4. 历史消耗数据清洗

备件需求预测的精度，很大程度上不取决于模型有多复杂，而取决于喂给模型的历史消耗数据是否干净。真实维修保障系统里导出的领用记录，往往同时存在四类“脏数据”：某些月份根本没有记录（缺失值）、某次领用数量大得离谱（异常值）、库存为零期间需求被压制（截尾数据）、同一物料因多编码或多库位被拆成多条记录（合并需求）。如果直接把这些数据丢进预测模型，得到的需求分布和订货点都会失真。本节围绕这四类问题，给出可落地的识别方法与处理流程，并用一个实战案例走完全程。

一、先明确清洗的目标与边界

清洗不是把数据改得“好看”，而是让每条记录尽可能还原真实的备件消耗事件。因此需要先确定三件事：时间粒度（按月、按周还是按领用事件）、统计单元（按物料编码、按件号还是按“物料+机型”）、需求口径（是领用量、装机量还是送修量）。口径不统一，后续所有处理都会互相矛盾。例如某航空器材单位以“件号+机型”为统计单元，按月汇总领用量，那么同一件号在不同机型上的消耗就必须分开建模，不能简单相加。

二、缺失值的识别与处理

缺失值分两种：一种是“真的没有消耗”，另一种是“记录丢失”。前者应补 0，后者需要插补或剔除。判断依据是库存台账与领用台账能否对上。若某月库存有出库流水但领用表为空，属于记录丢失；若库存和领用都为空，则视为零消耗。

常用处理方法：

• 零消耗补 0：适用于需求间歇性强的备件，这是最常见也最安全的方式。
• 均值/中位数插补：仅适用于消耗连续且稳定的备件，插补后需标记来源，避免污染真实统计。
• 前后向填充：适合短期缺失（1～2 个月），长期缺失不建议使用。
• 整段剔除：当某物料连续缺失超过设定阈值（如 6 个月）且无法核实，应剔除该时间段而非强行插补。

三、异常值的判定与处置

异常值不一定是错误，可能是真实的大修集中领用。关键是区分“业务异常”和“数据错误”。常用判定方法有三类：

• 统计法：对同一物料的历史序列计算四分位距 IQR，超出 Q3+1.5×IQR 或低于 Q1−1.5×IQR 的点标记为疑似异常。
• 业务阈值法：单次领用量超过该件号历史最大值的 3 倍，或超过单机装机数的合理倍数，触发人工复核。
• 关联校验法：与工单、大修计划、报废记录比对，确认是否属于计划性集中更换。

处置策略：数据错误（如单位录错、重复录入）直接修正或删除；业务异常（如大修换件）保留但单独标记，并在建模时考虑是否作为独立事件处理，避免它把均值拉高、把方差撑大。

四、截尾数据的处理

截尾数据是备件预测中最容易被忽视、却影响最大的问题。当库存为零时，实际需求可能大于领用量，但系统只记录到“没货可领”，形成需求被截断。典型表现是：某物料连续数月领用量为 0，但同期维修工单中频繁出现该件号缺件记录。

处理思路是“还原潜在需求”：

1. 用库存流水识别缺货区间：库存量 = 0 且存在未满足领用申请。
2. 用缺件工单、待料记录、外委维修记录估算被压制的需求量。
3. 将缺货区间标记为“截尾”，在建模时对该区间采用需求率上限估计，而不是直接当作零消耗。

五、合并需求的处理

合并需求指同一实物因编码、库位、供应商或机型差异被拆成多条记录，或反之，多个独立需求被合并成一条汇总记录。前者导致单条序列过于稀疏，后者掩盖了需求的真实波动。处理原则是：先统一统计单元，再决定合并粒度。

操作上可分三步：建立编码映射表（旧码→新码、多码→主码）；按“主码+机型+月”重新汇总；对合并后的序列检查是否出现“脉冲式”尖峰，若有则回查是否由合并造成，必要时拆回。

六、实战案例：某型液压泵的月度消耗清洗

某维修单位导出某型液压泵 24 个月的领用记录，原始数据存在以下问题：第 5、6 月无记录；第 12 月领用 48 件，而历史月均约 6 件；第 15～17 月库存为 0 但工单有缺件记录；该泵存在两个旧编码 A01、A02 与主码 P100 并存。

清洗过程如下：

1. 编码合并：将 A01、A02 映射到 P100，重新按月汇总。
2. 缺失判断：第 5、6 月库存与领用均为空，补 0。
3. 异常复核：第 12 月 48 件对应一次大修集中换件，保留但标记为“计划性事件”。
4. 截尾还原：第 15～17 月标记为截尾，依据缺件工单估算潜在需求约 4、5、3 件。
5. 输出清洗后序列，并保留“来源”字段。

清洗前后对比：原始序列月均约 7.2 件、方差大；清洗后月均约 6.4 件，且截尾区间不再被误判为零需求。若不做处理，按原始数据计算的订货点会偏低约 15%～20%，在提前期较长时容易造成停机待件。

七、清洗成果的交付形式

清洗完成后，建议输出一张可直接用于建模的宽表，字段至少包含：统计单元、月份、清洗后消耗量、数据来源标记、是否截尾、是否计划性事件。下面给出一个可参考的字段示例（数值为示例数据）：

统计单元	月份	清洗后消耗量	数据来源	是否截尾	是否计划性事件
P100-机型A	2024-05	0	补零	否	否
P100-机型A	2024-12	48	原始	否	是
P100-机型A	2025-03	4	截尾还原	是	否
P100-机型A	2025-04	5	截尾还原	是	否

这张表的价值在于：它既保留了原始信息，又明确标注了每条数据的处理方式。后续做需求预测时，可以按“是否截尾”“是否计划性事件”做分层建模或敏感性分析，而不是把所有数据混在一起。清洗不是一次性动作，而应随着库存策略、编码体系和维修计划的变化持续维护。只有把数据清洗做扎实，备件需求预测和维修资源优化才有可靠的基础。