数据挖掘在维修器材货位优化中的应用

陈海松，楼增龙，贺伟雄，张洋

(中国人民解放军理工大学野战工程学院，南京210007)

数据挖掘在维修器材货位优化中的应用

陈海松，楼增龙，贺伟雄，张洋

(中国人民解放军理工大学野战工程学院，南京210007)

针对部队维修器材货位优化问题，按照为取而存的基本原则，提出了维修器材的综合重要度概念。通过用数据挖掘中的时序预测得到维修器材的综合重要度值，用ABC分类法对货架进行分区，最后根据维修器材和货架区耦合分配得到货位优化分配方案。

数据挖掘;时序预测;维修器材;货位优化

工程装备维修器材仓库是工程装备保障的后方基地，是实现维修器材存储、周转的重要场所，器材管理的好坏对工程装备的保障起至关重要作用。维修器材的货位摆放管理是仓库库存管理的重要环节，其管理的好坏影响到器材的出入库效率，最终会影响到工程装备的战备完好性能。

在军用仓库货位优化研究中，很多学者研究用仓储管理系统进行器材货位的分配优化。王征提出在仓储管理系统中用遗传算法对器材存放货位进行优化［1］，孙盛智提出通过军用仓库管理系统对物资出库和入库的路径优化从而分配货位［2］，冯硕设计军械仓库管理系统对货位布局方案设计来优化器材货位［3］。但在部队调研中发现，仓储管理系统数据库中存储着历年维修器材调拨数据，所以本文提出用数据挖掘技术来分析器材调拨数据，将结果应用于器材货位优化，从而提高器材出入库效率。

1 综合重要度指标的提出

器材货位优化，就是在当前的器材放置位置上根据器材本身和外在变化因素动态再重新分配器材的货位，从而达到提高器材出库效率的目的。

1.1维修器材货位分配原则

1)基本原则

货位分配的基本原则是“为取而存”。经实际调研后，对货位分配中会考虑到3个因素:维修器材的重量、数量和出库频率。当前部队器材仓库的作业模式基本还是人工作业或者使用叉车作业，如果出库器材的重量大、数量多、周转频繁，必然优先将这类器材放置在离仓库门口近的货架上，以缩短出入库时间，提高出库作业效率。以下就从出库时间t来考虑这3个因素对货位分配的影响，以及这3个因素之间的重要性。

2)数量优先原则

针对某些器材每次请领出库数量比较多，根据实际情况将这类维修器材放置在靠近门的货位上。这里定义“数量重要度”Is，其表达式为Is=f(ss)，表示单位时间内器材出库总量ss与数量重要度之间的关系。从仓储管理系统的数据库中能够得到每种维修器材的单位时间出库总量，通过关系式能求得Is值，数值大则将这类器材放置在离仓库门口越近的货位上。

3)重量优先原则

考虑到保持货架的稳定性，将重的器材放置在货架低的货位上，而且尽可能地靠近门以方便出入库。定义“重量重要度”Ig并有关系式为Ig=f(g)。Ig代表某一维修器材的重量重要度，g代表维修器材单位时间的出库重量。从一般情况可得出库时间与器材的重量成正相关，即器材的重量越大其出库耗费的时间就越多。所以将Ig数值大的器材优先放置在靠近门的货位上。

4)频率优先原则

器材的出入库频率是货位分配问题的一个重要因素，出库次数多意味着器材保管员取的次数也多，所以根据历史数据将出库频次多的维修器材放置在离门近的货位上。这里定义“频率重要度”Iu，其关系式为Iu=f(u)，u代表某种器材的出库频率。根据关系式器材的出库频率越大该器材的重要度就越大，所以把Iu数值大的器材放置在离门口近的货架上。

1.2 综合重要度指标

根据货位分配原则，应综合考虑器材的出库数量、出库频率、出库重量来优化货位，针对不同器材分别设置权重w1、w2、w3并且综合这3个因素来度量该器材重要度:Iz=w1Ig+ w2Is+w3Iu，其中Iz为该器材的重要度;Ig、Is、Iu分别为该器材的重量重要度、数量重要度、频率重要度。从其中看出由于设置了权重，故以上3个重要度在总的重要度中占得比重不同。而分析发现频率优先原则中出库时间与数量优先原则中的出库时间实质上是一致的，因为出库频率u与相关一致，是冗余的。所以可将综合后的重要度改为Iz=w1Iu+w2Ig，其中Iu为频率重要度，该值与出库器材的数量和频率成正相关。

1.3 重要度要素分析

根据重要度计算公式Iz能得出每种维修器材的综合重要度值，然而对于具体的仓库布局，Iu、Ig函数公式以及权重系数w1、w2也不同。以下对重量重要度Ig和频率重要度Iu进行分析。

1)重量重要度Ig:在重量优先原则中有重量重要度关系式Ig=f(g)，考虑器材出库的时间公式为又有运送器材的小车功率为w=f·v=μ·g·v，可以得到速度vg与出库器材重量g成反比例关系。推导可得距离dg与出库器材重量g成反比例关系。而已经得到Ig与距离d成反比关系，所以综合可得出Ig与出库器材重量g成正比例关系。根据实际仓库情况，为简化起见有如下函数

其函数如图1所示。

图1 重量重要度函数

2)频率重要度Ig:在频率优先原则中有频率重要度关系式Iu=f(u)。同样考虑器材出库的时间公式为u，有du与u成反比例关系。而已经得到Iu与距离du成反比关系，所以综合可得u与Iu成正比例关系。同样根据实际情况并且为简化起见，设有如下函数

通过频率重要度和重量重要度公式的计算，能够得出维修器材的综合重要度值。下面就用数据挖掘算法中的时序预测模型对于器材出库频率和重量进行预测，以求得频率重要度和重量重要度的数值。

2 时序预测模型

数据挖掘是从大量数据中挖掘有趣模式和知识的过程，数据源包括数据库、数据仓库、Web、其他信息存储库或者动态地流入系统的数据［4］。时间序列预测是数据挖掘方法研究中的热点问题。时间序列预测根据时间序列型数据，由历史的和当前的数据推测未来的数据［5］。

2.1 时序模型

本文基于Microsoft SQL Server 2008 Analysis Services采用Microsoft时序算法对数值进行预测，该算法在进行预测时同时使用ARTxp算法和ARIMA算法［6－9］，其中ARTxp算法适用于短期预测，ARIMA算法适用于长期预测，最后结合2个算法结果产生最佳预测数值。

2.2 重要度的时序预测

对于器材的重要度Iz预测主要是对重量重要度Ig和频率重要度Iu进行预测，以及对权重w1、w2的确定。在针对以上2个重要度的预测，根据某部队仓库维修器材出库记录，统计2008年1月到2012年12月某种工程装备维修器材的每月出库频率数据如表1所示，通过SQL Server Analysis分析来预测其在未来一段时间内的值。

表1 维修器材月出库频率

从图2中根据预测曲线得该种器材在2013年11月的出库频率为24，从数据库中查询得到当月的器材出库重量为42 kg，而频率u与频率重要度Iu及重量g与重量重要度Ig都是成线性正比关系，在部队仓库有重量重要度Ig和频率重要度Iu公式为

将器材月出库频率u和出库重量g值分别代入公式后可得重量重要度Ig为0.504，频率重要度Iu为0.48。对该仓库确定权重w1为0.72，w2为0.28。根据重要度公式可得到该维修器材的重要度Iz为0.238。同理可以根据公式对该仓库中十种维修器材重要度Iz值计算出来，并按照数值大小从高到低排序，如表2所示。

图2 维修器材出库频率预测

表2 维修器材重要度值

3 基于ABC分类法的仓库货位分区

对于货架的分区主要根据离库房门的距离将库房划分为A、B、C 3个区，其中A区是离库房门最近的区域，B区是离库房门稍远的区域，其余都是C区。由于工程兵部队维修器材仓库的布局不同其划分也不同，以下是2种典型的维修器材仓库布局图，那么根据各自的特点给这2类仓库进行划区如图4所示。

图3 器材仓库分区

4 货位分配方案

根据仓库的实际情况设计维修器材入库货位分配具体过程:

1)根据数据库中存储的调拨单数据，利用SQL Server Analysis对维修器材出库频率以及出库重量预测结果，通过重要度公式计算对重要度值从高到低进行排序，根据排序结果对维修器材进行分类，分成一、二、三级重要度器材;

2)结合部队当前器材仓库布局现状对其进行划分区域，根据离仓库大门的距离划分为A、B、C3个区;

3)将器材重要度值的划分级别与划分的区域对应匹配，将对应的器材安排放置在相应的区域中。在同一货架中重量重要度值大的器材放置在较低的货位上;同时出库频率较多的器材也放置在距离较近的货位上;

4)确定具体货位编码。根据以上维修器材货位优化过程，制定分配方案如表3所示。

表3 器材货位分配方案

5 结束语

部队维修器材仓库货位分配方案制定时必须综合考虑器材的出入库频率、数量、质量等方面的因素，利用数据挖掘中的时序算法对器材历史出库数据进行分析预测。将得出的重要度值按照货位分配方案来对器材进行货位优化。但是合适的货位分配方案确定是一个逐步优化过程，在分析历史数据的基础上还须结合实际器材保管员的调整，最后才会有高效出库的货位分配方案。

［1］王征.遗传算法在军队仓储管理系统中的应用［D］.沈阳:东北大学，2008.

［2］孙盛智.军用仓库智能化管理系统研究与实现［D］.南京:南京邮电大学，2011.

［3］冯硕.军械仓库管理信息系统的研究与实现［D］.沈阳:东北大学，2008.

［4］Jiawei Han，Micheline Kamber.数据挖掘概念与技术［M］.北京:机械工业出版社，2001.

［5］贾澎涛，何华灿，刘丽，等.时间序列数据挖掘综述［J］.计算机应用研究，2007，24(11):15－18.

［6］BOX GEP，Jenkins.Time Series Analysis Forecasting and Control［M］.USA:Holden－day，1976.

［7］王红瑞，康健，林欣，等.水文序列ARIMA模型应用中存在的问题与改进方式［J］.系统工程理论与实践，2008 (10):166－175.

［8］张杰，刘小明，贺玉龙，等.ARIMA模型在交通事故预测中的应用［J］.北京工业大学学报，2007，33(12):1295－1299.

［9］刘峰，王儒敬，李传席.ARIMA模型在农产品价格预测中的应用［J］.计算机工程与应用，2009，45(25):238－239.

(责任编辑杨继森)

Application of Data Mining in Maintenance Material Slotting Optim ization

CHEN Hai－Song，LOU Zeng－Long，HEWei－Xiong，ZHANG Yang
(College of Field Engineering，PLA University of Science＆Technology，Nanjing 210007，China)

For the problem of armymaintenancematerial slotting optimization，according to the basic principle of easy－picking，this paper puts forward the concept of comprehensive importance ofmaintenancematerial and get the number of comprehensive importance ofmaintenancematerial through the time series prediction.ABC Classification method is applied in the partition of the shelves，maintenance material and shelves are coupled to get the plan of slotting optimization.

datamining;time series prediction;maintenancematerial;slotting optimization

:A

1006－0707(2014)07－0033－04

format:CHEN Hai－Song，LOU Zeng－Long，HEWei－Xiong，et al.Application of Data Mining in Maintenance Material Slotting Optimization［J］.Journal of Sichuan Ordnance，2014(7):33－36.

本文引用格式:陈海松，楼增龙，贺伟雄，等.数据挖掘在维修器材货位优化中的应用［J］.四川兵工学报，2014(7):33－36.

10.11809/scbgxb2014.07.010

2014－03－02

陈海松(1969—)，男，副教授，主要研究工程装备保障理论与技术研究。楼增龙(1988—)，男，硕士研究生，主要研究工程装备保障理论与技术研究。

E233