基于生命周期的气象装备库存模式研究

李艳+李翠翠+陈胜远+冷宇

摘要： 随着气象观测要素不断增加，气象观测装备备件的种类也不断增多。本文通过对贵州省气象观测装备备件故障率进行分析，初步判断出气象观测装备的磨合期、稳定期、衰减报废期的运行时长；利用EOQ模型计算出气象观测装备备件的最低库存量与其故障率曲线紧密相关。通过对气象观测装备备件的故障率曲线分析发现，同一气象观测装备备件在不同生命周期阶段其故障率曲线分布也不一样。

Abstract： With the increasing number of meteorological observational elements， the types of spare parts for meteorological observation equipment are also increasing. In this paper， the failure rate of meteorological observation equipment spare parts in Guizhou province is analyzed to determine the run-in period， the stable period and the decaying end-of-life of meteorological observation equipment. The EOQ model is used and it finds out that the minimum inventory of meteorological observation equipment spare parts is closely related its failure rate curve. According to the analysis of failure rate curve of spare parts of meteorological observation equipment， the distribution of failure rate curves of spare parts of the same meteorological observation equipment at different life stages is also different.

關键词： 气象装备；生命周期；库存模式

Key words： meteorological equipment；life cycle；inventory model

中图分类号：P456.8 文献标识码：A 文章编号：1006-4311（2018）04-0022-03

0 引言

近年来，随着气象现代化的不断建设，贵州省已建设完成8部新一代多普勒天气雷达、84个国家级台站均为双套站互为备份运行、3000站次以上区域气象观测站、交通气象站、土壤水分观测站、自动监测水位站、闪电站、降水现象观测仪、能见度等多种气象要素观测站。为保障全省气象观测装备的正常运行，缩短气象观测装备故障恢复时间，必须在省、市、县三级存储一定比例、种类的气象观测装备备件（以下简称备件）。随着气象观测要素的增加，备件的种类也越来越多。同时，每年用于购置备件的经费有限，而且各类备件的生命周期不尽相同，那么研究如何有效降低备件库存的积压，加快备件周转效率，提升了气象保障经费的有效利用率非常有必要。

1 设备生命周期相关概念

1.1 设备生命周期

指设备从投入使用到最终退出使用的总的时间长度。

1.2 设备故障率

长期统计研究表明[1]，设备故障率并不是一成不变的。由多种零部件组成的设备故障率曲线如图1所示。从使用时长看，曲线明显呈现3个不同的阶段。

磨合期：设备在A阶段时故障率较高，但随着使用时间的延长，其故障率将明显降低，该阶段称初期故障期，又称磨合期。

稳定期：设备在B阶段时故障率大致趋于一个较低且稳定的定值，表明设备已进入稳定使用阶段。该阶段为偶发故障期，又称稳定期。

衰减报废期：设备在C阶段时故障率再一次上升，经过长期使用，设备的故障带有普遍性，基本接近设备的使用寿命，此阶段称损耗故障期，又称衰减报废期。

可见，故障率特性曲线实际上是描述设备从开始使用到退出使用的故障率随时间变化而变化的规律，即描述设备从开始使用到退出使用的全部生命周期。

2 气象装备备件故障率分析

2009年开始，省大探中心由专人利用气象器材物资供应软件负责备件的出入库登记，登记详实。本文数据均来源于气象器材物资供应软件。笔者对2009-2017年全省国家级地面备件的调拨数量、建站数量、建站年限等进行统计汇总后，计算得出故障率，如图2所示。

通过图2发现大部分备件故障率均呈现“浴盆”状。贵州省老式自动气象站建站约在2002年左右，设备故障率峰值基本都约在2010-2011年间。2012年贵州省启动了新型自动气象站的建设，故除风速传感器故障率外，其余备件的故障率峰值之后呈现下降趋势。风速传感器由于新型自动气象站与老式自动气象站可通用，故其故障率在2014年出现了二次峰值。因此可粗略判断出，贵州省老式自动气象站在运行8-9年之后设备基本进入衰减报废期，贵州省新型自动气象站在运行1-2年之初设备尚处于磨合期，贵州省老式自动气象站在运行3-7年之间设备均处于稳定期。此判断结论与中国气象局综合观测司关于印发气象专用技术装备使用年限标准的通知[2]中规定新型自动气象站使用年限为8年比较一致。

贵州省老式自动气象站面临着升级改造，在保障老式自动气象站正常运行的基础上，将适当增加新型自动气象站备件的备份。每一种备件所服务的站数不同，每一类气象观测装备建站时长不同，每一种备件的故障率分布不同等，如何实现在有限的经费下合理的采购备件，用来保障气象观测装备的正常运行。那么就迫切需要对所有在用备件的库存储备进行一个合理的规划与设计。endprint

3 气象观测装备库存模式研究

气象要素数据是气象预报预警服务的基础，只有气象观测装备的正常运行，才能保障气象要素数据的采集与传输。尽管随着气象观测装备制造水平的提高可缩短故障修复时间，但是故障能否及时修复往往依赖于故障件是否有备件库存。对气象观测装备备件进行合理的库存储备，不仅可提高库存备件周转率，还可以提高经费有效使用率。

3.1 影响备件数量的因素

根据徐洪涛[3]研究發现，决定备件数量的主要因素有：设备数量、寿命、订货周期、性价比与使用频率。结合气象观测装备的实际情况，笔者认为影响备件库存数量的因素有：①站数。各类备件服务的站数不同，将决定所需备份的备件的数量也不同。②故障率与建站时长。气象观测装备的建站时长决定了气象观测装备所处的不同阶段。磨合期、稳定期、衰减报废期各个阶段备件的故障率不同，进而影响备件的备份数量。③订货周期。目前备件从采购计划的拟定到最终的到货周期均不同。有些备件从签订合同到设备到货可能仅需半个月，而有些备件从签订合同到设备到货有可能需要半年以上。因此订货周期的长短也要在库存储备中考虑进去。

3.2 备件储备模型的建立

为保障气象观测装备的正常运行，贵州省备件仓库储备了10大类5万以上的备件。有些备件从入库到现在都未使用，有些气象备件又呈现短缺。本文利用古典运筹学中的库存公式即EOQ模型[4]，结合贵州省气象观测装备备件的特殊性，对贵州省气象观测装备备件的储备模型进行了研究。

气象观测装备在磨合期、稳定期、衰减报废期内均会出现故障，因此必须储备合理的备件，既保障了气象观测装备的正常运行，又不至于大量备件积压库存。设某一类气象观测装备备件的使用寿命为T，它的概率密度函数为f（t），此类气象观测装备备件服务站数为N*。在气象观测装备备件使用生命周期内，该类气象观测装备备件故障总数为n*= N*f（t）dt。即在气象观测装备备件使用生命周期内，应准备好备件数n*。

考虑气象观测装备备件从签订采购合同到备件入库有一个订货周期T0，设服务站数为N*的某一类气象观测装备备件在订货之后厂家立即发出。现在为t0时刻，那么在（t0，t0+T0）期间，备件还未到货。那么这段时间的此类气象观测装备备件存储量为N0（t0）=N*■f（t）dt。即如果在t0时刻，此类气象观测装备库存备件为N0（t0），就需要对此类气象观测装备备件进行库存备份了。N0（t0）为该类气象观测装备备件的最低库存量。

3.3 备件故障率曲线拟合

本文第2章节对各类备件故障率进行了分析，大部分备件故障率呈现“浴盆”状。上文对备件库存存储模型进行了研究，N0（t0）为某一类备件的最低库存量。N0（t0）与f（t）紧密相关，笔者根据最小二乘法进行故障率曲线拟合得出某类备件的故障率拟合曲线。

2009-2016年间，ZQZ-CII型采集器、气压传感器、温湿度传感器故障率曲线与时间t显著相关，相关系数分别为0.73、0.52、0.67。ZQZ-TFS型风速传感器、CAWS型采集器、CAWS型风向传感器、CAWS型风速传感器故障率曲线时间t低度相关，相关系数分别为0.35、0.39、0.48、0.36。地温变送器、ZQZ-TFX型风向传感器、CAWS型电源系统、CAWS型防雷系统、雨量传感器、温度传感器等的故障率曲线与时间t微弱相关，相关系数在（0.1，0.3）之间。

根据气象观测装备不同阶段进行分阶段故障率曲线拟合。气象观测装备处于衰减报废期：温度传感器、气压传感器、温湿度传感器、风速传感器、风向传感器故障率曲线为f（t）=-at+b。其中t为建站时长，a，b为常数。相关系数均在0.9以上，属于高度相关。采集器类与电源系统类故障率曲线为f（t）=-at2+bt+c其中t为建站时长，a，b，c为常数。相关系数均在0.9以上，属于高度相关。气象观测装备处于磨合期：风向传感器、温湿度传感器、温度传感器故障率曲线为f（t）=-at+b。其中t为建站时长，a，b为常数。相关系数均在0.5以上，属于显著相关。风速传感器、气压传感器故障率曲线为f（t）=-at2+bt+c其中t为建站时长，a，b，c为常数。相关系数均在0.5以上，属于显著相关。由于贵州省暂无气象观测装备处于稳定期的数据，故本文暂未分析。通过对比发现：同一备件在磨合期、稳定期、衰减报废期下，其故障率曲线分布也不尽相同。

4 小结

本文通过对气象观测装备备件故障率进行分析发现：大部分备件故障率曲线呈现“浴盆”状。利用EOQ模型结合贵州省备件实际情况得出，备件的最低库存量与其故障率紧密相关。笔者对不同备件在磨合期、稳定期、衰减报废期下的故障率曲线进行了分析，发现即使相同的备件在不同阶段其故障率曲线分布也不尽相同。

参考文献：

[1]谢建东.张穗晖.设备寿命周期的系统管理维护和故障诊断[J].中国有限电视，2014（12）：93-96.

[2]中国气象局综合观测司.中国气象局综合观测司关于印发气象专用技术装备使用年限标准的通知[Z].2017-4-20.

[3]徐洪涛.备品备件管理方法的探讨——论LNG企业备品备件采购及日常管理[J].科技与企业，2015（11）：17.

[4]何伟国.角淑媛.寿命的可靠性综述（三）—故障更新信息的汇总、分析、改进系统及维修策略[J].质量与可靠性，2011（4）：3-7.endprint