基于贝叶斯网络的备件延误预测分析及对策

周元高

（湖南省洞口县龙江种蓄场，湖南 洞口 422300）

0 引言

近年来，国家深入实施工业互联网创新发展战略推动实体经济与数字经济深度融合，坚持以信息化带动工业化，以工业化促进信息化的新型工业化道路，大数据、云计算等高新技术为代表的新一代信息技术已渗透到社会生产各环节。智能制造加速了通信技术、自动化和人工智能等高新技术的深度融合。随着社会精细化程度的不断提高，工艺需求等影响因素变革导致传统的单机作业已不能满足实际需求，设备联机作业被广泛采用，它们之间互相联接组成的设备网络定义为“设备机群”。其主要通信方式：（1）最基本最直接的串行设备联网；（2）单一区域串行设备的布局，数据中心收集串行数据并接受上位机调用I/O模块中的数据；（3）多个区域或者生产线集中管理，可通过Ethernet端的网络交换机联接。

设备机群具有品牌种类繁多、协调性较高等特点，群内设备互相通信共享资源。故障发生时，联机作业暂停，等待恢复指令[1]。目前设备机群备件延误率分析预测并未得到及时有效解决，预测结果的准确性对设备正常运转非常重要。因此，找寻一个科学合理的库存量及保障评估有效预测方法成为维修管理人员亟需解决的问题。通过作者现场实践对备件供应商及时保质保量供货的影响因素进行分析，根据到货数量、订购总量及相关公开专利的综合评判方法测出供应及时率、延误率。然后经过贝叶斯网络训练有代表性的历史数据样本，用实际数据输入训练好的网络，实际与预测结果对比分析验证预测效果，最后根据现况提出建议或改进措施，从而解决一直困扰维修管理领域中备件保障方面一项决策问题，为设备安全稳定可靠运行提供有力支持。

1 贝叶斯网络预测概述

1.1 预测技术概述

预测是指以定性和定量分析为手段在相关理论和经验的基础之上调查研究有关的历史数据对发展演变规律进行分析以推断未来发展趋势的技术。

（1）预测理论的发展。预测技术在20世纪40年代在欧美得以传播后，由于其影响大而逐渐受到重视。据统计，60年代后欧美各国成立了大量的预测咨询机构。到了70年代世界各国已有约2500多家专业预测咨询机构。而中国50年代就已涉及开展与预测有关的研究与运用[2]。

（2）预测的目的及意义。预测的目的及意义主要有：①事物发展具有一定的不确定性，预测可以减少盲目性；②科学预测可以为决策提供依据，以应对信息不完全、不对称性；③通过科学预测可优化事物发展变化。

（3）预测步骤。预测步骤一般包括：①预测的目的；②收集、整理有代表性的历史资料和数据；③建立预测模型；④模型参数估计；⑤模型误差检验；⑥预测与结果分析。

1.2 贝叶斯网络概述

1988年Pearl提出贝叶斯网络（Bayesian Network）是Bayes方法的扩展又称信度网络，是由图论和概率论结合而成的描述多元统计关系的模型，具有紧凑有效、简洁直观等特点，拥有对大规模复杂系统简约、紧凑的表达能力，为多个变量间依赖关系的表达提供统一框架，通过概率推理预测事件的可能性。缺陷是只能处理有向无环图。其主要特性：（1）一种不定性因果关联模型；（2）较强的不确定性问题处理能力；（3）多源信息表达与融合。与决策树、人工神经网络、回归等方法相比主要体现：（1）使用图形的方法描述数据间的相互关系时语义清晰，易于理解；(2)易于处理不完备数据集；（3）学习变量间的因果关系；（4）与贝叶斯统计技术相结合能充分利用领域知识和样本数据的信息[3]。贝叶斯网络及与其结合的相关组合技术现已成为人人工智能、专家系统、模式识别、数据挖掘、信息检索、图像处理、工业控制等新技术领域的研究热点。

2 备件保障概述

常言道“巧妇难为无米之炊”，备件保障是指为了及时维修缩短停机时间而储备的零件对构成起作用设备的支撑和支持。保障能力是指对保障系统满足程度进行的评估，设N（t）为t时刻工作设备的总数量，Nf（t）为t时刻因备件故障或缺失而不能运行的总数量，二者之差与t时刻工作设备的总数量之比即得出t时工作时的保障能力，主要目标是完善保障系统为决策支持、制定合理的保障方案。工况运行是检验保障系统及方案的最佳手段。设备机群保障相比单机主要表现：（1）费用显著增多；（2）保障活动很大程度上制约着完好和任务成功性；（3）综合保障明显重要。合理利用和优化资源配置能提高任务保质保量完成的概率，大幅减少资源浪费。国内外在备件保障方面大多是根据经验设定警戒线，接近或达到警戒线时再行处理，当代相对较为先进的是根据统计缺货数，库存数等计算出备件周期需求量确定保障水平[4-5]。此外，备件保障体系及相关事务系统的构建与流畅运作是基本要素，科学地储备和供应高质量备件有利于提升设备的稳定和可靠性，同时备件占用的资金越少资金周转率就越高[6-8]。

3 备件供应延误分析

备件供应延误影响因素较多且交错复杂，设备机群具有品牌繁多、精密化程高、协调性强等自身特点，“牵一发而动全身”，选择一家信誉良好的供应商尤为重要。经现场采访调查，供应商的选择主要有如下影响因素：运行性能、技术可靠度、结构材质及寿命、以往业绩评价、投标价格及付款条件、交货期及售后服务、实力及财务状况等[9-11]。供应商及时供货主要因素为：生产及管理能力、财务状况、合同约期及供应数量、相关材料获取难易程度、相关人员的素养、成本及交付款条件、政策等等。备件一般划入固定资产原值，固定资产原值减去累计折旧额即得残值，目前折旧的计算方法主要有：

（1）年限平均法

年折旧率=[（1-预计净残值率）/折旧年限]×100%;

年折旧额=固定资产原值×年折旧率

（2）工作量法

每工作小时折旧额=

固定资产原值×（1-预计净残值率）/总工作小时数；年折旧额=每工作小时折旧额×年工作小时数

（3）双倍余额递减法

年折旧额=（2/折旧年限）×100%；

年折旧额=年初固定资产净值×年折旧率；

年初固定资产净值=固定资产原值-以前各年累计折旧

实行双倍余额递减法的，应在折旧年限到期前两内，将固定资产净值扣除净残值后的净额平均摊销。

（4）年数总和法

年折旧率={2×（折旧年限-已使用年数）/[折旧年限×（折旧年限+1）]}×100%；

年折旧额=（固定资产原值-预计净残值）×年折旧率

4 实例验证

贝叶斯网络将因果关系以网络图的形式表示，通过概率推理预测事件的可能性，根据历史信息和发生路径计算各事件发生概率。作者经现场实践收集某单位100种备件及100组历史数据，根据到货数量、订购总量及相关公开专利[12]的综合评判方法测算得出备件供应及时率，结果取反算出其延误率。然后选择有代表性的历史数据样本经贝叶斯网络训练，用最近一组有效数据输入训练好的网络，MATLAB程序执行结果如图1所示。

图1 贝叶斯网络预测与实际对比效果

从图1可以看出实际延误率与贝叶斯网络训练的结果极为相近，空白部分表示没有延误，表明贝叶斯网络在分类预测中的优越性能，同时与选取有代表性、大量的有效历史数据密不可分。通过实际数据与贝叶斯网络的输出结果对比发现其他后续备件的延误率密度较低，由于相关情况错综复杂，除了与货源有关，也可能与单位对供应商实施的保障措施有关。根据实际情况采取必要策略以减少或降低延误率，优化供应商。

5 备件延误对策分析

备件延误的影响因素繁多，消除或降低主要影响因素的效果成为维修管理人员急需思考和应解决的问题。因而备件延误率分析与寻找解决问题的办法变得十分有意义。从基于贝叶斯网络的备件延误预测分析程序执行结果可以看出，排名靠前的备件延误率密度较大，应为重点管控对象，其他延误率较高的可以分类分散控制管理，主要采取的措施：（1）大范围公开招标择优选择供应商，采取技术经济手段保障其正常供给；（2）加强急需紧缺货源的储备；（3）适当增加备用量及提升备用额度；（4）加强备品库的管理与维修保养；（5）加强相关专业技术人员技能培训及储备；（6）制定针对性的操作规程；（7）加强易耗品及替换品的储备；（8）严格操作人员培训；（9）加强错发货管理；（10）加强供应商评价管理及备件分类，等等。其他方案措施可根据实际情况发展变化而定，以切实能减少或降低延误率为目的的措施和手段都是值得参考借鉴的。

6 结语

本研究紧紧围绕基于贝叶斯网络的备件延误预测分析及对策主题从研究的理由、方法、效果及对策与建议等几个方面进行。通过作者现场实践对备件供应商供货的影响因素进行分析，根据到货数量、订购总量及相关公开专利的综合评判方法测出最终备件供应及时率，结果取反算出其延误率。然后经过贝叶斯网络训练有代表性的历史数据样本，用实际测试数据输入训练好的网络，实际与预测结果对比分析验证了贝叶斯网络在备件供应延误率预测效果，最后根据现况提出了针对性建议或改进措施以减少延误或获取最低的延误率，实践证明结论可靠，方法应用效果明显。从而解决了一直困扰维修管理领域备件保障的一项决策问题。