周元高

（湖南省洞口縣龍江種蓄場，湖南 洞口 422300）

0 引言

近年來，國家深入實施工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展戰(zhàn)略推動實體經濟與數(shù)字經濟深度融合，堅持以信息化帶動工業(yè)化，以工業(yè)化促進信息化的新型工業(yè)化道路，大數(shù)據(jù)、云計算等高新技術為代表的新一代信息技術已滲透到社會生產各環(huán)節(jié)。智能制造加速了通信技術、自動化和人工智能等高新技術的深度融合。隨著社會精細化程度的不斷提高，工藝需求等影響因素變革導致傳統(tǒng)的單機作業(yè)已不能滿足實際需求，設備聯(lián)機作業(yè)被廣泛采用，它們之間互相聯(lián)接組成的設備網(wǎng)絡定義為“設備機群”。其主要通信方式：（1）最基本最直接的串行設備聯(lián)網(wǎng)；（2）單一區(qū)域串行設備的布局，數(shù)據(jù)中心收集串行數(shù)據(jù)并接受上位機調用I/O模塊中的數(shù)據(jù)；（3）多個區(qū)域或者生產線集中管理，可通過Ethernet端的網(wǎng)絡交換機聯(lián)接。

設備機群具有品牌種類繁多、協(xié)調性較高等特點，群內設備互相通信共享資源。故障發(fā)生時，聯(lián)機作業(yè)暫停，等待恢復指令[1]。目前設備機群備件延誤率分析預測并未得到及時有效解決，預測結果的準確性對設備正常運轉非常重要。因此，找尋一個科學合理的庫存量及保障評估有效預測方法成為維修管理人員亟需解決的問題。通過作者現(xiàn)場實踐對備件供應商及時保質保量供貨的影響因素進行分析，根據(jù)到貨數(shù)量、訂購總量及相關公開專利的綜合評判方法測出供應及時率、延誤率。然后經過貝葉斯網(wǎng)絡訓練有代表性的歷史數(shù)據(jù)樣本，用實際數(shù)據(jù)輸入訓練好的網(wǎng)絡，實際與預測結果對比分析驗證預測效果，最后根據(jù)現(xiàn)況提出建議或改進措施，從而解決一直困擾維修管理領域中備件保障方面一項決策問題，為設備安全穩(wěn)定可靠運行提供有力支持。

1 貝葉斯網(wǎng)絡預測概述

1.1 預測技術概述

預測是指以定性和定量分析為手段在相關理論和經驗的基礎之上調查研究有關的歷史數(shù)據(jù)對發(fā)展演變規(guī)律進行分析以推斷未來發(fā)展趨勢的技術。

（1）預測理論的發(fā)展。預測技術在20世紀40年代在歐美得以傳播后，由于其影響大而逐漸受到重視。據(jù)統(tǒng)計，60年代后歐美各國成立了大量的預測咨詢機構。到了70年代世界各國已有約2500多家專業(yè)預測咨詢機構。而中國50年代就已涉及開展與預測有關的研究與運用[2]。

（2）預測的目的及意義。預測的目的及意義主要有：①事物發(fā)展具有一定的不確定性，預測可以減少盲目性；②科學預測可以為決策提供依據(jù)，以應對信息不完全、不對稱性；③通過科學預測可優(yōu)化事物發(fā)展變化。

（3）預測步驟。預測步驟一般包括：①預測的目的；②收集、整理有代表性的歷史資料和數(shù)據(jù)；③建立預測模型；④模型參數(shù)估計；⑤模型誤差檢驗；⑥預測與結果分析。

1.2 貝葉斯網(wǎng)絡概述

1988年Pearl提出貝葉斯網(wǎng)絡（Bayesian Network）是Bayes方法的擴展又稱信度網(wǎng)絡，是由圖論和概率論結合而成的描述多元統(tǒng)計關系的模型，具有緊湊有效、簡潔直觀等特點，擁有對大規(guī)模復雜系統(tǒng)簡約、緊湊的表達能力，為多個變量間依賴關系的表達提供統(tǒng)一框架，通過概率推理預測事件的可能性。缺陷是只能處理有向無環(huán)圖。其主要特性：（1）一種不定性因果關聯(lián)模型；（2）較強的不確定性問題處理能力；（3）多源信息表達與融合。與決策樹、人工神經網(wǎng)絡、回歸等方法相比主要體現(xiàn)：（1）使用圖形的方法描述數(shù)據(jù)間的相互關系時語義清晰，易于理解；(2)易于處理不完備數(shù)據(jù)集；（3）學習變量間的因果關系；（4）與貝葉斯統(tǒng)計技術相結合能充分利用領域知識和樣本數(shù)據(jù)的信息[3]。貝葉斯網(wǎng)絡及與其結合的相關組合技術現(xiàn)已成為人人工智能、專家系統(tǒng)、模式識別、數(shù)據(jù)挖掘、信息檢索、圖像處理、工業(yè)控制等新技術領域的研究熱點。

2 備件保障概述

常言道“巧婦難為無米之炊”，備件保障是指為了及時維修縮短停機時間而儲備的零件對構成起作用設備的支撐和支持。保障能力是指對保障系統(tǒng)滿足程度進行的評估，設N（t）為t時刻工作設備的總數(shù)量，Nf（t）為t時刻因備件故障或缺失而不能運行的總數(shù)量，二者之差與t時刻工作設備的總數(shù)量之比即得出t時工作時的保障能力，主要目標是完善保障系統(tǒng)為決策支持、制定合理的保障方案。工況運行是檢驗保障系統(tǒng)及方案的最佳手段。設備機群保障相比單機主要表現(xiàn)：（1）費用顯著增多；（2）保障活動很大程度上制約著完好和任務成功性；（3）綜合保障明顯重要。合理利用和優(yōu)化資源配置能提高任務保質保量完成的概率，大幅減少資源浪費。國內外在備件保障方面大多是根據(jù)經驗設定警戒線，接近或達到警戒線時再行處理，當代相對較為先進的是根據(jù)統(tǒng)計缺貨數(shù)，庫存數(shù)等計算出備件周期需求量確定保障水平[4-5]。此外，備件保障體系及相關事務系統(tǒng)的構建與流暢運作是基本要素，科學地儲備和供應高質量備件有利于提升設備的穩(wěn)定和可靠性，同時備件占用的資金越少資金周轉率就越高[6-8]。

3 備件供應延誤分析

備件供應延誤影響因素較多且交錯復雜，設備機群具有品牌繁多、精密化程高、協(xié)調性強等自身特點，“牽一發(fā)而動全身”，選擇一家信譽良好的供應商尤為重要。經現(xiàn)場采訪調查，供應商的選擇主要有如下影響因素：運行性能、技術可靠度、結構材質及壽命、以往業(yè)績評價、投標價格及付款條件、交貨期及售后服務、實力及財務狀況等[9-11]。供應商及時供貨主要因素為：生產及管理能力、財務狀況、合同約期及供應數(shù)量、相關材料獲取難易程度、相關人員的素養(yǎng)、成本及交付款條件、政策等等。備件一般劃入固定資產原值，固定資產原值減去累計折舊額即得殘值，目前折舊的計算方法主要有：

（1）年限平均法

年折舊率=[（1-預計凈殘值率）/折舊年限]×100%;

年折舊額=固定資產原值×年折舊率

（2）工作量法

每工作小時折舊額=

固定資產原值×（1-預計凈殘值率）/總工作小時數(shù)；年折舊額=每工作小時折舊額×年工作小時數(shù)

（3）雙倍余額遞減法

年折舊額=（2/折舊年限）×100%；

年折舊額=年初固定資產凈值×年折舊率；

年初固定資產凈值=固定資產原值-以前各年累計折舊

實行雙倍余額遞減法的，應在折舊年限到期前兩內，將固定資產凈值扣除凈殘值后的凈額平均攤銷。

（4）年數(shù)總和法

年折舊率={2×（折舊年限-已使用年數(shù)）/[折舊年限×（折舊年限+1）]}×100%；

年折舊額=（固定資產原值-預計凈殘值）×年折舊率

4 實例驗證

貝葉斯網(wǎng)絡將因果關系以網(wǎng)絡圖的形式表示，通過概率推理預測事件的可能性，根據(jù)歷史信息和發(fā)生路徑計算各事件發(fā)生概率。作者經現(xiàn)場實踐收集某單位100種備件及100組歷史數(shù)據(jù)，根據(jù)到貨數(shù)量、訂購總量及相關公開專利[12]的綜合評判方法測算得出備件供應及時率，結果取反算出其延誤率。然后選擇有代表性的歷史數(shù)據(jù)樣本經貝葉斯網(wǎng)絡訓練，用最近一組有效數(shù)據(jù)輸入訓練好的網(wǎng)絡，MATLAB程序執(zhí)行結果如圖1所示。

圖1 貝葉斯網(wǎng)絡預測與實際對比效果

從圖1可以看出實際延誤率與貝葉斯網(wǎng)絡訓練的結果極為相近，空白部分表示沒有延誤，表明貝葉斯網(wǎng)絡在分類預測中的優(yōu)越性能，同時與選取有代表性、大量的有效歷史數(shù)據(jù)密不可分。通過實際數(shù)據(jù)與貝葉斯網(wǎng)絡的輸出結果對比發(fā)現(xiàn)其他后續(xù)備件的延誤率密度較低，由于相關情況錯綜復雜，除了與貨源有關，也可能與單位對供應商實施的保障措施有關。根據(jù)實際情況采取必要策略以減少或降低延誤率，優(yōu)化供應商。

5 備件延誤對策分析

備件延誤的影響因素繁多，消除或降低主要影響因素的效果成為維修管理人員急需思考和應解決的問題。因而備件延誤率分析與尋找解決問題的辦法變得十分有意義。從基于貝葉斯網(wǎng)絡的備件延誤預測分析程序執(zhí)行結果可以看出，排名靠前的備件延誤率密度較大，應為重點管控對象，其他延誤率較高的可以分類分散控制管理，主要采取的措施：（1）大范圍公開招標擇優(yōu)選擇供應商，采取技術經濟手段保障其正常供給；（2）加強急需緊缺貨源的儲備；（3）適當增加備用量及提升備用額度；（4）加強備品庫的管理與維修保養(yǎng)；（5）加強相關專業(yè)技術人員技能培訓及儲備；（6）制定針對性的操作規(guī)程；（7）加強易耗品及替換品的儲備；（8）嚴格操作人員培訓；（9）加強錯發(fā)貨管理；（10）加強供應商評價管理及備件分類，等等。其他方案措施可根據(jù)實際情況發(fā)展變化而定，以切實能減少或降低延誤率為目的的措施和手段都是值得參考借鑒的。

6 結語

本研究緊緊圍繞基于貝葉斯網(wǎng)絡的備件延誤預測分析及對策主題從研究的理由、方法、效果及對策與建議等幾個方面進行。通過作者現(xiàn)場實踐對備件供應商供貨的影響因素進行分析，根據(jù)到貨數(shù)量、訂購總量及相關公開專利的綜合評判方法測出最終備件供應及時率，結果取反算出其延誤率。然后經過貝葉斯網(wǎng)絡訓練有代表性的歷史數(shù)據(jù)樣本，用實際測試數(shù)據(jù)輸入訓練好的網(wǎng)絡，實際與預測結果對比分析驗證了貝葉斯網(wǎng)絡在備件供應延誤率預測效果，最后根據(jù)現(xiàn)況提出了針對性建議或改進措施以減少延誤或獲取最低的延誤率，實踐證明結論可靠，方法應用效果明顯。從而解決了一直困擾維修管理領域備件保障的一項決策問題。