馮蘊雯，陳俊宇，劉佳奇，路成，薛小鋒

(西北工業(yè)大學 航空學院， 西安 710072)

0 引 言

航材作為綜合后勤保障(Integrated Logistic Support，簡稱ILS)的關(guān)鍵物資資源，其預測的科學性和配置的合理性直接關(guān)系到制造商、運營商、維修商等攸關(guān)方的利益，同時也關(guān)乎民用飛機安全經(jīng)濟地運營。目前全球民航業(yè)儲存了500億美元的航材，約占航空公司75%的庫存資金和25%的流動資金，但實際上大部分航材的利用率和周轉(zhuǎn)率極低，只有25%的航材被使用，航材管理存在緊急缺貨或過度積壓等問題，進而造成飛機停場(Aircraft on Ground，簡稱AOG)或資源浪費現(xiàn)象[1]。如何有效解決現(xiàn)存的問題，取得利益攸關(guān)方共贏的局面，是目前民用飛機航材綜合管理研究的重點和熱點。

20世紀60年代，國內(nèi)外航空業(yè)就已經(jīng)認識到因缺乏航材或航材囤積而造成的經(jīng)濟損失和運營能力降低的問題，深知開展航材綜合管理研究的重要意義，多年來展開了大量的研究并進行實際運用。國內(nèi)外對于民用飛機航材綜合管理研究主要包括兩個方面：一是航材預測管理，其目的是結(jié)合航材消耗規(guī)律、歷史數(shù)據(jù)、相關(guān)影響參數(shù)等預測未來某一段時間的航材需求預測值，避免航材采購量與實際需求產(chǎn)生偏差；二是航材配置管理，其目的是依據(jù)機隊當前的運營規(guī)模和需求，結(jié)合航材支援網(wǎng)絡站點的分布特征，將采購的航材進行合理分配，以期能夠在保障機隊可用度的前提下，合理實現(xiàn)航材庫存管理，降低運營支持成本。眾多航空公司和主制造商基于航材需求預測與配置管理技術(shù)的研究進行了工程運用，為客戶提供周到快捷的航材支援服務。例如，波音公司啟動了全球飛機庫存網(wǎng)計劃(Global Airline Inventory Network,簡稱GAIN)[2]，空客公司建立了經(jīng)ISO9000認證的華歐航空支援中心[3]，西安飛機制造公司建立了基于SPEC2000的中央備件庫和衛(wèi)星庫。

為了完善和發(fā)展國產(chǎn)民用飛機維修保障體系，本文針對航材預測與配置管理技術(shù)進行研究，總結(jié)現(xiàn)有理論和方法在航材綜合管理方面的優(yōu)勢與不足，并對其發(fā)展趨勢進行分析，以期為我國民用航空行業(yè)自身競爭力的提升提供支持。

1 民用飛機航材預測技術(shù)研究現(xiàn)狀

民用飛機航材預測作為航材支援體系工作的重點內(nèi)容之一，其相關(guān)技術(shù)的有效性是實現(xiàn)航材精準預測的基礎，同時也是合理指導航材計劃采購和供應的重要參考[4]。航材預測的意義在于不僅可以提高民用飛機保障工作的預見性、決策科學性和針對性，而且可以保障民用飛機運營過程中的安全性和簽派可靠性。隨著民用航空業(yè)的穩(wěn)步發(fā)展，關(guān)于民用飛機航材預測的技術(shù)也得到快速發(fā)展，目前主要可概括為三個方面(如圖1所示)：基于時間序列法的航材預測技術(shù)、基于回歸分析法的航材預測技術(shù)和基于機器學習的航材預測技術(shù)。此外，每類航材預測技術(shù)還包含多種方法。

圖1 航材預測技術(shù)研究框架

1.1 基于時間序列法的航材預測技術(shù)

時間序列是指依據(jù)時間數(shù)列對其進行發(fā)展趨勢預測的方法，并且具有趨勢性、季節(jié)性、周期性、不規(guī)則性等特征[5-7]。對于航材預測的時間序列法，本文將針對移動平均法、指數(shù)平滑法、灰色預測法等研究現(xiàn)狀進行論述。

基于移動平均法的航材預測是在考慮航材消耗的趨勢性和周期性的情況下，對數(shù)據(jù)進行一定程度的修正來消除不規(guī)則擾動對航材預測精度的影響。左山等[8]利用移動平均預測法建立航材消耗的預測模型，并探討移動平均項數(shù)對預測誤差的影響；董健康等[9]運用中心移動平均法建立了航材備件定量訂貨模型，用以提高航材采購數(shù)量的精確性；F.R.Johnston等[10]采用指數(shù)加權(quán)移動平均法對航材消耗量進行了預測，并通過均方差對分析誤差進行了比較，驗證了方法的可行性；T.R.Willemain等[11]在分析航材壽命特征分布的前提下，將移動平均法用于航材消耗預測分析；張大鵬等[12]將移動平均法應用于消耗性航材需求的預測，并通過案例對方法的適用性進行了驗證。

基于指數(shù)平滑法的航材預測是基于移動平均法發(fā)展而來的，結(jié)合前期的數(shù)據(jù)和預測值，經(jīng)過加權(quán)后獲取目標的預測值，用以消除航材需求預測過程中的不規(guī)則和隨機擾動情況[13]。郭峰等[14]采用指數(shù)平滑法進行航材消耗定額預測，通過對比分析說明不同指數(shù)平滑法對于航材預測精度的影響。指數(shù)平滑方法、指數(shù)加權(quán)移動平均法等適用于連續(xù)需求的預測方法，一度被用來進行需求預測，但其結(jié)果精度不高，尤其在需求中有大量的零的情況下，因此J.D.Croston綜合考慮需求時間間隔與消耗歷史的影響，在指數(shù)平滑方法基礎上提出了Croston方法用以實現(xiàn)航材預測[15]；但實際中，很多需求都不符合正態(tài)分布，因此預測精度不是很高。后來A.A.Syntetos等對此作了改進，針對實際需求預測中并非所有需求都滿足正態(tài)分布的情況，通過對Croston方法的修正給出了需求間隔的近似無偏需求[16-17]；劉曉春等[13]基于指數(shù)平滑方法針對裝備維修過程中所需備件進行了預測研究；楊杰等[18]對需求與裝置檢修相關(guān)的備件進行了研究，將指數(shù)平滑用于備件預測，并從分析精度的角度進行了驗證。

航材消耗數(shù)據(jù)呈現(xiàn)波動情況，無法得到有效統(tǒng)計和計算，航材預測可用灰色系統(tǒng)理論進行實現(xiàn)。并且，航材消耗是由飛機飛行任務、狀態(tài)情況、保障情況等多個因素共同影響，眾多因素潛在而復雜的影響使得航材消耗具有明顯的灰色性。郭峰等[19]、支樂等[20]結(jié)合歷年航材消耗數(shù)據(jù)，利用灰色系統(tǒng)理論中的 GM(1,1) 模型對航材需求進行了預測分析；劉楊等[21]針對裝備貯存過程中備件需求呈現(xiàn)間斷性的情況，結(jié)合灰色理論建立了需求備件預測模型；張揚等[22]在GM(1,1)預測模型中引入修正因子修正灰色預測結(jié)果，提高航材預測精度，通過實例驗證了模型的有效性；楊冰冰[23]在研究GM(1,1)模型的基礎上，提出了多維GM(1,N)灰色預測模型，對飛機大修航材消耗量進行了分析；萬玉成[24]將GM(1,1)模型和未確知聚類模型應用于航材預測，并結(jié)合案例說明了其方法在航材需求量確定方面的有效性。

此外，劉信斌等[25]充分考慮了季節(jié)性對航材需求的影響，綜合分析了航材需求的各種因素，利用航材實際需求數(shù)據(jù)，通過逐期差分和季節(jié)性差分轉(zhuǎn)化為平穩(wěn)的時間序列，采用自回歸移動平均移動模型-乘積季節(jié)模型對未來航材需求做短期預測；畢釗等[26]考慮了時間序列影響因素之間的相互作用，提出了基于R語言SARIMA的航材預測模型，對后期航材需求進行了分析；A.A.Ghobbar等[27-29]探究了溫特斯方法、季節(jié)回歸方法等在航材預測方面的應用，并通過英國最大的航空公司之一的組件檢修車間為研究對象進行了驗證；R.H.Teunter等[30-31]使用英國皇家空軍的大型數(shù)據(jù)集，將Bootstrap法用以預測間斷型航材的需求。

雖然上述研究工作可為航材預測提供支持，但是當航材歷史消耗數(shù)據(jù)波動較大時，基于時間序列法的航材預測值與工程實際需求之間存在較大偏差，進而導致不能有效指導航材采購及后期供應。

1.2 基于回歸分析法的航材預測技術(shù)

航材預測值實質(zhì)上會受到單因素或多因素的影響，一般通過回歸分析法建立目標輸出與輸入變量之間的關(guān)系，確定航材消耗與影響變量的關(guān)系方程，將其作為航材需求預測模型，依據(jù)輸入變量的變化實現(xiàn)航材需求預測。

近年來，許多研究人員對基于回歸分析法的航材預測技術(shù)進行了研究。汪婭等[32]考慮航材消耗因素的影響，運用線性回歸方法開展了消耗性航材的需求預測研究；陳振林等[33]提出了一種非參數(shù)回歸的航材消耗預測模型，探究了該方法在航材預測方面的應用；楊仕美等[34]提出了一種基于最小二乘支持向量機和信息熵組合的航材需求預測方法；Guo F等[35]提出了一種回歸分析組合方法，基于周轉(zhuǎn)數(shù)據(jù)實現(xiàn)飛機航材的需求預測。

關(guān)于回歸分析法在航材預測方面的應用主要存在的問題為：當涉及影響因素過多時，回歸分析法預測分析的精度會降低，不能有效實現(xiàn)航材需求預測。此外，當變量參數(shù)維度較高時，需要足夠的樣本支撐來實現(xiàn)回歸分析模型的建立。

1.3 基于機器學習的航材預測技術(shù)

支持向量機和人工神經(jīng)網(wǎng)絡模型是機器學習模型的典型方法，這兩種方法不僅適用于研究航材預測值與影響參數(shù)之間的關(guān)系，同時也適用于通過歷史消耗數(shù)據(jù)來實現(xiàn)航材預測的情況。

目前，基于支持向量機和人工神經(jīng)網(wǎng)絡模型的航材預測已取得了大量的研究成果。牛余寶等[36]考慮飛行時間、起降次數(shù)等因素，建立了支持向量機回歸模型，對飛機的航材消耗預測進行了研究；Z.S.Hua等[37]基于邏輯回歸方法與支持向量機提出了一種用于實現(xiàn)間斷性航材需求預測方法；薛彥軼等[38]考慮保障任務、航材性能、環(huán)境及人事等影響因素，建立了航材預測模型，用以實現(xiàn)系統(tǒng)航材的需求分析；孫偉奇等[39]將最小二乘支持向量機應用于新機備件需求的預測；韓玉等[40]結(jié)合粗糙集的理論知識分析航材消耗的影響因素并去除冗余，利用神經(jīng)網(wǎng)絡找出消耗數(shù)量和影響因素之間的非線性關(guān)系，建立航材消耗的預測模型；鐘穎等[41]針對備件需求預測的非線性及時間序列的特點，采用BP神經(jīng)網(wǎng)絡對備件實現(xiàn)了較高的精度預測；A.S.Vander等[42]結(jié)合備件消耗信息，探究人工神經(jīng)網(wǎng)絡模型在備件需求預測中的應用；孫蕾[43]運用人工神經(jīng)網(wǎng)絡對民用飛機航材進行了預測，并驗證該方法在工程領域的適用性；E.Levner等[44]基于神經(jīng)網(wǎng)絡模型對具有缺貨訂單和區(qū)間需求的民用飛機多級備件庫存進行了分析；J.E.Boylan等[45]將近年來備件需求預測方法和技術(shù)進行了總結(jié)，其中大多數(shù)方法集中在支持向量機和人工神經(jīng)網(wǎng)絡方面；李連等[46]采用附加動量項和變步長思想對BP神經(jīng)網(wǎng)絡進行改進，提出了改進BP神經(jīng)網(wǎng)絡算法，并將其用于航材需求量的預測。

盡管機器學習理論相對于傳統(tǒng)方法在航材預測方面表現(xiàn)出了相對優(yōu)勢，但是其相關(guān)理論發(fā)展目前仍在探究階段，在工程實際應用方面的可行性還需進一步驗證。此外，機器學習的航材預測技術(shù)是建立在大量有效數(shù)據(jù)的基礎上，因此仍需結(jié)合工程實際數(shù)據(jù)進一步探討其可行性。

以上三類航材預測方法各有特點，在航材需求預測的工程應用中，應當根據(jù)航材本身的特征和預測問題的實際情況，分析并選擇合理的方法。民用飛機航材預測技術(shù)三類方法的對比分析如表1所示。

表1 民用飛機航材預測技術(shù)研究現(xiàn)有方法比較

2 民用飛機航材配置管理技術(shù)研究現(xiàn)狀

航材配置管理是航材支援體系另一工作重點，其目的是實現(xiàn)航材的合理分配，使航材庫存保持在一個安全有效的水平，避免庫存緊缺或資源浪費的現(xiàn)象，保障飛機在運營過程中發(fā)生故障時能夠及時獲取所需航材，提高維修效率和日利用率、保障簽派可靠性、降低運營支持成本等。目前，國內(nèi)外已對民用飛機航材配置管理技術(shù)進行了大量的研究，主要包括基于解析方法的航材庫存配置管理技術(shù)和基于優(yōu)化算法的航材配置管理技術(shù)，如圖2所示。

圖2 航材配置管理技術(shù)研究框架

2.1 基于解析方法的航材配置管理

民用飛機航材庫存管理源于美國蘭德公司為美國空軍研制的多級庫存管理(Multi-Echelon Technique for Recoverable Item Control，簡稱METRIC)理論[47]，該理論實際上是建立在兩個基本假設基礎上的兩級(基地級和基層級)維修保障系統(tǒng)評估與優(yōu)化模型，其假設條件為：兩級修理車間具有無限修理能力(修理設備數(shù)量是無限的)，故障件到達后無需等待立即進入修理狀態(tài)；故障件失效率與工作件的數(shù)量無關(guān)。METRIC理論被廣泛應用于復雜裝備的備件配置管理，例如歐洲的海軍及空軍廣泛應用OPUS商業(yè)軟件來進行航材配置管理，而該軟件普遍采用METRIC模型。

當前工程領域所采用的航材庫存管理方法都是基于METRIC理論發(fā)展而來，且受到學術(shù)界的廣泛關(guān)注，并開展了大量研究。C.C.Sherbrooke等[48]在靜態(tài)Palm定理的基礎上，對所有庫存數(shù)量可能的排列組合計算分析相應的期望缺貨值，尋找在總費用約束下使備件使用效能最大的METRIC模型；鄭超[49]結(jié)合METRIC模型，引入虛擬庫存管理理論，建立了以保障備件供應率為約束、以備件庫存網(wǎng)絡總體成本最小為目標的改進METRIC模型；M.Z.Ruan等[50]基于METRIC理論和系統(tǒng)分析方法，通過引入拉格朗日因子，建立了基于多約束的備件動態(tài)配置模型，用以解決受備件成本、備件數(shù)量、質(zhì)量及規(guī)模所影響的備件配置問題。隨后，在深入研究METRIC理論的基礎上，演化出了DYNA-METRIC模型、VARI-METRIC模型以及MOD-METRIC模型[51-53]，且這些方法均得以應用，其發(fā)展歷程如圖3所示。

圖3 METRIC模型發(fā)展歷程

J.F.Burns等[54]提出了DYNA-METRIC模型，該模型考慮多級庫存且以系統(tǒng)可用度為目標，在動態(tài)戰(zhàn)時環(huán)境下后勤支持過程影響飛行部件的性能，它使用非穩(wěn)態(tài)的復合泊松分布過程來得到實際的初始航材供應環(huán)境的動態(tài)特征，所要求的限制條件很少，在一定程度上解決了許多工程實際問題，從而樹立了METRIC模型族在航材預測領域里的地位；J.A.Muckstadt[55]結(jié)合MOD-METRIC模型探討了備件配置數(shù)量，可在總成本約束下最小化整體系統(tǒng)的缺貨數(shù)量來得到各維修層級備件數(shù)量，并在F-15武器系統(tǒng)上得以應用；T.Graves等[56]針對METRIC模型中期望缺貨值的誤差進行分析，采用負二項分布代替泊松分布，將VARI-METRIC模型應用于備件配置管理；孫蕾等[57]基于VARI-METRIC理論，建立了以平均等待備件時間為目標，以費用為約束的多層次庫存模型，應用邊際分析法進行尋優(yōu)，解決了航材多級庫存優(yōu)化配置問題。

此外，國內(nèi)一些科研機構(gòu)也從不同角度開展了基于解析方法的航材配置管理研究，如北京航空航天大學康銳教授課題組通過對備件特征參數(shù)和備件滿足率的研究，建立了以保障率為約束的備件配置模型，分析了影響備件需求的主要因素、裝備維修需求和備件需求之間的關(guān)系，并且給出了備件配置的計算方法[58-59]。南京航空航天大學左洪福教授課題組對METRIC模型進行了研究，以最小化系統(tǒng)的總成本為目標，保障率為約束，建立多級庫存配置模型，并通過與仿真試驗結(jié)果進行比較，驗證了該模型的有效性[60]。西北工業(yè)大學馮蘊雯教授課題組對民用飛機航材配置管理進行了系統(tǒng)地研究，首先對備件庫存優(yōu)化進行了研究，分別基于修理級別和冗余系統(tǒng)對備件庫存配置的影響，考慮部件的故障過程、維修周轉(zhuǎn)以及訂購補給情況提出了修理級別與備件庫存進行聯(lián)合優(yōu)化的非線性模型[61-62]和基于馬爾科夫的冗余系統(tǒng)備件與冗余度的聯(lián)合優(yōu)化模型[63]，并采用PSO算法進行求解，以到達節(jié)省維修費用的作用[64]；然后針對現(xiàn)有的備件庫存優(yōu)化模型無法準確描述民用飛機可修件由于不能修復如新導致其性能逐次劣化及一定維修次數(shù)后報廢的實際情況，結(jié)合準更新理論、排隊論和VARI-METRIC 模型提出了考慮不完全維修的民用飛機可修件多級庫存規(guī)劃方法[65]；在實際工程中會產(chǎn)生某一航站發(fā)生備件短缺直接從相鄰航站進行備件補給的橫向供應情況，并且橫向供應模式會比傳統(tǒng)保障模式節(jié)約更多的時間與成本，因此，將工程實際因素中的維修比例、橫向供應和重要度分別引入METRIC模型，構(gòu)建了以可用度或保障率為約束、以航材成本或維修成本為優(yōu)化目標的航材單級和多級配置模型，結(jié)合邊際分析法、改進邊際分析法等實現(xiàn)模型求解，實現(xiàn)航材配置管理，將所提算法通過B737NG、B787、A330等運營數(shù)據(jù)進行了驗證，為ARJ21飛機航材庫存管理提供參照[66-68]；最后，在此基礎上特別對民用飛機LRU的備件庫存配置進行了詳盡的研究[69]。海軍工程大學李慶民教授課題組放寬了METRIC模型中無限維修總體的假設條件，對故障件的平均維修周轉(zhuǎn)時間及備件供應渠道進行了修正，分析了在多級修理模式下串件拼修的特點，建立了非串件系統(tǒng)、串件系統(tǒng)以及不完全串件系統(tǒng)的可用度評估模型[70-71]。

上述工作為民用飛機航材配置管理提供了理論支撐，可為工程實際應用提供參考。然而，當航材配置過程中涉及大量研究項目時，解析方法在求解過程中相對繁瑣，進而導致計算時間很長甚至無法完成問題的求解。

2.2 基于優(yōu)化算法的航材配置管理

隨著計算機技術(shù)的快速發(fā)展，大量優(yōu)化算法也隨之涌現(xiàn)，且在各個領域得以應用。對于民用飛機航材配置管理，該類方法也同樣適用。

針對航材配置管理的優(yōu)化算法，國內(nèi)外已開展了大量研究，并取得了階段性成果。P.Batchoun等[72]為了最小化意外故障造成的延誤成本，使用遺傳算法確定種群規(guī)模、迭代次數(shù)等參數(shù)并進行測試，以優(yōu)化備件配置，并通過算例數(shù)值結(jié)果說明了該方法的有效性；李圓芳[73]建立了考慮總體保障率和航材總體占用資金較少的航材配置優(yōu)化模型，并采用遺傳算法對模型進行求解；P.P.Luis等[74]將粒子群優(yōu)化算法與局部搜索相結(jié)合，以解決航材備件的多級庫存配置優(yōu)化問題；田靜等[75]以系統(tǒng)保障率為目標函數(shù)，引入成本變量，利用對收縮擴張系數(shù)和進化因子改進后的量子粒子群算法，用以求解單位成本系統(tǒng)保障率最大的航材配置模型；張斯嘉等[76]建立了存儲保障費用與戰(zhàn)備完好性相結(jié)合的多目標決策模型，結(jié)合基于蝙蝠算法進行優(yōu)化計算得到的存儲方案可以在戰(zhàn)備完好性盡可能高的前提下保證費用最低；E.S.Ali等[77]通過蟻獅算法實現(xiàn)了復雜裝備機械的多級別多層次的備件庫存優(yōu)化配置；張家維等[78]建立了航材配置的多目標優(yōu)化數(shù)學模型，基于帕累托支配概念和蟻獅算法提出了多目標蟻獅算法實現(xiàn)航材配置優(yōu)化模型的求解。

基于優(yōu)化算法的航材配置管理在計算效率上具有一定的優(yōu)勢，且對于維度較高的問題不敏感，但是，由于求解過程中初值的選取具有隨機性，導致分析結(jié)果具有一定的離散性。此外，關(guān)于航材配置管理的優(yōu)化算法研究，目前仍停留在理論研究方面，考慮的工程因素尚不全面。以上兩類航材配置管理技術(shù)各有特點，在航材配置管理的工程應用中，應當根據(jù)航材配置問題的特征和數(shù)據(jù)基礎，分析并選擇合理的方法。民用飛機航材配置管理技術(shù)兩類方法的對比分析如表2所示。

表2 民用飛機航材配置管理技術(shù)研究現(xiàn)有方法比較

3 民用飛機航材預測與配置管理技術(shù)發(fā)展趨勢分析

隨著全球民航事業(yè)的發(fā)展，民用飛機機隊規(guī)模不斷擴張，其航材預測與配置管理成為綜合后勤保障的重要關(guān)注點。為了有效實現(xiàn)民用飛機航材的精準預測和合理配置管理，在前期研究和對國內(nèi)外相關(guān)文獻追蹤的基礎上，梳理出民用飛機航材預測與配置管理技術(shù)發(fā)展趨勢愿景，如圖4所示。

圖4 航材預測與配置管理技術(shù)發(fā)展趨勢愿景

從圖4可以看出：民用飛機航材支援體系工作主要包括航材預測和航材配置管理，其相關(guān)技術(shù)發(fā)展趨勢具體可描述為：

(1) 航材預測技術(shù)。隨著民用飛機運營實際增長，以及相關(guān)的航材歷史消耗數(shù)據(jù)積累，盡管機器學習模型在航材預測方面表現(xiàn)出一定的優(yōu)勢，但是結(jié)合實際數(shù)據(jù)的機器學習模型的航材預測適用性仍是下一步研究的重點；隨著近年來大數(shù)據(jù)理論的快速發(fā)展，將深度學習模型應用于航材預測以及其可行性研究，有望成為下一步實現(xiàn)航材科學預測的可行途徑；當前國產(chǎn)民用飛機已陸續(xù)投入運營，借鑒國外成熟機型航材預測方面的工作經(jīng)驗和大數(shù)據(jù)理論，實現(xiàn)航材精準預測、合理采購和供應將是未來國內(nèi)民航業(yè)的工作重點之一。

(2) 航材配置管理技術(shù)。雖然民用飛機航材配置管理已開展了大量研究，但是大多數(shù)研究僅從理論的角度進行了分析。因此，為了有效指導工程實際，避免航材緊缺和資源浪費的現(xiàn)象，在滿足持續(xù)適航要求的條件下，提高維修效率和日利用率，降低運營支持成本，下一步仍需從工程需求的角度開展航材配置管理技術(shù)的研究，如考慮維修工程人員、地面支持設備(Ground Support Equipment，簡稱GSE)和航材一體化的配置管理技術(shù)，針對現(xiàn)有的優(yōu)化算法，仍需進一步探究其在工程方面的有效性，并在此基礎上，研究適用于民用飛機航材配置管理的優(yōu)化技術(shù)。當前各大制造商和運營商正趨于將維修資源進行整合，因此考慮共享模式的航材配置管理技術(shù)研究將成為下一階段的研究熱點。

4 結(jié)束語

航材預測與配置管理技術(shù)一直是民用飛機航材綜合管理研究中具有重要意義的研究方向，其合理的預測航材需求量以及高效的航材配置管理極大地影響了利益攸關(guān)方(制造商、運營商、維修商等)的運營能力和市場競爭力。本文通過研究民用飛機航材預測技術(shù)和航材配置管理技術(shù)的發(fā)展現(xiàn)狀，分別將航材預測技術(shù)分為基于時間序列法、基于回歸分析法和基于機器學習模型三大類，將航材配置管理技術(shù)分為基于解析方法和基于優(yōu)化算法兩大類，并對上述方法的研究現(xiàn)狀進行逐一論述，梳理出現(xiàn)有理論方法的優(yōu)勢和不足，為民用飛機航材預測與配置管理技術(shù)的工程應用提供了參考。在此基礎上，結(jié)合深度學習和共享模式在該領域的發(fā)展?jié)摿Ψ治隽嗣裼蔑w機航材預測與配置管理技術(shù)的發(fā)展趨勢，為其發(fā)展提供了可行的建議和思路，以增強民用飛機維修保障體系的完善程度，有助于增強國產(chǎn)民用飛機的市場競爭力，提升民用飛機運行維護支持能力。