裝備器材消耗預測研究綜述

李東京，秦智勇，王 兵，薛 馳

（1.陸軍裝甲兵學院，北京 100071；2.陸軍裝備部，北京 100071）

0 引言

裝備器材（簡稱器材）是用于裝備維修所需的各種備件和原材料的總稱，是實施裝備維修的重要物質基礎。裝備器材消耗預測，是根據裝備器材故障規律、器材特性以及各單位動用計劃、維修能力和使用環境等，結合歷史消耗數據綜合分析，運用各種預測方法，對各單位下一階段的器材消耗種類和數量進行推斷的過程。掌握器材消耗規律，實現對器材消耗的精準預測，對解決部隊當前存在的器材庫存“超欠儲”問題[1]，提高器材保障能力具有重要意義。

諸多學者對裝備器材消耗預測方法進行了研究。王宏焰，等[2]從全壽命角度出發，將裝備器材分為研制和使用兩個階段，對消耗預測方法進行了研究；Bacchetti，等[3]對備件進行分類后將消耗預測方法分為傳統的基于時間序列及其改進方法、Cronston及其改進方法、Bootstrap 方法、需求聚類/分類分析方法、可靠性分析方法、神經網絡以及貝葉斯方法等；黃照協，等[4]根據器材消耗規律將器材消耗類型分為連續型和間斷型兩種，對器材消耗預測方法進行研究，具有一定參考意義。

上述研究基于不同角度，對器材的消耗預測方法進行了分類梳理，但并未對器材消耗預測的全過程進行系統分析和總結。本文引入流程管理理念，將器材消耗預測流程分為明確器材類型、收集分析數據和信息、預測方法選擇與建模、模型求解、分析評估預測結果和應用6個階段，系統分析和總結器材消耗預測的相關文獻，為裝備器材進行合理籌措、供應和儲備工作提供參考。

1 器材消耗預測流程管理概述

流程管理是一種以規范化構造端到端的卓越業務流程為中心，以持續提高組織業務績效為目的的系統化方法[5]。流程管理聚焦業務重要流程，便于發現每個流程的價值與各個環節的問題，有利于管理者提高業務效率和認清下一步工作重點和方向，在企業管理中得到廣泛應用。本文梳理器材消耗預測流程，旨在對器材消耗預測方法的相關文獻進行系統梳理和總結，找出當前研究的熱點和薄弱環節。

2 器材消耗預測全過程

通過梳理分析和總結，本文將器材消耗預測流程分為6個階段，如圖1所示。

圖1 器材消耗預測流程

2.1 明確器材類型

明確器材類型是進行裝備器材消耗預測的前提。器材種類多種多樣，只有明確器材類型，充分了解器材特性和影響器材消耗的因素，才能實現器材消耗的精準預測。

首先是對器材進行分類。當前，ABC分類法[6]應用最為廣泛，其根據庫存器材的經濟指標將器材分為重要、一般和不重要三個等級，反映了器材的重要性程度，但由于成本分配不合理、評價維度單一等因素限制了其實際應用價值；文獻[7][8]考慮多個影響因素對ABC 分類法進行了一定優化；楊學強，等[9]從裝甲器材價值和供應風險維度提出了基于Kraljic 模型的裝甲器材分類方法，將裝甲器材分為關鍵器材、重要器材、一般器材和稀缺器材；吳龍濤，等[10]根據器材的消耗特點，采用灰色聚類算法對器材進行了分類，具有一定參考意義。

其次根據器材分類明確預測器材的種類。楊帆，等[11]根據裝備器材的可靠性，將器材分為指數型器材、威布爾型器材和正態分布型器材，并據此對威布爾型器材進行了需求預測研究；吳雯雯，等[12]在王縱虎[13]和Nguyen，等[14]研究的基礎上，提出了蒙特卡洛K-means 聚類算法，利用器材的消耗波動性對艦船器材進行分類，并對艦船器材的消耗預測問題進行了研究。

2.2 收集分析數據和信息

收集分析數據和信息是在明確器材類型后，對器材的歷史消耗數據、使用環境、使用強度以及使用者水平等有關影響器材消耗的因素信息進行收集、分析和處理。針對具有大樣本數據的器材，楊帆，等[11,15,16]通過分析部隊執行演習、閱兵等任務的器材消耗數據，提出了基于任務的器材需求預測模型；沐愛勤，等[17]結合器材歷史消耗數據，運用Monte Carlo仿真的方法對高原環境下航空器材的消耗預測進行了研究。而針對裝備初始列裝階段沒有歷史消耗數據的小樣本數據器材，主要通過相似器材的相關數據確定器材故障分布、可靠性參數等，采用模型計算法、相似產品法進行消耗預測。Kurt，等[18]基于馬爾科夫過程理論對初始備件的確定進行了研究；董驍雄，等[19]利用粗糙集方法，建立了不完備信息的初始器材品種確定模型。

2.3 預測方法選擇與建模

通過對數據的分析和總結，選擇適當的預測方法進行建模是整個流程的關鍵。當前器材消耗預測方法主要包括定性預測法、定量預測法和組合預測法。

2.3.1 定性預測法。定性預測方法[20]是以預測者的經驗為基礎，判斷發展趨勢、探討發展變化規律的方法。它適用于缺乏數據資料的情況下對事物的預測，優點是方法簡便、靈活。實踐中，有時即使有充足的數量資料，也采用定性預測方法，其原因是把定性預測的結論與定量預測的結果相比較可以提高預測的準確性。常用的定性預測技術包括德爾菲法、主觀概論法和交叉概論法。古平，等[21]采用相似產品法對典型器材消耗進行了預測；賈銳，等[22]提出了基于案例的新型艦船器材需求預測模型。

2.3.2 定量預測法。定量預測法是利用已掌握的比較完備的歷史統計數據或因素變量來預測消耗的方法。主要包括基于時間序列的預測方法和基于機器學習算法的預測方法。

時間序列預測法[23]是依據以往的時間序列數據預測事物未來的演變趨勢，包括移動平均法、指數平滑法、季節性分析法和平衡隨機序列分析法等。1972年Croston[24]提出的基于時間序列的Croston（CR）模型，將數量少、間斷性需求的備件數據拆成了非零需求區間和零需求區間兩個序列，再利用指數平滑法進行預測，在工業上得到廣泛應用。但其也存在局限性：在需求為零后，它不會更新預測。因此，不少學者對其進行了改進，其中Syntetos，等[25]提出的Syntetos Boylan Approximation（SBA）預 測 模 型 和Teunter，等[26]通過將需求大小的估計值乘以具有非零需求的概率建立Teunter Syntetos Babai（TSB）預測模型得到了較廣認可。

基于機器學習算法的預測法是通過現代機器學習算法和理論，研究變量之間相關關系，對樣本數據進行數理統計分析和訓練擬合，建立消耗預測模型的方法，主要包括線性回歸、Bootstrap、神經網絡、支持向量機和灰色預測法等。Yang，等[27]提出了基于線性回歸的航空器材消耗預測模型；徐廷學[28]利用灰色預測法對軍械維修器材消耗規律進行了研究；劉長新，等[29]通過研究航材消耗的影響因素，建立了基于BP神經網絡的消耗預測模型；吳龍濤，等[30]基于貝葉斯方法建立了威布爾型器材需求預測模型，并利用蒙特卡洛仿真方法進行了求解；Hasni，等[31]基于Bootstrap方法對備件的消耗預測進行了研究，均取得了較好效果。

2.3.3 組合預測法。組合預測法是通過綜合利用各種方法所提供的信息，以盡可能地提高預測精度為目的，對同一個問題采用兩種以上不同預測方法進行預測的方法。它既可是幾種定量方法的組合，也可是幾種定性的方法的組合，但實踐中更多的則是利用定性方法與定量方法的組合。周浩，等[32]首先利用灰色預測法GM（1,1）模型得到預測序列，然后根據預測序列建立馬爾科夫模型來計算預測值，最后發現灰色馬爾科夫模型優于GM（1,1）模型；賈琦，等[33]結合灰色模型和LS-SVM模型的優勢，建立灰色LSSVM 模型，提高預測的準確性和穩定性；Huang，等[34]運用灰色關聯分析計算出器材消耗和其影響因素間的灰色關聯度，然后選擇主要影響因素作為支持向量機的輸入變量來預測消耗數量，并對比GM（1,1）模型和BP神經網絡模型的預測結果，發現基于灰色關聯分析和支持向量機組合預測的結果誤差更小。組合預測法逐漸成為消耗預測領域的研究熱點。

2.4 模型求解

模型求解是針對建立的各種預測模型進行求解，主要包括解析法、仿真法和智能算法求解三種方法。

解析法通常將器材的可靠性、壽命分布以及相關特征等已知的概率和參數為約束條件，通過構造目標函數和解析式，對未來一段時間器材消耗的數量進行預測的方法。劉慎洋，等[35]運用可靠性理論和隨機過程方法對可維修器材的使用壽命規律建立解析式，并直接進行求解來預測器材消耗數量，具有一定參考意義。

仿真法是通過對建立的各種預測模型進行大量仿真模擬實驗，對比得出的仿真數據，不斷修改和優化相關參數進行求解的方法。曹軍海，等[36]根據基于時間序列的指數平滑法建立了裝甲器材消耗預測模型后，利用Anylogic仿真平臺對該模型的平滑指數進行仿真實驗，得出了相對精確的平滑指數后對器材消耗進行了預測。

智能算法求解是通過各種現代優化算法，對建立的預測模型進行求解的方法，主要包括模擬退火算法、遺傳算法、神經網絡算法等。Song，等[37]通過灰色預測法建立了備件消耗預測模型后，利用神經網絡算法對模型進行求解，并得到了較好效果。

2.5 評估預測結果與應用

為了驗證所提出的器材消耗預測模型的可靠性需要對預測結果進行評估，主要評估方法有示例分析驗證法和對比分析驗證法。示例分析驗證法即選取器材真實消耗數據進行試驗，計算預測誤差來判斷模型是否可靠，適用于樣本數據多、連續消耗的器材，文獻[27-29]，文獻[36]均采用此法驗證。對比分析驗證法是通過對其他方法預測結果進行對比分析，比較預測誤差來判斷是否可靠，適用于無樣本數據、間斷消耗的器材，文獻[25][26][38]均采用此法驗證。

當前，美軍主要采用相似產品法和METRIC(可修件控制的多級技術)模型[39]及其改進方法對初始器材的消耗進行預測，利用移動平均法、指數平滑法、二階指數平滑法、線性回歸法以及組合預測方法對后續使用階段器材的進行消耗預測[40]，并建立相應的預測系統來不斷提高其預測精度。在實際應用中，基于時間序列的預測方法因器材消耗數據容易獲取、預測模型簡單、精確而使用廣泛，基于機器學習算法的預測方法是當前研究的熱點，但由于模型相對復雜、不易操作而應用較少。

3 下一步研究展望

通過對器材消耗預測全過程中的每個環節進行研究，發現諸多學者對裝備器材消耗預測進行了廣泛而深入的探索，針對不同類型的器材利用不同的方法建立了不同的預測模型，并取得了良好效果。但仍然存在一些問題：

（1）目前在器材消耗預測研究中，多是對器材消耗數量的預測，很少涉及器材消耗品種的預測研究。明確器材品種是進行器材消耗數量預測的前提，傳統的器材消耗品種預測方法主要包括價值系數法[41]、邏輯決斷法[42]、主成分分析法[43]、粗糙集法[44]等，但主觀性較強且準確率不高，因此下一步應注重器材消耗種類預測研究。

（2）器材的壽命分布、故障率以及器材消耗的歷史數據是進行消耗預測的基礎，進一步收集和分析研究影響器材消耗的各種因素，必須建立裝備器材信息系統，實時的獲取器材信息和消耗數據，以便進行器材消耗預測。

（3）當前預測模型大多僅考慮一種或幾種影響因素，預測精度還有待提高。組合預測是當前研究的熱點，但大多是定性定量組合預測或多種定量方法組合預測，基于整個供應鏈的協同預測研究較少。舒彤,等[45]提出了基于影響因子的供應鏈協同預測模型；董紹輝,等[46]對供應鏈協同預測機制進行了研究；丁春光[47]基于供應鏈CPFR 理論構建了協同預測模型。協同預測有利于降低供應鏈中的牛鞭效應，提高預測精度，為下一步器材消耗預測研究提供了思路。

（4）預測方法眾多，如何選擇最佳方法成為研究重點。Hemeimat,等[48]分別利用均方誤差(MSE)、平均絕對偏差(MAD)和平均誤差(ME)三種統計方法比較了移動平均法（MA）、指數平滑法（ES）、CR、SBA 和TSB 五種預測方法，并研究使用跟蹤信號方法（Tracking Signal，TS）來尋找最佳預測方法和參數，具有一定參考意義。

4 結語

裝備器材消耗預測是確定器材需求、制定器材申請計劃的基礎，對于裝備器材籌措、供應和儲備工作至關重要。本文引入流程管理理念，將器材消耗預測流程分為明確器材類型、收集分析數據和信息、預測方法選擇與建模、模型求解、結果評估和應用6個階段，通過對整個器材消耗預測過程中每個步驟的相關文獻進行梳理和分析，總結當前器材消耗預測中的熱點和薄弱環節，并在此基礎上提出了下一步研究展望，為開展器材消耗預測研究工作打下基礎。