[0001] 本公开的各方面提供了用于零件包的智能预测的技术。

[0002] 维护载具群的公司常常需要用于其载具的备件。例如，航空公司需要备件以维护其飞机并满足法规和安全要求。这些备件可由原始设备制造商(OEM)或第三方经销商提供。航空公司可使用搜索工具(例如，零件销售商所提供的基于互联网的搜索工具)来购买必要备件。航空公司常常将仅购买其特定维护任务所需的零件，以避免不必要的成本和未用零件的储存。

[0003] 为实现此目的，许多航空公司雇用维护一组预定义的零件的采购代理商来购买，以用于期望的维护任务。许多因素可影响航空公司将为维护任务购买哪些零件，包括：飞行器类型、维护类型、飞行器状况、航空公司的现有库存、与零件供应商的合同等。通常，即使当航空公司需要若干零件的包以完成期望的维护任务时，这些零件也单独可用并销售给航空公司。在一些情况下，基于价格或其它因素，OEM在这些单独零件销售中可处于不利地位。

[0018] 除了(或代替)提供单独地销售的备件，OEM和其它零件销售商可销售针对特定维护任务的零件包。这对于客户而言更方便，因为任务的所有必要零件一起提供，并且允许零件销售商将零件作为包更有竞争力地定价。但是在客户寻求零件之前，销售商通常不知道客户将需要哪些零件，因此不知道应该将哪些零件打包并提供用于一起销售。

[0019] 本公开的各方面涉及用于由计算机智能预测备件包的技术。可使用特定计算机化技术来识别关于零件销售和电子搜索的相关历史数据，并用于智能地预测航空公司很可能一起购买哪些零件。这允许降低零件包的定价，从而允许零件销售商转化更高的销售额。此外，预测的包对于客户而言更方便，并且可帮助客户识别对于给定任务它应该考虑购买的零件。另外，本文所公开的某些技术提供备件包的高效预测，从而限制所需的计算资源。这些技术通过高效地且有效地提供备件包的智能预测来改进计算机的操作。

[0020] 预测的包可按照众多方式提供给客户。在一个实施方式中，包可被列出以用于作为包销售，并且客户可选择期望的包。在另一实施方式中，当客户以电子方式搜索(或选择)给定零件时，发现包含该零件的包，并且将来自那些包的附加零件提供给客户。在实施方式中，预测的包被维持相对长的时间段(例如，数周、数月、或者甚至数年)，并且不会频繁地改变。此外，在实施方式中，预测的包是维护事件的特定客户要求的预测。

[0021] 下面所公开的技术对于类似飞机、直升飞机等的高价值载具可特定有效。例如，如下面关于图7至图10讨论的，在实施方式中，本文所描述的技术可用于识别在特定时间段内客户购买若干零件的维护事件。所识别的维护事件可用于预测零件包。这特别适用于飞机以及其它高价值载具，因为这些载具的零件购买常常是可预测的并且由客户很好地想到。例如，由于商用飞机零件常常是昂贵的，所以许多航空公司采用相对精简的商业策略。航空公司仅购买它们需要的零件，并且仅按照严格规划的计划或者由于记录在案的需求而购买零件。航空公司通常不会一时兴起而购买。有效预测的包应该考虑到这一点。

[0022] 本文所描述的技术特别适合于这种环境，因为其可识别在以下的两种情况下一起购买的零件：作为计划的维护事件的一部分(可在客户之间变化)以及作为重复出现但非计划的需求的一部分。例如，关于图7至图10描述的技术可识别维护事件并预测与计划的维护有关的零件包，而无需知道各个客户的维护计划。即，这些技术可预测零件包，而无需访问客户的维护或购买计划。此外，这些技术可识别作为非计划的维护事件的一部分购买的零件——例如，常常在相似的时间必须更换的零件，即使没有计划一起更换(例如，因为多个载具可能需要在相似的时间更换相同的零件，或者因为需要一个零件可能预示着可能将需要另一零件)。即使当客户本身没有意识到它将需要一起购买打包的零件时，以及当没有观察者认识到零件应该被打包时，也可预测包。

[0023] 此外，本文所描述的一个或更多个技术特别适用于严格管理的行业，类似商业航空旅行。政府法规有时将需要改变零件以符合新的或修改的法规。修改的零件可能与先前可用的零件是可互换的，这意味着例如新的零件可以并且应该代替先前可用的零件使用。如下面关于图6讨论的，这种可互换关系可用于准确地将替换零件包括在预测的包中，即使替换零件可能还未包括在历史销售中。

[0024] 本文所讨论的技术不限于类似飞机、直升飞机等的高价值载具。其可适合于任何数量的行业和环境。例如，所描述的一些(或所有)技术可适用于包含载具的其它运输和货运行业，包括公交线路、出租车公司、航运公司、游船公司、铁路线、运输当局等等。此外，所描述的一些(或所有)技术可适用于其它行业，包括工厂、制造设施以及其它合适的行业和环境。

[0025] 图1是示出根据本文所描述的一个实施方式的用于备件包的智能预测的系统100的框图。包预测服务器200连接到通信网络110。关于图2更详细地描述包预测服务器200。包预测服务器200通常被配置为连同备件包的定价一起实现包的智能预测。

[0026] 通信网络110可以是任何合适的通信网络，包括互联网、本地接入网络或广域接入网络。通信网络110可以是有线或无线网络。通信网络可使用任何合适的通信协议，包括任何合适的无线协议。例如，通信网络110可使用电气和电子工程师协会(IEEE)Wi-Fi标准(类似802.11标准)、另一Wi-Fi标准、蜂窝协议(包括3G、长期演进(LTE)、4G等)、蓝牙等。此外，通信网络110可使用若干不同的通信协议。

[0027] 通信网络110还连接到数据仓库170。数据仓库170可以是任何合适的数据存储介质。例如，数据仓库170可包括关系数据库或者任何其它合适的数据库。在实施方式中，数据仓库170包括网络接口软件和硬件以允许与通信网络110进行通信。例如，数据仓库170可包括具有网络接口的服务器计算机。作为另一示例，数据仓库170可被包括在包预测服务器200内。另选地，如下面进一步讨论的，数据仓库170可以是可经由通信网络110访问的基于云的存储系统。

[0028] 数据仓库170包括由包预测服务器200用来智能预测备件包以及对包定价的数据。在所示实施方式中，数据仓库170包括零件可互换性数据172。零件可互换性172包括描述可被认为彼此可互换的零件的数据。例如，较旧的备件可由具有不同零件号的新版本替换。这可响应于政府法规的改变、由于制造或材料的改进、或者出于任何数量的原因进行。较新的零件可被认为对于较旧的零件是可互换的，以使得寻求购买较旧的零件的客户可被引导至较新的零件。但反过来可能并非如此—较新的零件可能已被精制或改进，以使得较旧的零件被认为对于较新的零件不是可互换的。零件可互换性172可包括描述这种关系的数据。

[0029] 数据仓库170还历史销售174。例如，历史销售174包括描述哪些零件在何时被销售给哪些客户的数据。历史销售174可包括描述零件的历史销售的任何合适的信息，包括销售的零件的零件标识符、客户信息、定价信息、日期信息以及其它相关信息。数据仓库170还包括历史搜索176。例如，历史搜索176包括关于客户以电子方式搜索了哪些零件(例如，基于零件标识符)、在何时、客户是否选择购买零件的数据。在一些情况下，客户将以电子方式搜索零件，但没有选择购买它们。例如，客户可能使用OEM搜索工具来识别它想要购买哪些零件，但可能从第三方销售商购买那些零件。历史搜索176捕获客户对零件的电子搜索、客户是否选择购买零件。在实施方式中，历史搜索176可包括描述给定电子搜索是否最终导致销售的信息。数据仓库170中所示的数据仅是示例，也可包括其它数据。

[0030] 图2是示出根据本文所描述的一个实施方式的包预测服务器200的框图。如所示，包预测服务器200包括但不限于中央处理单元(CPU)202、网络接口206、存储器210和存储装置270，其各自连接到总线208。在实施方式中，包预测服务器200还包括用于连接到I/O装置260的输入/输出(I/O)装置接口204。在实施方式中，I/O装置260可以是外部I/O装置(例如，键盘、显示器和鼠标装置)。另选地，I/O装置260可被内置于I/O装置中(例如，触摸屏显示器或触摸板)。此外，在本公开的上下文中，包预测服务器200中所示的计算元件可对应于物理计算系统(例如，数据中心中的系统)，或者可以是在计算云内执行的虚拟计算实例，如下面进一步讨论的。

[0031] CPU 202检索并执行存储在存储器210中的编程指令，以及存储并检索驻留在存储装置270中的应用数据。总线208用于在CPU 202、I/O装置接口204、存储装置270、网络接口206和存储器210之间发送编程指令和应用数据。包括CPU 202以代表CPU、多个CPU、具有多个处理核的单个CPU、具有多个执行路径的图形处理单元(GPU)等。通常包括存储器210以代表任何合适类型的电子存储装置，包括随机存取存储器或非易失性存储装置。存储装置270可以是盘驱动存储装置。尽管示出为单个单元，存储装置270可以是诸如固定盘驱动器、可移除存储卡、网络附接存储(NAS)或存储区域网络(SAN)的固定和/或可移除存储装置的组合。

[0032] 例示性地，存储器210包括操作系统240和数据库管理系统(DBMS)250，而存储装置270包括数据仓库170(例如，数据库)。操作系统240通常控制包预测服务器200上的应用程序的执行。操作系统240的示例包括但不限于UNIX的各版本、 操作系统的发行版、的各版本等。DBMS 250通常方便数据仓库170中的数据(例如，备件数
据)的捕获和分析。例如，DBMS 250可允许数据仓库170的定义、创建、查询、更新和管理。作为示例，DBMS 250可接收查询(例如，使用结构化查询语言(SQL)写成)，并且作为响应，可生成包括要针对数据仓库170运行的一个或更多个访问例程的执行计划。然后，DBMS 250可执行访问例程并且可向请求者返回任何查询结果。

[0033] 存储器210通常包括用于执行与备件包的智能预测以及对包定价有关的各种功能的程序代码。程序代码通常被描述为存储器210内的各种功能“应用”、“组件”或“模块”，但是另选实现方式可具有不同的功能和/或功能的组合。在存储器210内，包预测模块220通常被配置为智能地预测备件包。这关于图3至图9进一步描述。

[0034] 存储器210还包括包定价模块230。包定价模块230通常被配置为确定由包预测模块220预测的包的价格。在实施方式中，这可基于历史数据(例如，数据仓库170中的数据)自动地进行。另选地，这可部分地或完全地基于来自主题专家或其他用户的输入进行。

[0035] 图3是示出根据本文所描述的一个实施方式的备件包的智能预测的流程图300。在方框302，包预测模块(例如，图2所示的包预测模块220)识别相关历史销售数据(例如，图1所示的历史销售数据174)以用于备件包的智能预测。在实施方式中，包预测模块220选择相关历史销售数据174的子集以用于智能预测。这关于图4进一步示出。

[0036] 在方框304，包预测模块(例如，图2所示的包预测模块220)识别相关历史搜索数据(例如，图1所示的历史搜索数据176)以用于备件包的智能预测。在实施方式中，包预测模块220选择相关历史搜索数据176的子集以用于智能预测。这关于图5进一步示出。

[0037] 在方框306，包预测模块(例如，图2所示的包预测模块220)考虑可互换零件以用于预测备件包。在实施方式中，包预测模块220使用关于备件的可互换性的数据(例如，图1所示的零件可互换性172)来确定哪些零件是可互换的以用于预测备件包。这关于进一步示出图6.

[0038] 在方框308，包预测模块(例如，图2所示的包预测模块220)确定维护事件以用于预测备件包。在实施方式中，航空公司(或其它购买者)可在一系列事务中购买或以电子方式搜索与特定维护事件有关的零件。即，代替一下子购买(或搜索)用于特定事件的备件，航空公司可在几小时、几天、几周或者甚至几月内购买零件。在实施方式中，用于该事件的零件应该被打包在一起，但是航空公司购买(或搜索)相关零件的时间段未知。在实施方式中，包预测模块220使用历史销售174和历史搜索176来识别客户的活动与特定维护事件相关的时间段。这关于图7更详细地描述。

[0039] 在方框310，包预测模块(例如，图2所示的包预测模块220)生成备件之间的关系矩阵，以用于预测备件包。在实施方式中，在方框308确定的维护事件可用于生成描述备件之间的关系的矩阵(例如，二进制矩阵)。这关于图8更详细地描述。在方框312，包预测模块(例如，图2所示的包预测模块220)使用在方框310生成的矩阵来预测备件包。这关于图9更详细地描述。

[0040] 在方框314，包定价模块(例如，图2所示的包定价模块230)生成在方框312预测的零件包的价格。在实施方式中，包定价模块230可基于例如各个组件的定价信息、历史销售数据和零件的特性(例如，目的地载具的年龄、零件的受欢迎程度等)自动地生成包的价格。在实施方式中，包价格相对稳定，不太可能频繁地改变。在另一实施方式中，包价格可基于众多因素动态地改变，包括客户需求、包中的各个零件的价格和成本、销售目标等。

[0041] 在一个示例中，包定价模块230可考虑包中的各个单独的零件的价格，并对组合的价格应用折扣。这可以是设定折扣(例如，总价格的百分比)，或者可基于基础成本以及来自包销售的期望利润或利润率来确定。在实施方式中，由于更大数量的单独零件以及包的相对更大的销售价格，提供包以用于一起销售允许折扣率。作为另一示例，包定价模块230在生成包价格时可考虑历史销售数据(例如，图1所示的历史销售174)。作为另一示例，包定价模块230在生成包价格时可考虑包中的零件的特性。例如，如果包涉及相对较旧但常见型号的载具(例如，较旧型号的飞机)，则包价格可相应地降低。另选地，如果包涉及相对稀有的载具，则价格可保持相对较高。类似地，如果包涉及相对受欢迎或现成的零件，则包价格可降低。如果包涉及特殊订单或更稀有的零件，则包价格可提升。

[0042] 在另一实施方式中，包定价模块230可依赖于用户输入以生成包的价格。例如，可提示主题专家(或其他用户)输入包的价格。另选地，包定价模块230可将用户输入与自动定价组合。例如，用户可提供价格的上界和下界、期望的折扣率、目标利润量或利润率等。包定价模块230可使用该用户输入来生成包的定价。

[0043] 图4是示出根据本文所描述的一个实施方式的识别相关历史零件销售数据的流程图。在实施方式中，图4与图3所示的方框302对应。在方框402，包预测模块(例如，图2所示的包预测模块220)接收历史销售数据400(例如，图4所示的历史销售174)并识别潜在相关的销售。例如，可按照日期或按照目的地筛选销售。作为一个示例，可去除发生在特定截止日期之前的销售。类似地，包预测可针对特定最终产品(或最终产品系列)，类似特定飞机型号，并且可去除与目标无关的销售。

[0044] 在方框404，包预测模块220按照类型识别潜在相关的销售。在实施方式中，这可包括销售类型、客户类型或二者。例如，历史销售可指定有表示销售类型的代码——该代码可用于在一次销售、重复销售等之间进行区分。类似地，历史销售可指定有表示购买商品的客户类型的代码，例如航空公司、集中于维护修理和大修(MRO)的实体、分销商、代理等。在一个示例中，销售可能是政府要求或召回的结果。该销售预期将不重复，因此可将其从包预测分析排除。在实施方式中，可能重复的销售被包括在包预测分析中，而排除可能仅一次的销售。

[0045] 在方框406，包预测模块220按照销售状态识别相关销售数据。在实施方式中，给定销售具有表示销售过程的阶段的关联代码。例如，从客户订购零件的时间直至零件运输的时间，可存在许多不同的阶段——包括订购、制造、运输等。在实施方式中，关联代码可用于包括完成的销售，并且排除被拒绝或取消的销售。在方框406之后，包预测模块220输出所选历史销售410。

[0046] 图5是示出根据本文所描述的一个实施方式的识别相关历史搜索数据的流程图。在实施方式中，图5与图3所示的方框304对应。在方框502，包预测模块(例如，图2所示的包预测模块220)接收历史搜索数据500(例如，图4所示的历史搜索176)并识别潜在相关的搜索。例如，可按照日期筛选搜索。作为一个示例，可去除发生在特定截止日期之前的搜索。

[0047] 在方框504，包预测模块220按照用户类型、客户类型或二者识别相关搜索。在实施方式中，各个搜索可与内部(例如，零件销售商内)或外部(例如，客户或潜在客户)用户关联。在方框504，包预测模块220可去除内部用户的搜索。在实施方式中，包预测模块220在意图购买零件而搜索的用户与为研究或其它目的而搜索的用户之间进行区分。在实施方式中，除了(或代替)内部对外部用户，这可基于在例如航空公司、MRO、分销商、代理等的客户类型之间区分来进行。在实施方式中，与具有购买零件以外的意图的用户的搜索被排除。另选地，历史销售数据(关于图4示出)和历史搜索数据二者可基于用户或客户类型来识别，排除不太可能进行进一步购买的用户或客户。

[0048] 在方框506，包预测模块220按照最终产品识别相关搜索数据。在实施方式中，包预测可针对特定最终产品(或最终产品系列)，类似特定飞机型号，并且可去除与目标无关的搜索。在方框508，包预测模块220按照可用性识别相关搜索数据。在实施方式中，包预测模块220可去除与零件销售商系统中对于购买无效和不可用的零件有关的搜索数据。在方框508之后，包预测模块220输出所选历史搜索510。在实施方式中，包预测模块220可将所选历史销售410和所选历史搜索510组合。

[0049] 图6是示出根据本文所描述的一个实施方式的考虑可互换备件的流程图。在实施方式中，图6与图3所示的方框306对应。在方框602，包预测模块(例如，图2所示的包预测模块220)接收零件可互换性数据(例如，图1所示的零件可互换性172)。在方框604，包预测模块220选择下一有效零件。在实施方式中，包预测模块220可从零件销售商数据库中的所有有效零件的列表选择。另选地，包预测模块220可从存在于历史销售或搜索数据中的有效零件或另一数据源选择。

[0050] 在方框606，包预测模块220确定所选零件是否可替换。在实施方式中，这可由中心数据库中与零件关联的字段表示。在实施方式中，关联的字段可指定零件是可单向互换、可双向互换、还是不可互换的。可单向互换零件可由指定的零件替换。可双向互换零件可由指定的零件替换，并且可用作指定的零件的替换。如果所选零件是不可互换的，则在方框608，包预测模块220使用有效零件标识符并前进至方框612。

[0051] 如果所选零件是可互换的，则在方框610，包预测模块220识别最新替换零件。在实施方式中，该最新替换零件可用于替代预测的零件包中的有效零件。在实施方式中，包预测模块220通过检查与零件链有关的数据来识别最新替换零件。例如，所选零件可包括指定较新替换的数据(例如，通过零件标识符)。但这可能不是最新替换。包预测模块220可识别较新替换(即，通过零件标识符，链中的下一链接)并查找用于该零件的指定的替换。如果较新替换包括其自己的替换，则该处理前进，直至包预测模块220识别最新替换零件(例如，通过零件标识符)。在方框612，包预测模块220确定是否已检查所有期望的有效零件。如果是，则流程结束。如果否，则包预测模块220返回到方框604并选择下一有效零件。

[0052] 图7是示出根据本文所描述的一个实施方式的确定维护事件的流程图。在实施方式中，图7与图3所示的方框308对应。如上面所讨论的，许多维护事件涉及购买或搜索分散在多个事务上的零件。这些事务可分散在数小时、数天、数周、或者甚至数月上。图7描绘了识别哪些事务(即，销售或搜索)涉及相同的维护事件的一个实施方式。

[0053] 在方框702，包预测模块(例如，图2所示的包预测模块220)将历史销售和历史搜索数据组合。在实施方式中，包预测模块220将图4所示的所选历史销售数据410与图5所示的所选历史搜索数据510组合。

[0054] 在方框704，包预测模块220考虑组合的历史销售和搜索数据中的零件的可互换性。如上面关于图6讨论的，在实施方式中，一些零件可具有可互换对应零件。例如，较旧的零件可能已由新零件替换(例如，由于政府法规的改变或改进的制造技术)，并且新零件可与旧零件是可互换的。在方框704，包预测模块220通过将组合的历史销售和搜索数据与可互换性数据组合来考虑这一点。组合的历史销售和搜索数据中所列的具有较新的可互换对应零件的任何零件由最新对应零件替换。例如，涉及具有两个可互换替换的较旧零件的历史销售将使原始较旧零件的零件号被替换为最新可互换零件。这允许预测的零件包尽可能包括最新零件。

[0055] 在方框706，包预测模块220按照客户和日期对得自方框704的数据排序。在实施方式中，包预测模块220按照客户，然后在各个客户内按照日期对数据排序。另选地，包预测模块可按照日期，然后按照客户对数据排序。在方框708，包预测模块220基于来自方框706的输出为各个客户创建时间序列数据。在实施方式中，包预测模块220将出售或进行搜索的日期转换为数字。包预测模块220然后使用这些数字来为各个客户创建时间序列数据。

[0056] 在方框710，包预测模块220为各个客户计算核密度估计。核密度估计是一种统计技术，其可用于估计数据集的基础概率密度函数。核密度估计是可使用的一种技术的示例。还可使用其它合适的技术。在实施方式中，包预测模块220可使用带宽1来计算与各个客户有关的时间序列数据的核密度估计。另选地，可使用其它带宽。

[0057] 在方框712，包预测模块220识别多个客户的维护事件时间段。在实施方式中，包预测模块220可沿着在方框710计算的核密度估计识别最小点。包预测模块220然后可沿着密度估计识别两个连续最小点。这些是给定维护事件的时间段的很可能的边界(例如，起始时间点和结束时间点)。

[0058] 在方框714，包预测模块220识别在方框712识别的时间段内销售或搜索的零件。这些是与在该时间段期间发生的事件有关的零件。例如，在方框712，包预测模块220可将日期A确定为给定时间段的很可能的开始并将日期B确定为很可能的结束。在方框714，包预测模块使用组合的历史销售和搜索数据来识别在日期A和日期B之间销售或搜索的零件。

[0059] 图8是示出根据本文所描述的一个实施方式的生成零件关系矩阵的流程图。在实施方式中，图8与图3所示的方框310对应。在方框802，包预测模块(例如，图2所示的包预测模块220)接收图7中识别的维护事件。在方框804，包预测模块220从各个事件构造串。在实施方式中，该串包括与事件(例如，如图7中识别的)对应的零件号，零件号利用类似空格、制表符或逗号的分隔符分离。

[0060] 在方框806，包预测模块220构造与在方框804构造的事件串对应的矩阵。在实施方式中，这可以是二维二进制矩阵(例如，二维二进制阵列)，一个维度表示识别的事件，另一维度表示包括在各个识别的事件中的零件。一个示例示出于图10中，在下面进一步讨论。另选地，这可以是具有不同维数的矩阵，并且矩阵中的值可以是非二进制的(例如，整数、实数、布尔值、定义的类型等)。

[0061] 在方框808，包预测模块220计算矩阵条目的局部权重。局部权重用于识别各个零件对包括该零件的维护事件的贡献。在实施方式中，矩阵条目对应于特定零件和特定事件。该矩阵条目的局部权重表示该特定零件对该特定事件的贡献(例如，该零件对该事件的重要性)。

[0062] 在方框810，包预测模块220计算包括在矩阵中的各个零件的全局权重。全局权重用于识别给定零件对所有识别的事件的贡献(例如，该零件对所有事件的重要性)。在实施方式中，全局权重可使用下式来计算：。

[0063]

[0064] 在方框812，包预测模块220减小矩阵维度。在实施方式中，包预测模块220可通过从矩阵去除不太重要的值来降低预测零件包的复杂度。这允许包预测模块220聚焦于更重要的值，并减小噪声。在实施方式中，包预测模块220将来自方框808和810的计算的权重矩阵一起相乘以生成结式矩阵。包预测模块220然后计算结式矩阵的奇异值分解(SVD)。包预测模块220从小于预定值的特征值的SVD减小矩阵的维度。如上面讨论的，使用SVD是减小矩阵的技术的一个示例。另选地，可使用其它技术。

[0065] 图9是示出根据本文所描述的一个实施方式的零件包的智能预测的流程图。在实施方式中，图9与图3所示的方框312对应。在方框902，包预测模块(例如，图2所示的包预测模块220)接收矩阵(例如，上面使用图8所示的技术生成的矩阵)。在方框904，包预测模块220计算矩阵中的零件之间的欧几里得距离。

[0066] 在方框906，包预测模块220使用在方框904计算的欧几里得距离来对矩阵中的零件进行聚类。在实施方式中，包预测模块220执行分层聚类并使用Ward最小方差方法进行聚类。另选地，可使用另一分层聚类方法，或者可使用另一形式的聚类。在方框908，包预测模块220通过将聚类的零件号收集到包中来预测包。

[0067] 图10是根据本文所描述的一个实施方式的零件关系的示例矩阵1000的例示。在实施方式中，图10所示的矩阵是根据图8所示的技术生成的矩阵的示例。在实施方式中，所示的矩阵可使用二维二进制阵列来实现。图10所示的实施方式仅是可能矩阵的示例——可使用许多其它格式和类型的矩阵。在矩阵1000中，行表示零件(例如，由零件号识别)，列表示维护事件(例如，根据图7所示的技术识别)。在实施方式中，包括在至少一个事件中的各个零件作为行包括在矩阵1000中。另选地，可供零件销售商销售的各个有效零件作为行包括在矩阵1000中。

[0068] 矩阵1000中的各个条目表示该列中的事件是否包括该行中的零件。二进制“1”表示该列中的事件包括该行中的零件，而二进制“0”表示该列中的事件不包括该零件。例如，事件A包括零件1、3、6和7，但不包括零件2、4、5和8。事件B包括零件3、4、5、6和7，但不包括零件1和8。在实施方式中，如上面讨论的，矩阵1000可用于对零件进行聚类并预测零件包。

[0069] 在包预测模块(例如，包预测模块220)预测零件包(例如，如关于图3中的方框312描述的)之后，包可被发送到客户。在实施方式中，关联的价格也可被发送到客户(例如，使用包定价模块230生成的价格)。在实施方式中，包预测模块可生成用户界面以用于将包信息显示给客户——例如，包预测模块可生成网页(例如，以及HTML网页)、Javascript模块、XML模块或其它合适的界面描述。包预测模块(或另一合适的模块)可将该用户界面描述提供给客户以供客户显示。例如，包预测模块可经由通信网络将用户界面描述(例如，HTML、Javascript或XML模块)发送到客户以供客户的web浏览器或应用显示。此外，作为另一示例，包预测模块(或另一合适的模块)可经由通信网络(例如，使用合适的应用编程接口(API))与客户装置通信。

[0070] 在实施方式中，客户可选择期望的包以购买(例如，使用用户界面)。客户的计算机或其它电子装置可将响应信号发送到包预测服务器(例如，包预测服务器200)或另一合适的服务器。在接收到响应信号之后，服务器可履行购买。例如，服务器可在库存中预留包中的零件，以方便履行。服务器可进一步识别包中的零件的目的地，并且可触发零件的加工和运输。在实施方式中，服务器可自动地履行订单。另选地，服务器可提醒履行人员(例如，使用用户界面)并提供必要信息以允许履行人员获得并运输购买的零件。零件然后可自动地或由履行人员运输。

[0071] 在实施方式中，可通过提供给客户的用户界面来进行打包的零件的购买。另选地，可自动地进行购买。例如，客户可预先同意销售商预测在特定时间点可能需要的零件，并自动地生成包并购买零件。在实施方式中，该预先同意可进一步与包的期望或最大价格相关联。可向客户提供在完成之前同意或拒绝购买的能力，或者购买可完全自动化。在实施方式中，客户可进一步同意当客户寻求购买单独的零件时自动购买预测的包。例如，客户可寻求购买特定零件，并且系统可识别与该零件关联的预测的包并自动地购买该包。这可在购买时由客户同意来进行，或者基于预先同意来自动地进行。在实施方式中，预测的包的准确性可鼓励客户预先同意对未来购买的自动包预测。

[0072] 在前文中，参照了本公开中呈现的实施方式。然而，本公开的范围不限于具体描述的实施例。相反，所描述的特征和元件的任何组合无论是否与不同的实施方式有关，均被设想为实现和实践所设想的实施方式。此外，尽管本文所公开的实施方式可实现优于其它可能解决方案或优于现有技术的优点，但是否通过给定实施方式实现特定优点并非对本公开的范围的限制。因此，否则前述方面、特征、实施方式和优点仅是例示性的，不被认为是所附权利要求的元素或限制，除非在权利要求中明确地陈述。

[0073] 本领域技术人员将理解，本文所公开的实施方式可被具体实现为一种系统、方法或计算机程序产品。因此，各方面可采取全硬件实施方式、全软件实施方式(包括固件、常驻软件、微码等)或者将软件和硬件方面组合的实施方式的形式，其在本文中通常可全部称为“电路”、“模块”或“系统”。另外，各方面可采取在具体实现有计算机可读程序代码的一个或更多个计算机可读介质中具体实现的计算机程序产品的形式。

[0074] 在计算机可读介质上具体实现的程序代码可使用任何适当的介质来发送，包括(但不限于)无线、有线、光纤线缆、射频(RF)等或者前述的任何合适的组合。

[0075] 用于实现本公开的各方面的操作的计算机程序代码可按照一个或更多个编程语言的任何组合编写，包括面向对象的编程语言(例如，Java、Smalltalk、C++、R、SAS等)以及传统过程编程语言(例如，“C”编程语言或相似的编程语言)。程序代码可完全在用户的计算机上执行，部分地在用户的计算机上执行，作为独立软件包执行，部分地在用户的计算机上并且部分地在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情形中，远程计算机可通过任何类型的网络(包括局域网(LAN)或广域网(WAN))连接至用户的计算机，或者可对外部计算机(例如，利用互联网服务提供商通过互联网)进行连接。

[0076] 上面参照根据本公开所呈现的实施方式的方法、设备(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。将理解，流程图和/或框图的各个方框以及流程图和/或框图中的方框的组合可由计算机程序指令来实现。这些计算机程序指令可被提供给通用计算机、专用计算机或者其它可编程数据处理设备的处理器以生成机器，使得经由计算机或其它可编程数据处理设备的处理器执行的指令创建用于实现流程图和/或框图方框中所指定的功能/行为的手段。

[0077] 这些计算机程序指令也可被存储在计算机可读介质中，其可指导计算机、其它可编程数据处理设备或其它装置按照特定方式起作用，使得存储在计算机可读介质中的指令生成包括实现流程图和/或框图方框中所指定的功能/行为的指令的制品。

[0078] 计算机程序指令也可被加载到计算机、其它可编程数据处理设备或其它装置上以使得在计算机、其它可编程设备或其它装置上执行一系列操作步骤以生成计算机实现的处理，使得在计算机或其它可编程设备上执行的指令提供用于实现流程图和/或框图方框中所指定的功能/行为的步骤。

[0079] 可通过云计算基础设施来向终端用户提供一个或更多个实施方式。云计算通常是指将可扩展计算资源作为网络上的服务提供。更正式地，云计算可被定义为提供计算资源与其底层技术架构(例如，服务器、存储、网络)之间的抽象的计算能力，从而允许对可配置计算资源共享池的方便、按需网络访问，这些资源可利用最低程度的管理努力或服务提供商交互来快速配置和释放。因此，云计算允许用户访问“云”中的虚拟计算资源(例如，存储、数据、应用、以及甚至完全虚拟化的计算系统)，而无需考虑用于提供计算资源的底层物理系统(或那些系统的位置)。。

[0080] 通常，基于按使用付费来向用户提供云计算资源，其中仅针对实际使用的计算资源向用户收费(例如，由用户或用户所实例化的多个虚拟化系统消费的存储空间的量)。用户可在任何时间横跨互联网从任何位置访问驻留在云中的任何资源。在本公开的上下文中，用户可访问云中可用的应用(例如，包预测服务器200)或相关数据。例如，包预测模块220和包定价模块230中的一者或二者可在云中的计算系统上执行。在这种情况下，各个模块可访问存储在云中的存储位置处的数据(例如，历史销售和搜索数据)，并且可将关联的数据存储在云中。这样做允许用户从附接到与云(例如，互联网)连接的网络的任何计算系统访问该信息。

[0081] 附图中的流程图和框图示出根据各种实施方式的系统、方法和计算机程序产品的可能实现方式的架构、功能和操作。在这方面，流程图或框图中的各个方框可表示模块、段或代码部分，其包括用于实现指定的逻辑功能的一个或更多个可执行指令。还应该注意的是，在一些另选实现方式中，方框中标明的功能可不按图中所标明的次序发生。例如，根据所涉及的功能，连续示出的两个方框实际上可基本上同时执行，或者方框有时可按照相反的次序执行。还将注意的是，框图和/或流程图中的各个方框以及框图和/或流程图中的方框的组合可由执行指定的功能或行为的基于专用硬件的系统或者专用硬件和计算机指令的组合来实现。

[0082] 此外，本公开包括根据以下条款的实施方式：

[0083] 条款1.一种用于智能地预测替换零件包的计算机实现的方法，该方法包括：

[0084] 使用计算机处理器基于与多个替换零件有关的历史数据来确定所述多个替换零件的多个维护事件，其中，所述多个维护事件中的各个维护事件与一个或更多个替换零件对应；

[0085] 使用计算机处理器基于所述多个维护事件来生成替换零件的多个聚类；以及[0086] 使用计算机处理器基于所述聚类来预测多个替换零件包，其中，各个包均包括多个替换零件。

[0087] 条款2.根据条款1所述的方法，其中，确定所述多个替换零件的所述多个维护事件的步骤还包括：

[0088] 使用计算机处理器基于与所述多个替换零件有关的历史数据来确定第一维护事件的起始时间点；

[0089] 使用计算机处理器基于与所述多个替换零件有关的历史数据来确定第一维护事件的结束时间点；以及

[0090] 使用计算机处理器基于发生在起始时间点和结束时间点之间的替换零件的销售和对替换零件的电子搜索来识别用于第一维护事件的一个或更多个替换零件。

[0091] 条款3.根据条款2所述的方法，其中，确定所述多个替换零件的所述多个维护事件的步骤还包括：

[0092] 生成与历史数据有关的时间序列数据；以及

[0093] 计算与时间序列数据有关的核密度估计，其中，起始时间点和结束时间点中的至少一个是基于该核密度估计的。

[0094] 条款4.根据条款1至3中的任一项所述的方法，该方法还包括：

[0095] 使用计算机处理器识别所述多个替换零件当中的多个可互换零件，其中，所述多个维护事件是基于所述多个可互换零件的。

[0096] 条款5.根据条款4所述的方法，该方法还包括：

[0097] 使用计算机处理器为所述多个可互换零件中的第一可互换零件确定原始零件标识符和最新零件标识符，其中，所述多个维护事件使用最新零件标识符代替原始零件标识符。

[0098] 条款6.根据条款1至5中的任一项所述的方法，该方法还包括：

[0099] 使用计算机处理器生成与所述多个维护事件和所述多个替换零件有关的二维阵列，其中，确定所述替换零件的多个聚类的步骤是基于该二维阵列的。

[0100] 条款7.根据条款6所述的方法，其中，所述二维阵列是二进制阵列。

[0101] 条款8.根据条款6至7中的任一项所述的方法，该方法还包括：

[0102] 为二维阵列中的多个条目计算局部权重；

[0103] 为二维阵列中的所述多个条目计算全局权重；以及

[0104] 至少部分地基于所计算的局部权重和全局权重来减小二维阵列的维度，其中，确定所述替换零件的多个聚类的步骤是基于减小的二维阵列的。

[0105] 条款9.根据条款1至8中的任一项所述的方法，该方法还包括：

[0106] 至少部分地基于所述多个替换零件包中的第一包中的各个零件的预定价格来确定所述第一包的价格，其中，所述第一包的价格低于所述第一包中的各个零件的所述预定价格的组合。

[0107] 条款10.根据条款9所述的方法，其中，使用计算机处理器自动地确定第一包的价格，并且其中，第一包的价格是基于第一包中的零件的一个或更多个特性的。

[0108] 条款11.一种系统，该系统包括：

[0109] 处理器；以及

[0110] 存储器，该存储器存储有程序，该程序在处理器上被运行时执行操作，该操作包括：

[0111] 基于与多个替换零件有关的历史数据来确定所述多个替换零件的多个维护事件，其中，所述多个维护事件中的各个维护事件与一个或更多个替换零件对应；

[0112] 基于所述多个维护事件来生成替换零件的多个聚类；以及

[0113] 基于所述聚类预测多个替换零件包，其中，各个包均包括多个替换零件。

[0114] 条款12.根据条款11所述的系统，确定所述多个替换零件的所述多个维护事件的操作还包括：

[0115] 基于与所述多个替换零件有关的历史数据来确定第一维护事件的起始时间点；

[0116] 基于与所述多个替换零件有关的历史数据确定第一维护事件的结束时间点；以及[0117] 基于发生在起始时间点和结束时间点之间的替换零件的销售和对替换零件的电子搜索来识别用于第一维护事件的一个或更多个替换零件。

[0118] 条款13.根据条款12所述的系统，其中，确定所述多个替换零件的所述多个维护事件的操作还包括：

[0119] 生成与历史数据有关的时间序列数据；以及

[0120] 计算与时间序列数据有关的核密度估计，其中，起始时间点和结束时间点中的至少一个是基于该核密度估计的。

[0121] 条款14.根据条款11至13中的任一项所述的系统，该操作还包括：

[0122] 识别所述多个替换零件当中的多个可互换零件，其中，所述多个维护事件是基于所述多个可互换零件的。

[0123] 条款15.根据条款11至14中的任一项所述的系统，该操作还包括：

[0124] 至少部分地基于所述多个替换零件包中的第一包中的各个零件的预定价格来确定第一包的价格，其中，第一包的价格低于第一包中的各个零件的所述预定价格的组合。

[0125] 条款16.根据条款15所述的系统，其中，自动地确定第一包的价格，并且其中，第一包的价格是基于第一包中的零件的一个或更多个特性的。

[0126] 条款17.一种用于智能地预测替换零件包的计算机程序产品，该计算机程序产品包括：

[0127] 包含有计算机可读程序代码的计算机可读存储介质，所述计算机可读程序代码可由一个或更多个计算机处理器运行以执行操作，该操作包括：

[0128] 基于与多个替换零件有关的历史数据来确定所述多个替换零件的多个维护事件，其中，所述多个维护事件中的各个维护事件与一个或更多个替换零件对应；

[0129] 基于所述多个维护事件来生成替换零件的多个聚类；以及

[0130] 基于所述聚类预测多个替换零件包，其中，各个包均包括多个替换零件。

[0131] 条款18.根据条款17所述的计算机程序产品，该操作还包括：

[0132] 生成与所述多个维护事件和所述多个替换零件有关的二维阵列，其中，确定所述替换零件的多个聚类的操作是基于该二维阵列的。

[0133] 条款19.根据条款17至18中的任一项所述的计算机程序产品，该操作还包括：

[0134] 至少部分地基于所述多个替换零件包中的第一包中的各个零件的预定价格来确定第一包的价格，其中，第一包的价格低于第一包中的各个零件的所述预定价格的组合。

[0135] 条款20.根据条款19所述的计算机程序产品，其中，自动地确定第一包的价格，并且其中，第一包的价格是基于第一包中的零件的一个或更多个特性的。

[0136] 鉴于上文，本公开的范围由所附权利要求书确定。