备件需求预测方法研究现状综述

摘要：目前，备件需求预测的方法很多。文章系统归纳总结了有关国内外比较科学的备件品种和数量需求预测的方法，并对如何结合实际工作应用合理的预测方法进行了分析。文章的研究成果能够为备件需求预测提供参考。

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.

关键词：备件品种;备件数量;需求预测

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

中图分类号：E920                                        文献标识码：A                                  文章编号：1006-4311（2020）04-0296-03

0  引言

目前国内外对预测方法的研究很多，已经形成了较为完善的理论基础。据不完全统计，预测方法种类大约有150多种，常用的就有十几种。文章主要针对航材需求的预测问题，笔者查阅了有关需求預测的200多篇文章，从备件品种和数量两个方面对需求预测的方法进行了归纳整理和简要阐述，主要选取一些参考价值较高的文献进行了梳理，形成了一套完整的理论体系。

1  有关备件品种的确定方法的研究

目前，已有很多文章对备件品种确定进行了较深入的研究，并给出了很多种确定方法，概括起来主要有：模糊综合评判方法、价值工程法、可靠性方法、基于维修任务分配的确定方法、灰色局势决策法、TPOSIS法、粗糙集方法、逻辑决断法等。

文献[1]通过探讨了价值工程法备件品种确定中的具体应用，某种备件对装备维修并使装备正常运行所可能产生的效果的评价，按照备件价值系数的大小排序来确定备件品种。文献[2]首先对备件品种确定的影响因素进行分析，在此基础上，采用模糊综合评判方法来进行备件品种的确定，将影响备件库存品种的确定各种因素量化，以评判效果看是否储存某种备件。文献[3]采用定性的方法确定备件的品种，在对装备的所有维修项目进行分配的基础上，分析各维修项目中所需的备件。文献[4]利用灰色局势决策法对备件品种进行了确定分析，并充分备件品种确定的各种影响因素。文献[5]认为备件的品种大多采用经验和单因素分析的方法来确定，引入AHP和TOPSIS相结合的方法进行定量计算，得出备件的排序，以此确定备件品种。文献[6]针对初始备件品种影响因素信息不全面的特点，运用集对分析对其确定分析，分析了备件品种影响因素间的集对关系，建立了基于集对联系度的粗糙集决策模型。文献[7]运用层次分析法和灰色理论来确定备件品种，将各个指标进行量化处理，并以实例验证验证了该方法的科学性。文献[8]在分析备件品种确定的主要因素的基础上给出了备件品种确定流程及适用方法，并对决策原则进行风险分析。

2  有关备件需求量预测方法模型的研究

国内外有关备件消耗需求预测的研究很多，针对不同的问题，提出了很多需求预测方法模型。笔者查阅大量的有关航材备件预测的模型和方法，将其中常用的模型和方法总结归纳如下：

2.1 基于状态转移的备件需求预测模型

文献[9]在分析备件需求量的马尔可夫性，将马尔可夫链与蒙特卡罗仿真相结合，给出利用计算机实现蒙特卡罗仿真的算法步骤，并应用实例证明了该模型方法的科学性。文献[10]提出备件需求过程可以被看作是马尔可夫决策过程，并建立了模型的策略。运用马尔可夫方法预测时，要求备件的故障间隔时间和维修时间均服从指数分布，这与备件使用的实际情况往往不同，在数据信息少的情况下也很难建立状态转移概率矩阵。

2.2 基于仿真的备件需求预测

仿真方法是在分析出备件消耗的主要影响因素的基础上，运用系统仿真技术对备件需求产生的过程进行模拟仿真，从而预测出备件需求量。文献[11]中认为装备的维修保障与企业的日常活动具有很大的共同特点，应用集成信息系统结构（ARIS）的方法，建立了基于ARIS的战时备件需求仿真模型，取得了很好的效果。文献[12]中提出了基于仿真的备件消耗预测模型，并将该方法与其它方法的预测结果进行对比，实例验证采用仿真的方法进行备件需求预测的科学性。文献[13]中将影响备件消耗的因素分为7个因素，在此基础上，对备件使用过程进行仿真，建立了备件消耗的预测模型，最后通过实例验证表明运用该模型预测出的结果能够最大程度地反映出备件的需求实际情况。

2.3 基于神经网络的备件需求预测

文献[14]中在对影响航材备件需求量的多个因素进行分析研究的基础上对航材备件需求预测，运用改进BP神经网络算法进行预测，并且有较高的预测准确性。文献[15]中认为航材的消耗是一个非线性的变化，构建出了基于影响因素的航材消耗非线性模型，取得了很好的预测效果。文献[16]中认为影响备件需求的因素种类众多且复杂多变，提出应用主成分分析法从航材需求众多影响因素进行筛选出主要的影响因素，并在此基础上，应用RBF神经网络进行预测，取得了较好的效果。

2.4 基于灰色模型的备件需求预测

文献[17]中针对航材种类繁多、规格复杂的特点，提出了基于灰色GM（1，1）模型的航材消耗预测模型，并通过算例表明模型的准确性。文献[18]中针对维修器材的实际情况，提出了基于改进后的灰色GM（1，1）模型维修器材的消耗规律的预测方法，预测结果非常贴近实际值。文献[19]中在数据样本量较少的情况下，建立了基于灰色理论的间断性需求备件预测模型，可对间断性需求备件进行有效预测。文献[20]中运用灰色GM（1，1）模型对航材的需求进行预测，取得了很好的效果。

2.5 基于支持向量回归的备件需求预测

对于小样本的预测问题，支持向量机回归预测是一种比较合适的预测方法。文献[21]中提出将支持向量机回归模型运用到航材的需求预测中，把影响备件消耗的主要因子和对应的备件消耗量作为支持向量机预测模型的输入因子和输出因子进行预测。文献[22]中针对备件库存消耗预测是多因素综合影响下的非线性、小样本预测问题，运用灰色关联分析和支持向量机回归相结合的方法对备件库存消耗预测，并通过实例验证了该方法的预测精度高于传统的备件预测模型。

2.6 基于案例的备件需求预测

装备在使用条件、使用环境、保障水平等因素相近的情况下，相似备件的需求规律与需求量是相近的。基于上述考虑，可以将案例推理的方法引入到备件的需求预测中。文献[23]中根据航材的发展具有同源性和继承性这规律特点，深入分析航材的特性，应用案例推理的相关理论，构建出相似航材确定的模型方法。并通过实例验证该方法的科学性，对新机型航材航材保障工作提供理论依据。

2.7 组合模型预测方法

组合模型进行预测的效果比单一模型预测的效果要高。文献[24]中提出基于粗糙集、熵权法、自适应粒子群优化法与加权最小二乘支持向量机的導弹备件消耗预测组合预测模型，取得了很好的预测效果。文献[25]中针对航材消耗定额制定缺乏依据的问题，确定了影响航材消耗的主要因素并将之作为BP神经网络的输入神经元，提出了基于灰色模型和BP神经网络组合预测模型，并对模型进行了误差分析。文献[26]中用灰色GM（1，1）模型和BP神经网络模型组合预测模型对车辆器材需求进行预测，并给出了其加权系数的参数估计方法，为车辆常耗器材消耗规律的深入研究提供科学系统的理论方法。

2.8 国外常用的备件预测方法

多年来，美国空军使用备件需求均值和方差均值比预测方法进行备件的需求预测，并应用这些预测方法进行了大量的实验，形成了一系列常用的经验预测模型[27]。此外，文献[28]中分别对Croston方法、Bootstrap方法和IFM法在需求预测中应用进行综述和分析，并给出了上述三种方法的适用条件，取得了很好的效果。文献[29]中分析了k/N系统在考虑维修策略、维修能力以及初始备件数等条件下的系统可用度模型。文献[30]中提出了备件计算模型和相应的算法，采用仿真的方法对备件的库存配置进行了研究。

3  结束语

备件需求预测的方法很多，每种预测方法各有特点，应依据实际情况运用合适的预测方法。预测结果的准确程度，在很大程度上取决于所使用的预测技术方法是否合理。在实际工作中，由于有很多条件限制和工作实际的变化，预测出的结果的可靠性往往不高，不能达到预期的目的。

参考文献：

[1]陈修学，赵建忠.价值工程法在导弹装备备件品种确定中的应用[J].航空兵器，2009，2：58-60.

[2]江毅，金家善，陈砚桥，等.基于FAHP的随舰备件品种的确定方法[J].装备制造技术，2012（12）：134-136.

[3]黄健，程中华，李欣玥.基于维修任务分配的新型装备备件品种确定方法研究[J].装备环境工程，2012：4（9）：101-105.

[4]李云峰，王瑞林，贾云飞，等.基于灰色局势决策法的备件品种级别配置[J].火力与指挥控制，2011：11（36）：184-185.

[5]金国栋，卢利斌，叶庆.无人机携行备件品种确定方法[J].火力与指挥控制，2008：33（10）：144-148.

[6]车飞，陈云翔.飞机初始备件品种优化的集对-粗糙集方法[J].数学的实践与认识，2011：41（9）：201-206.

[7]夏志安，李源，杨建军.基于灰色评估法的战时车辆装备备件储备品种确定[J].陕西师范大学学报（自然科学版），2008：12（36）：54-56.

[8]王乃超，康锐.备件品种确定方法及决策风险分析影响[J].兵工自动化，2008：27（10）：27-30.

[9]徐廷学，杜峻名，蓝天.基于马尔科夫与蒙特卡罗仿真的导弹装备备件需求量预测[J].兵工自动化，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]郭会军，刘伟.基于ARIS的战时备件需求仿真模型研究[J].科学技术与工程，2007：7（23）：65-68.

[12]李瑾，宋建社，王正元，等.备件消耗预测仿真方法研究[J].计算机仿真，2006：（12）：306-309.

[13]李曉宇，王新阁，张磊，等.面向任务的航空备件需求仿真系统[J].仿真技术，2011：7（4）：295-298.

[14]李连，孙聪，苏涛.改进BP网络在航材需求预测中的应用[J].计算机与现代化，2012：（8）：180-182.

[15]刘长新，熊励，王炜，等.基于BP神经网络的航空器材消耗预测[J].中国管理科学，2010，18：99-101.

[16]关子明，常文兵.基于PCA-RBF神经网络模型的航空备件预测方法[J].北京工商大学学报（自然科学版），2009，3（29）：60-64.

[17]郭峰，易垚钺，史玉敏.基于灰色预测的航材消耗定额模型[J].计算机与现代化，2011：（10）：35-36.

[18]徐廷学.基于灰色预测法的军械维修器材消耗规律[J].火力与指挥控制，2011：36（11）：164-167.

[19]刘杨，任德奎.基于灰色理论的间断性需求备件预测方法[J].四川兵工学报，2011：32（4）：27-29.

[20]谭国臣，马中洲，刘晓东.灰色GM（1，1）模型在航材需求量预测中的应用[A].航空装备保障技术专题研讨会论文集，2006：432-436.

[21]牛余宝，王晓坤，赵艳华.基于支持向量机的飞机备件消耗预测研究[J].长春大学学报，2012：6（22）：631-633.

[22]高鹍，邢国平，孙德翔，等.灰色关联支持向量机在备件库存消耗预测中的应用[J].电光与控制，2012：3（19）：101-105.

[23]丁广威，周伟，等.基于案例推理的随舰航材需求预测研究[J].计算机与现代化，2014（7）：28-29.

[24]赵建忠，徐廷学，刘勇.基于粗糙集和熵权以及改进支持向量机的导弹备件消耗预测[J].兵工学报，2012，10（33）：1259-1265.

[25]郭峰，白松，王继武，等. 基于BPNN、GM组合预测的航材消耗定额模型[A]. 2012 Intemational Conference on Electronic Information and Electrical Engineering，2012：884-887.

[26]张大鹏，董翔英，王亮，等.基于组合预测模型的常耗车辆器材消耗规律研究[J].物流技术，2009（7）：239-241.

[27]贺步杰，等译.装备备件最优库存建模-多级技术[M].二版.电子工业出版社，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.