车辆装备维修器材消耗预测方法研究
浅议军用车辆装备器材消耗的影响因素
浅议军用车辆装备器材消耗的影响因素文章主要针对当前军用车辆装备器材消耗的实际情况进行了分析，并提出了影响因素，供大家参考。
标签：军用车辆；器材消耗；影响因素1 军用车辆装备的技术状况军用车辆装备的技术状况从广义上讲是指某一时刻车辆所具有的技术指标和性能参数的总和，一般可定量测得。
同时，它也表明了该车的零部件和由不同性能的零部件构成的总成或结构件的技术指标和性能参数。
车辆的可靠性、动力性、经济性、安全性等性能的好坏，就反映了车辆在某一时刻、某一方面所具有的综合性能的高低。
军用车辆装备在使用过程中，随着零部件的磨损、老化、失效等，大多数零部件都会逐渐地失去原有的设计性能，乃至出现车辆故障，部分或完全失去使用性能。
为了及时恢复车辆的技术状况，就必须对车辆实施维修，而维修必然要消耗车辆维修器材。
因此，军用车辆装备的技术状况首先决定了车辆是否需要维修及其工作量的大小，进而决定了军用车辆器材的消耗品种和数量。
所以说，军用车辆装备技术状况是影响车辆维修器材消耗的重要因素。
2 军用车辆装备器材的故障率军用车辆装备器材的故障率反映了器材本身的固有可靠性，是在器材的设计、制造中赋予的，由器材的材料、工艺等因素决定的。
故障率高，就容易损坏，产生器材需求。
故障率低，就不容易损坏，器材需求少。
实践证明，车辆装备的故障规律接近浴盆曲线。
在装备刚使用的早期，故障率较高，经过磨合和调试期后，随着时间的增加而迅速下降。
进入偶然故障期，其故障率低且稳定，近似为常数，这个时期是器材寿命的有用期。
最后到了耗损故障期，其故障率随着时间的增加而迅速增加，这是由于装备工作时所引起的磨损、疲劳、腐蚀、老化等造成的。
防止耗损故障唯一的办法就是将发生故障的零部件换掉，用新的器材代替。
3 军用车辆装备的管理水平军用车辆装备在日常保管、平时训练和战时保障的过程中，为保持其良好的技术状况和延长其使用期限（寿命）而进行的技术管理工作。
装备在使用过程中是否遵守操作规程，是否合理使用装备，装备使用完毕后是否对装备进行除锈、润滑、防潮、清污等保养措施，都将影响着器材的需求量。
车辆保养和维修的部件寿命预测
车辆保养和维修的部件寿命预测随着汽车产业的快速发展，车辆保养和维修变得越来越重要。
在保持汽车正常运行的同时，合理预测和管理车辆各个部件的寿命也成为了一个关键的问题。
本文将介绍车辆保养和维修的部件寿命预测的方法和重要性。
一、背景介绍车辆的许多部件都有一定的寿命，包括发动机、刹车系统、悬挂系统等等。
这些部件的损耗和磨损会导致车辆性能的下降，如果不及时维修或更换，还会对驾驶安全造成威胁。
因此，准确预测车辆部件的寿命对于合理安排保养和维修计划非常重要。
二、部件寿命预测的方法1. 数据分析和建模部件寿命预测常常依赖于大量的数据分析和建模工作。
在车辆使用过程中，收集相关的运行数据，比如里程数、使用时间、温度变化等等。
通过对这些数据进行分析和建模，可以得到部件寿命的相关模式和趋势。
2. 可靠性分析可靠性分析是预测部件寿命的重要手段之一。
通过对部件的可靠性进行分析，可以了解其具体的寿命状况以及故障发生的概率。
这个过程可以通过运用可靠性工程的方法和工具来实现。
3. 模型预测基于前期的数据分析和可靠性分析，可以建立相应的预测模型。
这些模型可以是基于统计学的方法，如回归分析、时间序列分析等，也可以是基于机器学习的方法，如神经网络、支持向量机等。
通过这些模型，可以对部件的寿命进行预测和估计。
三、部件寿命预测的重要性1. 提前预防故障通过对部件寿命的预测，可以提前发现潜在的故障和问题，并进行相应的预防措施。
比如在某部件的预测寿命即将结束时，可以提前对其进行维修或更换，从而避免因寿命耗尽而引发的故障和事故。
2. 节约维修成本合理预测和管理车辆部件的寿命，可以帮助车主和维修人员制定更加合理的维修计划。
这样一来，可以避免无效的维修和更换，从而节约维修成本。
3. 增强驾驶安全保持车辆各个部件良好的状态是确保驾驶安全的关键。
通过对部件寿命的预测，可以及时发现其中存在的问题，并采取相应措施，以确保车辆在道路上的安全行驶。
四、结论车辆保养和维修的部件寿命预测是一项重要而复杂的任务。
基于器材分类的维修器材消耗组合预测方法研究
第４５卷第３期２０２３年６月指挥控制与仿真ＣｏｍｍａｎｄＣｏｎｔｒｏｌ＆ＳｉｍｕｌａｔｉｏｎＶｏｌ ４５㊀Ｎｏ ３Ｊｕｎ ２０２３文章编号：１６７３⁃３８１９（２０２３）０３⁃００５０⁃０７基于器材分类的维修器材消耗组合预测方法研究梁㊀辉１，刘铁林１，赵建新１，张连武２，王晓磊１（１．陆军工程大学石家庄校区，河北石家庄㊀０５０００３；２．陆军研究院特种装备研究所，河北石家庄㊀０５０００３）摘㊀要：维修器材消耗预测通常采用单一的预测模型，适用范围较为狭窄，同时对整装维修器材消耗预测的精准性不高㊂综合考虑装备维修器材稳定性消耗特征，采用基于器材分类的组合预测方法，开展装备维修器材消耗预测㊂组合预测方法融合了指数平滑方法㊁Ｃｒｏｓｔｏｎ方法㊁ＴＳＢ方法等的优势，分别对消耗稳定和消耗不稳定的器材进行了预测㊂结果表明，组合预测方法有效避免了单一预测模型的局限性，具有较为广泛的适用性，提高了维修器材消耗预测的精度㊂关键词：维修器材；消耗预测；器材分类；组合预测方法中图分类号：Ｅ９２㊀㊀㊀㊀文献标志码：Ａ㊀㊀㊀㊀ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３⁃３８１９．２０２３．０３．００８ＲｅｓｅａｒｃｈｏｎｔｈｅｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｏｆｍａｉｎｔｅｎａｎｃｅｅｑｕｉｐｍｅｎｔｃｏｎｓｕｍｐｔｉｏｎｃｏｍｂｉｎａｔｉｏｎｂａｓｅｄｏｎｅｑｕｉｐｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎＬＩＡＮＧＨｕｉ１，ＬＩＵＴｉｅｌｉｎ１，ＺＨＡＯＪｉａｎｘｉｎ１，ＺＨＡＮＧＬｉａｎｗｕ２，ＷＡＮＧＸｉａｏｌｅｉ１（１．ＰＬＡＡｒｍｙＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙＳｈｉｊｉａｚｈｕａｎｇＣａｍｐｕｓ，Ｓｈｉｊｉａｚｈｕａｎｇ０５００００；２．ＰＬＡＡｒｍｙＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｓｈｉｊｉａｚｈｕａｎｇ０５０００３，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｍａｉｎｔｅｎａｎｃｅｅｑｕｉｐｍｅｎｔｃｏｎｓｕｍｐｔｉｏｎｆｏｒｅｃａｓｔｕｓｕａｌｌｙａｄｏｐｔｓａｓｉｎｇｌｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌ，ｗｈｉｃｈｈａｓａｎａｒｒｏｗｓｃｏｐｅｏｆａｐｐｌｉｃａｔｉｏｎａｎｄｉｓｎｏｔａｃｃｕｒａｔｅｉｎｐｒｅｄｉｃｔｉｎｇｔｈｅｃｏｎｓｕｍｐｔｉｏｎｏｆｃｏｍｐｌｅｔｅｍａｉｎｔｅｎａｎｃｅｅｑｕｉｐｍｅｎｔ．Ｉｎｔｈｉｓｐａｐｅｒ，ｔｈｅｓｔａｂｉｌ⁃ｉｔｙｃｏｎｓｕｍｐｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｅｑｕｉｐｍｅｎｔａｎｄｍａｉｎｔｅｎａｎｃｅｅｑｕｉｐｍｅｎｔａｒｅｃｏｎｓｉｄｅｒｅｄ．Ｔｈｅｃｏｍｐｒｅｈｅｎｓｉｖｅｐｒｅｄｉｃｔｉｏｎｍｅｔｈ⁃ｏｄｏｆｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｅｑｕｉｐｍｅｎｔｃｏｎｓｕｍｐｔｉｏｎｆｏｒｅｃａｓｔｉｓｃａｒｒｉｅｄｏｕｔ．Ｔｈｅｃｏｍｂｉｎａｔｉｏｎｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｃｏｍｂｉｎｅｓｔｈｅａｄ⁃ｖａｎｔａｇｅｓｏｆｔｈｅｅｘｐｏｎｅｎｔｉａｌｓｍｏｏｔｈｉｎｇｍｅｔｈｏｄ，ＣｒｏｓｔｏｎｍｅｔｈｏｄａｎｄＴＳＢｍｅｔｈｏｄｔｏｐｒｅｄｉｃｔｔｈｅｍａｔｅｒｉａｌｓｗｉｔｈｓＴａｂ ｃｏｎｓｕｍｐｔｉｏｎａｎｄｕｎｓＴａｂ ｃｏｎｓｕｍｐｔｉｏｎｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅｒｅｓｕｌｔｓｖｅｒｉｆｙｔｈａｔｔｈｅｃｏｍｂｉｎａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇｍｅｔｈｏｄｗｈｉｃｈａ⁃ｖｏｉｄｓｔｈｅｌｉｍｉｔａｔｉｏｎｏｆｓｉｎｇｌｅｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌ，ｈａｓｍｏｒｅｅｘｔｅｎｓｉｖｅａｐｐｌｉｃａｂｉｌｉｔｙａｎｄｉｍｐｒｏｖｅｓｔｈｅａｃｃｕｒａｃｙｏｆｍａｉｎｔｅｎａｎｃｅｍａｔｅｒｉａｌｃｏｎｓｕｍｐｔｉｏｎｆｏｒｅｃａｓｔｉｎｇ．Ｋｅｙｗｏｒｄｓ：ｍａｉｎｔｅｎａｎｃｅｅｑｕｉｐｍｅｎｔ；ｃｏｎｓｕｍｐｔｉｏｎｐｒｅｄｉｃｔｉｏｎ；ｅｑｕｉｐｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎ；ｃｏｍｂｉｎａｔｉｏｎｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄ收稿日期：２０２２⁃０９⁃０１修回日期：２０２２⁃１２⁃１０作者简介：梁㊀辉（１９８７ ），男，学士，硕士研究生，研究方向为装备保障与管理㊂刘铁林（１９７１ ）㊁男，博士，博士生导师㊂㊀㊀随着装备建设不断发展，装备保障活动主体客体㊁内容环境㊁方法手段等均发生了深刻变化，装备保障力生成必须以消耗为牵引［１］㊂维修器材消耗预测是维修器材筹措工作的重要组成部分，文献［２］分析了美军装备备件的消耗预测应用现状和改进计划，提出了我军应重点加强装备备件分类管理方法和消耗预测方法研究㊂装备使用㊁维修单位的反馈信息表明，装备使用单位最为难的问题是所配属的装备损坏后得不到及时维修；装备维修单位最棘手的问题是装备维修活动中需要的器材 所需非所筹，所供非所需 ，能否科学准确地预测维修器材消耗量，已经成为装备维修器材筹措工作的关键一环㊂消耗预测研究通常采用单一预测模型，适用范围较窄，对整装修器材消耗预测的精准性不高，可操作性和实用性不强，目前为止难以甚至无法找到某一种能比较准确地描述所有维修器材消耗规律的预测方法㊂本文综合考虑装备维修器材稳定性消耗特征㊁消耗的间隔时间和频率，开展定量分析，提出基于器材分类的组合预测方法，开展装备维修器材消耗预测㊂组合预测方法融合了指数平滑方法㊁Ｃｒｏｓｔｏｎ方法㊁ＴＳＢ方法等的优势，分别对消耗稳定和消耗不稳定的器材进行预测，避免了单一预测模型的局限性，具有广泛的适用性，较好地提高了维修器材消耗预测的精度㊂１㊀基于消耗稳定性的维修器材分类在装备维修器材保障领域，国内外研究大多根据维修器材的发生数量和频率，把维修器材区分为常用器材和不常用器材，常用维修器材消耗的数量比较大，消耗的频率比较高，消耗具有稳定性；不常用维修器材消耗的数量比较小，消耗的频率比较低，消耗具有不稳定性［３］㊂本文选定某典型装备为研究对象，通过把维修器材的消耗数据与消耗数据相结合，消耗数据与短缺数据相结合，中修与小修维修器材数据相结合，不同地区的同种装备维修器材进行统一研究㊂梳理采集的数据第３期指挥控制与仿真５１㊀信息，遴选有研究价值的代表性维修器材，确定必换件㊁易损易耗件和一般消耗件作为研究重点［４］㊂必换件是装备在中修过程中必须全部予以更换的维修器材，以中修过程中分解的密封件和紧塞件等㊁使用寿命与中修周期相近或大于中修周期但达不到大修周期的金属件为主，在一种装备上确定为必换件的共用器材在其他装备上原则上也应确定为必换件㊂易损易耗件是装备修理㊁维护经常消耗的维修器材，是平时保障工作的重点㊂为提高保障的时效性，一般对此部分器材和中修必换件采取成套供应，以满足维修保障的主要消耗㊂一般消耗件有一定消耗，但消耗量不大，具有消耗间断性强和消耗不稳定等特点，此部分维修器材重点在于预测消耗的准确性㊂在数据分析中发现，相当一部分维修器材的消耗是离散㊁不连续的，具有明显的间断性特点，因此，不能简单地运用数理统计和指数平滑法进行计算㊂为提高维修器材消耗预测的准确性，首先对装备维修器材予以分类㊂本文选用Ｓｙｎｔｅｔｏｓ提出的以平均消耗间隔ＡＤＩ和非零消耗值的变异系数ＣＶ为参照的消耗分类规则［５］，根据消耗数据的变化剧烈程度㊁消耗发生的间断性和消耗量稳定性，把重点研究的装备维修器材划分为稳定性消耗器材和不稳定消耗器材，其中不稳定消耗器材根据离散程度进一步细化为间断性消耗器材和 块状 消耗器材［６］㊂随着平均消耗间隔ＡＤＩ的增大，消耗发生的间断性趋于明显，当ＡＤＩ＞１ ３２时，消耗具有显著的间断性；非零消耗值的变异系数ＣＶ，反映消耗的变化剧烈程度，ＣＶＸ()＝σμ，μ为均值，σ为标准差，随着ＣＶＸ()的增大，消耗量趋于不稳定，当ＣＶＸ()＞０ ４９时，消耗具有显著的不稳定性㊂２㊀基于器材分类的消耗组合预测方法国内外学者提出㊁使用了诸多用于维修器材消耗的预测方法，如指数平滑法㊁森林回归㊁支持向量机法等［７⁃１４］，对维修器材消耗确定进行了研究，有的方法比较简单，考虑因素单一；有的建立的模型比较复杂，计算量很大，对装备使用单位和人员的实用性不强㊂组合预测方法根据不同器材的消耗特性采用不同的预测方法，对成套装备的维修器材采用多种不同的预测方法开展消耗预测㊂首先对经过预处理的维修器材消耗数据进行分类，可分为稳定性消耗器材和间断性消耗器材；然后在不同参数下，分别应用不同预测方法对各类维修器材的消耗量进行预测㊂２ １㊀典型装备稳定性消耗维修器材的消耗预测对于消耗间隔时间较短，消耗量保持相对稳定的装备维修器材，如反后坐装置的密封件等，历史数据表明，其平均消耗间隔ＡＤＩ＞１ ２５，对于此类维修器材，基于加权思想的指数平滑法能够较好预测其未来消耗量㊂当ＡＤＩ＜１ ２５时，可认为消耗量比较稳定，采用指数平滑法开展消耗预测㊂指数平滑法适合对数据稳定性强且历史数据多的器材，一次指数平滑法适合水平稳定，没有趋势和季节性的预测㊂通过跟踪数据变化，对最近消耗赋予较大权重，更好地反映消耗波动㊂该方法计算简单，只需少量历史数据和最小的数据存储要求；运行成本低，具自适应性，易于系统化和自动化㊂２ ２㊀典型装备不稳定消耗维修器材的消耗预测针对消耗并非连续的间歇性消耗的维修器材，即１ ２５＜ＡＤＩ＜１ ３２，且ＣＶＸ()＜０ ４９，器材消耗具有显著的间断性，有研究称其为间断性消耗器材，则适合采用Ｃｒｏｓｔｏｎ方法［１５］㊂在进行消耗预测时，先把器材的消耗量和０消耗之间的时间间隔分开为两个序列，即一个是备件消耗量的序列，另一个是备件消耗时间间隔序列㊂然后，采用平滑指数法分别对这两个数列的下一期的数值进行预测㊂首先弄清楚每一个非零值实际消耗之间的间隔周期；而后取对应的指数，通过规划求解得出最优值㊂令＾ｋｔ表示周期ｔ非零消耗平均间隔的平滑预测值；ｋｔ表示在周期ｔ开始时，距离最后一次非零消耗出现的时间间隔；＾ｓｔ表示周期ｔ非零消耗量的平滑预测值；ｄｔ表示周期ｔ的实际消耗㊂则Ｃｒｏｓｔｏｎ方法的预测过程如下：＾ｓｔ＋１＝＾ｓｔ，ｉｆｄｔ＝０１－α()＾ｓｔ＋αｄｔ，ｉｆｄｔ＞０{（１）＾ｋｔ＋１＝＾ｋｔ，ｉｆｄｔ＝０１－β()＾ｋｔ＋βｋｔ，ｉｆｄｔ＞０{（２）ＣＶｘ()＝σμ（３）式中，α和β为介于０和１之间的平滑系数㊂令＾ｘｔ＋１表示周期ｔ得到的消耗预测值，则Ｃｒｏｓｔｏｎ方法的预测结果：＾ｘｔ＋１＝＾ｓｔ＋１＾ｋｔ＋１㊂ＴＳＢ方法是对Ｃｒｏｓｔｏｎ方法的改进，该方法不预测非零消耗出现的间隔，而是预测出现非零消耗的概率㊂在每个时间段进行一次更新组合，以估计消耗发生的可能性㊂令＾ｐｔ表示在周期ｔ出现非零消耗的预测概率，ｐｔ为是否出现非零消耗的标志，即：ｐｔ＝１，如果周期ｔ有消耗０，否则{，其他符号定义与前面相同，则预测过程为５２㊀梁㊀辉，等：基于器材分类的维修器材消耗组合预测方法研究第４５卷＾ｓｔ＋１＝＾ｓｔ，ｉｆｄｔ＝０１－α()＾ｓｔ＋αｄｔ，ｉｆｄｔ＞０{（４）＾ｐｔ＋１＝１－β()＾ｐｔ＋βｐｔ（５）由此即可计算ｔ＋１周期的消耗量预测值为＾ｘｔ＋１＝＾ｐｔ＋１㊃＾ｓｔ＋１㊂ＳＢＡ方法主要用于对不常用器材的消耗预测㊂尽管Ｃｒｏｓｔｏｎ方法能获得比滑动平均法和指数平滑法更好的预测效果，但它是一种正偏预测，即倾向于放大消耗㊂为解决这一问题，Ｓｙｎｔｅｔｏｓ和Ｂｏｙｌａｎ在Ｃｒｏｓｔｏｎ方法的基础上提出了一种改进预测方法，即ＳＢＡ方法㊂ＳＢＡ方法中，对非零消耗量和非零消耗平均间隔的预测都与Ｃｒｏｓｔｏｎ方法相同，只是将预测结果的计算公式修改为＾ｘｔ＋１＝１－α２æèçöø÷＾ｓｔ＋１＾ｋｔ＋１（６）２ ３㊀结果验证为验证分析预测的精度，引用预测精度判别方法，本文根据典型装备维修器材的消耗预测值不大，避免正负值相互抵消而影响预测精度的实际需要，采用平均绝对值偏差ＭＡＤ来予以判断：ＭＡＤ＝ðｔｄｔ－ｘｔｎ（７）其中，ｎ为历史数据的周期数，ｄｔ为ｔ周期的实际消耗量，ｘｔ为周期ｔ的预测消耗量㊂２ ３ １㊀组合预测方法预测精度验证提取某型装备１００种代表性维修器材一个基数装备的平均年消耗数据，以四年的消耗数据作为基础，运用组合预测方法，按照器材分类采用不同的预测方法，如图１所示㊂图１㊀组合预测方法预测流程Ｆｉｇ １㊀Ｃｏｍｂｉｎａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇｍｅｔｈｏｄｆｏｒｅｃａｓｔｉｎｇｐｒｏｃｅｓｓ㊀㊀用组合预测方法预测第五年的消耗，与第五年实际消耗数据的比较可直观表示如图２㊂第３期指挥控制与仿真５３㊀㊀㊀结果显示，１００种维修器材预测值与实际消耗值极其相近，平均预测偏差为４ ８８％，且９４％的器材预测偏差小于１０％，对于所有的易损易耗件和一般消耗件，上述两个数据则为４ ９１％和９３ ５２％，所采用的组合预测方法能够反映维修器材的客观实际消耗，具有较高的消耗预测精度㊂图２㊀１００种维修器材预测值Ｆｉｇ ２㊀Ｐｒｅｄｉｃｔｅｄｖａｌｕｅｏｆ１００ｋｉｎｄｓｏｆｍａｉｎｔｅｎａｎｃｅｍａｔｅｒｉａｌｓ２ ３ ２㊀组合预测方法与单一预测方法预测比较通过４８组维修器材，验证组合预测方法与单一方法消耗预测的精度比较㊂１）灰色预测方法灰色预测就是要建立时轴上现在与未来的定量关系，通过此定量关系预测事物的发展，根据过去和现在已知的或非确定的信息，建立一个从过去引申到未来的ＧＭ模型，从而确定系统未来发展的变化趋势，为规划决策提供依据㊂它通过原始数据的处理和灰色模型的建立，发现㊁掌握系统发展规律，对系统的未来作出科学的定量预测，其中ＧＭ（１，１）是较为常用的数列预测模型，ＧＭ（１，１）模型的建立如下：①建立维修器材消耗原始数据序列：Ｘ０（ｔ）＝ｘ０（１），ｘ０（２）， ，ｘ０ｎ(){}（８）②对原始数据序列Ｘ０（ｔ）作１⁃ＡＧＯ变换，得一阶累加维修器材消耗数据序列：Ｘ１（ｔ）＝ｘ１（１），ｘ１（２），ｘ１（３）， ，ｘ１ｎ(){}（９）其中，ｘ１（ｔ）＝ðｔｉ＝１ｘ０ｉ()㊂ρ（ｔ）＝ｘ０（ｔ）ｘ１ｔ－１()（１０）若原始数据序列Ｘ０（ｔ）满足：ρｔ＋１()ρ（ｔ）＜１，ρ（ｔ）ɪ０，０ ５()，则称Ｘ０（ｔ）为准光滑序列㊂可以证明，若Ｘ０（ｔ）为准光滑序列，其一阶累加生成序列具有指数规律㊂③求参数列：＾ａ＝ａ，ｕ[]Ｔ＝ＢＴＢ()－１ＢＴＹＮ（１１）其中，Ｂ＝－１２ｘ１（１）＋ｘ１（２）[]１－１２ｘ１（２）＋ｘ１（３）[]１︙︙－１２ｘ１ｎ－１()＋ｘ１ｎ()[]１éëêêêêêêêêêùûúúúúúúúúúＹＮ＝ｘ０（２），ｘ０（３）， ，ｘ０（ｎ）[]Ｔ④建立ＧＭ（１，１）模型：ｄｘ（１）ｄｔ＋ａｘ（１）＝ｂ（１２）⑤构建预测模型㊂将参数向量代入ＧＭ（１，１）模型，求解时间响应：＾ｘ（１）ｔ＋１()＝ｘ０（１）－ｂ／ａ[]ｅｘｐ－ａｔ()＋ｂ／ａ（１３）５４㊀梁㊀辉，等：基于器材分类的维修器材消耗组合预测方法研究第４５卷⑥建立还原模型：＾ｘ（０）（ｔ）＝＾ｘ（１）（ｔ）－＾ｘ（１）ｔ－１()（１４）⑦模型精度检验㊂求出预测值后，还要对预测模型的精度进行检验，预测模型精度由方差比Ｃ和小误差概率Ｐ控制，其计算公式为：Ｃ＝Ｓ２Ｓ１（１５）Ｐ＝ｑ（０）（ｔ）－ ｑ（０）{}（１６）其中：Ｓ１＝１ｎðｎｉ＝１ｘ（０）（ｔ）－１ｎðｎｉ＝１ｘ（０）（ｔ）éëêêùûúú２Ｓ２＝１ｎðｎｉ＝１ｑ（０）（ｔ）－ ｑ（０）[]２ｑ（０）（ｔ）＝ｘ（０）（ｔ）－＾ｘ（０）（ｔ）ｑ（０）＝１ｎðｎｉ＝１ｑ（０）（ｔ）式中，Ｓ１为原始数据序列的均方差，Ｓ２为残差的均方差㊂Ｃ和Ｐ的精度等级按表１来判断，取Ｐ和Ｃ所确定等级的大者为模型精度等级㊂表１㊀模型精度等级Ｔａｂ １㊀Ｍｏｄｅｌａｃｃｕｒａｃｙｌｅｖｅｌ等级ＰＣⅠ＞０ ９５＜０ ３５Ⅱ＞０ ８０＜０ ４５Ⅲ＞０ ７０＜０ ５０Ⅳɤ０ ７０ȡ０ ６５㊀２）移动平均法移动平均法是对时间序列的各期数据进行逐项移动，依次重叠，求出包含一定项数的时序平均数，并形成一个时序平均数的时间序列，以此进行预测的一种方法，是常用的预测方法之一㊂假设有时间序列ｄ１，ｄ２， ，ｄｔ， ，以＾ｓｔ＋１表示为第（ｔ＋１）期的预测值，可得预测模型：＾ｓｔ＋１＝ｄｔ＋ｄｔ－１＋ ｄｔ－ｎ＋１ｎ（１７）式中：ｎ为移动平均期数，ｎ取值越大，平滑作用就越强㊂移动平均法可以消除由于偶然因素引起的不规则变动，同时保留了原时间序列的波动规律㊂显然，简单的移动平均法只适合于水平样式的数据，如果历史数据中存在明显的上升或下降趋势，那么这种方法是不适用的㊂３）指数平滑法指数平滑法是当前产生平滑时间序列的一种比较流行的方法，也是画拟合曲线的一种方法，同时还可以对将来进行预测㊂实际上它是一种特殊的加权移动平均法，其特点：对离预测期最近的观察值，给予最大的权数，而对离预测期渐远的观察值给予递减的权数；对较早期的观察值不是一概不予考虑，而是给予递减的权数，这样按照 近大远小 的原则，赋予观测值不同的权重，既充分利用了以前各期观测值的信息，又突出了近期数据的影响，能够及时跟踪反映维修器材消耗量的最新变化㊂在移动平均法中，对每个数据赋予相同的权重，而指数平滑可以根据参数对数据赋予不同的权重，这样可获得更好的拟合曲线和预测结果㊂单指数平滑法（ＳｉｎｇｌｅＥｘｐｏｎｅｎｔｉａｌＳｍｏｏｔｈｉｎｇ，ＳＥＳ）是常用的，也是最简单的一种指数平滑法，其具有一个平滑参数α，用ｄｔ表示周期ｔ的实际消耗，＾ｓｔ表示周期ｔ的平滑预测值㊂则该方法具体预测公式如下：＾ｓｔ＋１＝１－ａ()＾ｓｔ＋ａｄｔ（１８）初始化：单指数平滑的起始平滑点是＾ｓ２，一般有两种方法进行初始化＾ｓ２，一种方法是＾ｓ２＝ｄ１，另一种方法是取实际点的前四个或五个的平均值㊂本文选取前一种方法进行初始化，即＾ｓ２＝ｄ１㊂取值范围：０＜αɤ１，ｔȡ３，本文其他预测方法中α㊁ｔ取值范围相同㊂确定平滑参数α是该方法最重要的地方，α的取值会显著影响平滑效果，实际应用中，一般取多个α进行试算比较，选择预测误差最小的α值㊂各种预测方法的消耗预测结果与实际消耗数据一致性情况：移动平均法１２项，指数平滑法１８项，Ｃｒｏｓｔｏｎ方法１８项，ＳＢＡ方法１９项，ＴＳＢ方法２０项，灰色预测法２２项，组合预测方法３１项㊂为说明不同维修器材类型采用不同预测方法的必要性，表２给出了应用组合预测方案以及对所有维修器材分别采用一种预测方法所得到的相应结果㊂由该表可以看出，组合预测方案的预测精度都明显优于各种独立预测方法㊂３㊀结束语装备维修器材保障一直是影响现代装备效益生成的重要因素，在平时保证装备完好性方面的作用日益凸显㊂本文提出的基于器材分类的维修器材消耗组合预测方法，提升了不同种类维修器材消耗预测的精度，为开展装备维修器材的筹措和供应提供了参考㊂㊀第３期指挥控制与仿真５５表２㊀不同方法对比预测结果Ｔａｂ ２㊀Ｃｏｍｐａｒｉｓｏｎｏｆｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｂｙｄｉｆｆｅｒｅｎｔｍｅｔｈｏｄｓ序号器材件号移动平均法指数平滑法Ｃｒｏｓｔｏｎ法ＳＢＡ法ＴＳＢ法灰色预测法组合预测法实际结果１∗∗０１２３３１２３３３２∗∗０２２３２２２０２０３∗∗０３１１００００００４∗∗０４３３２２２３３４５∗∗０５４４３３４４４５６∗∗０６１１１０１２００７∗∗０７２４２２２５５６８∗∗０８２２４２５４４０９∗∗０９８５４４４４４１０１０∗∗１０５３４４３６４６１１∗∗１１８６７５７５５４１２∗∗１２１１００００００１３∗∗１３５６５４６５５４１４∗∗１４００００１０００１５∗∗１５１０１１００００１６∗∗１６１０２１１１２２１７∗∗１７００００１０１１１８∗∗１８１０１１１０１２１９∗∗１９１１００１０００２０∗∗２０１１１１１１１１２１∗∗２１５４３２３３３２２２∗∗２２１３１０７７７１０１０１０２３∗∗２３１２１２１１５１１９９８２４∗∗２４２２１１１１１３２５∗∗２５１１１１６０６６２６∗∗２６０００００００２７∗∗２７２２１１１２２２２８∗∗２８０１００００００２９∗∗２９６３３３３４３１０３０∗∗３０１１１００１００３１∗∗３１２１４１００４５３２∗∗３２１０１１００００３３∗∗３３２１２２０１００３４∗∗３４２２２２３２２２３５∗∗３５００００００００３６∗∗３６２２１１１２１１３７∗∗３７２０１１１０１０３８∗∗３８１００１１１００３９∗∗３９１０１１１２１１４０∗∗４０２２１１１２２２４１∗∗４１１１１１００００４２∗∗４２２０１１０２１１４３∗∗４３３３３２２３３４４４∗∗４４００００００００４５∗∗４５００００００００４６∗∗４６００００００００４７∗∗４７１０１１０１００４８∗∗４８１０１１０１００５６㊀梁㊀辉，等：基于器材分类的维修器材消耗组合预测方法研究第４５卷参考文献：［１］㊀刘铁林．信息化条件下装备保障力生成模式：信息化条件下装备保障力生成模式转变研究［Ｍ］．北京：解放军出版社，２０１８．ＬＩＵＴＬ．Ｇｅｎｅｒａｔｉｏｎｍｏｄｅｏｆｅｑｕｉｐｍｅｎｔｓｕｐｐｏｒｔｆｏｒｃｅｕｎｄｅｒｔｈｅｃｏｎｄｉｔｉｏｎｏｆｉｎｆｏｒｍａｔｉｚａｔｉｏｎ：ｒｅｓｅａｒｃｈｏｎｔｈｅｔｒａｎｓｆｏｒｍａｔｉｏｎｏｆｇｅｎｅｒａｔｉｏｎｍｏｄｅｏｆｅｑｕｉｐｍｅｎｔｓｕｐｐｏｒｔｆｏｒｃｅｕｎｄｅｒｔｈｅｃｏｎｄｉｔｉｏｎｏｆｉｎｆｏｒｍａｔｉｚａｔｉｏｎ［Ｍ］．Ｂｅｉｊｉｎｇ：ＴｈｅＰｅｏｐｌｅ ｓＬｉｂｅｒａｔｉｏｎＡｒｍｙＰｒｅｓｓ，２０１８．［２］㊀张连武，赵方庚，陈学军．美军装备备件需求预测应用现状及启示［Ｊ］．兵工自动化，２０１３，３２（７）：３４⁃３７．ＺＨＡＮＧＬＷ，ＺＨＡＯＦＧ，ＣＨＥＮＸＪ．Ａｐｐｌｉｃａｔｉｏｎａｃｔｕ⁃ａｌｉｔｙａｎｄｉｎｓｐｉｒａｔｉｏｎｏｆｅｑｕｉｐｍｅｎｔｓｐａｒｅｐａｒｔｓｄｅｍａｎｄｆｏｒｅ⁃ｃａｓｔｉｎｇｉｎＵＳａｒｍｙ［Ｊ］．ＯｒｄｎａｎｃｅＩｎｄｕｓｔｒｙＡｕｔｏｍａｔｉｏｎ，２０１３，３２（７）：３４⁃３７．［３］㊀任喜，毕鹏，张晓斐．基于需求特性的备件分类模型研究［Ｊ］．舰船电子工程，２０１７，３７（４）：７４⁃７６，９２．ＲＥＮＸ，ＢＩＰ，ＺＨＡＮＧＸＦ．Ｃｌａｓｓｉｆｉｃａｔｉｏｎｍｏｄｅｌｓｏｆｓｐａｒｅｐａｒｔｓｂａｓｅｄｏｎｄｅｍａｎｄｃｈａｒａｃｔｅｒｉｓｔｉｃｓ［Ｊ］．ＳｈｉｐＥ⁃ｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，２０１７，３７（４）：７４⁃７６，９２．［４］㊀高崎．军械维修器材管理学［Ｍ］．北京：国防工业出版社，２０１２．ＧＡＯＱ．Ｏｒｄｎａｎｃｅｍａｉｎｔｅｎａｎｃｅｍａｔｅｒｉａｌｓｍａｎａｇｅｍｅｎｔ［Ｍ］．Ｂｅｉｊｉｎｇ：ＮａｔｉｏｎａｌＤｅｆｅｎｓｅＩｎｄｕｓｔｒｙＰｒｅｓｓ，２０１２．［５］㊀ＳＹＮＴＥＴＯＳＡＡ，ＢＯＹＬＡＮＪＥ，ＣＲＯＳＴＯＮＪＤ．Ｏｎｔｈｅｃａｔｅｇｏｒｉｚａｔｉｏｎｏｆｄｅｍａｎｄｐａｔｔｅｒｎｓ［Ｊ］．ＪｏｕｒｎａｌｏｆｔｈｅＯｐｅｒ⁃ａｔｉｏｎａｌＲｅｓｅａｒｃｈＳｏｃｉｅｔｙ，２００５，５６（５）：４９５⁃５０３．［６］㊀张瑞．不常用备件需求预测模型与方法研究［Ｄ］．武汉：华中科技大学，２０１１．ＺＨＡＮＧＲ．Ｒｅｓｅａｒｃｈｏｎｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｓａｎｄｍｅｔｈｏｄｓｏｆｒａｒｅｌｙｕｓｅｄｓｐａｒｅｐａｒｔｓ ｄｅｍａｎｄ［Ｄ］．Ｗｕｈａｎ：ＨｕａｚｈｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０１１．［７］㊀ＰＲＥＳＴＷＩＣＨＳＤ，ＴＡＲＩＭＳＡ，ＲＯＳＳＩＲ，ｅｔａｌ．Ｆｏｒｅ⁃ｃａｓｔｉｎｇｉｎｔｅｒｍｉｔｔｅｎｔｄｅｍａｎｄｂｙｈｙｐｅｒｂｏｌｉｃ⁃ｅｘｐｏｎｅｎｔｉａｌｓｍｏｏｔｈｉｎｇ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＦｏｒｅｃａｓｔｉｎｇ，２０１４，３０（４）：９２８⁃９３３．［８］㊀黄国兴，曹先怀，钱晓飞．一种基于随机森林的备件预测模型研究［Ｊ］．运筹与管理，２０２１，３０（１０）：１６５⁃１６８．ＨＵＡＮＧＧＸ，ＣＡＯＸＨ，ＱＩＡＮＸＦ．Ｒｅｓｅａｒｃｈｏｎｓｐａｒｅｐａｒｔｓｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎｒａｎｄｏｍｆｏｒｅｓｔ［Ｊ］．Ｏｐｅｒａ⁃ｔｉｏｎｓＲｅｓｅａｒｃｈａｎｄＭａｎａｇｅｍｅｎｔＳｃｉｅｎｃｅ，２０２１，３０（１０）：１６５⁃１６８．［９］㊀董琪，赵建忠，隋江波，等．基于支持向量机的备件需求预测研究［Ｊ］．计算机与数字工程，２０２０，４８（３）：５０９⁃５１２，５８５．ＤＯＮＧＱ，ＺＨＡＯＪＺ，ＳＵＩＪＢ，ｅｔａｌ．Ｏｐｔｉｍｉｚａｔｉｏｎｏｆｔｗｏ⁃ｅｃｈｅｌｏｎｊｏｉｎｔｉｎｖｅｎｔｏｒｙｂａｓｅｄｏｎａｌｌｏｃａｔｉｏｎｓｃｈｅｍｅｓ［Ｊ］．Ｃｏｍｐｕｔｅｒ＆ＤｉｇｉｔａｌＥｎｇｉｎｅｅｒｉｎｇ，２０２０，４８（３）：５０９⁃５１２，５８５．［１０］任敏，陈全庆，沈震．备件供应学［Ｍ］．北京：国防工业出版社，２０１３．ＲＥＮＭ，ＣＨＥＮＱＱ，ＳＨＥＮＺ．Ｓｐａｒｅｐａｒｔｓｓｕｐｐｌｙｓｃｉｅｎｃｅ［Ｍ］．Ｂｅｉｊｉｎｇ：ＮａｔｉｏｎａｌＤｅｆｅｎｓｅＩｎｄｕｓｔｒｙＰｒｅｓｓ，２０１３．［１１］刘慎洋．军械装备维修器材消耗预测方法研究［Ｄ］．石家庄：军械工程学院，２０１５．ＬＩＵＳＹ．Ｒｅｓｅａｒｃｈｏｎｔｈｅｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｏｆｍａｉｎｔｅｎａｎｃｅｍａｔｅｒｉａｌｓｃｏｎｓｕｍｐｔｉｏｎｏｆｏｒｄｎａｎｃｅｅｑｕｉｐｍｅｎｔ［Ｄ］．Ｓｈｉｊｉａｚｈｕａｎｇ：ＯｒｄｎａｎｃｅＥｎｇｉｎｅｅｒｉｎｇＣｏｌｌｅｇｅ，２０１５．［１２］王铁宁，朱域，陈晓晨．基于灰色加权马尔科夫的备件消耗预测［Ｊ］．北京，装甲兵工程学院学报，２０１５，２９（３）：８⁃１３．ＷＡＮＧＴＮ，ＺＨＵＹ，ＣＨＥＮＸＣ．ＰｒｅｄｉｃｔｉｏｎｏｆｓｐａｒｅｐａｒｔｓｃｏｎｓｕｍｐｔｉｏｎｂａｓｅｄｏｎｇｒｅｙｗｅｉｇｈｔｅｄＭａｒｋｏｖｍｏｄｅｌ［Ｊ］．Ｂｅｉｊｉｎｇ：ＪｏｕｒｎａｌｏｆＡｒｍｏｒｅｄＣｏｒｐｓＥｎｇｉｎｅｅｒｉｎｇＣｏｌ⁃ｌｅｇｅ，２０１５，２９（３）：８⁃１３．［１３］张磊，李世民，康淑瑰，等．基于ＡＰ⁃ＳＶＭ模型的装备维修器材需求预测方法［Ｊ］．海军工程大学学报，２０２２，３４（１）：３２⁃３６，７４．ＺＨＡＮＧＬ，ＬＩＳＭ，ＫＡＮＧＳＧ，ｅｔａｌ．Ｅｑｕｉｐｍｅｎｔｍａｉｎ⁃ｔｅｎａｎｃｅｍａｔｅｒｉａｌｄｅｍａｎｄｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎＡＰ⁃ＳＶＭｍｏｄｅｌ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｖａｌＵｎｉｖｅｒｓｉｔｙｏｆＥｎｇｉｎｅｅｒｉｎｇ，２０２２，３４（１）：３２⁃３６，７４．［１４］裴帅，王铁宁，陈春良．基于ＢＰ神经网络的装备器材需求预测模型［Ｊ］．装甲兵工程学院学报，２００８，２２（３）：２６⁃２８．ＰＥＩＳ，ＷＡＮＧＴＮ，ＣＨＥＮＣＬ．Ｅｑｕｉｐｍｅｎｔｍａｔｅｒｉａｌｄｅ⁃ｍａｎｄｆｏｒｅｃａｓｔｍｏｄｅｌｂａｓｅｄｏｎＢＰＮＮ［Ｊ］．ＪｏｕｒｎａｌｏｆＡ⁃ｃａｄｅｍｙｏｆＡｒｍｏｒｅｄＦｏｒｃｅＥｎｇｉｎｅｅｒｉｎｇ，２００８，２２（３）：２６⁃２８．［１５］ＣＲＯＳＴＯＮＪＤ．Ｆｏｒｅｃａｓｔｉｎｇａｎｄｓｔｏｃｋｃｏｎｔｒｏｌｆｏｒｉｎｔｅｒｍｉｔ⁃ｔｅｎｔｄｅｍａｎｄｓ［Ｊ］．ＪｏｕｒｎａｌｏｆｔｈｅＯｐｅｒａｔｉｏｎａｌＲｅｓｅａｒｃｈＳｏ⁃ｃｉｅｔｙ，１９７２，２３（３）：２８９⁃３０３．（责任编辑：许韦韦）。
基于消耗规律的装备维修备件保障工作效能评估
基于消耗规律的装备维修备件保障工作效能评估发布时间：2023-01-15T14:05:05.764Z 来源：《科技新时代》2022年16期作者：姜鹏1 荣祥胜2 刘慎洋2 [导读] 本文论证了开展装备维修备件消耗规律研究的必要性姜鹏1 荣祥胜2 刘慎洋21.陆军工程大学野战工程学院，江苏南京 2100002.空军勤务学院，江苏徐州 221000摘要：本文论证了开展装备维修备件消耗规律研究的必要性，针对影响装备维修备件消耗规律的各类因素进行分析，建立了装备维修备件消耗规律数学模型。
然后进一步给出了基于消耗规律的装备维修备件保障工作效能评估指标体系，并建立了基于消耗规律的装备维修备件保障工作效能评估模型，从而为开展装备维修备件保障工作效能评估提供了一种科学的方法。
关键词：消耗规律；装备维修备件；保障工作效能；评估指标体系；评估方法1 引言装备维修备件消耗是指在一定时间内、一定条件下、一定数量装备，使装备保持规定状态所使用的维修备件的品种和数量[1]。
实践证明，装备维修备件消耗对备件的筹措、储存、供应和管理等各个环节都将产生重要的影响。
国内外学者在备件消耗预测方面进行了深入的研究，并取得了丰硕的成果。
目前装备维修备件消耗预测常使用的方法主要有指数平滑法、灰色预计法、回归分析法和人工神经网络等[2-3]。
以上方法均有一定的适用范围，本文结合建制单位装备维修备件保障工作实际，充分考虑影响装备维修备件的各种因素，给出一种的新的装备维修备件消耗规律数学模型。
依据该模型可以更为精确的掌握维修备件消耗情况，从而能够更为科学的开展装备维修备件保障工作。
只有掌握了维修备件消耗规律，并给出科学的装备维修备件保障工作评估方法，查找保障工作各个环节的问题不足，进一步制定装备维修备件保障工作的改进方案或采取相应措施，才能有效提高装备维修备件筹措工作效能、存储工作效能和供应工作效能，从而全面提升装备维修备件保障工作的整体效能。
装备器材消耗预测研究综述
[收稿日期]2021-06-27[基金项目]军内科研项目[作者简介]李东京（1997-），男，山东聊城人，硕士研究生，研究方向：物流与供应链管理；秦智勇（1984-），男，黑龙江拜泉人，助理工程师，研究方向：装备保障；王兵（1975-），男，湖南岳阳人，硕士，副教授，研究方向：物流与供应链管理；薛驰（1991-），男，辽宁沈阳人，硕士研究生，研究方向：军事采购。
doi:10.3969/j.issn.1005-152X.2021.11.027装备器材消耗预测研究综述李东京1，秦智勇2，王兵1，薛驰1（1.陆军装甲兵学院，北京100071；2.陆军装备部，北京100071）[摘要]引入流程管理理念，将器材消耗预测流程分为明确器材类型、收集分析数据和信息、预测方法选择与建模、模型求解、分析评估预测结果和应用6个阶段，对每个流程的研究现状进行系统梳理和总结，找出当前器材消耗预测研究的热点和薄弱环节，并在此基础上指出下一步发展方向，为装备器材保障工作提供参考。
[关键词]流程管理；装备器材；消耗预测[中图分类号]E233[文献标识码]A [文章编号]1005-152X(2021)11-0147-06Review of Literature on Forecasting of Equipment Supplies ConsumptionLI Dongjing 1,QIN Zhiyong 2,WANG Bing 1,XUE Chi 1(1.Ground Force Armored Force Engineering Institute,Beijing 100071,China;2.Army Equipment Department,Beijing 100071,China)Abstract:In this paper,we introduced in the concept of process management,and divided the supplies consumption forecasting process into six links,namely defining supplies type,collecting and analyzing data and information,forecasting method selection and modeling,model solving,analysis and evaluation of forecast results,and application.Then,by systematically sorting out and summarizing the research status of each link,we identified the hotspots and weak points in the current researches on equipment supplies consumption forecasting,and on this basis,projected the next stage of development in this field.Keywords:process management;equipment supplies;consumption forecasting0引言装备器材（简称器材）是用于装备维修所需的各种备件和原材料的总称，是实施装备维修的重要物质基础。
一种用于装备维修器材消耗预测的灰色残差修正模型
一种用于装备维修器材消耗预测的灰色残差修正模型
赵平;刘宝平;黄栋
【期刊名称】《四川兵工学报》
【年(卷),期】2014(035)005
【摘要】装备维修器材的使用管理过程中常受多方面因素影响,致使器材消耗量数据离散程度较大,现有的灰色预测方法难以有效处理.为此,提出了一种灰色-马尔柯夫残差修正器材消耗模型,通过消除传统方法对残差信息的掩盖性来获得更精准的预测结果.将该模型应用于某型舰船的某种维修器材消耗量预测,预测精度有了较明显提高,并较真实地反映了维修器材的消耗规律.
【总页数】4页(P62-65)
【作者】赵平;刘宝平;黄栋
【作者单位】海军工程大学装备经济管理系,武汉430033;海军工程大学装备经济管理系,武汉430033;海军工程大学装备经济管理系,武汉430033
【正文语种】中文
【中图分类】TJ760
【相关文献】
1.基层级雷达装备维修器材消耗预测模型研究 [J], 李彦;宋宁哲;王盛超;刘继斌
2.基于SD的战时装备维修器材消耗预测模型 [J], 赵美;王海丹;王立欣
3.基于灰色理论的火炮维修器材消耗预测模型 [J], 刘琼;段亦彬
4.基于改进灰色预测模型的军械维修器材消耗预测方法 [J], 张书君;赵建忠;张慧武;丁广兵
5.基于乘法预测模型的装备维修器材消耗规律研究 [J], 张良华;邵卫东;赵军;刘志龙;姜晓佳
因版权原因，仅展示原文概要，查看原文内容请购买。
装备维修费标准估算方法研究柳东方黄飞孙允红邹明虎
装备维修费标准估算方法研究柳东方黄飞孙允红邹明虎发布时间：2022-02-26T08:23:33.584Z 来源：《基层建设》2021年30期作者：柳东方黄飞孙允红邹明虎[导读] 深入分析了国内外关于装备维修费标准估算方法的理论研究陆军勤务学院摘要：深入分析了国内外关于装备维修费标准估算方法的理论研究，重点分析了工程法、参数法、类比法、专家法等不同费用估算方法的本质区别和应用特点，着重研究了各类估算方法的约束条件、适用原则和估算精度，并以工程法为实例进行了装备维修费标准估算的推演，对某型号装备维修费标准建立了估算模型。
关键词：装备，维修费，标准，估算方法装备维修费标准是衡量装备可靠性、可维修性的重要标尺，是反映装备维修保养经济性的关键指标，越来越被各类装备研制、生产和使用单位所关注。
开展装备维修费标准估算方法研究，对装备全系统全寿命周期费用估算，特别是装备使用阶段维修费用成本的估算具有重要现实意义，对加强企业经济成本运营和装备维修费用管理具有积极的促进作用。
一、国外关于装备维修费标准估算的相关研究美国是最早开展装备寿命周期费用（life cycle cost，LCC）估算研究的，在20世纪60年代实施的规划—计划—预算系统（PPBS）中，进行了费用估算方法研究。
20世纪70年代英国学者D.Parkes也开展了LCC研究。
20世纪90年代以后LCC方法在国际上广泛应用，并纳入了国际标准。
关于费用的估算方法，最早从1967年开始，美国兰德(RAND)公司就进行了研究，先后提出了费用估算关系式（CER）、费用学习曲线等，建立了较为简单且被广泛应用的参数费用模型。
同时，美国学者Copper和Kaplan提出了成本计算理念（Activity-based Costing，ABC）。
20世纪80年代以后，一些新的费用估算方法被研究和应用。
1992年，Vapnik在VC维理论和结构风险最小化原理基础上创立了基于支持向量机预测法，它在样本信息有限的条件下能够通过学习机器在复杂模型中获得全局最优解。
装备维修器材平时消耗预测方法研究
装备维修器材平时消耗预测方法研究赵美;史宪铭;徐健昆;朱城源【摘要】基于装备维修器材平时消耗的影响因素分析,建立了装备维修器材消耗的因果关系模型和系统动力学模型.针对不同故障率情况,分析所生成的器材消耗预测数据,并与实际数据相比较,验证了模型的适用性和方法的可行性,为科学预测装备维修器材消耗、做好维修器材保障工作提供了新的方法指导.【期刊名称】《物流科技》【年(卷),期】2014(037)006【总页数】3页(P111-113)【关键词】系统动力学;维修器材;消耗预测;平时【作者】赵美;史宪铭;徐健昆;朱城源【作者单位】军械工程学院,河北石家庄050003;军械工程学院,河北石家庄050003;77256部队,云南昆明650224;77256部队,云南昆明650224【正文语种】中文【中图分类】E2410 引言维修器材在部队装备保障工作中占有十分重要的位置，是平时保证装备良好战备状态，战时保持和恢复装备战斗力的重要因素[1]。
无论平时还是战时，装备的使用和维修都需要大量的维修器材。
而随着新时期我军建设和发展目标的变化，以及高新技术和信息技术的应用，武器装备愈来愈复杂，导致所需维修器材品种急剧增加。
再加上器材使用情况复杂、消耗数据收集困难，造成装备维修器材消耗难以精确计算、器材消耗规律难于把握。
因此，通过科学的方法确定装备维修所需器材的品种和数量，研究装备损坏和器材消耗规律，是做好装备维修器材管理的关键问题，也是提高装备完好率的重要保障。
传统的器材消耗预测方法主要将重点放在微观层面对具体的器材消耗量的计算上，存在着所需样本数据量大、影响因素考虑较少、计算复杂，所构建模型不能反映器材消耗的动态变化情况等不足[2-3]，因此本文选择具有“战略和策略实验室”[4]美称的系统动力学（System Dynamics，SD）方法，按照对影响因素宏观把握和微观分析的基本思想，通过建立器材消耗预测的系统动力学模型，研究器材消耗的规律性，为做好装备维修器材的战备储备和平时保障工作提供方法支撑和科学指导。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
车辆装备维修器材消耗预测方法研究作者：朱倩倩
来源：《价值工程》2020年第26期
摘要：本文运用移动平均数法和贝叶斯方法对车辆装备维修器材消耗规律进行了探索研究，针对不同消耗规律数据进行预测，丰富了车辆装备维修器材消耗预计的思路和方法。
下一
步可着手开发维修器材数据分析和消耗预测的软件和系统，实现数据的自动化处理，提高预测工作效率。
关键词：移动平均数法;贝叶斯方法;车辆装备;维修器材;消耗
Abstract： In this paper， the consumption law of vehicle maintenance materials was studied by moving average method and Bayesian Method. According to the different consumption law data， the prediction was carried out. It enriches the ideas and methods of vehicle maintenance materials consumption. In the next step， we can start to develop software for data analysis and consumption prediction of maintenance materials， improve the efficiency of forecasting work by automating data processing.
0; 引言
车辆装备维修器材消耗规律是维修器材管理工作的核心和基础，维修器材消耗量预测的准确与否直接关系到维修器材筹措、申请和供应等活动的科学性，关系到维修器材保障效益，因此必须对维修器材消耗规律进行探索，对消耗量进行科学预测。
针对部队进行维修器材保障工作以历史经验和维修器材相关消耗标准为主要依据造成的维修器材积压与短缺严重、保障效益低等问题，运用装备保障、维修器材管理学、维修工程、统计学等理论，立足于车辆装备维修保障体制，依托可得的消耗数据，对维修器材消耗规律进行深入研究具有重要的意义[1]。
维修器材消耗数据是维修器材消耗规律的外在表现和直接反映，研究维修器材消耗规律可以从维修器材消耗数据入手。
但是，维修器材品种众多，消耗影响因素复杂，因此，可得到的用于研究维修器材消耗情况的消耗数据也不尽相同。
为此，在广泛调研和收集资料的基础上，总结归纳得出消耗数据类型，并给出了相应的数据分析和处理方法[2]。
不同的方法和模型，有着不同的特点和适用条件。
因此，对不同类型的消耗数据，对消耗数据呈现出的不同特点，很难用一个统一的标准和模型来解决所有的维修器材消耗预测问题。
为此，运用了多种方法和模型对维修器材消耗预测进行研究，解决了维修器材消耗预测的问题，实现了消耗数据与预测方法的对应。
1; 器材消耗模型
1.1 移动平均数法
装备每年在基层单位正常训练过程中，有些单元发生故障后要进行换件修理，这样就产生了检修消耗数据。
表1给出了某型车辆历年检修时消耗火花塞的统计数据。
20台车辆保障训练、每年保障时间为0.5年时，火花塞检修消耗数据。
尝试使用移动平均数法对下一年火花塞检修消耗数量。
移动平均数法中的“平均”是取预测对象的时间序列中最近一组实际值（或历史数据）的算术平均值，其中的“移动”是指参与平均的实际值随预测期的推进而不断更新，可以简单地推导出移动平均数法的计算公式。
移动平均数序列与原时间序列相比，前者比后者平滑，它是滤除了原序列的某些干扰后的结果，因此更能体现出原序列的趋势变化。
按趨势递推原理，以xt作为t+1期检修消耗的预测值，即
移动平均数法对时间序列中数据变化的反映速度及对干扰的修匀能力，取决于N的值。
随着N的减小，移动平均数法对时间序列数据变化的反映敏感性增加，但修匀能力下降;而N 增大，移动平均数法对时间序列数据变化的反映敏感性减小，但对时间序列的修匀能力却上升。
所以移动平均数法的修匀能力与时间序列数据变化的敏感性是矛盾的，两者不可兼得，因此在确定N的时候，一定要根据时间序列的特点来确定[3]。
1.2 贝叶斯方法
车辆装备在等级维修过程中，有些单元要进行换件修理，这样就产生了等级维修消耗数据。
设D=（t1，t2，…，tn）表示车辆维修器材消耗样本数据，π（t）是车辆维修器材消耗的先验分布概率密度函数，π（t|D）表示车辆维修器材消耗的后验分布概率密度函数，f（t）为通过车辆维修器材消耗样本数据D=（t1，t2，…，tn）而获取的车辆维修器材消耗样本分布概率密度函数。
在连续条件下，车辆维修器材消耗的后验分布概率密度函数π（t|D）为[4]
其中，a和b分别为t取值范围的上限值与下限值。
可以看出，器材消耗的后验分布概率密度函数与先验分布概密度函数和样本分布概率密度函数的乘积成正比。
2; 示例分析
【例1】以表1中某型车辆历年检修时消耗火花塞的统计数据为例，已知2020年装备实力为26台，训练时间为0.4年。
试用移动平均数法预测2020年的火花塞消耗。
年20台车辆保障、每年保障时间为0.5年时，火花塞检修消耗数据，如表2所示。
通过计算可知，当N=3时，用移动平均数法预计2020年20台车辆保障、每年保障时间0.5年消耗火花塞数量为35.17，当N=4时，用移动平均数法预计2020年20台车辆保障、每年保障时间为0.5年的火花塞消耗数量为36.38。
由于2020年车辆实力为26，保障时间为0.4年，所以，当N=3时，用移动平均数法预计2020年车辆检修时消耗火花塞数量为;当N=4时，用移动平均数法预计2020年车辆检修时消耗火花塞数量为。
由表2中所列的结果看来，由移动平均数法计算后所得到的新数列，其数据起伏波动的范围变小了。
移动平均数法有较好的抗干扰能力，可以在一定程度上描述时间序列变化的趋势。
移动平均数法，使用起来比较简单，但是由于受加入平均值之中的前面年份火花塞消耗数据的影响，预测结果会出现滞后偏差，如果近期内情况变化发展较快，利用移动平均数法预测就不太适宜。
这是由于一次移动平均数法对分段内部的各数据同等对待，而没有强调近期数据对预测值的影响。
【例2】已知某部队车辆装备在2020年定期维修时发动机空气过滤器的消耗情况。
通过判断，该部队消耗发动机空气过滤器的样本分布函数类型为三角形分布，参数为τ1=6，
τ2=12，τ0=8。
同时，对其它单位消耗发动机空气过滤器的数据进行组合，得到该部队消耗发动机空气过滤器的先验分布函数类型仍为三角形分布，参数为τ1=6，τ2=12，τ0'=8。
当先验分布、样本分布均由2个空间构成时，其示意图如图1所示。
试运用贝叶斯理论，判断该部队2020年消耗发动机空气过滤器的后验分布，并对2020年车辆装备定期维修时发动机空气过滤器消耗进行预计。
可以看出，2020年6月～8月发动机空气过滤器的消耗单调递增，变化速率较快;8月～9月发动机空气过滤器的消耗仍为单调递增，但变化速率逐渐趋于平缓;9月～12月发动机空气过滤器的消耗单调递减，一开始下降速率较快，到后期趋于平缓。
依据2020年发动机空气过滤器消耗后验分布，还可以确定任意时间段发动机空气过滤器消耗的比例，这样可以实现发动机空气过滤器的精确化保障。
3; 结束语
本文运用移动平均数法和贝叶斯方法对车辆装备维修器材消耗规律进行了探索研究，针对不同消耗规律模型进行验证，丰富了车辆装备维修器材消耗预计的思路和方法。
本文选用的模型复杂程度、预测精度、工作量各不相同，下一步应该对各种消耗预测模型作全面比较，并给出統一的评价标准。
消耗数据的处理及有些预测模型的计算工作量较大，下一步应该着手开发维修器材数据分析和消耗预测的软件和系统，实现数据的自动化处理，提高预测工作效率。
下
一步可以考虑从仿真的角度研究维修器材消耗规律。
上述问题有待于后来者进行更进一步的深入探讨。
参考文献：
[1]高崎.军械维修器材管理学[M].北京：国防工业出版社，2012.
[2]Corchado J M， Brian L. A Hybrid Case-Based Model for Forecasting [J]. Applied Artificial Intelligence， 2001， 12（2）：105-127.
[3]潘红宇.时间序列分析[M].北京：对外经济贸易大学出版社，2006.
[4]Clair L.Alston. Case studies in bayesian statistical modelling and Analysis [M]. Queensland University of Technology， 2013.。