在定制装备企业中,个性化定制带来的订单数量不确定性和订单交货期不断缩短的需求对企业生产管理提出了更高要求,在更短周期内以低成本高效率生产出个性化订单产品是装备制造企业的不懈追求。订单及其数量的不确定性会导致依据订单产品物料清单进行物料准备的进度不可控,使得后续物料采购进度管理和采购进度控制难度大,进而影响后续的生产、装配等环节,导致项目订单拖期。面向订单设计和装配的定制装备企业的生产特点是制造过程占比少,大多数零部件是采购或外协得到,核心环节是研发和装配。制约这类项目进度的最大因素就是研发下达订单时间和装配所需的采购、外协物料的到货进度。由于上游供应商的各方面能力和进度等不确定,使得项目所需物料不可避免的出现拖期,从而波及订单装配进度,导致整个项目拖期。针对物料到货进度拖期导致项目拖期的这个问题,本文将基于机器学习理论,研究物料采购进度预测方法,实现对项目所需物料的进度进行监视,具体内容如下:(1)针对物料采购进度预测问题,首先根据企业采购业务流程,分析了物料采购进度影响因素。接着,利用特征工程的方法,从原始数据属性出发,结合企业物料采购实际情况,提取并构造特征,利用特征选择方法降低特征子集空间。最后,选择多个不同监督式分类器,使用企业真实物料采购数据,进行计算实验。对比分析了特征工程对模型预测结果得影响,解决了物料采购进度预测问题。(2)在相同数据和特征的基础上,采用多种非监督式机器学习方法,对企业真实数据进行探索,寻找物料采购进度数据中的内在特点和知识,从不同角度分析物料采购进度预测的可能性。(3)开发了一套面向定制装备的物料采购进度跟催系统。通过将本文所研究的机器学习预测模型和方法嵌入该系统,实现了对企业物料采购数据的分析和执行进度的预测,可以支撑采购人员的跟催决策,可以嵌入进企业ERP系统。本文针对物料采购进度历史数据进度预测问题,采用机器学习的方法,从数据预处理、特征工程到模型训练和预测,进行了系统的研究和运用,为企业在实际采购进度管理过程中的决策提供一定地智能辅助。