备件分类与需求预测研究综述

2023-11-17李春秀孙明明

电子产品可靠性与环境试验 2023年5期

李春秀，孙明明

（1.中国直升机设计研究所，天津 300308；2.工业和信息化部电子第五研究所，广东广州 511370）

0 引言

专家学者对备件分类算法研究较为丰富，如曾翔等[1]的备件分类算法研究综述，对备件分类的ABC 分类法、Kraljic 和层次分析法（AHP：Analytic Hierarchy Process）等进行了原理阐述，系统性地给出了备件一维准则、二维准则和多维准则分类法。此外，基于全过程[2]、备件携行[3]、多任务阶段系统[4]、备件需求[5-6]和备件库存管理[7]等文献对备件预测方法进行了系统性的综述。

工程应用角度，备件的规划、预测和优化，首先应针对备件种类进行分类，然后针对不同种类的备件采取不同的预测方法，单独备件分类分析或备件需求预测工程实际应用价值不高，二者应结合分析。本文通过对国内工业设备、汽车、风电、轨道交通、电网、船舶和制造业等行业领域调研，着重分析备件分类与需求预测相结合的研究现状，以为型号装备备件分类与需求预测研究提供参考。

1 备件分类与需求预测解析方法研究

吴庭冠[8]针对工业设备维修备件库存资金高位运行、呆滞库存多、分类不明确、缺乏合理的预测方法和库存管控策略等问题，考虑备件重要程度因素，利用ABC-VED 法进行分类，区分快速流动备件、慢速流动备件和不流动备件，运用移动平均、指数平滑和Croston[9-10]等方法对备件进行预测，针对不同种类备件分别采用了经济订货批量（EOQ）模型、（Q，R）库存控制策略和再次订货（ROP）模型等理论进行分析和验证，减少了安全库存量和资金占用。

金亚楠[11]针对汽车零部件分类方式过于简单、库存占用资金高、积压数量多和需求计划不准确等问题，采用AHP 与ABC 分类法相结合的方法对17 种汽车零部件进行分类，利用遗传算法优化的极限学习机算法对汽车零部件进行需求预测，针对不同类备件使用经济订货批量模型，计算出汽车零部件的最优订货批量与订货周期，降低了库存成本。

张铁[12]针对我国现行动车组检修工艺、修程修制及检修物料的库存管理因备件分类不够清晰、需求量不明确和库存策略过于笼统等，以及存在库存备件不足和备件冗余的问题，考虑可靠性、经济性、安全性、可用性和可维修性等因素，构建IGAHP-DEA-ABC 分类模型，将动车组备件分为核心备件、重要备件和普通备件3 类，由于历史数据缺失，采用遗传算法优化长短记忆神经网络（GA-LSTM）的备件预测模型并结合部件寿命分布，确定备件需求量，利用（S-1，S）、（s，Q）备件订货策略确定了所分类备件订货提前期、订货批量和盘点周期，为动车组备件库存管理提供一定参考。

陈鸿鑫[13]开展了发动机制造过程中关键备品备件优化研究，以保障发动机数控机床安全高效经济运行，采用AHP-ABC 模型筛选数控机床关键备件，将传统灰色理论与Markov 链结合实现对数控机床关键备件消耗量预测，同时利用隐Markov 模型预测部件的可靠性趋势，建立基于预测可靠性的备件订购决策优化模型，实现了低成本高效安全的库存管理目标。

周青[14]开展面向成本降低的备件库存优化研究，以确保高自动化水平设备连续稳定运行，考虑备件的关键程度、经济程度和易得程度等因素，利用基于AHP 的ABC 分类方法，将备件分为快速流动和慢速流动两类，运用指数平滑法和Croston 法对备件的需求进行预测，对快速流动ABC 类备件、慢速流动A 类备件、慢速流动B 类备件和慢速流动C 类备件，从成本降低角度，分别使用（R，Q）控制策略、（s，S）控制策略、（t，S）控制策略和不备库策略，可有效地降低成本且确保设备连续稳定运行。

齐宏宇[15]开展了液化接收站专用设备备件库存管理优化研究，以确保液化天然气接收站专用设备稳定运行，考虑备件库存成本、资金占用成本和周转率等因素，采用ABC 分类法和CVA 分析法相结合的方式对关键设备维修备件进行二阶组合分类，同时使用时间序列平滑模型和平均故障间隔时间（MTBF）对关键设备维修备件需求数量进行预测，计算了安全库存数量和经济订货批量，最终达到维修备件库存在满足设备运行可靠性的同时总成本最小的优化目标。

针对高铁减速机共有45 种备件，存在备件申领时间长、备件持有成本和缺货成本高的问题，高伯凯[19]开展了高铁减速机备件库存优化研究，考虑经济性、采购提前期、关键性、年周转率和供应难易程度等因素，采用ABC 法和模糊AHP 将高铁减速备件分为了不重要备件C、重要备件D、较重要备件E 和一般备件F 4 类，通过对故障件进行分析确定其服从威布尔分布，建立基于高铁减速机可用性的重要备件订货模型，可为高铁减速机备件库存优化提供参考。

针对地铁备件物资管理成本偏高和周转率低等问题，孙煜晴[20]开展了地铁运营物资需求预测及管理优化研究，基于ABC-FSN 分类法，对A 市地铁的11 608 项运营备件物资进行了分类。此外，选用回归模型对AF 类物资中的生产配件进行了需求预测，选用SARIMA 模型对AF 类物资中的生产材料及CF、CS 类物资代表进行了需求预测，选用ARIMA 模型对BF 类物资代表进行了需求预测，对各类物资采购流程和仓储管理方式进行了优化，有效降低了整体成本并提高了采购效率。

MRO（Maintenance，Repair&Operations）是生产型企业用以维护、维修及运营的物资，大到设备轴承，小至螺钉螺母，品类繁多、特点不一，高晓琳[21]开展了钢铁加工企业MRO 库存策略及优化研究，考虑缺货成本、体积和提前期等因素，改进了ABC 库存分类方法，利用灰色预测GM（1，1）模型预测连续型需求，以及灰色马尔可夫模型预测随机型需求，同时根据备件特点制定出战略库存管理、（S，s）和（T，Q）等6 种行之有效库存控制策略。

针对石化化工设备备件高成本、低周转、慢速流动备件多和备件样本数据少等问题，李文[22]开展了石化化工生产备件库存优化研究，考虑生命周期和核算周期为前提、使用成本等因素，修正ABC 分类法，分为快流速备件和慢流速备件，采用贝叶斯统计方法实现对备件需求量的预测。对A类快速流动备件给出了（R，Q）库存控制策略的计算方法；对B、C 类快速流动备件给出了（t，S）库存控制策略的计算方法。对于慢速流动备件，采用（S，S-1）库存策略，最优存储量S* 可以运用贝叶斯统计方法进行预测。通过验证，该类库存优化策略可以保证较高服务周期水平并有效降低库存成本。

针对智能制造自动化设备备件积压等问题，何毅[23]开展备件优化研究，考虑备件单位成本、采购周期和备件年度消耗率等因素，采用基于信息熵的多指标ABC 分类方法对备件进行分类，结合备件特点，对慢速流备件建立了基于单指数平滑法的连续性需求预测模型和基于模糊时间序列的间断性需求预测模型，经过验证，提升了公司备件库存管理效益水平。

2 备件分类与需求预测仿真方法研究

为了减少船舶维修所需费用和时间，提高航运公司运营效益，侯朵莉[16]开展了面向任务的船舶备件配置模型及优化研究，考虑备件流动性和重要性，采用改进AHP 和可进行有效排序的数据包络分析法（SE-DEA），并结合灰色关联分析法对传统ABC 库存分类进行改进，最终将船舶备件分为FA、FB、FC、SA、SB 和SC 6 种类型。针对备件分类结果中需求预测难度较大的S 类船舶备件建立了基于运行数据的贝叶斯统计需求预测模型。根据分类及备件特点，FA 类船舶备件建立（s，Q）策略下的库存控制模型，对FB、FC 类船舶备件建立（t，S）策略下的库存控制模型，对S 类船舶备件建立以规定可用度为约束条件，以单位时间内库存成本最低为目标函数的订购模型，利用SPSS～（TM）和Matlab～（TM）软件，采用仿真分析手段进行分析验证。

通过对昆明地铁备件管理、库存状况调研，张楠[17]开展了地铁备件库存控制优化研究，基于多准则的备件库存ABC 分类模型进行备件库存分类研究，利用指数平滑法和BP 神经网络预测法，进行备件需求预测。以总库存成本最小作为优化目标，构建库存控制模型，应用遗传算法对模型进行求解，为地铁备件库存管理优化提供参考建议。

针对制造业通用减速机备件库存短缺和成本效益低等问题，杨光楠[18]对通用减速机服务备件库存优化开展了研究，考虑占用金额、提前期、通用程度、缺货影响、供应商数量和关键程度等因素，采用基于AHP 的改进ABC 分类法，将服务备件分为重要服务备件、次重要服务备件和不重要服务备件3 类，以近期历史需求量、相关服务备件需求量、总体趋势、周期性、备件更替和故障因素共6个因素作为输入量，采用BP 神经网络方法对备件需求预测进行研究，建立了以库存总成本最小为目标，以服务水平和库容为约束的库存订货模型，并采用遗传算法对模型进行求解，经过验证，满足使用前提下，有效地降低了备件库存成本。

针对公司服务备件库存占用大量资金造成运营成本居高不下情况，陈鹏[24]开展了备件库存管理优化研究，考虑顾客满意度和库存成本等因素，建立基于AHP 算法的ABC 备件分类模型，构建了LSTM 神经网络模型与时间序列预测模型组合的服务备件需求预测模型，以及横纵调度相结合的备件供应链实时调度算法，经过验证，有效降低了库存成本并提升了运营效益。

3 归纳分析

除了以上备件分类与需求预测解析方法和仿真方法调研分析，不少科研学者对原有方法进行创新研究，值得借鉴研究，例如：欧干新[25]在供电公司配网备品备件库存管理优化研究中，提出考虑用电客户重要程度的二维ABC 分类方法，将配网备品备件划分为A、A’、B、C 4 类；ABC 分类法和ERP 管理软件相结合研究[26]，ABC 分类法和Kraljic 矩阵结合的方法对备件进行分类[27]，EIQABC 的分析方法[28]，ABC 结合VED 分类法对备件进行分类[29]，ABC、FSN 和VED 等几种分类方法相结合的方式对公司服务备件库存管理作了合理分类研究[30]，考虑采购提前期、供应商数量、月需求量、客户指定、功能性、物料的单位价值和库存成本等因素的基于ABC 管理的灰色聚类评价模型[31]等。其他仿真方面相关研究，如Monte Carlo-PSO 混合算法和枚举算法进行备件优化[32]、基于备件可靠性的仿真预测方法得到备件需求量[33]、基于Arena 离散事件系统的备件仿真优化[34]等。

通过对备件分类与需求预测调研分析，分别从模型考虑因素、研究领域、分类方法、预测方法和库存模型等几个方面进行汇总分析（如表1 所示），应特别关注影响备件分类与需求预测关键因素，为后续装备备件分类与需求预测研究提供参考。