【文章內(nèi)容簡介】 情況進(jìn)行預(yù)測時(shí)獲得了比傳統(tǒng)統(tǒng)計(jì)方法和單 一 ANN 方法更高的精確度。 Senjyu 等人 [51]將模糊規(guī)則和 ANN 結(jié)合對短期 工作量進(jìn)行預(yù)復(fù)雜裝備可維修備件供應(yīng)保障優(yōu)化研究 第 9 頁 /共 38 頁 測，利用專家知識構(gòu)建模糊規(guī)則來修正 ANN 對下一工作日的工作量進(jìn)行預(yù)測。 Li 等人 [52]則利用增強(qiáng)模糊神經(jīng)網(wǎng)絡(luò)對汽車工業(yè)在中心倉庫的備件需求量進(jìn)行預(yù)測。 Hua 和 Zhang[53]利用 SVM 預(yù)測備件非零值需求的發(fā)生時(shí)刻。王文 [54]針對不常用備件的需求特點(diǎn)，提出了基于時(shí)間序列的 SVM 回歸預(yù)測方法和基于影響因素的 SVM 回歸預(yù)測方法?；谌斯ぶ悄艿念A(yù)測方法需要使用者對算法本身特點(diǎn)有充分的認(rèn)識，算法的各種參數(shù)需要人為設(shè)定和調(diào)整，具有很大的主觀性和隨機(jī)性，而且這些算法需要大量的訓(xùn)練樣本和 測試樣本。這些因素都限制了人工智能方法的應(yīng)用。 間斷需求預(yù)測方法還有貝葉斯法、仿真方法、模糊推理方法等。 Silver[55]采用貝葉斯法來預(yù)測需求，首先統(tǒng)計(jì)需求量出現(xiàn)頻率得到先驗(yàn)概率分布，然后在得到提前期的需求后，計(jì)算后驗(yàn)概率得到需求的后驗(yàn)分布（需求分布為多維 Beta 分布），在滿足缺貨概率約束下根據(jù)需求分布來確定再訂貨點(diǎn)和訂貨批量。Dolgui 等 [56]對低流通且缺少歷史數(shù)據(jù)的庫存問題采用貝葉斯法進(jìn)行預(yù)測，假設(shè)提前期需求服從 Beta 二項(xiàng)分布。 Aronis 等人 [57]在 Katharo Technik 公司的庫存結(jié)構(gòu)進(jìn)行改造時(shí)，首先采用貝葉斯法對電子設(shè)備的備件需求情況進(jìn)行預(yù)測，并在此基礎(chǔ)上研究了如何確定了（ S1， S）庫存策略的參數(shù)。 Kamath[58]在研究動(dòng)態(tài)庫存模型時(shí)，針對需求分布未知的情況，選擇貝葉斯法進(jìn)行需求估計(jì)。王林 [59]在他的博士論文中針對不常用備件的需求量數(shù)據(jù)較少的情況，將模糊評價(jià)方法和貝葉斯法結(jié)合起來，給出了基于模糊貝葉斯的需求分布函數(shù)確定模型。貝葉斯法的主要缺點(diǎn)是要求有非常多的樣本，而且各種可能的需求量值必須在樣本中出現(xiàn)過。對于間斷需求序列，貝葉斯法對樣本要求很高，因此該方法只能適用于一些特殊的情況，不具通用性。仿真方法主要對備件需求產(chǎn)生的過程進(jìn)行模擬，統(tǒng)計(jì)需求量或評估備件供應(yīng)保障策略的效能。李瑾等 [60]在綜合分析備件消耗影響因素的基礎(chǔ)上，對部件的使用壽命過程進(jìn)行仿真，建立了備件消耗仿真預(yù)測模型。劉喜春 [8]針對戰(zhàn)時(shí)備件需求不確定性突出且多階段作戰(zhàn)過程中備件需求具有相關(guān)性的特點(diǎn)，提出了模糊推理的備件需求預(yù)測方法，充分利用可能獲得的相關(guān)信息，把不同途徑獲得的需求預(yù)測結(jié)果作為輸入，采用模糊推理機(jī)制給出最終預(yù)測結(jié)果。 計(jì)算機(jī)仿真技術(shù)在備件需求量預(yù)測中的應(yīng)用 ,目前的情況下，考慮到備件需求的不同影響因素，還沒有一種能夠準(zhǔn)確確定備件需求和庫存的方法。針對現(xiàn)有的備件需求量預(yù)計(jì)方法：常用計(jì)算法、比較法和統(tǒng)計(jì)預(yù)計(jì)法等，一般利用過去的經(jīng)驗(yàn)和類似裝備的需求，需要積累大量準(zhǔn)確的歷史數(shù)據(jù)，在缺乏歷史數(shù)據(jù)的積累時(shí)，尤其是新裝備、新器件無歷史數(shù)據(jù)可查時(shí)，這些方法就無法應(yīng)用。另外一些傳統(tǒng)的方法是根據(jù)備件的故障率所服從的分布，如指數(shù)分布，利用相復(fù)雜裝備可維修備件供應(yīng)保障優(yōu)化研究 第 10 頁 /共 38 頁 應(yīng)的公式推導(dǎo)出備件數(shù)量的解析式，但是，當(dāng)備件故障率服從正態(tài)分布、威布爾分布或正態(tài)指數(shù)分布時(shí)，則很難推導(dǎo)出備件數(shù)量的解析式。針對這些方法的局限性，有人提出了在計(jì)算機(jī)上用 MonteCarlo 方法對裝備的零部件的實(shí)際使用過程進(jìn)行模擬仿真，從而可以得出需要的合理備件數(shù)。此方法的優(yōu)點(diǎn)是不用考慮備件服從何種分布，都可以在計(jì)算機(jī)上模擬仿真，并且精度比較高。目前，已有人提出利用系統(tǒng)建模仿真的方法對備件的需求量進(jìn)行預(yù)計(jì)，建立了耗損類型的備件需求模型和可修復(fù)類型的備件需求模型，引入排隊(duì)論的思想，并考慮其它影響因素，進(jìn)行系數(shù)修正，從而得到特定工作條件下的備件需求量。此外，在 一些研究 中，利用面向?qū)ο蠓抡婕夹g(shù)研究了飛機(jī)后續(xù)備件供應(yīng)保障系統(tǒng)的優(yōu)化問題。 該研究 利用規(guī)范的方式對飛機(jī)后續(xù)備件供應(yīng)保障系統(tǒng)進(jìn) 行了形式化的描述，運(yùn)用面向?qū)ο蟮臄?shù)字仿真技術(shù) ,得到了反映備件供應(yīng)保障規(guī)律的典型的乙字形變化曲線，并分析了多種因素對備件平均保障概率的影響。 備件控制與管理 Haneveld 等 [61]為低需求的貴重備件的庫存成本提供了一個(gè)滿意解，它考慮到了備件故障導(dǎo)致的貴重設(shè)備工作不正常導(dǎo)致的巨大缺貨成本情況，在設(shè)備生命周期中，通過把采購分為期初采購和常規(guī)采購，從而找到了一個(gè)最優(yōu)解。確定期初采購時(shí) [6264]，假設(shè)設(shè)備具有無限生命周期，而在確定常規(guī)采購時(shí)，其生命周期卻假設(shè)為有限的?？偲谕杀景ú少徺M(fèi)用、存儲費(fèi)和到 貨延期導(dǎo)致的損失費(fèi)用，近似生命期也可通過計(jì)算得到，因此可以得到期初投資的估計(jì)值 [65]。Luxhoj[66]用集合模型概念來將相似的備件分為基于故障特征的同類集合，得到了每個(gè)相同集合的需求量的確定方法，并提出了一種測試庫存采購提前期分布函數(shù)的數(shù)學(xué)公式，在他們的模型中，系統(tǒng)成本的最優(yōu)值是局部最優(yōu)值的和。Kranenburg[67]研究了具有多類需求的單品種，連續(xù)盤點(diǎn)庫存模型，模型考慮損失費(fèi)用，假設(shè)需求到達(dá)是泊松過程，采用啟發(fā)式算法設(shè)計(jì)了模型尋優(yōu)算法。徐曉燕 等 [6869]針對備件種類過多、部分備件需求的歷史數(shù) 據(jù)不足的問題，提出了一種基于分類的備件庫存管理方法，從備件需求預(yù)測的角度對備件進(jìn)行分類，然后對每一類備件的需求進(jìn)行預(yù)測并給出了其適當(dāng)?shù)膸齑鏇Q策方法，該方法適用于在缺少單位備件缺貨成本參數(shù)條件下的訂購點(diǎn)與訂購批量決策。王林 [7071]研究了連續(xù)生產(chǎn)企業(yè)的不常用備件 （ s， S） 庫存模型，采用服務(wù)水平作為約束條件，假設(shè)備件需求量服從 Poisson 分布。傅玉穎采用模糊理論處理不確定情況下的庫存管理問題，給出了庫存管理中模糊參數(shù)的表達(dá)，導(dǎo)出了允許適度缺貨情況下多模糊參數(shù)單庫存管理問題的模糊數(shù)學(xué)模型，采用梯級平均綜 合表示法進(jìn)行解模糊并優(yōu)化求解 [7275]。梁慶衛(wèi)等在分析魚雷備件保障度要求的模糊性復(fù)雜裝備可維修備件供應(yīng)保障優(yōu)化研究 第 11 頁 /共 38 頁 基礎(chǔ)上 [76]，建立了不可修備件量模糊優(yōu)化模型。王乃超 [7778]研究多約束條件下備件庫存問題，建立了優(yōu)化模型并給出了優(yōu)化算法。 對多級備件庫存系統(tǒng)研究的最早成果是 Sherbrooke 的 METRIC 模型 [79]。他在研究了多級庫存系統(tǒng)備件需求規(guī)律及系統(tǒng)目標(biāo)函數(shù)等問題的基礎(chǔ)上，針對多級備件庫存供應(yīng)實(shí)際問題，建立了 METRIC 模型。 Muckstadt[80]對 METRIC模型做了進(jìn)一步的擴(kuò)展，給出了多備件、多訂單 情況下的系統(tǒng) MOD 模型 —MODMETRIC 系統(tǒng)模型。 Grave[81]的研究拓展了 METRIC 模型，假設(shè)備件運(yùn)輸時(shí)間為確定值，并給出了近似求解模型。后來 Sherbrooke 使用文獻(xiàn) [81]方法改進(jìn)了 MODMETRIC 的模型 [82]。 1992 年， Sherbrooke[83]研究了需求率低、橫向供應(yīng)時(shí)間短的存儲問題，他采用了 VARIMETRIC 模型，開發(fā)了一個(gè)仿真程序，尋找在橫向供應(yīng)下預(yù)期的延遲訂貨的一個(gè)準(zhǔn)確近似值。 Muckstadt 等 [84]討論了對于低需求的部件采取多級庫存結(jié)構(gòu) 是否有意義。他們考慮了兩級、多部件系統(tǒng)，補(bǔ)給站需求服從泊松分布，部件不可修。由于備件價(jià)格高、需求率低，采取連續(xù)檢查的（ S1， S）策略，假定基地和倉庫之間的正常運(yùn)輸時(shí)間是確定的，也允許補(bǔ)給站缺貨時(shí)，從倉庫或外部供應(yīng)商緊急運(yùn)輸，計(jì)算多級情況的不同分散與集中程度的庫存數(shù)量，比較結(jié)果多級庫存情況較好。 Hausman 等 [85]采用啟發(fā)式算法擴(kuò)展搜索空間，解決庫存集中與分散問題。他們發(fā)現(xiàn)對于低需求備件采取多級庫存更為有利。 Caglar 等 [86]研究了電子產(chǎn)品生產(chǎn)廠家的昂貴備件兩級庫存問題，假設(shè)部件故障到達(dá)服從泊松 過程，在需求響應(yīng)時(shí)間約束下建立了系統(tǒng)費(fèi)用最小化模型，而模型求解則采用的是啟發(fā)式算法。 Allbright 等 [87]發(fā)展了一個(gè)兩級多合約的可修部件庫存系統(tǒng)。每個(gè)基地都有完全一樣的設(shè)備，每臺設(shè)備有多個(gè)模塊組成，當(dāng)設(shè)備故障是由于模塊導(dǎo)致的，則直接更換模塊或送進(jìn)維修站。于娜 [88]等人從裝備可用度角度出發(fā)，給出了備件數(shù)量確定的條件下，通過確定最優(yōu)的兩級儲備（基層級、中繼級），使裝備的使用可用度最大的模型。 Kim 等 [89]針對 METRIC 模型中維修能力無限的假設(shè)，利用 M/M/C 排隊(duì)模型研究了多級可修備件的庫 存量分配問題，系統(tǒng)中的部件壽命及維修時(shí)間均服從指數(shù)分布，基地與中心倉庫之間的轉(zhuǎn)運(yùn)時(shí)間則為常量。 Alfredsson[90]設(shè)計(jì)一個(gè)適用于多級庫存系統(tǒng)的（ S1， S）模型。為了滿足整體成本約束條件并使支持系統(tǒng)高效，同時(shí)考慮了備件的數(shù)量、用于維修工作的測試設(shè)備的可用性和維修基地的位置。 Cohen 等人 [91]發(fā)現(xiàn)由于技術(shù)革新和競爭的壓力，使得通過在存儲費(fèi)用和運(yùn)輸費(fèi)用之間 ， 需求平衡點(diǎn)的方法來確定備件最優(yōu)庫存量變得更加困難。他們的研究對象是多級庫存系統(tǒng)的不常用備件。他們提出了一個(gè)在滿足既定服務(wù)水平約束條件下使總費(fèi)用 最小的庫存模型。通過模擬不同的庫存策略下的需求過程，可以求出期望的成本和反應(yīng)時(shí)間，通過分枝定界法可得到其解。復(fù)雜裝備可維修備件供應(yīng)保障優(yōu)化研究 第 12 頁 /共 38 頁 D237。az 等 [92]通過將多級可修備件庫存結(jié)構(gòu)分解為多個(gè)流程，獲取備件在每個(gè)流程的個(gè)數(shù)所服從的分布，利用分布的卷積求得在基地和中心倉庫的庫存量服從的分布，分別研究了維修時(shí)間服從指數(shù)分布和一般分布的情況。而 Lau 等 [93]則對大多數(shù)研究中選擇平穩(wěn)過程的情況加以改進(jìn)，選擇非平穩(wěn)泊松過程研究兩級可修備件庫存系統(tǒng)。 Kim 等 [94]在研究具有橫向供應(yīng)的多級可修零部件庫存系統(tǒng)時(shí)，假設(shè)各分倉庫的需求到達(dá)是泊松 過程，但針對以往研究均假設(shè)維修時(shí)間服從指數(shù)分布的不合理性，選擇一般分布描述維修時(shí)間，在建模過程中利用排隊(duì)論的 M/G/c 隊(duì)列來處理該假設(shè)。 Nie[95]采用離散事件隨機(jī)仿真方法建立了閉環(huán)多級可修庫存模型，可以描述在中心倉庫和各基地之間的各種備件和信息的交互過程。張衡等 [96]對兩級可修備件庫存系統(tǒng)建立了仿真優(yōu)化模型。孫江生等 [97]采用仿真方法對 METRIC 模型進(jìn)行拓展，構(gòu)建了三級修理供應(yīng)體制下貴重備件庫存模型。 Lee[98]采用基于進(jìn)化算法的多目標(biāo)仿真方法研究了單一品種可修備件在多級結(jié)構(gòu)下配置問題， 模型選擇平均費(fèi)用最小，系統(tǒng)平均備件滿足率和最小滿足率最大為優(yōu)化目標(biāo)。通過對備件庫存管理文獻(xiàn)的分析，發(fā)現(xiàn)現(xiàn)有研究通常選擇泊松過程、更新過程、再生過程等描述備件需求的到達(dá)情況，而訂貨時(shí)間、維修時(shí)間等則假設(shè)為確定值或者服從指數(shù)分布、正態(tài)分布、 Weibull 分布等典型分布。這些假設(shè)條件無疑對模型的應(yīng)用造成了諸多限制。 可靠性理論 可靠性理論始建于 20 世紀(jì) 30 年代初，最早它運(yùn)用統(tǒng)計(jì)方法于工業(yè)產(chǎn)品的質(zhì)量控制中?？煽啃允艿街匾曉诙问澜绱髴?zhàn)期間，源于軍事裝備的復(fù)雜化，而復(fù)雜的裝備更容易發(fā)生故障，如果裝備的復(fù)雜化程 度已經(jīng)嚴(yán)重影響其可靠性時(shí)，裝備的復(fù)雜化就沒有意義。因此，可以說復(fù)雜化程度越高和其可靠性程度就越低下。許多復(fù)雜系統(tǒng)，如航空電子設(shè)備、通信系統(tǒng)以及武器裝備系統(tǒng)，都存在可靠性水平低下的問題，原因就是這些裝備太過復(fù)雜；從 50 年代至今，可靠性理論應(yīng)用己從軍事技術(shù)擴(kuò)展到國民經(jīng)濟(jì)的許多領(lǐng)域，可靠性學(xué)科已滲透到各個(gè)工業(yè)部門，可靠性已成為產(chǎn)品質(zhì)量指標(biāo)和產(chǎn)品是否具有競爭力的重要標(biāo)志。 可靠性評價(jià)指標(biāo)：可靠度和不可靠度、故障概率密度函數(shù)、故障率和平均壽命 [99]。 產(chǎn)品的可靠性常用可靠度函數(shù) ()Rt 表示，可靠度函數(shù) ()Rt 是指產(chǎn)品在規(guī)定使用條件下和規(guī)定的時(shí)間內(nèi)完成規(guī)定功能的概率。令 T 是產(chǎn)品從開始工作到失效的時(shí)間，是一個(gè)隨機(jī)變量。根據(jù)可靠性定義，時(shí)間 ? ?Tt? 的概率是單元在時(shí)刻 t 時(shí)的可靠性。換句話說，它是產(chǎn)品在 (0,)t 內(nèi)不發(fā)生失效的概率。那么有： 復(fù)雜裝備可維修備件供應(yīng)保障優(yōu)化研究 第 13 頁 /共 38 頁 ? ? ()( ) lim SN NtR t P T t N??? ? ? 上式中， P 表示概率， ()SNt為 t 時(shí)刻還在工作的樣本數(shù)， N 為總的樣本數(shù)。事件 ? ?Tt? 是事件 ? ?Tt? 的補(bǔ)，它的概率被稱作累計(jì)分布函數(shù) CDF(Cumulative Distribution Function)，用 ()Ft 來表示單元在時(shí)間間隔 (0,)t 內(nèi)的失效率，則有： ? ? ()( ) 1 ( ) l im fN NtF t P T t R t N??? ? ? ? ? ()fNt是在 t 時(shí)刻不能工作的樣本數(shù)， ( ) ( )SfN t N t N??。 另外一個(gè)描述可靠性的基本函數(shù)是 故障 概率密度函數(shù) ，故障概率密度函數(shù)()ft 是不可靠度的導(dǎo)數(shù) ()() dF tftdt? 故障率是指任意時(shí)刻 t ，尚未發(fā)生故障產(chǎn)品，在下一單位時(shí)間內(nèi)發(fā)生故障的概率。對于有限樣本，設(shè)考察產(chǎn)品總數(shù)目為 N ，經(jīng)過 t 時(shí)間故障數(shù)目為 ()rt ，經(jīng)過 tt?? 時(shí)間故障數(shù)目為 ()rt t?? ，則故障率估計(jì)值為 ( ) ( )() [ ( )]r t t r tt N r t t? ? ? ?? ?? 當(dāng)考察的產(chǎn)品總數(shù)目足夠多 N?? ，考察時(shí)間足夠短時(shí) 0t?? 時(shí)， 0( ) ( ) ( ) ( )( ) l im () 1