发明人 陈福春　李正茂　林福山　辜新宇　 (74)专利代理 机构 福州元创专利商标代理有限 公司 35100 专利代理师 丘鸿超　蔡学俊 (51)Int.Cl. G06Q 10/08(2012.01) (54)发明名称 装备与器 械管理系统 (57)摘要 本发明提出一种装备与器械管理系统， 包 括： 包括供应商管理单元， 集中管理供应商信息 和供应商供应产品信息； 装备基础信息管理单 元， 用于配置装备的基础信息； 仓储管理单元， 用 于装备与器械的入库、 出库、 调拨、 领用、 上交、 收 缴、 报废及销 毁等管理； 人员装备配备标准管理 单元， 用于管理人员装备配备标准； 知识库管理 单元， 用于系统常见知 识沉淀及仓储 管理信息的 数字档案； 统计分析单元， 统计各分支机构装备 和器械分布情况和使用情况。 实现装 备和器械管 理中装备饱和度评估、 采购规模预测、 资产规模 预测、 采购异常分析、 采购关联分析、 物资领用关 联分析及库存周转 规律。 权利要求书2页 说明书4页 附图1页 CN 115409450 A 2022.11.29 CN 115409450 A 1.一种装备与器械管理系统， 其特 征在于， 包括： 供应商管理单 元， 用于集中管理供应商信息和供应商供应产品信息； 装备基础信息管理单 元， 用于配置装备的基础信息； 仓储管理单元， 用于装备与器械的入库、 出库、 调拨、 领用、 上交、 收缴、 报废及销毁的管 理； 人员装备配备 标准管理单 元， 用于管理人员装备配备的标准管理； 知识库管理单 元， 用于系统常见知识沉淀及仓储管理信息的数字归档； 统计分析单元， 统计各分支机构装备和器械分布情况和使用情况， 人员装备与器械配 置情况， 装备饱和度评估、 采购规模 预测、 资产规模预测、 采购异常分析、 物资领用关联以及 装备采购关联。 2.根据权利要求1所述的装备与器械管理系统， 其特 征在于： 其构建和使用方法包括如下步骤： 步骤S1、 创建装备和器械基础配置信息， 包括： 装备和器械分类、 装备名称、 资产类别、 装备种类、 编号、 单位的基本信息； 步骤S2、 创建供应商基础信息， 包括： 供应商名称、 行业、 单位性质、 详细地址、 联系人及 电话； 步骤S3、 创建供应商供应信息， 包括： 供应商名称、 供应商编号、 装备类型、 装备名称、 品 牌、 规格型号、 产地、 是否供应目录、 价格、 详细参数介绍、 图片的信息； 步骤S4、 新建人员 装备与器械配备信息， 包括： 人员 级别、 工种、 职务、 配置装备和器械 名称、 数量； 步骤S5、 新建采购计划， 填写计划名称、 预算单号、 装备类型、 装备名称、 规格型号、 采购 方式、 计划采购数量、 计划单价、 计划金额、 采购区域、 采购部门、 计划说明； 步骤S6、 进行仓储管理日常操作， 包括： 入库、 出库、 调拨、 领用、 上交、 收缴、 报废及销 毁； 步骤S7、 对于已完成的仓储各种信息自动归档， 生成装备与器械仓储数字档案， 纳入知 识库管理； 步骤S8、 根据仓储管理、 装备和器械、 采购计划、 供应商及其供应信息， 生成供应商供应 统计、 采购汇总、 采购明细、 入库汇总、 入库明细、 出库 汇总、 出库明细、 机构人员装备和器械 配比统计、 装备不足和富裕情况表、 装备到期和预期报废分布表、 装备饱和度评估、 采购规 模预测、 资产规模预测、 采购异常分析、 物资领用关联、 装备采购关联、 库存周转规律、 装备 使用规律及装备报 废主因素模型。 3.根据权利要求2所述的装备与器械管理系统， 其特征在于： 在步骤S8中， 采用基于季 节性自回归移动平均时间序列模 型预测装备饱和度评估、 采购规模预测、 资产规模预测； 采 用频繁模式挖掘、 PageRank关联算法建立相关 的关联分析模型生成物资领用关联、 装备采 购关联； 应用K ‑means聚类算法分析装备和器械采购异常模型。 4.根据权利要求3所述的装备与器械管理系统， 其特 征在于： 步骤S8对装备饱和度评估模型、 采购规模预测及资产规模预测， 是利用装备和器械仓 储管理各操作流程如入库、 调拨、 出库、 上交、 收缴、 领用、 报废的具体业务流程产生的历史 数据， 基于时间序列算法数据建模， 建立仓储管理涉及的各分析模型；权　利　要　求　书 1/2 页 2 CN 115409450 A 2进行数据预测的具体内容为： 首先列出建立模型所需的相关基础信息， 汇集装备管理 各流程阶段产生的数据； 对历史数据进行清洗， 识别数据的平稳性， 对非平稳数据进行差 分， 从而得到平稳的序列， 建立合适的时间序列模 型， 通过最小二乘法进 行参数估计进行模 型参数的估计， 然后进 行假设检验， 判断残差序列是否为白噪声序列； 利用历史数据对模型 进行多次训练， 而后利用已通过的检验 模型进行 数据预测。权　利　要　求　书 2/2 页 3 CN 115409450 A 3