梁 輝,劉鐵林,趙建新,張連武,王曉磊

(1. 陸軍工程大學石家莊校區(qū),河北 石家莊 050003;2. 陸軍研究院特種裝備研究所,河北 石家莊 050003)

隨著裝備建設不斷發(fā)展,裝備保障活動主體客體、內容環(huán)境、方法手段等均發(fā)生了深刻變化,裝備保障力生成必須以消耗為牽引[1]。維修器材消耗預測是維修器材籌措工作的重要組成部分,文獻[2]分析了美軍裝備備件的消耗預測應用現狀和改進計劃,提出了我軍應重點加強裝備備件分類管理方法和消耗預測方法研究。裝備使用、維修單位的反饋信息表明,裝備使用單位最為難的問題是所配屬的裝備損壞后得不到及時維修;裝備維修單位最棘手的問題是裝備維修活動中需要的器材“所需非所籌,所供非所需”,能否科學準確地預測維修器材消耗量,已經成為裝備維修器材籌措工作的關鍵一環(huán)。消耗預測研究通常采用單一預測模型,適用范圍較窄,對整裝修器材消耗預測的精準性不高,可操作性和實用性不強,目前為止難以甚至無法找到某一種能比較準確地描述所有維修器材消耗規(guī)律的預測方法。本文綜合考慮裝備維修器材穩(wěn)定性消耗特征、消耗的間隔時間和頻率,開展定量分析,提出基于器材分類的組合預測方法,開展裝備維修器材消耗預測。組合預測方法融合了指數平滑方法、Croston方法、TSB方法等的優(yōu)勢,分別對消耗穩(wěn)定和消耗不穩(wěn)定的器材進行預測,避免了單一預測模型的局限性,具有廣泛的適用性,較好地提高了維修器材消耗預測的精度。

1 基于消耗穩(wěn)定性的維修器材分類

在裝備維修器材保障領域,國內外研究大多根據維修器材的發(fā)生數量和頻率,把維修器材區(qū)分為常用器材和不常用器材,常用維修器材消耗的數量比較大,消耗的頻率比較高,消耗具有穩(wěn)定性;不常用維修器材消耗的數量比較小,消耗的頻率比較低,消耗具有不穩(wěn)定性[3]。

本文選定某典型裝備為研究對象,通過把維修器材的消耗數據與消耗數據相結合,消耗數據與短缺數據相結合,中修與小修維修器材數據相結合,不同地區(qū)的同種裝備維修器材進行統(tǒng)一研究。梳理采集的數據信息,遴選有研究價值的代表性維修器材,確定必換件、易損易耗件和一般消耗件作為研究重點[4]。

必換件是裝備在中修過程中必須全部予以更換的維修器材,以中修過程中分解的密封件和緊塞件等、使用壽命與中修周期相近或大于中修周期但達不到大修周期的金屬件為主,在一種裝備上確定為必換件的共用器材在其他裝備上原則上也應確定為必換件。易損易耗件是裝備修理、維護經常消耗的維修器材,是平時保障工作的重點。為提高保障的時效性,一般對此部分器材和中修必換件采取成套供應,以滿足維修保障的主要消耗。一般消耗件有一定消耗,但消耗量不大,具有消耗間斷性強和消耗不穩(wěn)定等特點,此部分維修器材重點在于預測消耗的準確性。

2 基于器材分類的消耗組合預測方法

國內外學者提出、使用了諸多用于維修器材消耗的預測方法,如指數平滑法、森林回歸、支持向量機法等[7-14],對維修器材消耗確定進行了研究,有的方法比較簡單,考慮因素單一;有的建立的模型比較復雜,計算量很大,對裝備使用單位和人員的實用性不強。組合預測方法根據不同器材的消耗特性采用不同的預測方法,對成套裝備的維修器材采用多種不同的預測方法開展消耗預測。首先對經過預處理的維修器材消耗數據進行分類,可分為穩(wěn)定性消耗器材和間斷性消耗器材;然后在不同參數下,分別應用不同預測方法對各類維修器材的消耗量進行預測。

2.1 典型裝備穩(wěn)定性消耗維修器材的消耗預測

對于消耗間隔時間較短,消耗量保持相對穩(wěn)定的裝備維修器材,如反后坐裝置的密封件等,歷史數據表明,其平均消耗間隔ADI>1.25,對于此類維修器材,基于加權思想的指數平滑法能夠較好預測其未來消耗量。當ADI<1.25時,可認為消耗量比較穩(wěn)定,采用指數平滑法開展消耗預測。指數平滑法適合對數據穩(wěn)定性強且歷史數據多的器材,一次指數平滑法適合水平穩(wěn)定,沒有趨勢和季節(jié)性的預測。通過跟蹤數據變化,對最近消耗賦予較大權重,更好地反映消耗波動。該方法計算簡單,只需少量歷史數據和最小的數據存儲要求;運行成本低,具自適應性,易于系統(tǒng)化和自動化。

2.2 典型裝備不穩(wěn)定消耗維修器材的消耗預測

(1)

(2)

(3)

(4)

(5)

SBA方法主要用于對不常用器材的消耗預測。盡管Croston方法能獲得比滑動平均法和指數平滑法更好的預測效果,但它是一種正偏預測,即傾向于放大消耗。為解決這一問題,Syntetos和Boylan在Croston方法的基礎上提出了一種改進預測方法,即SBA方法。SBA方法中,對非零消耗量和非零消耗平均間隔的預測都與Croston方法相同,只是將預測結果的計算公式修改為

(6)

2.3 結果驗證

為驗證分析預測的精度,引用預測精度判別方法,本文根據典型裝備維修器材的消耗預測值不大,避免正負值相互抵消而影響預測精度的實際需要,采用平均絕對值偏差MAD來予以判斷:

(7)

其中,n為歷史數據的周期數,dt為t周期的實際消耗量,xt為周期t的預測消耗量。

2.3.1 組合預測方法預測精度驗證

提取某型裝備100種代表性維修器材一個基數裝備的平均年消耗數據,以四年的消耗數據作為基礎,運用組合預測方法,按照器材分類采用不同的預測方法,如圖1所示。

圖1 組合預測方法預測流程Fig.1 Combination forecasting method forecasting process

用組合預測方法預測第五年的消耗,與第五年實際消耗數據的比較可直觀表示如圖2。

結果顯示,100種維修器材預測值與實際消耗值極其相近,平均預測偏差為4.88%,且94%的器材預測偏差小于10%,對于所有的易損易耗件和一般消耗件,上述兩個數據則為4.91%和93.52%,所采用的組合預測方法能夠反映維修器材的客觀實際消耗,具有較高的消耗預測精度。

圖2 100種維修器材預測值Fig.2 Predicted value of 100 kinds of maintenance materials

2.3.2 組合預測方法與單一預測方法預測比較

通過48組維修器材,驗證組合預測方法與單一方法消耗預測的精度比較。

1)灰色預測方法

灰色預測就是要建立時軸上現在與未來的定量關系,通過此定量關系預測事物的發(fā)展,根據過去和現在已知的或非確定的信息,建立一個從過去引申到未來的GM模型,從而確定系統(tǒng)未來發(fā)展的變化趨勢,為規(guī)劃決策提供依據。它通過原始數據的處理和灰色模型的建立,發(fā)現、掌握系統(tǒng)發(fā)展規(guī)律,對系統(tǒng)的未來作出科學的定量預測,其中GM(1,1)是較為常用的數列預測模型,GM(1,1)模型的建立如下:

①建立維修器材消耗原始數據序列:

X0(t)={x0(1),x0(2),…,x0(n)}

(8)

②對原始數據序列X0(t)作1-AGO變換,得一階累加維修器材消耗數據序列:

X1(t)={x1(1),x1(2),x1(3),…,x1(n)}

(9)

(10)

若原始數據序列X0(t)滿足:

③求參數列:

(11)

④建立GM(1,1)模型:

(12)

⑤構建預測模型。將參數向量代入GM(1,1)模型,求解時間響應:

(13)

⑥建立還原模型:

(14)

⑦模型精度檢驗。求出預測值后,還要對預測模型的精度進行檢驗,預測模型精度由方差比C和小誤差概率P控制,其計算公式為:

(15)

(16)

其中:

式中,S1為原始數據序列的均方差,S2為殘差的均方差。C和P的精度等級按表1來判斷,取P和C所確定等級的大者為模型精度等級。

表1 模型精度等級

2)移動平均法

移動平均法是對時間序列的各期數據進行逐項移動,依次重疊,求出包含一定項數的時序平均數,并形成一個時序平均數的時間序列,以此進行預測的一種方法,是常用的預測方法之一。

(17)

式中:n為移動平均期數,n取值越大,平滑作用就越強。移動平均法可以消除由于偶然因素引起的不規(guī)則變動,同時保留了原時間序列的波動規(guī)律。顯然,簡單的移動平均法只適合于水平樣式的數據,如果歷史數據中存在明顯的上升或下降趨勢,那么這種方法是不適用的。

3)指數平滑法

指數平滑法是當前產生平滑時間序列的一種比較流行的方法,也是畫擬合曲線的一種方法,同時還可以對將來進行預測。實際上它是一種特殊的加權移動平均法,其特點:對離預測期最近的觀察值,給予最大的權數,而對離預測期漸遠的觀察值給予遞減的權數;對較早期的觀察值不是一概不予考慮,而是給予遞減的權數,這樣按照“近大遠小”的原則,賦予觀測值不同的權重,既充分利用了以前各期觀測值的信息,又突出了近期數據的影響,能夠及時跟蹤反映維修器材消耗量的最新變化。在移動平均法中,對每個數據賦予相同的權重,而指數平滑可以根據參數對數據賦予不同的權重,這樣可獲得更好的擬合曲線和預測結果。

(18)

取值范圍:0<α≤1,t≥3,本文其他預測方法中α、t取值范圍相同。確定平滑參數α是該方法最重要的地方,α的取值會顯著影響平滑效果,實際應用中,一般取多個α進行試算比較,選擇預測誤差最小的α值。

各種預測方法的消耗預測結果與實際消耗數據一致性情況:移動平均法12項,指數平滑法18項,Croston方法18項,SBA方法19項,TSB方法20項,灰色預測法22項,組合預測方法31項。

為說明不同維修器材類型采用不同預測方法的必要性,表2給出了應用組合預測方案以及對所有維修器材分別采用一種預測方法所得到的相應結果。由該表可以看出,組合預測方案的預測精度都明顯優(yōu)于各種獨立預測方法。

3 結束語

裝備維修器材保障一直是影響現代裝備效益生成的重要因素,在平時保證裝備完好性方面的作用日益凸顯。本文提出的基于器材分類的維修器材消耗組合預測方法,提升了不同種類維修器材消耗預測的精度,為開展裝備維修器材的籌措和供應提供了參考。

表2 不同方法對比預測結果