装备器材消耗预测研究综述

李东京，秦智勇，王 兵，薛 驰

（1.陆军装甲兵学院，北京 100071；2.陆军装备部，北京 100071）

0 引言

装备器材（简称器材）是用于装备维修所需的各种备件和原材料的总称，是实施装备维修的重要物质基础。装备器材消耗预测，是根据装备器材故障规律、器材特性以及各单位动用计划、维修能力和使用环境等，结合历史消耗数据综合分析，运用各种预测方法，对各单位下一阶段的器材消耗种类和数量进行推断的过程。掌握器材消耗规律，实现对器材消耗的精准预测，对解决部队当前存在的器材库存“超欠储”问题[1]，提高器材保障能力具有重要意义。

诸多学者对装备器材消耗预测方法进行了研究。王宏焰，等[2]从全寿命角度出发，将装备器材分为研制和使用两个阶段，对消耗预测方法进行了研究；Bacchetti，等[3]对备件进行分类后将消耗预测方法分为传统的基于时间序列及其改进方法、Cronston及其改进方法、Bootstrap 方法、需求聚类/分类分析方法、可靠性分析方法、神经网络以及贝叶斯方法等；黄照协，等[4]根据器材消耗规律将器材消耗类型分为连续型和间断型两种，对器材消耗预测方法进行研究，具有一定参考意义。

上述研究基于不同角度，对器材的消耗预测方法进行了分类梳理，但并未对器材消耗预测的全过程进行系统分析和总结。本文引入流程管理理念，将器材消耗预测流程分为明确器材类型、收集分析数据和信息、预测方法选择与建模、模型求解、分析评估预测结果和应用6个阶段，系统分析和总结器材消耗预测的相关文献，为装备器材进行合理筹措、供应和储备工作提供参考。

1 器材消耗预测流程管理概述

流程管理是一种以规范化构造端到端的卓越业务流程为中心，以持续提高组织业务绩效为目的的系统化方法[5]。流程管理聚焦业务重要流程，便于发现每个流程的价值与各个环节的问题，有利于管理者提高业务效率和认清下一步工作重点和方向，在企业管理中得到广泛应用。本文梳理器材消耗预测流程，旨在对器材消耗预测方法的相关文献进行系统梳理和总结，找出当前研究的热点和薄弱环节。

2 器材消耗预测全过程

通过梳理分析和总结，本文将器材消耗预测流程分为6个阶段，如图1所示。

图1 器材消耗预测流程

2.1 明确器材类型

明确器材类型是进行装备器材消耗预测的前提。器材种类多种多样，只有明确器材类型，充分了解器材特性和影响器材消耗的因素，才能实现器材消耗的精准预测。

首先是对器材进行分类。当前，ABC分类法[6]应用最为广泛，其根据库存器材的经济指标将器材分为重要、一般和不重要三个等级，反映了器材的重要性程度，但由于成本分配不合理、评价维度单一等因素限制了其实际应用价值；文献[7][8]考虑多个影响因素对ABC 分类法进行了一定优化；杨学强，等[9]从装甲器材价值和供应风险维度提出了基于Kraljic 模型的装甲器材分类方法，将装甲器材分为关键器材、重要器材、一般器材和稀缺器材；吴龙涛，等[10]根据器材的消耗特点，采用灰色聚类算法对器材进行了分类，具有一定参考意义。

其次根据器材分类明确预测器材的种类。杨帆，等[11]根据装备器材的可靠性，将器材分为指数型器材、威布尔型器材和正态分布型器材，并据此对威布尔型器材进行了需求预测研究；吴雯雯，等[12]在王纵虎[13]和Nguyen，等[14]研究的基础上，提出了蒙特卡洛K-means 聚类算法，利用器材的消耗波动性对舰船器材进行分类，并对舰船器材的消耗预测问题进行了研究。

2.2 收集分析数据和信息

收集分析数据和信息是在明确器材类型后，对器材的历史消耗数据、使用环境、使用强度以及使用者水平等有关影响器材消耗的因素信息进行收集、分析和处理。针对具有大样本数据的器材，杨帆，等[11,15,16]通过分析部队执行演习、阅兵等任务的器材消耗数据，提出了基于任务的器材需求预测模型；沐爱勤，等[17]结合器材历史消耗数据，运用Monte Carlo仿真的方法对高原环境下航空器材的消耗预测进行了研究。而针对装备初始列装阶段没有历史消耗数据的小样本数据器材，主要通过相似器材的相关数据确定器材故障分布、可靠性参数等，采用模型计算法、相似产品法进行消耗预测。Kurt，等[18]基于马尔科夫过程理论对初始备件的确定进行了研究；董骁雄，等[19]利用粗糙集方法，建立了不完备信息的初始器材品种确定模型。

2.3 预测方法选择与建模

通过对数据的分析和总结，选择适当的预测方法进行建模是整个流程的关键。当前器材消耗预测方法主要包括定性预测法、定量预测法和组合预测法。

2.3.1 定性预测法。定性预测方法[20]是以预测者的经验为基础，判断发展趋势、探讨发展变化规律的方法。它适用于缺乏数据资料的情况下对事物的预测，优点是方法简便、灵活。实践中，有时即使有充足的数量资料，也采用定性预测方法，其原因是把定性预测的结论与定量预测的结果相比较可以提高预测的准确性。常用的定性预测技术包括德尔菲法、主观概论法和交叉概论法。古平，等[21]采用相似产品法对典型器材消耗进行了预测；贾锐，等[22]提出了基于案例的新型舰船器材需求预测模型。

2.3.2 定量预测法。定量预测法是利用已掌握的比较完备的历史统计数据或因素变量来预测消耗的方法。主要包括基于时间序列的预测方法和基于机器学习算法的预测方法。

时间序列预测法[23]是依据以往的时间序列数据预测事物未来的演变趋势，包括移动平均法、指数平滑法、季节性分析法和平衡随机序列分析法等。1972年Croston[24]提出的基于时间序列的Croston（CR）模型，将数量少、间断性需求的备件数据拆成了非零需求区间和零需求区间两个序列，再利用指数平滑法进行预测，在工业上得到广泛应用。但其也存在局限性：在需求为零后，它不会更新预测。因此，不少学者对其进行了改进，其中Syntetos，等[25]提出的Syntetos Boylan Approximation（SBA）预 测 模 型 和Teunter，等[26]通过将需求大小的估计值乘以具有非零需求的概率建立Teunter Syntetos Babai（TSB）预测模型得到了较广认可。

基于机器学习算法的预测法是通过现代机器学习算法和理论，研究变量之间相关关系，对样本数据进行数理统计分析和训练拟合，建立消耗预测模型的方法，主要包括线性回归、Bootstrap、神经网络、支持向量机和灰色预测法等。Yang，等[27]提出了基于线性回归的航空器材消耗预测模型；徐廷学[28]利用灰色预测法对军械维修器材消耗规律进行了研究；刘长新，等[29]通过研究航材消耗的影响因素，建立了基于BP神经网络的消耗预测模型；吴龙涛，等[30]基于贝叶斯方法建立了威布尔型器材需求预测模型，并利用蒙特卡洛仿真方法进行了求解；Hasni，等[31]基于Bootstrap方法对备件的消耗预测进行了研究，均取得了较好效果。

2.3.3 组合预测法。组合预测法是通过综合利用各种方法所提供的信息，以尽可能地提高预测精度为目的，对同一个问题采用两种以上不同预测方法进行预测的方法。它既可是几种定量方法的组合，也可是几种定性的方法的组合，但实践中更多的则是利用定性方法与定量方法的组合。周浩，等[32]首先利用灰色预测法GM（1,1）模型得到预测序列，然后根据预测序列建立马尔科夫模型来计算预测值，最后发现灰色马尔科夫模型优于GM（1,1）模型；贾琦，等[33]结合灰色模型和LS-SVM模型的优势，建立灰色LSSVM 模型，提高预测的准确性和稳定性；Huang，等[34]运用灰色关联分析计算出器材消耗和其影响因素间的灰色关联度，然后选择主要影响因素作为支持向量机的输入变量来预测消耗数量，并对比GM（1,1）模型和BP神经网络模型的预测结果，发现基于灰色关联分析和支持向量机组合预测的结果误差更小。组合预测法逐渐成为消耗预测领域的研究热点。

2.4 模型求解

模型求解是针对建立的各种预测模型进行求解，主要包括解析法、仿真法和智能算法求解三种方法。

解析法通常将器材的可靠性、寿命分布以及相关特征等已知的概率和参数为约束条件，通过构造目标函数和解析式，对未来一段时间器材消耗的数量进行预测的方法。刘慎洋，等[35]运用可靠性理论和随机过程方法对可维修器材的使用寿命规律建立解析式，并直接进行求解来预测器材消耗数量，具有一定参考意义。

仿真法是通过对建立的各种预测模型进行大量仿真模拟实验，对比得出的仿真数据，不断修改和优化相关参数进行求解的方法。曹军海，等[36]根据基于时间序列的指数平滑法建立了装甲器材消耗预测模型后，利用Anylogic仿真平台对该模型的平滑指数进行仿真实验，得出了相对精确的平滑指数后对器材消耗进行了预测。

智能算法求解是通过各种现代优化算法，对建立的预测模型进行求解的方法，主要包括模拟退火算法、遗传算法、神经网络算法等。Song，等[37]通过灰色预测法建立了备件消耗预测模型后，利用神经网络算法对模型进行求解，并得到了较好效果。

2.5 评估预测结果与应用

为了验证所提出的器材消耗预测模型的可靠性需要对预测结果进行评估，主要评估方法有示例分析验证法和对比分析验证法。示例分析验证法即选取器材真实消耗数据进行试验，计算预测误差来判断模型是否可靠，适用于样本数据多、连续消耗的器材，文献[27-29]，文献[36]均采用此法验证。对比分析验证法是通过对其他方法预测结果进行对比分析，比较预测误差来判断是否可靠，适用于无样本数据、间断消耗的器材，文献[25][26][38]均采用此法验证。

当前，美军主要采用相似产品法和METRIC(可修件控制的多级技术)模型[39]及其改进方法对初始器材的消耗进行预测，利用移动平均法、指数平滑法、二阶指数平滑法、线性回归法以及组合预测方法对后续使用阶段器材的进行消耗预测[40]，并建立相应的预测系统来不断提高其预测精度。在实际应用中，基于时间序列的预测方法因器材消耗数据容易获取、预测模型简单、精确而使用广泛，基于机器学习算法的预测方法是当前研究的热点，但由于模型相对复杂、不易操作而应用较少。

3 下一步研究展望

通过对器材消耗预测全过程中的每个环节进行研究，发现诸多学者对装备器材消耗预测进行了广泛而深入的探索，针对不同类型的器材利用不同的方法建立了不同的预测模型，并取得了良好效果。但仍然存在一些问题：

（1）目前在器材消耗预测研究中，多是对器材消耗数量的预测，很少涉及器材消耗品种的预测研究。明确器材品种是进行器材消耗数量预测的前提，传统的器材消耗品种预测方法主要包括价值系数法[41]、逻辑决断法[42]、主成分分析法[43]、粗糙集法[44]等，但主观性较强且准确率不高，因此下一步应注重器材消耗种类预测研究。

（2）器材的寿命分布、故障率以及器材消耗的历史数据是进行消耗预测的基础，进一步收集和分析研究影响器材消耗的各种因素，必须建立装备器材信息系统，实时的获取器材信息和消耗数据，以便进行器材消耗预测。

（3）当前预测模型大多仅考虑一种或几种影响因素，预测精度还有待提高。组合预测是当前研究的热点，但大多是定性定量组合预测或多种定量方法组合预测，基于整个供应链的协同预测研究较少。舒彤,等[45]提出了基于影响因子的供应链协同预测模型；董绍辉,等[46]对供应链协同预测机制进行了研究；丁春光[47]基于供应链CPFR 理论构建了协同预测模型。协同预测有利于降低供应链中的牛鞭效应，提高预测精度，为下一步器材消耗预测研究提供了思路。

（4）预测方法众多，如何选择最佳方法成为研究重点。Hemeimat,等[48]分别利用均方误差(MSE)、平均绝对偏差(MAD)和平均误差(ME)三种统计方法比较了移动平均法（MA）、指数平滑法（ES）、CR、SBA 和TSB 五种预测方法，并研究使用跟踪信号方法（Tracking Signal，TS）来寻找最佳预测方法和参数，具有一定参考意义。

4 结语

装备器材消耗预测是确定器材需求、制定器材申请计划的基础，对于装备器材筹措、供应和储备工作至关重要。本文引入流程管理理念，将器材消耗预测流程分为明确器材类型、收集分析数据和信息、预测方法选择与建模、模型求解、结果评估和应用6个阶段，通过对整个器材消耗预测过程中每个步骤的相关文献进行梳理和分析，总结当前器材消耗预测中的热点和薄弱环节，并在此基础上提出了下一步研究展望，为开展器材消耗预测研究工作打下基础。