摘要：目前，備件需求預(yù)測(cè)的方法很多。文章系統(tǒng)歸納總結(jié)了有關(guān)國(guó)內(nèi)外比較科學(xué)的備件品種和數(shù)量需求預(yù)測(cè)的方法，并對(duì)如何結(jié)合實(shí)際工作應(yīng)用合理的預(yù)測(cè)方法進(jìn)行了分析。文章的研究成果能夠?yàn)閭浼枨箢A(yù)測(cè)提供參考。

Abstract： At present， there are many ways to forecast the demand of spare parts. This paper summarizes the methods of forecasting the demand of spare parts variety and quantity which are relatively scientific at home and abroad， analyses how to apply the reasonable forecast method according to the actual work. The research results of this paper can provide reference for the forecast of the demand spare parts.

關(guān)鍵詞：備件品種;備件數(shù)量;需求預(yù)測(cè)

Key words： spare parts variety;spare parts quantity;demand forecasting

中圖分類號(hào)：E920? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1006-4311（2020）04-0296-03

0? 引言

目前國(guó)內(nèi)外對(duì)預(yù)測(cè)方法的研究很多，已經(jīng)形成了較為完善的理論基礎(chǔ)。據(jù)不完全統(tǒng)計(jì)，預(yù)測(cè)方法種類大約有150多種，常用的就有十幾種。文章主要針對(duì)航材需求的預(yù)測(cè)問(wèn)題，筆者查閱了有關(guān)需求預(yù)測(cè)的200多篇文章，從備件品種和數(shù)量?jī)蓚€(gè)方面對(duì)需求預(yù)測(cè)的方法進(jìn)行了歸納整理和簡(jiǎn)要闡述，主要選取一些參考價(jià)值較高的文獻(xiàn)進(jìn)行了梳理，形成了一套完整的理論體系。

1? 有關(guān)備件品種的確定方法的研究

目前，已有很多文章對(duì)備件品種確定進(jìn)行了較深入的研究，并給出了很多種確定方法，概括起來(lái)主要有：模糊綜合評(píng)判方法、價(jià)值工程法、可靠性方法、基于維修任務(wù)分配的確定方法、灰色局勢(shì)決策法、TPOSIS法、粗糙集方法、邏輯決斷法等。

文獻(xiàn)[1]通過(guò)探討了價(jià)值工程法備件品種確定中的具體應(yīng)用，某種備件對(duì)裝備維修并使裝備正常運(yùn)行所可能產(chǎn)生的效果的評(píng)價(jià)，按照備件價(jià)值系數(shù)的大小排序來(lái)確定備件品種。文獻(xiàn)[2]首先對(duì)備件品種確定的影響因素進(jìn)行分析，在此基礎(chǔ)上，采用模糊綜合評(píng)判方法來(lái)進(jìn)行備件品種的確定，將影響備件庫(kù)存品種的確定各種因素量化，以評(píng)判效果看是否儲(chǔ)存某種備件。文獻(xiàn)[3]采用定性的方法確定備件的品種，在對(duì)裝備的所有維修項(xiàng)目進(jìn)行分配的基礎(chǔ)上，分析各維修項(xiàng)目中所需的備件。文獻(xiàn)[4]利用灰色局勢(shì)決策法對(duì)備件品種進(jìn)行了確定分析，并充分備件品種確定的各種影響因素。文獻(xiàn)[5]認(rèn)為備件的品種大多采用經(jīng)驗(yàn)和單因素分析的方法來(lái)確定，引入AHP和TOPSIS相結(jié)合的方法進(jìn)行定量計(jì)算，得出備件的排序，以此確定備件品種。文獻(xiàn)[6]針對(duì)初始備件品種影響因素信息不全面的特點(diǎn)，運(yùn)用集對(duì)分析對(duì)其確定分析，分析了備件品種影響因素間的集對(duì)關(guān)系，建立了基于集對(duì)聯(lián)系度的粗糙集決策模型。文獻(xiàn)[7]運(yùn)用層次分析法和灰色理論來(lái)確定備件品種，將各個(gè)指標(biāo)進(jìn)行量化處理，并以實(shí)例驗(yàn)證驗(yàn)證了該方法的科學(xué)性。文獻(xiàn)[8]在分析備件品種確定的主要因素的基礎(chǔ)上給出了備件品種確定流程及適用方法，并對(duì)決策原則進(jìn)行風(fēng)險(xiǎn)分析。

2? 有關(guān)備件需求量預(yù)測(cè)方法模型的研究

國(guó)內(nèi)外有關(guān)備件消耗需求預(yù)測(cè)的研究很多，針對(duì)不同的問(wèn)題，提出了很多需求預(yù)測(cè)方法模型。筆者查閱大量的有關(guān)航材備件預(yù)測(cè)的模型和方法，將其中常用的模型和方法總結(jié)歸納如下：

2.1 基于狀態(tài)轉(zhuǎn)移的備件需求預(yù)測(cè)模型

文獻(xiàn)[9]在分析備件需求量的馬爾可夫性，將馬爾可夫鏈與蒙特卡羅仿真相結(jié)合，給出利用計(jì)算機(jī)實(shí)現(xiàn)蒙特卡羅仿真的算法步驟，并應(yīng)用實(shí)例證明了該模型方法的科學(xué)性。文獻(xiàn)[10]提出備件需求過(guò)程可以被看作是馬爾可夫決策過(guò)程，并建立了模型的策略。運(yùn)用馬爾可夫方法預(yù)測(cè)時(shí)，要求備件的故障間隔時(shí)間和維修時(shí)間均服從指數(shù)分布，這與備件使用的實(shí)際情況往往不同，在數(shù)據(jù)信息少的情況下也很難建立狀態(tài)轉(zhuǎn)移概率矩陣。

2.2 基于仿真的備件需求預(yù)測(cè)

仿真方法是在分析出備件消耗的主要影響因素的基礎(chǔ)上，運(yùn)用系統(tǒng)仿真技術(shù)對(duì)備件需求產(chǎn)生的過(guò)程進(jìn)行模擬仿真，從而預(yù)測(cè)出備件需求量。文獻(xiàn)[11]中認(rèn)為裝備的維修保障與企業(yè)的日常活動(dòng)具有很大的共同特點(diǎn)，應(yīng)用集成信息系統(tǒng)結(jié)構(gòu)（ARIS）的方法，建立了基于ARIS的戰(zhàn)時(shí)備件需求仿真模型，取得了很好的效果。文獻(xiàn)[12]中提出了基于仿真的備件消耗預(yù)測(cè)模型，并將該方法與其它方法的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比，實(shí)例驗(yàn)證采用仿真的方法進(jìn)行備件需求預(yù)測(cè)的科學(xué)性。文獻(xiàn)[13]中將影響備件消耗的因素分為7個(gè)因素，在此基礎(chǔ)上，對(duì)備件使用過(guò)程進(jìn)行仿真，建立了備件消耗的預(yù)測(cè)模型，最后通過(guò)實(shí)例驗(yàn)證表明運(yùn)用該模型預(yù)測(cè)出的結(jié)果能夠最大程度地反映出備件的需求實(shí)際情況。

2.3 基于神經(jīng)網(wǎng)絡(luò)的備件需求預(yù)測(cè)

文獻(xiàn)[14]中在對(duì)影響航材備件需求量的多個(gè)因素進(jìn)行分析研究的基礎(chǔ)上對(duì)航材備件需求預(yù)測(cè)，運(yùn)用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行預(yù)測(cè)，并且有較高的預(yù)測(cè)準(zhǔn)確性。文獻(xiàn)[15]中認(rèn)為航材的消耗是一個(gè)非線性的變化，構(gòu)建出了基于影響因素的航材消耗非線性模型，取得了很好的預(yù)測(cè)效果。文獻(xiàn)[16]中認(rèn)為影響備件需求的因素種類眾多且復(fù)雜多變，提出應(yīng)用主成分分析法從航材需求眾多影響因素進(jìn)行篩選出主要的影響因素，并在此基礎(chǔ)上，應(yīng)用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，取得了較好的效果。

2.4 基于灰色模型的備件需求預(yù)測(cè)

文獻(xiàn)[17]中針對(duì)航材種類繁多、規(guī)格復(fù)雜的特點(diǎn)，提出了基于灰色GM（1，1）模型的航材消耗預(yù)測(cè)模型，并通過(guò)算例表明模型的準(zhǔn)確性。文獻(xiàn)[18]中針對(duì)維修器材的實(shí)際情況，提出了基于改進(jìn)后的灰色GM（1，1）模型維修器材的消耗規(guī)律的預(yù)測(cè)方法，預(yù)測(cè)結(jié)果非常貼近實(shí)際值。文獻(xiàn)[19]中在數(shù)據(jù)樣本量較少的情況下，建立了基于灰色理論的間斷性需求備件預(yù)測(cè)模型，可對(duì)間斷性需求備件進(jìn)行有效預(yù)測(cè)。文獻(xiàn)[20]中運(yùn)用灰色GM（1，1）模型對(duì)航材的需求進(jìn)行預(yù)測(cè)，取得了很好的效果。

2.5 基于支持向量回歸的備件需求預(yù)測(cè)

對(duì)于小樣本的預(yù)測(cè)問(wèn)題，支持向量機(jī)回歸預(yù)測(cè)是一種比較合適的預(yù)測(cè)方法。文獻(xiàn)[21]中提出將支持向量機(jī)回歸模型運(yùn)用到航材的需求預(yù)測(cè)中，把影響備件消耗的主要因子和對(duì)應(yīng)的備件消耗量作為支持向量機(jī)預(yù)測(cè)模型的輸入因子和輸出因子進(jìn)行預(yù)測(cè)。文獻(xiàn)[22]中針對(duì)備件庫(kù)存消耗預(yù)測(cè)是多因素綜合影響下的非線性、小樣本預(yù)測(cè)問(wèn)題，運(yùn)用灰色關(guān)聯(lián)分析和支持向量機(jī)回歸相結(jié)合的方法對(duì)備件庫(kù)存消耗預(yù)測(cè)，并通過(guò)實(shí)例驗(yàn)證了該方法的預(yù)測(cè)精度高于傳統(tǒng)的備件預(yù)測(cè)模型。

2.6 基于案例的備件需求預(yù)測(cè)

裝備在使用條件、使用環(huán)境、保障水平等因素相近的情況下，相似備件的需求規(guī)律與需求量是相近的?；谏鲜隹紤]，可以將案例推理的方法引入到備件的需求預(yù)測(cè)中。文獻(xiàn)[23]中根據(jù)航材的發(fā)展具有同源性和繼承性這規(guī)律特點(diǎn)，深入分析航材的特性，應(yīng)用案例推理的相關(guān)理論，構(gòu)建出相似航材確定的模型方法。并通過(guò)實(shí)例驗(yàn)證該方法的科學(xué)性，對(duì)新機(jī)型航材航材保障工作提供理論依據(jù)。

2.7 組合模型預(yù)測(cè)方法

組合模型進(jìn)行預(yù)測(cè)的效果比單一模型預(yù)測(cè)的效果要高。文獻(xiàn)[24]中提出基于粗糙集、熵權(quán)法、自適應(yīng)粒子群優(yōu)化法與加權(quán)最小二乘支持向量機(jī)的導(dǎo)彈備件消耗預(yù)測(cè)組合預(yù)測(cè)模型，取得了很好的預(yù)測(cè)效果。文獻(xiàn)[25]中針對(duì)航材消耗定額制定缺乏依據(jù)的問(wèn)題，確定了影響航材消耗的主要因素并將之作為BP神經(jīng)網(wǎng)絡(luò)的輸入神經(jīng)元，提出了基于灰色模型和BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型，并對(duì)模型進(jìn)行了誤差分析。文獻(xiàn)[26]中用灰色GM（1，1）模型和BP神經(jīng)網(wǎng)絡(luò)模型組合預(yù)測(cè)模型對(duì)車輛器材需求進(jìn)行預(yù)測(cè)，并給出了其加權(quán)系數(shù)的參數(shù)估計(jì)方法，為車輛常耗器材消耗規(guī)律的深入研究提供科學(xué)系統(tǒng)的理論方法。

2.8 國(guó)外常用的備件預(yù)測(cè)方法

多年來(lái)，美國(guó)空軍使用備件需求均值和方差均值比預(yù)測(cè)方法進(jìn)行備件的需求預(yù)測(cè)，并應(yīng)用這些預(yù)測(cè)方法進(jìn)行了大量的實(shí)驗(yàn)，形成了一系列常用的經(jīng)驗(yàn)預(yù)測(cè)模型[27]。此外，文獻(xiàn)[28]中分別對(duì)Croston方法、Bootstrap方法和IFM法在需求預(yù)測(cè)中應(yīng)用進(jìn)行綜述和分析，并給出了上述三種方法的適用條件，取得了很好的效果。文獻(xiàn)[29]中分析了k/N系統(tǒng)在考慮維修策略、維修能力以及初始備件數(shù)等條件下的系統(tǒng)可用度模型。文獻(xiàn)[30]中提出了備件計(jì)算模型和相應(yīng)的算法，采用仿真的方法對(duì)備件的庫(kù)存配置進(jìn)行了研究。

3? 結(jié)束語(yǔ)

備件需求預(yù)測(cè)的方法很多，每種預(yù)測(cè)方法各有特點(diǎn)，應(yīng)依據(jù)實(shí)際情況運(yùn)用合適的預(yù)測(cè)方法。預(yù)測(cè)結(jié)果的準(zhǔn)確程度，在很大程度上取決于所使用的預(yù)測(cè)技術(shù)方法是否合理。在實(shí)際工作中，由于有很多條件限制和工作實(shí)際的變化，預(yù)測(cè)出的結(jié)果的可靠性往往不高，不能達(dá)到預(yù)期的目的。

參考文獻(xiàn)：

[1]陳修學(xué)，趙建忠.價(jià)值工程法在導(dǎo)彈裝備備件品種確定中的應(yīng)用[J].航空兵器，2009，2：58-60.

[2]江毅，金家善，陳硯橋，等.基于FAHP的隨艦備件品種的確定方法[J].裝備制造技術(shù)，2012（12）：134-136.

[3]黃健，程中華，李欣玥.基于維修任務(wù)分配的新型裝備備件品種確定方法研究[J].裝備環(huán)境工程，2012：4（9）：101-105.

[4]李云峰，王瑞林，賈云飛，等.基于灰色局勢(shì)決策法的備件品種級(jí)別配置[J].火力與指揮控制，2011：11（36）：184-185.

[5]金國(guó)棟，盧利斌，葉慶.無(wú)人機(jī)攜行備件品種確定方法[J].火力與指揮控制，2008：33（10）：144-148.

[6]車飛，陳云翔.飛機(jī)初始備件品種優(yōu)化的集對(duì)-粗糙集方法[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2011：41（9）：201-206.

[7]夏志安，李源，楊建軍.基于灰色評(píng)估法的戰(zhàn)時(shí)車輛裝備備件儲(chǔ)備品種確定[J].陜西師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2008：12（36）：54-56.

[8]王乃超，康銳.備件品種確定方法及決策風(fēng)險(xiǎn)分析影響[J].兵工自動(dòng)化，2008：27（10）：27-30.

[9]徐廷學(xué)，杜峻名，藍(lán)天.基于馬爾科夫與蒙特卡羅仿真的導(dǎo)彈裝備備件需求量預(yù)測(cè)[J].兵工自動(dòng)化，2011：30（10）：85-87.

[10]Treharne J T，Sox C R.Adaptive inventory control for non-stationary demand and partial information[J]. Management Science，2002：48（5）：607-624.

[11]郭會(huì)軍，劉偉.基于ARIS的戰(zhàn)時(shí)備件需求仿真模型研究[J].科學(xué)技術(shù)與工程，2007：7（23）：65-68.

[12]李瑾，宋建社，王正元，等.備件消耗預(yù)測(cè)仿真方法研究[J].計(jì)算機(jī)仿真，2006：（12）：306-309.

[13]李曉宇，王新閣，張磊，等.面向任務(wù)的航空備件需求仿真系統(tǒng)[J].仿真技術(shù)，2011：7（4）：295-298.

[14]李連，孫聰，蘇濤.改進(jìn)BP網(wǎng)絡(luò)在航材需求預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)與現(xiàn)代化，2012：（8）：180-182.

[15]劉長(zhǎng)新，熊勵(lì)，王煒，等.基于BP神經(jīng)網(wǎng)絡(luò)的航空器材消耗預(yù)測(cè)[J].中國(guó)管理科學(xué)，2010，18：99-101.

[16]關(guān)子明，常文兵.基于PCA-RBF神經(jīng)網(wǎng)絡(luò)模型的航空備件預(yù)測(cè)方法[J].北京工商大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，3（29）：60-64.

[17]郭峰，易垚鉞，史玉敏.基于灰色預(yù)測(cè)的航材消耗定額模型[J].計(jì)算機(jī)與現(xiàn)代化，2011：（10）：35-36.

[18]徐廷學(xué).基于灰色預(yù)測(cè)法的軍械維修器材消耗規(guī)律[J].火力與指揮控制，2011：36（11）：164-167.

[19]劉楊，任德奎.基于灰色理論的間斷性需求備件預(yù)測(cè)方法[J].四川兵工學(xué)報(bào)，2011：32（4）：27-29.

[20]譚國(guó)臣，馬中洲，劉曉東.灰色GM（1，1）模型在航材需求量預(yù)測(cè)中的應(yīng)用[A].航空裝備保障技術(shù)專題研討會(huì)論文集，2006：432-436.

[21]牛余寶，王曉坤，趙艷華.基于支持向量機(jī)的飛機(jī)備件消耗預(yù)測(cè)研究[J].長(zhǎng)春大學(xué)學(xué)報(bào)，2012：6（22）：631-633.

[22]高鹍，邢國(guó)平，孫德翔，等.灰色關(guān)聯(lián)支持向量機(jī)在備件庫(kù)存消耗預(yù)測(cè)中的應(yīng)用[J].電光與控制，2012：3（19）：101-105.

[23]丁廣威，周偉，等.基于案例推理的隨艦航材需求預(yù)測(cè)研究[J].計(jì)算機(jī)與現(xiàn)代化，2014（7）：28-29.

[24]趙建忠，徐廷學(xué)，劉勇.基于粗糙集和熵權(quán)以及改進(jìn)支持向量機(jī)的導(dǎo)彈備件消耗預(yù)測(cè)[J].兵工學(xué)報(bào)，2012，10（33）：1259-1265.

[25]郭峰，白松，王繼武，等. 基于BPNN、GM組合預(yù)測(cè)的航材消耗定額模型[A]. 2012 Intemational Conference on Electronic Information and Electrical Engineering，2012：884-887.

[26]張大鵬，董翔英，王亮，等.基于組合預(yù)測(cè)模型的常耗車輛器材消耗規(guī)律研究[J].物流技術(shù)，2009（7）：239-241.

[27]賀步杰，等譯.裝備備件最優(yōu)庫(kù)存建模-多級(jí)技術(shù)[M].二版.電子工業(yè)出版社，2008：44-71，166-167.

[28]Willemain T R， Smart C N， Schwarz H F. A new approach to forecasting intermittent demand for service parts inventories [J]. International Journal of Forecasting， 2004：（20）：375-387.

[29]de Smidt-Destombes KS， van derHeijdenMC， vanHartenA. On the availability of ask out of system given limited spares and repair capacity under a condition based maintenance strategy [J].Reliability Engineering and System Safety.2004：8（3）：287-300.

[30]Hoong C L， Huawei S， Chuen T S. Evaluation of Time-varying Availability in Multi-echelon Spare Parts Systems with Passivation[J]. European Journal of Operational Research （S0377-2217）， 2006：101（97）：91-105.