朱倩倩

摘要：本文運(yùn)用移動平均數(shù)法和貝葉斯方法對車輛裝備維修器材消耗規(guī)律進(jìn)行了探索研究，針對不同消耗規(guī)律數(shù)據(jù)進(jìn)行預(yù)測，豐富了車輛裝備維修器材消耗預(yù)計(jì)的思路和方法。下一步可著手開發(fā)維修器材數(shù)據(jù)分析和消耗預(yù)測的軟件和系統(tǒng)，實(shí)現(xiàn)數(shù)據(jù)的自動化處理，提高預(yù)測工作效率。

關(guān)鍵詞：移動平均數(shù)法;貝葉斯方法;車輛裝備;維修器材;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

車輛裝備維修器材消耗規(guī)律是維修器材管理工作的核心和基礎(chǔ)，維修器材消耗量預(yù)測的準(zhǔn)確與否直接關(guān)系到維修器材籌措、申請和供應(yīng)等活動的科學(xué)性，關(guān)系到維修器材保障效益，因此必須對維修器材消耗規(guī)律進(jìn)行探索，對消耗量進(jìn)行科學(xué)預(yù)測。針對部隊(duì)進(jìn)行維修器材保障工作以歷史經(jīng)驗(yàn)和維修器材相關(guān)消耗標(biāo)準(zhǔn)為主要依據(jù)造成的維修器材積壓與短缺嚴(yán)重、保障效益低等問題，運(yùn)用裝備保障、維修器材管理學(xué)、維修工程、統(tǒng)計(jì)學(xué)等理論，立足于車輛裝備維修保障體制，依托可得的消耗數(shù)據(jù)，對維修器材消耗規(guī)律進(jìn)行深入研究具有重要的意義[1]。

維修器材消耗數(shù)據(jù)是維修器材消耗規(guī)律的外在表現(xiàn)和直接反映，研究維修器材消耗規(guī)律可以從維修器材消耗數(shù)據(jù)入手。但是，維修器材品種眾多，消耗影響因素復(fù)雜，因此，可得到的用于研究維修器材消耗情況的消耗數(shù)據(jù)也不盡相同。為此，在廣泛調(diào)研和收集資料的基礎(chǔ)上，總結(jié)歸納得出消耗數(shù)據(jù)類型，并給出了相應(yīng)的數(shù)據(jù)分析和處理方法[2]。

不同的方法和模型，有著不同的特點(diǎn)和適用條件。因此，對不同類型的消耗數(shù)據(jù)，對消耗數(shù)據(jù)呈現(xiàn)出的不同特點(diǎn)，很難用一個統(tǒng)一的標(biāo)準(zhǔn)和模型來解決所有的維修器材消耗預(yù)測問題。為此，運(yùn)用了多種方法和模型對維修器材消耗預(yù)測進(jìn)行研究，解決了維修器材消耗預(yù)測的問題，實(shí)現(xiàn)了消耗數(shù)據(jù)與預(yù)測方法的對應(yīng)。

1? 器材消耗模型

1.1 移動平均數(shù)法

裝備每年在基層單位正常訓(xùn)練過程中，有些單元發(fā)生故障后要進(jìn)行換件修理，這樣就產(chǎn)生了檢修消耗數(shù)據(jù)。表1給出了某型車輛歷年檢修時消耗火花塞的統(tǒng)計(jì)數(shù)據(jù)。

為方便計(jì)算，可以將表1中某型車輛歷年檢修時消耗火花塞的統(tǒng)計(jì)數(shù)據(jù)統(tǒng)一換算成每年20臺車輛保障訓(xùn)練、每年保障時間為0.5年時，火花塞檢修消耗數(shù)據(jù)。嘗試使用移動平均數(shù)法對下一年火花塞檢修消耗數(shù)量。

移動平均數(shù)法中的“平均”是取預(yù)測對象的時間序列中最近一組實(shí)際值（或歷史數(shù)據(jù)）的算術(shù)平均值，其中的“移動”是指參與平均的實(shí)際值隨預(yù)測期的推進(jìn)而不斷更新，可以簡單地推導(dǎo)出移動平均數(shù)法的計(jì)算公式。

移動平均數(shù)序列與原時間序列相比，前者比后者平滑，它是濾除了原序列的某些干擾后的結(jié)果，因此更能體現(xiàn)出原序列的趨勢變化。

按趨勢遞推原理，以xt作為t+1期檢修消耗的預(yù)測值，即

移動平均數(shù)法對時間序列中數(shù)據(jù)變化的反映速度及對干擾的修勻能力，取決于N的值。隨著N的減小，移動平均數(shù)法對時間序列數(shù)據(jù)變化的反映敏感性增加，但修勻能力下降;而N增大，移動平均數(shù)法對時間序列數(shù)據(jù)變化的反映敏感性減小，但對時間序列的修勻能力卻上升。所以移動平均數(shù)法的修勻能力與時間序列數(shù)據(jù)變化的敏感性是矛盾的，兩者不可兼得，因此在確定N的時候，一定要根據(jù)時間序列的特點(diǎn)來確定[3]。

1.2 貝葉斯方法

車輛裝備在等級維修過程中，有些單元要進(jìn)行換件修理，這樣就產(chǎn)生了等級維修消耗數(shù)據(jù)。

設(shè)D=（t1，t2，…，tn）表示車輛維修器材消耗樣本數(shù)據(jù)，π（t）是車輛維修器材消耗的先驗(yàn)分布概率密度函數(shù)，π（t|D）表示車輛維修器材消耗的后驗(yàn)分布概率密度函數(shù)，f（t）為通過車輛維修器材消耗樣本數(shù)據(jù)D=（t1，t2，…，tn）而獲取的車輛維修器材消耗樣本分布概率密度函數(shù)。

在連續(xù)條件下，車輛維修器材消耗的后驗(yàn)分布概率密度函數(shù)π（t|D）為[4]

其中，a和b分別為t取值范圍的上限值與下限值。

可以看出，器材消耗的后驗(yàn)分布概率密度函數(shù)與先驗(yàn)分布概密度函數(shù)和樣本分布概率密度函數(shù)的乘積成正比。

2? 示例分析

【例1】以表1中某型車輛歷年檢修時消耗火花塞的統(tǒng)計(jì)數(shù)據(jù)為例，已知2020年裝備實(shí)力為26臺，訓(xùn)練時間為0.4年。試用移動平均數(shù)法預(yù)測2020年的火花塞消耗。

解：為方便計(jì)算，首先將表1中某型車輛歷年檢修時消耗火花塞的統(tǒng)計(jì)數(shù)據(jù)統(tǒng)一換算成每年20臺車輛保障、每年保障時間為0.5年時，火花塞檢修消耗數(shù)據(jù)，如表2所示。

通過計(jì)算可知，當(dāng)N=3時，用移動平均數(shù)法預(yù)計(jì)2020年20臺車輛保障、每年保障時間0.5年消耗火花塞數(shù)量為35.17，當(dāng)N=4時，用移動平均數(shù)法預(yù)計(jì)2020年20臺車輛保障、每年保障時間為0.5年的火花塞消耗數(shù)量為36.38。

由于2020年車輛實(shí)力為26，保障時間為0.4年，所以，當(dāng)N=3時，用移動平均數(shù)法預(yù)計(jì)2020年車輛檢修時消耗火花塞數(shù)量為;當(dāng)N=4時，用移動平均數(shù)法預(yù)計(jì)2020年車輛檢修時消耗火花塞數(shù)量為。

由表2中所列的結(jié)果看來，由移動平均數(shù)法計(jì)算后所得到的新數(shù)列，其數(shù)據(jù)起伏波動的范圍變小了。移動平均數(shù)法有較好的抗干擾能力，可以在一定程度上描述時間序列變化的趨勢。移動平均數(shù)法，使用起來比較簡單，但是由于受加入平均值之中的前面年份火花塞消耗數(shù)據(jù)的影響，預(yù)測結(jié)果會出現(xiàn)滯后偏差，如果近期內(nèi)情況變化發(fā)展較快，利用移動平均數(shù)法預(yù)測就不太適宜。這是由于一次移動平均數(shù)法對分段內(nèi)部的各數(shù)據(jù)同等對待，而沒有強(qiáng)調(diào)近期數(shù)據(jù)對預(yù)測值的影響。

【例2】已知某部隊(duì)車輛裝備在2020年定期維修時發(fā)動機(jī)空氣過濾器的消耗情況。通過判斷，該部隊(duì)消耗發(fā)動機(jī)空氣過濾器的樣本分布函數(shù)類型為三角形分布，參數(shù)為τ1=6，τ2=12，τ0=8。同時，對其它單位消耗發(fā)動機(jī)空氣過濾器的數(shù)據(jù)進(jìn)行組合，得到該部隊(duì)消耗發(fā)動機(jī)空氣過濾器的先驗(yàn)分布函數(shù)類型仍為三角形分布，參數(shù)為τ1=6，τ2=12，τ0'=8。當(dāng)先驗(yàn)分布、樣本分布均由2個空間構(gòu)成時，其示意圖如圖1所示。試運(yùn)用貝葉斯理論，判斷該部隊(duì)2020年消耗發(fā)動機(jī)空氣過濾器的后驗(yàn)分布，并對2020年車輛裝備定期維修時發(fā)動機(jī)空氣過濾器消耗進(jìn)行預(yù)計(jì)。

可以看出，2020年6月～8月發(fā)動機(jī)空氣過濾器的消耗單調(diào)遞增，變化速率較快;8月～9月發(fā)動機(jī)空氣過濾器的消耗仍為單調(diào)遞增，但變化速率逐漸趨于平緩;9月～12月發(fā)動機(jī)空氣過濾器的消耗單調(diào)遞減，一開始下降速率較快，到后期趨于平緩。依據(jù)2020年發(fā)動機(jī)空氣過濾器消耗后驗(yàn)分布，還可以確定任意時間段發(fā)動機(jī)空氣過濾器消耗的比例，這樣可以實(shí)現(xiàn)發(fā)動機(jī)空氣過濾器的精確化保障。

3? 結(jié)束語

本文運(yùn)用移動平均數(shù)法和貝葉斯方法對車輛裝備維修器材消耗規(guī)律進(jìn)行了探索研究，針對不同消耗規(guī)律模型進(jìn)行驗(yàn)證，豐富了車輛裝備維修器材消耗預(yù)計(jì)的思路和方法。本文選用的模型復(fù)雜程度、預(yù)測精度、工作量各不相同，下一步應(yīng)該對各種消耗預(yù)測模型作全面比較，并給出統(tǒng)一的評價標(biāo)準(zhǔn)。消耗數(shù)據(jù)的處理及有些預(yù)測模型的計(jì)算工作量較大，下一步應(yīng)該著手開發(fā)維修器材數(shù)據(jù)分析和消耗預(yù)測的軟件和系統(tǒng)，實(shí)現(xiàn)數(shù)據(jù)的自動化處理，提高預(yù)測工作效率。下一步可以考慮從仿真的角度研究維修器材消耗規(guī)律。上述問題有待于后來者進(jìn)行更進(jìn)一步的深入探討。

參考文獻(xiàn)：

[1]高崎.軍械維修器材管理學(xué)[M].北京：國防工業(yè)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]潘紅宇.時間序列分析[M].北京：對外經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2006.

[4]Clair L.Alston. Case studies in bayesian statistical modelling and Analysis [M]. Queensland University of Technology， 2013.