備件需求預測方法研究現狀綜述

摘要：目前，備件需求預測的方法很多。文章系統歸納總結了有關國內外比較科學的備件品種和數量需求預測的方法，并對如何結合實際工作應用合理的預測方法進行了分析。文章的研究成果能夠為備件需求預測提供參考。

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.

關鍵詞：備件品種;備件數量;需求預測

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

中圖分類號：E920? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2020）04-0296-03

0? 引言

目前國內外對預測方法的研究很多，已經形成了較為完善的理論基礎。據不完全統計，預測方法種類大約有150多種，常用的就有十幾種。文章主要針對航材需求的預測問題，筆者查閱了有關需求預測的200多篇文章，從備件品種和數量兩個方面對需求預測的方法進行了歸納整理和簡要闡述，主要選取一些參考價值較高的文獻進行了梳理，形成了一套完整的理論體系。

1? 有關備件品種的確定方法的研究

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

文獻[1]通過探討了價值工程法備件品種確定中的具體應用，某種備件對裝備維修并使裝備正常運行所可能產生的效果的評價，按照備件價值系數的大小排序來確定備件品種。文獻[2]首先對備件品種確定的影響因素進行分析，在此基礎上，采用模糊綜合評判方法來進行備件品種的確定，將影響備件庫存品種的確定各種因素量化，以評判效果看是否儲存某種備件。文獻[3]采用定性的方法確定備件的品種，在對裝備的所有維修項目進行分配的基礎上，分析各維修項目中所需的備件。文獻[4]利用灰色局勢決策法對備件品種進行了確定分析，并充分備件品種確定的各種影響因素。文獻[5]認為備件的品種大多采用經驗和單因素分析的方法來確定，引入AHP和TOPSIS相結合的方法進行定量計算，得出備件的排序，以此確定備件品種。文獻[6]針對初始備件品種影響因素信息不全面的特點，運用集對分析對其確定分析，分析了備件品種影響因素間的集對關系，建立了基于集對聯系度的粗糙集決策模型。文獻[7]運用層次分析法和灰色理論來確定備件品種，將各個指標進行量化處理，并以實例驗證驗證了該方法的科學性。文獻[8]在分析備件品種確定的主要因素的基礎上給出了備件品種確定流程及適用方法，并對決策原則進行風險分析。

2? 有關備件需求量預測方法模型的研究

國內外有關備件消耗需求預測的研究很多，針對不同的問題，提出了很多需求預測方法模型。筆者查閱大量的有關航材備件預測的模型和方法，將其中常用的模型和方法總結歸納如下：

2.1 基于狀態轉移的備件需求預測模型

文獻[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合，給出利用計算機實現蒙特卡羅仿真的算法步驟，并應用實例證明了該模型方法的科學性。文獻[10]提出備件需求過程可以被看作是馬爾可夫決策過程，并建立了模型的策略。運用馬爾可夫方法預測時，要求備件的故障間隔時間和維修時間均服從指數分布，這與備件使用的實際情況往往不同，在數據信息少的情況下也很難建立狀態轉移概率矩陣。

2.2 基于仿真的備件需求預測

仿真方法是在分析出備件消耗的主要影響因素的基礎上，運用系統仿真技術對備件需求產生的過程進行模擬仿真，從而預測出備件需求量。文獻[11]中認為裝備的維修保障與企業的日常活動具有很大的共同特點，應用集成信息系統結構（ARIS）的方法，建立了基于ARIS的戰時備件需求仿真模型，取得了很好的效果。文獻[12]中提出了基于仿真的備件消耗預測模型，并將該方法與其它方法的預測結果進行對比，實例驗證采用仿真的方法進行備件需求預測的科學性。文獻[13]中將影響備件消耗的因素分為7個因素，在此基礎上，對備件使用過程進行仿真，建立了備件消耗的預測模型，最后通過實例驗證表明運用該模型預測出的結果能夠最大程度地反映出備件的需求實際情況。

2.3 基于神經網絡的備件需求預測

文獻[14]中在對影響航材備件需求量的多個因素進行分析研究的基礎上對航材備件需求預測，運用改進BP神經網絡算法進行預測，并且有較高的預測準確性。文獻[15]中認為航材的消耗是一個非線性的變化，構建出了基于影響因素的航材消耗非線性模型，取得了很好的預測效果。文獻[16]中認為影響備件需求的因素種類眾多且復雜多變，提出應用主成分分析法從航材需求眾多影響因素進行篩選出主要的影響因素，并在此基礎上，應用RBF神經網絡進行預測，取得了較好的效果。

2.4 基于灰色模型的備件需求預測

文獻[17]中針對航材種類繁多、規格復雜的特點，提出了基于灰色GM（1，1）模型的航材消耗預測模型，并通過算例表明模型的準確性。文獻[18]中針對維修器材的實際情況，提出了基于改進后的灰色GM（1，1）模型維修器材的消耗規律的預測方法，預測結果非常貼近實際值。文獻[19]中在數據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測模型，可對間斷性需求備件進行有效預測。文獻[20]中運用灰色GM（1，1）模型對航材的需求進行預測，取得了很好的效果。

2.5 基于支持向量回歸的備件需求預測

對于小樣本的預測問題，支持向量機回歸預測是一種比較合適的預測方法。文獻[21]中提出將支持向量機回歸模型運用到航材的需求預測中，把影響備件消耗的主要因子和對應的備件消耗量作為支持向量機預測模型的輸入因子和輸出因子進行預測。文獻[22]中針對備件庫存消耗預測是多因素綜合影響下的非線性、小樣本預測問題，運用灰色關聯分析和支持向量機回歸相結合的方法對備件庫存消耗預測，并通過實例驗證了該方法的預測精度高于傳統的備件預測模型。

2.6 基于案例的備件需求預測

裝備在使用條件、使用環境、保障水平等因素相近的情況下，相似備件的需求規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測中。文獻[23]中根據航材的發展具有同源性和繼承性這規律特點，深入分析航材的特性，應用案例推理的相關理論，構建出相似航材確定的模型方法。并通過實例驗證該方法的科學性，對新機型航材航材保障工作提供理論依據。

2.7 組合模型預測方法

組合模型進行預測的效果比單一模型預測的效果要高。文獻[24]中提出基于粗糙集、熵權法、自適應粒子群優化法與加權最小二乘支持向量機的導彈備件消耗預測組合預測模型，取得了很好的預測效果。文獻[25]中針對航材消耗定額制定缺乏依據的問題，確定了影響航材消耗的主要因素并將之作為BP神經網絡的輸入神經元，提出了基于灰色模型和BP神經網絡組合預測模型，并對模型進行了誤差分析。文獻[26]中用灰色GM（1，1）模型和BP神經網絡模型組合預測模型對車輛器材需求進行預測，并給出了其加權系數的參數估計方法，為車輛常耗器材消耗規律的深入研究提供科學系統的理論方法。

2.8 國外常用的備件預測方法

多年來，美國空軍使用備件需求均值和方差均值比預測方法進行備件的需求預測，并應用這些預測方法進行了大量的實驗，形成了一系列常用的經驗預測模型[27]。此外，文獻[28]中分別對Croston方法、Bootstrap方法和IFM法在需求預測中應用進行綜述和分析，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[29]中分析了k/N系統在考慮維修策略、維修能力以及初始備件數等條件下的系統可用度模型。文獻[30]中提出了備件計算模型和相應的算法，采用仿真的方法對備件的庫存配置進行了研究。

3? 結束語

備件需求預測的方法很多，每種預測方法各有特點，應依據實際情況運用合適的預測方法。預測結果的準確程度，在很大程度上取決于所使用的預測技術方法是否合理。在實際工作中，由于有很多條件限制和工作實際的變化，預測出的結果的可靠性往往不高，不能達到預期的目的。

參考文獻：

[1]陳修學，趙建忠.價值工程法在導彈裝備備件品種確定中的應用[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，2012（12）：134-136.

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

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

[5]金國棟，盧利斌，葉慶.無人機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.飛機初始備件品種優化的集對-粗糙集方法[J].數學的實踐與認識，2011：41（9）：201-206.

[7]夏志安，李源，楊建軍.基于灰色評估法的戰時車輛裝備備件儲備品種確定[J].陜西師范大學學報（自然科學版），2008：12（36）：54-56.

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

[9]徐廷學，杜峻名，藍天.基于馬爾科夫與蒙特卡羅仿真的導彈裝備備件需求量預測[J].兵工自動化，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]郭會軍，劉偉.基于ARIS的戰時備件需求仿真模型研究[J].科學技術與工程，2007：7（23）：65-68.

[12]李瑾，宋建社，王正元，等.備件消耗預測仿真方法研究[J].計算機仿真，2006：（12）：306-309.

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

[14]李連，孫聰，蘇濤.改進BP網絡在航材需求預測中的應用[J].計算機與現代化，2012：（8）：180-182.

[15]劉長新，熊勵，王煒，等.基于BP神經網絡的航空器材消耗預測[J].中國管理科學，2010，18：99-101.

[16]關子明，常文兵.基于PCA-RBF神經網絡模型的航空備件預測方法[J].北京工商大學學報（自然科學版），2009，3（29）：60-64.

[17]郭峰，易垚鉞，史玉敏.基于灰色預測的航材消耗定額模型[J].計算機與現代化，2011：（10）：35-36.

[18]徐廷學.基于灰色預測法的軍械維修器材消耗規律[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測方法[J].四川兵工學報，2011：32（4）：27-29.

[20]譚國臣，馬中洲，劉曉東.灰色GM（1，1）模型在航材需求量預測中的應用[A].航空裝備保障技術專題研討會論文集，2006：432-436.

[21]牛余寶，王曉坤，趙艷華.基于支持向量機的飛機備件消耗預測研究[J].長春大學學報，2012：6（22）：631-633.

[22]高鹍，邢國平，孫德翔，等.灰色關聯支持向量機在備件庫存消耗預測中的應用[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測研究[J].計算機與現代化，2014（7）：28-29.

[24]趙建忠，徐廷學，劉勇.基于粗糙集和熵權以及改進支持向量機的導彈備件消耗預測[J].兵工學報，2012，10（33）：1259-1265.

[25]郭峰，白松，王繼武，等. 基于BPNN、GM組合預測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.基于組合預測模型的常耗車輛器材消耗規律研究[J].物流技術，2009（7）：239-241.

[27]賀步杰，等譯.裝備備件最優庫存建模-多級技術[M].二版.電子工業出版社，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.