楊 帆， 王生鳳， 王鐵寧， 吳龍濤， 賈 琦

(1. 陸軍裝甲兵學(xué)院裝備保障與再制造系, 北京 100072； 2. 陸軍裝甲兵學(xué)院教研保障中心, 北京 100072)

備件是滿足裝備維修、保障裝備運(yùn)行的重要物質(zhì)基礎(chǔ)[1]。備件保障水平直接影響部隊(duì)?wèi)?zhàn)斗力及經(jīng)費(fèi)使用效益。備件供應(yīng)不足將會(huì)導(dǎo)致裝備完好率下降；反之，又會(huì)造成庫(kù)存積壓，降低裝備經(jīng)費(fèi)使用效率。因此，準(zhǔn)確預(yù)測(cè)備件需求至關(guān)重要。由于備件需求間隔時(shí)間和需求量常具有間斷性，不同階段影響備件需求的因素各異，且歷史需求數(shù)據(jù)有限，很難準(zhǔn)確預(yù)測(cè)裝備備件的需求量。

諸多學(xué)者對(duì)裝備備件需求預(yù)測(cè)問題進(jìn)行了研究。BACCHETII等[2]將備件需求預(yù)測(cè)方法分為基于時(shí)間序列的方法、Croston方法、Bootstrapping方法、可靠性分析方法、回歸分析方法、神經(jīng)網(wǎng)絡(luò)方法和貝葉斯方法7類；張永莉等[3]根據(jù)備件特性將備件分為間歇型需求備件、平緩型需求備件、塊狀型需求備件和隨機(jī)型需求備件4類；CAO等[4]將備件需求預(yù)測(cè)方法分為基于經(jīng)驗(yàn)、基于歷史數(shù)據(jù)、基于解析方法和基于仿真4類；張連武等[5]根據(jù)備件的使用壽命周期，將備件需求預(yù)測(cè)分為備件初始供應(yīng)、正常使用及退役3個(gè)階段。上述研究均以某一角度為切入點(diǎn)，對(duì)備件需求預(yù)測(cè)方法進(jìn)行分類，但并未對(duì)備件需求預(yù)測(cè)方法進(jìn)行系統(tǒng)分析與總結(jié)。筆者基于全過程管理理念，將備件需求預(yù)測(cè)過程分為問題分析、數(shù)據(jù)獲取與分析、方法選擇與建模、模型求解、結(jié)果評(píng)估與應(yīng)用5個(gè)階段，分別對(duì)每個(gè)階段的當(dāng)前研究現(xiàn)狀、采用方法的優(yōu)缺點(diǎn)及適應(yīng)性等進(jìn)行了綜述分析，系統(tǒng)梳理和總結(jié)了備件需求預(yù)測(cè)的相關(guān)文獻(xiàn)，為裝備備件管理提供參考。

1 需求預(yù)測(cè)全過程管理概述

全過程管理是在工程領(lǐng)域首先提出并得到實(shí)踐應(yīng)用的。隨著其在工程領(lǐng)域的成功應(yīng)用，其在其他領(lǐng)域也得到了應(yīng)用與發(fā)展，如在產(chǎn)品供應(yīng)全過程的應(yīng)用。全過程管理理念結(jié)合了系統(tǒng)工程的思想，可更好地管控、優(yōu)化工程實(shí)踐過程和企業(yè)管理的流程。在備件需求預(yù)測(cè)研究中，應(yīng)用全過程管理理念來研究備件需求鮮有報(bào)道，筆者在備件需求預(yù)測(cè)研究中引入全過程管理理念，旨在對(duì)備件需求預(yù)測(cè)研究成果進(jìn)行系統(tǒng)的梳理、分析與總結(jié)。

2 備件需求預(yù)測(cè)全過程

根據(jù)全過程管理理念，備件需求預(yù)測(cè)全過程可分為6個(gè)階段，如圖1所示。

2.1 問題分析

問題分析是備件需求預(yù)測(cè)的首要環(huán)節(jié)，主要是對(duì)預(yù)測(cè)對(duì)象進(jìn)行分析。只有充分了解備件的特性，明確備件類型及需求特征，才能有針對(duì)性地準(zhǔn)確預(yù)測(cè)備件需求。從備件使用場(chǎng)合來看，目前備件需求預(yù)測(cè)研究主要集中在平時(shí)周轉(zhuǎn)備件需求預(yù)測(cè)方面[6- 7]，有關(guān)其他方面的研究主要有：竇云杰等[8]綜合考慮野外駐訓(xùn)中備件需求受訓(xùn)練時(shí)間、訓(xùn)練強(qiáng)度、惡劣天氣等因素的影響，對(duì)野外駐訓(xùn)備件消耗量進(jìn)行了預(yù)測(cè)；劉喜春等[9]針對(duì)戰(zhàn)時(shí)備件需求的多階段相關(guān)性及不確定性特點(diǎn)，在歷史數(shù)據(jù)難以獲得的情況下，對(duì)戰(zhàn)時(shí)備件需求量進(jìn)行了預(yù)測(cè)；李曉宇等[10]以任務(wù)為中心，針對(duì)壽命分布較為復(fù)雜的裝備備件，通過建模對(duì)其需求進(jìn)行了預(yù)測(cè)；趙勁松等[11]根據(jù)備件重要程度的不同，采用灰色模型對(duì)不常用備件需求進(jìn)行了研究；索海龍等[12]采用多源信息分級(jí)技術(shù)對(duì)大型動(dòng)力裝備關(guān)重件的備件需求進(jìn)行了預(yù)測(cè)；文獻(xiàn)[13- 15]作者根據(jù)備件需求時(shí)間及數(shù)量特性，對(duì)間斷型備件需求進(jìn)行了預(yù)測(cè)；WANG等[16]對(duì)塊狀備件需求進(jìn)行了預(yù)測(cè)；郭瓊瓊等[17]對(duì)連續(xù)型備件需求進(jìn)行了預(yù)測(cè)；文獻(xiàn)[18- 19]作者根據(jù)備件的系統(tǒng)關(guān)聯(lián)性，分別針對(duì)單項(xiàng)備件及系統(tǒng)備件的需求進(jìn)行了預(yù)測(cè)。

2.2 數(shù)據(jù)獲取與分析

數(shù)據(jù)獲取與分析是在明確備件特征的基礎(chǔ)上，對(duì)獲取的可用數(shù)據(jù)進(jìn)行分析與處理。由于部隊(duì)每年例行訓(xùn)練任務(wù)的內(nèi)容相似，對(duì)于日常消耗備件，一般具有可供參考的歷史消耗數(shù)據(jù)，可通過對(duì)歷史消耗數(shù)據(jù)的分析來研究備件的需求規(guī)律，并預(yù)測(cè)備件需求[20- 22]。

對(duì)于新列裝部隊(duì)的裝備備件，由于裝備使用時(shí)間短，并無可供參考的歷年消耗數(shù)據(jù)，因此無法采用時(shí)間序列等基于大樣本量的預(yù)測(cè)方法來預(yù)測(cè)備件需求。另外，對(duì)于基于任務(wù)的備件消耗、應(yīng)急備件消耗、戰(zhàn)時(shí)備件消耗等均具有臨時(shí)性特點(diǎn)的裝備備件需求預(yù)測(cè)問題，常利用備件故障率、壽命分布等相關(guān)數(shù)據(jù)，從可靠性的角度進(jìn)行備件需求預(yù)測(cè)，如張居梅等[23]利用日常備件消耗數(shù)據(jù)來擬合備件的故障率曲線，建立備件可靠性模型，實(shí)現(xiàn)備件需求預(yù)測(cè)。因此，明確備件類型和特點(diǎn)后，就需要獲取歷史消耗數(shù)據(jù)、故障率、壽命分布等數(shù)據(jù)，并進(jìn)行分析與處理，再根據(jù)獲取的可用數(shù)據(jù)數(shù)量和類型，進(jìn)一步選擇預(yù)測(cè)方法。

2.3 方法選擇與建模

需求預(yù)測(cè)方法可分為基于經(jīng)驗(yàn)的預(yù)測(cè)方法、基于歷史數(shù)據(jù)的預(yù)測(cè)方法和基于解析方法的預(yù)測(cè)方法3大類。

2.3.1 基于經(jīng)驗(yàn)的預(yù)測(cè)方法

基于經(jīng)驗(yàn)的備件需求預(yù)測(cè)方法是最基本、最常用的預(yù)測(cè)方法。趙建民等[24]采用相似產(chǎn)品法，首先對(duì)某種已知的典型裝備相關(guān)備件需求進(jìn)行研究，然后利用相似方法對(duì)與已知裝備相似的待預(yù)測(cè)裝備的備件需求進(jìn)行預(yù)測(cè)；蘭永等[25]采用基于案例的推理方法對(duì)備件需求量進(jìn)行預(yù)測(cè)；劉喜春等[9]將專家預(yù)測(cè)方法與Markov預(yù)測(cè)方法相結(jié)合，基于模糊推理預(yù)測(cè)了備件需求。

2.3.2 基于歷史數(shù)據(jù)的預(yù)測(cè)方法

基于歷史數(shù)據(jù)的備件需求預(yù)測(cè)是通過分析提取過去一段時(shí)間內(nèi)備件消耗隨時(shí)間變化的特征，來研究備件消耗變化規(guī)律，預(yù)測(cè)未來一段時(shí)間內(nèi)備件的需求。基于歷史數(shù)據(jù)的預(yù)測(cè)方法可分為基于大樣本量和小樣本量2種預(yù)測(cè)方法。

目前，在備件需求預(yù)測(cè)方法中，大多數(shù)研究均采用基于大樣本量的預(yù)測(cè)方法，如指數(shù)平滑法[17]、Logistic回歸[26]、經(jīng)典Croston及其改進(jìn)算法[27]、Bootstrappong[28]、人工神經(jīng)網(wǎng)絡(luò)[21]、支持向量機(jī)[29]等方法，該類方法通過分析數(shù)據(jù)隨時(shí)間變化的規(guī)律，或通過對(duì)樣本數(shù)據(jù)進(jìn)行訓(xùn)練，得出備件需求變化規(guī)律進(jìn)而實(shí)現(xiàn)備件需求預(yù)測(cè)?；谛颖玖康念A(yù)測(cè)方法主要有灰色模型GM(1,1)[30]、灰色馬爾科夫模型[31]、貝葉斯方法[32]、最大熵方法[14]等，這些方法均能較好地解決樣本量較少時(shí)備件需求預(yù)測(cè)問題。

2.3.3 基于解析方法的預(yù)測(cè)方法

基于解析方法的備件需求預(yù)測(cè)方法可分為2類：1)根據(jù)備件壽命分布，在備件故障率、相關(guān)特征參數(shù)等已知的情況下，利用解析式計(jì)算備件需求量，如泊松分布、指數(shù)分布、威布爾分布、正態(tài)分布等均有可以直接利用的解析式[33]，該類方法適用于備件壽命分布參數(shù)已知的備件需求預(yù)測(cè)問題；2)針對(duì)裝備實(shí)際應(yīng)用情況的不同，有時(shí)利用解析式難以直接得出預(yù)測(cè)結(jié)果的備件需求預(yù)測(cè)問題，可通過計(jì)算部件自身的可靠性，綜合考慮系統(tǒng)的使用可用度等，通過構(gòu)造目標(biāo)函數(shù)，根據(jù)部件在未來一段時(shí)間內(nèi)發(fā)生故障的概率來推導(dǎo)備件需求量[10，18]。

2.3.4 預(yù)測(cè)方法比較與分析

基于經(jīng)驗(yàn)的預(yù)測(cè)方法是備件需求預(yù)測(cè)的重要方法。當(dāng)歷史數(shù)據(jù)不足或備件壽命分布參數(shù)未知時(shí)，即采用該類方法進(jìn)行備件需求預(yù)測(cè)，但是，該類方法易受主觀決策的影響，尤其是在復(fù)雜環(huán)境條件下，無法保證預(yù)測(cè)結(jié)果的準(zhǔn)確性。

基于歷史數(shù)據(jù)的備件需求預(yù)測(cè)方法通過挖掘數(shù)據(jù)間的內(nèi)在聯(lián)系，分析數(shù)據(jù)之間的相關(guān)性、周期性、數(shù)據(jù)變化趨勢(shì)等，可得到較為準(zhǔn)確的預(yù)測(cè)結(jié)果。但是，該類方法對(duì)數(shù)據(jù)的依賴度較大，當(dāng)缺乏可供參考的歷史數(shù)據(jù)、樣本量較少、數(shù)據(jù)分布類型不明或歷史數(shù)據(jù)可靠性較低時(shí)，預(yù)測(cè)結(jié)果的準(zhǔn)確性將會(huì)受到極大的影響。

基于解析方法的預(yù)測(cè)方法不需要?dú)v史數(shù)據(jù)的支持，能夠得到較為準(zhǔn)確的預(yù)測(cè)結(jié)果。但是，該類方法需要利用許多備件使用參數(shù)，因此對(duì)于故障概率密度函數(shù)未知，或裝備維修與保障過程較為復(fù)雜的備件需求預(yù)測(cè)問題，缺乏可靠的預(yù)測(cè)模型。

除了上述3類備件需求預(yù)測(cè)方法外，文獻(xiàn)[4，33]作者將基于仿真的預(yù)測(cè)方法也視為一種預(yù)測(cè)建模方法，但筆者認(rèn)為各種基于仿真的預(yù)測(cè)方法首先應(yīng)與歷史消耗數(shù)據(jù)、可靠性參數(shù)等相結(jié)合建立預(yù)測(cè)模型，然后求解和驗(yàn)證模型。因此，基于仿真的預(yù)測(cè)方法實(shí)際上屬于模型求解方法，而不是模型建立方法。

2.4 模型求解

模型求解方法可分為數(shù)理方法、智能方法及仿真方法3類。數(shù)理方法主要是通過將數(shù)據(jù)或參數(shù)代入模型，經(jīng)過一定的計(jì)算步驟得出預(yù)測(cè)結(jié)果。如程新等[36]利用歷史數(shù)據(jù)得出備件的壽命分布及故障率參數(shù)等，建立備件需求預(yù)測(cè)模型，并采用數(shù)理統(tǒng)計(jì)的方法對(duì)模型進(jìn)行求解。智能方法主要是采用遺傳算法、蟻群算法、模擬退火算法等當(dāng)前應(yīng)用較為成熟的智能算法對(duì)模型進(jìn)行求解。如：梅國(guó)建等[30]通過灰色系統(tǒng)建立預(yù)測(cè)模型，并采用小波神經(jīng)網(wǎng)絡(luò)對(duì)模型進(jìn)行切割求解；竇云杰等[35]針對(duì)部隊(duì)演訓(xùn)活動(dòng)中備件消耗的特點(diǎn)，采用遺傳算法改進(jìn)的神經(jīng)網(wǎng)絡(luò)建立預(yù)測(cè)模型并求解。除了數(shù)理方法與智能方法外，仿真方法也是一種應(yīng)用極為廣泛的模型求解方法。如：許邵杰等[26]首先利用歷史消耗數(shù)據(jù)建立Logistics回歸模型，然后采用Markov仿真對(duì)模型進(jìn)行求解；李曉燕等[36]采用模糊綜合評(píng)判法，深入分析了戰(zhàn)斗損傷中備件消耗的影響因素，并采用仿真方法求解了備件需求量。

上述3類模型求解方法各有優(yōu)劣，在具體應(yīng)用中應(yīng)結(jié)合備件的特點(diǎn)進(jìn)行選擇?？傮w來說，數(shù)理方法較適用于模型簡(jiǎn)單、求解較易的備件需求預(yù)測(cè)模型求解問題。智能方法通常借助計(jì)算機(jī)軟件來求解預(yù)測(cè)模型，可大大提高模型求解效率，同時(shí)，也可結(jié)合智能方法自身的魯棒性等優(yōu)點(diǎn)，提高備件需求預(yù)測(cè)結(jié)果的準(zhǔn)確性。但在智能方法中，模型參數(shù)的設(shè)置是一個(gè)重點(diǎn)、難點(diǎn)問題，若參數(shù)設(shè)置不合理，將極大地影響預(yù)測(cè)結(jié)果的準(zhǔn)確性[37]。采用仿真方法可節(jié)約人力、物力和財(cái)力，提高預(yù)測(cè)準(zhǔn)確率，尤其是對(duì)高維度、計(jì)算量大的預(yù)測(cè)模型，相較于其他模型求解方法，其優(yōu)勢(shì)更加明顯；但是，當(dāng)影響因素考慮不全面，或備件故障概率密度函數(shù)等未知時(shí)，仿真方法將不再適用。

2.5 結(jié)果評(píng)估與應(yīng)用

為了驗(yàn)證所提出的預(yù)測(cè)方法的可靠性和合理性，應(yīng)對(duì)預(yù)測(cè)結(jié)果進(jìn)行評(píng)估。評(píng)估方法可分為與實(shí)際需求數(shù)據(jù)對(duì)比、與其他方法的預(yù)測(cè)結(jié)果對(duì)比、應(yīng)用對(duì)比3類。

1) 與實(shí)際需求數(shù)據(jù)對(duì)比方法。該類方法主要有時(shí)間序列模型、神經(jīng)網(wǎng)絡(luò)測(cè)試樣本檢驗(yàn)、支持向量機(jī)測(cè)試樣本檢驗(yàn)等[38]。

2) 與其他方法的預(yù)測(cè)結(jié)果對(duì)比方法。該類方法最為普遍，一般是在相同模型或數(shù)據(jù)的基礎(chǔ)上，對(duì)比分析所研究方法與其他方法的預(yù)測(cè)結(jié)果，評(píng)估所研究方法的預(yù)測(cè)結(jié)果的可靠性和合理性[39]。

3) 應(yīng)用對(duì)比方法。該類方法是將預(yù)測(cè)結(jié)果與實(shí)際應(yīng)用相結(jié)合，大多數(shù)是與庫(kù)存策略相結(jié)合來評(píng)估所研究方法的預(yù)測(cè)結(jié)果是否可靠[28]。

上述3類評(píng)估方法均利用預(yù)測(cè)誤差來評(píng)估判斷預(yù)測(cè)結(jié)果的可靠性和合理性。常用的預(yù)測(cè)誤差判斷指標(biāo)有平均誤差(Mean Error,ME)、均方誤差(Mean Squared Error,MSE)、均方根誤差(Root Mean Squared Error,RMSE)、誤差平方和(Sum of Squared Error,SSE)、平均百分比誤差(Mean Percentage Error,MPE)、平均絕對(duì)誤差(Mean Absolute Error,MAE)、平均絕對(duì)百分比誤差(Mean Absolute Percentage Error,MAPE)、平均絕對(duì)偏差(Mean Absolute Deviation,MAD)等。除此之外，也可與實(shí)際應(yīng)用相結(jié)合，或與庫(kù)存成本、裝備滿足率等輔助指標(biāo)相結(jié)合來評(píng)估預(yù)測(cè)結(jié)果的可靠性和合理性。值得注意的是：MPE和MAPE更適用于對(duì)連續(xù)和非零備件需求預(yù)測(cè)結(jié)果進(jìn)行評(píng)估，當(dāng)裝備備件需求中出現(xiàn)大量零值時(shí)，采用上述2種判斷指標(biāo)會(huì)降低預(yù)測(cè)結(jié)果評(píng)估的可信度。

3 下一步研究展望

盡管諸多學(xué)者對(duì)備件需求預(yù)測(cè)進(jìn)行了深入研究，提出了多種備件需求預(yù)測(cè)方法，但隨著科學(xué)技術(shù)的發(fā)展與進(jìn)步，備件需求預(yù)測(cè)研究仍具有進(jìn)一步的研究空間，主要體現(xiàn)在以下3個(gè)方面。

1) 需要將故障診斷、壽命預(yù)測(cè)、健康管理等現(xiàn)代測(cè)試技術(shù)與裝備備件需求預(yù)測(cè)相結(jié)合，實(shí)時(shí)掌握備件消耗情況，動(dòng)態(tài)預(yù)測(cè)備件需求。

2) 備件需求預(yù)測(cè)包括備件品種預(yù)測(cè)和數(shù)量預(yù)測(cè)2個(gè)方面，當(dāng)前大部分研究均集中在備件數(shù)量預(yù)測(cè)方面。對(duì)于備件需求品種，一般采用邏輯決斷法[40]、價(jià)值工程法[41]、模糊評(píng)判法等進(jìn)行預(yù)測(cè)[42- 43]，其效率較低且準(zhǔn)確率不高。因此，備件需求品種預(yù)測(cè)仍然是備件需求預(yù)測(cè)的一個(gè)重點(diǎn)、難點(diǎn)問題。

3) 目前裝備備件需求預(yù)測(cè)研究主要集中在現(xiàn)行裝備備件方面，對(duì)于退役階段的裝備備件需求預(yù)測(cè)研究較少。隨著技術(shù)的不斷進(jìn)步，新裝備列裝部隊(duì)，老舊裝備也面臨著退役，但是老舊裝備備件仍然占有大量的庫(kù)存量。因此，退役階段的裝備備件需求預(yù)測(cè)也是一項(xiàng)重要的任務(wù)。

4 結(jié)論

準(zhǔn)確預(yù)測(cè)所需備件的數(shù)量，不僅直接影響裝備完好率及其戰(zhàn)斗力，同時(shí)，對(duì)于提高保障效益、降低保障成本也具有重要的現(xiàn)實(shí)意義。筆者從全過程角度出發(fā)，結(jié)合備件需求預(yù)測(cè)階段，系統(tǒng)總結(jié)與分析了當(dāng)前裝備備件需求預(yù)測(cè)研究成果，并提出了進(jìn)一步發(fā)展的設(shè)想，可為裝備備件管理提供參考。