亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        艦船裝備備件需求預(yù)測(cè)方法研究*

        2013-11-23 07:54:28趙建軍劉新江孫靖杰
        艦船電子工程 2013年9期
        關(guān)鍵詞:需求預(yù)測(cè)備件需求量

        任 喜 趙建軍 劉新江 孫靖杰

        (1.海軍航空工程學(xué)院 煙臺(tái)264001)(2.青島航空訓(xùn)練基地 青島 266041)

        1 引言

        備件是艦船維修保障的物質(zhì)基礎(chǔ),以換件方式為主的維修方式勢(shì)必導(dǎo)致現(xiàn)代戰(zhàn)爭(zhēng)對(duì)備件供應(yīng)保障的依賴程度增大,有效的備件供應(yīng)保障是保證作戰(zhàn)過(guò)程中艦船裝備處于良好狀態(tài)的重要因素。鑒于備件供應(yīng)保障的重要性,以及現(xiàn)代備件供應(yīng)保障體現(xiàn)出來(lái)的新特點(diǎn),研究備件需求預(yù)測(cè)的相關(guān)決策模型和方法顯得尤為必要。

        2 備件需求預(yù)測(cè)技術(shù)研究現(xiàn)狀

        在制定備件庫(kù)存策略、構(gòu)建庫(kù)存模型中,需求預(yù)測(cè)十分重要。但由于多數(shù)備件的需求具有不確定性,增加了需求分析與預(yù)測(cè)難度。由于艦船裝備備件需求的隨機(jī)特性,使得很難準(zhǔn)確預(yù)測(cè)艦船備件需求,因此不斷尋求更高級(jí)的預(yù)測(cè)方法。

        導(dǎo)致備件需求預(yù)測(cè)困難的主要因素如下

        1)備件需求的發(fā)生具有顯著的間斷性,數(shù)據(jù)中存在大量零值。

        2)產(chǎn)生備件需求的原因是多方面的,除了裝備的可靠性規(guī)律,裝備的使用方式、維護(hù)方式、維修策略等都會(huì)直接影響備件需求的發(fā)生時(shí)間和數(shù)量[1],而且相鄰時(shí)間段上的備件需求隨著裝備的使用和老化會(huì)表現(xiàn)出一定的自相關(guān)性。

        3)備件需求的歷史數(shù)據(jù)往往非常有限,對(duì)預(yù)測(cè)方法限制較多,而且預(yù)測(cè)方法本身也存在一定的適用范圍。

        根據(jù)預(yù)測(cè)方法的原理,可以將現(xiàn)有的備件需求預(yù)測(cè)方法分為:基于歷史數(shù)據(jù)的方法、以可靠性為基礎(chǔ)的方法、基于人工智能的方法等。下面分別闡述各方法的研究現(xiàn)狀。

        2.1 基于歷史數(shù)據(jù)的備件需求預(yù)測(cè)

        這類方法主要包括指數(shù)平滑法、Croston法、Bootstrap法、擬合分布法以及它們的各種改進(jìn)方法。

        指數(shù)平滑法是一種魯棒性的預(yù)測(cè)方法,是重要的預(yù)測(cè)連續(xù)需求的方法之一,也是預(yù)測(cè)間斷性需求使用較多的一種方法[2]。常用的有一次指數(shù)平滑法、二次指數(shù)平滑法和三次指數(shù)平滑法。該方法對(duì)每一期的需求量進(jìn)行平滑,來(lái)預(yù)測(cè)下一期的需求。指數(shù)平滑法認(rèn)為數(shù)據(jù)的重要程度按時(shí)間上的遠(yuǎn)近成非線性遞增,其基本原則就是離當(dāng)前越近的數(shù)據(jù),對(duì)未來(lái)的影響就越大[3]。指數(shù)平滑法主要用來(lái)預(yù)測(cè)連續(xù)需求,在預(yù)測(cè)間斷需求時(shí)的精度不高,尤其在需求中有大量的零的情況下。但由于指數(shù)平滑法是常用的需求預(yù)測(cè)方法,很多研究間斷需求預(yù)測(cè)方法的文獻(xiàn)都通過(guò)與指數(shù)平滑法進(jìn)行比較來(lái)體現(xiàn)其準(zhǔn)確性[4]。

        指數(shù)平滑預(yù)測(cè)法根據(jù)t月的備件需求量以及t月的需求預(yù)測(cè)量來(lái)預(yù)測(cè)t+1月的備件需求,即

        α是平滑常數(shù),0≤α≤1;^xt是t月需求的預(yù)測(cè)值;dt為t月需求的實(shí)際值。

        在指數(shù)平滑法的基礎(chǔ)上,Croston針對(duì)間斷需求的特性在指數(shù)平滑的基礎(chǔ)上提出了預(yù)測(cè)間斷需求的Croston法。Croston法采用指數(shù)平滑法分別計(jì)算需求間隔kt和需求量dt:若發(fā)生需求,則更新需求間隔kt和dt需求量的估計(jì),然后將需求量除以需求間隔得到平均需求,用平均需求來(lái)預(yù)測(cè);若不發(fā)生需求則保持原來(lái)的預(yù)測(cè),只更新從上次發(fā)生需求到現(xiàn)在的需求間隔。即

        其中,α,β是平滑常數(shù),0≤α,β≤1;kt表示t月份有非零需求時(shí)與鄰近下一次有非零需求月份的間隔月數(shù);dt為t月需求的實(shí)際值;分別表示當(dāng)該月份有非零需求時(shí)t+1、t月的備件需求量;分別表示t+1、t月份有非零需求時(shí)與鄰近下一次有非零需求月份的間隔月數(shù)。則t+1月的Croston需求預(yù)測(cè)值^xt+1為

        Croston法適用于提前期需求服從正態(tài)分布的情況,但實(shí)際需求很多都不是正態(tài)分布的,對(duì)于需求非正態(tài)分布的情況,該方法預(yù)測(cè)精度不高。文獻(xiàn)[4]指出,針對(duì)需求序列中有大量零的間斷需求序列,Croston法甚至比指數(shù)平滑預(yù)測(cè)的精度還低。此外,Croston法只能給出每期平均需求量的預(yù)測(cè),不能預(yù)測(cè)哪期會(huì)發(fā)生需求,以及發(fā)生需求的量;不能給出預(yù)測(cè)的每一期的需求發(fā)生概率;也不能預(yù)測(cè)提前期的需求分布。

        Bootstrap法是一種估計(jì)抽樣分布和標(biāo)準(zhǔn)誤差的強(qiáng)有力工具。Efron最早介紹了Bootstrap法,該方法采用從需求歷史數(shù)據(jù)中抽樣來(lái)產(chǎn)生虛擬數(shù)據(jù),可以用來(lái)預(yù)測(cè)已經(jīng)在需求歷史數(shù)據(jù)中出現(xiàn)的需求量[5]。Bootstrap法是預(yù)測(cè)間斷需求適用面較廣的方法,可以預(yù)測(cè)提前期每一期需求是否發(fā)生,給出預(yù)測(cè)的每一期需求發(fā)生的概率,并且能得到預(yù)測(cè)的每一期的需求量;該方法重復(fù)多次能產(chǎn)生很多預(yù)測(cè)的需求樣本,從而可以預(yù)測(cè)提前期的需求分布。

        Bootstrap法的步驟如下:

        1)根據(jù)備件需求的歷史數(shù)據(jù),得到觀測(cè)樣本X=(x1,x2,…,xn);

        2)從樣本X中隨機(jī)建立m個(gè)樣本,每個(gè)樣本中均含有n個(gè)元素(在每次提取元素過(guò)程中,觀測(cè)樣本中的數(shù)據(jù)可以被不止一次提取,每個(gè)數(shù)據(jù)被提取的概率均為1/n);

        3)假設(shè)T為學(xué)習(xí)因子θ的估計(jì)值(在該例中,可能是需求均值),計(jì)算每個(gè)樣本的T值,這樣就有m個(gè)θ的估計(jì)值;

        4)根據(jù)這些估計(jì)值計(jì)算出θ的期望值:在該例中T1,…,Tm的均值即為需求預(yù)測(cè)值。

        Bootstrap法的不足之處是實(shí)際間斷需求的0-1 序列存在自相關(guān)性的假定難以保證,根據(jù)概率產(chǎn)生的0-1序列預(yù)測(cè)的準(zhǔn)確性不高,方法穩(wěn)定性差,存在可能過(guò)低估計(jì)提前期需求變異等不足。

        擬合分布法是將實(shí)際需求序列擬合為某種特定的分布,然后在此基礎(chǔ)上預(yù)測(cè)。通常是將需求擬合為正態(tài)分布、伽馬分布、拉普拉斯或復(fù)合泊松分布。文獻(xiàn)[6]研究了航空電子設(shè)備的備件需求問(wèn)題,結(jié)合飛行時(shí)間、平均維修時(shí)間等因素,在需求為泊松分布的情況下,給出了有壽命要求的可維修件、無(wú)壽命要求的可維修件、有壽命要求的不可修件、無(wú)壽命要求的不可修件和消耗件五類備件年需求的表達(dá)式?,F(xiàn)有擬合分布法的缺點(diǎn)是若不能精確估計(jì)需求分布類型,采用了錯(cuò)誤的分布可能會(huì)導(dǎo)致嚴(yán)重誤差;此外,采用連續(xù)分布擬合間斷性需求會(huì)對(duì)擬合精度造成較大影響。

        2.2 以可靠性為基礎(chǔ)的備件需求預(yù)測(cè)

        以可靠性為基礎(chǔ)的備件需求預(yù)測(cè)方法是在預(yù)測(cè)備件需求量的時(shí)候著重考察備件的消耗過(guò)程,從零部件本身的損壞機(jī)理出發(fā),建立數(shù)學(xué)模型。

        鮑敬源等通過(guò)研究裝備維修過(guò)程中器件的固有可靠性和維修性,著重分析了影響維修器件需求率的主要因素,利用系統(tǒng)建模和仿真的方法,分別針對(duì)耗損類型器件和可修復(fù)類型器件建立了相應(yīng)的需求模型[7]。郭繼周等運(yùn)用更新過(guò)程理論,假設(shè)部件壽命服從指數(shù)分布和Weibull分布,分別研究了地空導(dǎo)彈系統(tǒng)備件攜行量預(yù)測(cè)模型和多階段不可修備件需求模型[8]。

        以可靠性為基礎(chǔ)的預(yù)測(cè)方法通常對(duì)部件的壽命分布假設(shè)較嚴(yán)格,因此在實(shí)際應(yīng)用中受到諸多限制。

        2.3 基于人工智能的備件需求預(yù)測(cè)

        該類方法主要利用人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)或支持向量機(jī)(Support Vector Machines,SVM)等人工智能方法和工具研究備件需求規(guī)律。ANN目前被廣泛應(yīng)用到需求預(yù)測(cè)問(wèn)題。為了提升預(yù)測(cè)精度,人們不斷利用遺傳算法、模糊系統(tǒng)、專家知識(shí)系統(tǒng)等方法對(duì)基本的ANN 進(jìn)行改進(jìn)。Kuo采用遺傳算法生成模糊神經(jīng)網(wǎng)絡(luò)的初始權(quán)重,在對(duì)銷售情況進(jìn)行預(yù)測(cè)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[9]。Senjyu等人將模糊規(guī)則和ANN 結(jié)合對(duì)短期工作量進(jìn)行預(yù)測(cè),利用專家知識(shí)構(gòu)建模糊規(guī)則來(lái)修正ANN 對(duì)下一工作日的工作量進(jìn)行預(yù)測(cè)[10]。Li等人則利用增強(qiáng)模糊神經(jīng)網(wǎng)絡(luò)對(duì)汽車工業(yè)在中心倉(cāng)庫(kù)的備件需求量進(jìn)行預(yù)測(cè)[11]。

        Hua和Zhangt利用SVM 預(yù)測(cè)備件非零值需求的發(fā)生時(shí)刻[12]。王文針對(duì)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(cè)方法和基于影響因素的SVM 回歸預(yù)測(cè)方法[13]。

        基于人工智能的預(yù)測(cè)方法需要使用者對(duì)算法本身特點(diǎn)有充分的認(rèn)識(shí),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(cè)試樣本。這些因素都限制了人工智能方法的應(yīng)用。

        3 結(jié)語(yǔ)

        雖然上述研究已經(jīng)對(duì)多種情況的備件需求規(guī)律進(jìn)行了深入分析,但仍不能滿足裝備管理工作的實(shí)際需要,許多復(fù)雜情況下的備件需求問(wèn)題還亟待研究。此外,現(xiàn)有模型約束過(guò)于苛刻也導(dǎo)致模型適用范圍有限。因此,有些研究為了避免需求預(yù)測(cè)發(fā)生過(guò)大偏差,而將研究重點(diǎn)轉(zhuǎn)移到對(duì)庫(kù)存結(jié)構(gòu)的設(shè)計(jì)上,采用庫(kù)存緩沖等方法來(lái)應(yīng)對(duì)間斷性需求,這也從側(cè)面說(shuō)明了對(duì)間斷性需求進(jìn)行預(yù)測(cè)缺少行之有效的方法。

        [1]王乃超,康銳.備件需求產(chǎn)生、傳播及解析算法研究[J].航空學(xué)報(bào),2008,29(5):1163-1167.

        [2]Kennedy W.J.,Patterson J.W.,F(xiàn)redendall L.D.An overview of recent literature on spare parts inventories[J].International Journal of Production Economics,2002,76(2):201-215.

        [3]Hyndman R.J.,Koehler A.B.Another look at measures of forecast accuracy[J].International Journal of Forecasting,2006,22(4):679-688.

        [4]Ghobbar A.A.,F(xiàn)riend C.H.Evaluation of forecasting methods for intermittent Parts demand in the field of aviation:apredictive model[J].Computers&Operations Research,2003,30(14):2097-2114.

        [4]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(3):375-387.

        [5]Efron B.Bootstrap methods:another look at the jack—knife[J].Annals of Statistics,1979,7(1):1-26.

        [6]趙宇,伏洪勇,張堅(jiān).航空電子設(shè)備備件需求量分析[J].系統(tǒng)工程與電子技術(shù),2002,24(3):1-3.

        [7]鮑敬源,王航宇,劉忠.裝備維修中備件需求率的預(yù)計(jì)方法[J].海軍工程大學(xué)學(xué)報(bào),2003,15(2):101-103.

        [8]郭繼周,郭波,張濤,等.地空導(dǎo)彈維修保障能力評(píng)估與備件優(yōu)化模型[J].火力與指揮控制,2008,33(3):9-12.

        [9]Kuo R.J.A sales forecasting system based on fuzzy neural network with initial weights generated by genetic algorithm[J].European Journal of Operational Research.2001,129(3):496-517.

        [10]Senjyu T.,Mandal P.,Uezato K.,et a1.Next day load curve forecasting using hybrid correction method[J].IEEE Transactions on Power Systems,2005,20(1):102-109.

        [11]Li S.G.,Kuo X.The inventory management system for automobile spare parts in a central warehouse[J].Expert Systems with Applications,2007,34(2):1144-1153.

        [12]Hua Z.,Zhang B.A hybrid support vector machines and logistic regression approach for forecasting intermittent demand of spare pans[J].Applied Mathematics and Computation,2006,181(2):1035-1048.

        [13]王文.基于支持向量機(jī)的不常用備件需求預(yù)測(cè)方法研究[D].武漢:華中科技大學(xué),2006:17-31.

        猜你喜歡
        需求預(yù)測(cè)備件需求量
        中材機(jī)電備件有限公司
        中材機(jī)電備件有限公司
        基于貝葉斯最大熵的電動(dòng)汽車充電需求預(yù)測(cè)
        吉林電力(2022年2期)2022-11-10 09:24:42
        中材機(jī)電備件有限公司
        從數(shù)學(xué)角度看“彈性”
        基于HANA的工單備件采購(gòu)聯(lián)合報(bào)表的研究與實(shí)現(xiàn)
        基于計(jì)算實(shí)驗(yàn)的公共交通需求預(yù)測(cè)方法
        2017年我國(guó)汽車軟管需求量將達(dá)6.4億m
        橡膠科技(2015年3期)2015-02-26 14:45:02
        中國(guó)中長(zhǎng)期煤炭需求預(yù)測(cè)
        基于BP神經(jīng)網(wǎng)絡(luò)人均豬肉需求量預(yù)測(cè)
        亚洲综合中文字幕综合| 亚洲精品天堂av免费看| 国产不卡一区二区三区视频| 日本精品一级二区三级| 人人妻人人澡人人爽超污| 欧美与黑人午夜性猛交久久久| 精品视频专区| 国产自拍成人在线免费视频| 国产成人亚洲精品无码青| 久久精品国产亚洲一区二区| 精品久久杨幂国产杨幂| 丝袜美腿亚洲综合一区| 国产成人综合日韩精品无码| 久久无码av三级| 亚洲精品国产不卡在线观看| 丝袜美腿亚洲综合第一页| 亚洲午夜久久久久久久久久| 国产精品熟妇视频国产偷人| 国产高清黄色在线观看91| 国产成人自拍视频播放| 久久天天躁狠狠躁夜夜2020一| 日韩在线看片免费人成视频| 男女男在线精品免费观看| 国产亚洲自拍日本亚洲| 国产精一品亚洲二区在线播放| 久久免费国产精品一区二区| 伊人狼人大香线蕉手机视频| 免费乱理伦片在线观看| 精品国精品国产自在久国产应用| 免费在线观看亚洲视频| 粉嫩极品国产在线观看免费一区 | 五月综合缴情婷婷六月| 欧美一区二区午夜福利在线yw| 国产午夜激情视频在线看| 伊人大杳焦在线| 久久99精品久久久久久野外| 日韩在线中文字幕一区二区三区 | 日本高清一区二区三区在线观看| 久久精品国产亚洲av麻豆| 国产v综合v亚洲欧美大天堂| 亚洲精品456在线播放狼人|