专利名称：：基于在役寿命评估的备件需求预测方法
技术领域：
：本发明属于机械设备运行维护领域，涉及生产性企业备件库存控制与管理技术，进r步涉及一种基于在役寿命评估的备件需求预测方法。
背景技术：
：在机械设备维护工作中，为了恢复设备的性能和精度，需要使用备件来更换磨损的旧零部件。企业在仓库中预先储存一定数量的备件，以保障维修工作能够顺利进行，但是备件库存会占用流动资金，增加生产成本，因此预测备件的需求量对企业的设备管理十分重要。常用的备件需求预测方法包括直接计算法、比较法和统计法，直接计算法通过在保障期内预期的维修任务和所需备件消耗量，计算备件需求；比较法通过修正相似设备、相似维修事件的备件消耗参数，估算备件需求量；统计法分析历史数据，寻找备件消耗模型，预测未来的需求情况。直接计算法和比较法依赖于主观经验，不能综合考虑实际备件损耗的各种影响因素，预计结果与实际需求往往相差较远。统计法结果比较接近事实，但其处理对象是备件的库存消耗数据，与备件在设备上的运行损耗只存在间接关系，因此容易受到其它因素的干扰，预测结果无法科学有效地指导备件库存和采购。由于上述方法的缺陷，导致备件需求预测误差大，影响设备维修进度或者占用大量企业资金。随着设备维修管理综合化和智能化的不断发展，迫切需要切实可行的新方法来提高备件需求预测准确性。
发明内容本发明的目的在于提供一种直观有效的基于在役寿命评估的备件需求预测方法。本发明研究实际服役条件下备件使用寿命的统计规律，根据在役寿命预测备件需求，从机理上有效降低预测误差。实现上述发明目的的技术解决方案是，一种基于在役寿命评估的备件需求预测方法，立足于设备运行过程中零部件更换的历史记录数据，通过统计分析，估计备件在该服役条件下的寿命，结合备件服役时间，预测出未来备件的需求量。包括以下步骤-1)确定设备运行过程中零部件更换的历史记录；2)以零部件更换的时间间隔化,7;，…,7^作为统计样本，计算均值f-)力j;和标准差"、吿罪/_13)根据零部件重要程度设定可靠度i，査正态分布分位数表，得到该可度下标准正态分布的分位数"《;4)以可靠度^下的置信下限值f-^^，作为该设备该服役位置上所需备件的在役寿命f-f-^.h5)根据备件的在役寿命和已服役时间，得到备件需求预测函数x(0^(卜""r)，式中'为时间变量，f为在役寿命估计值，"为正整数仏2,…)，每一个取值表示备件的一次需求，r为已服役时间，S(O为单位脉冲函数；6)预测多台设备对同一种备件的总需求量y(o-l;外-W+7;o.卯)，作为备件库存管理和采购决策依据，式中f为时间变量，《为第/个服役位置上该种备件的在役寿命估计值，"为正整数(1，2，…1，每一个取值表示备件的一次需求，r/为第,'个服役位置上该备件的已服役时间，《(o为单位脉冲函数，G(o为时间选择函数，当Z落在选择时间范围内时，G(/)=l，否则G(/)-0;7)新的零部件更换记录得到后，更新均值f和标准差^，重复步骤46。本发明提供的备件需求预测方法，克服了传统方法忽视服役条件是决定备件使用寿命根本原因的缺点，为提高备件需求预测准确性提供了新的思路，具有以下特点1、通过统计零部件更换的时间间隔，计算得到每台设备维修关注位置上的备件在役寿命，该寿命充分考虑现场实际服役条件，满足设定的统计可靠度，是更为合理的个性化估计值。2、以外)-外-"f+r')作为预测函数，直观表达备件周期性的需求变化。3、以y(/)=i外-"力+。.G(/)预测一定时间范围内多台设备对同一种备件的总需求量，对企业备件库存管理和采购决策具有明确的指导意义。4、随着设备运行过程中零部件更换历史记录的不断积累丰富，备件在役寿命估计的准确性会不断提高，预测可靠性随之提高。图1是零部件出现故障的概率模型图；图2是理想的备件储备量变化规律图；图3是实际的备件储备量变化情况图；图4是备件的周期性需求预测图；图5是备件总需求预测模拟曲线图；图6是备件需求预测时间选择函数图；以下结合附图对本发明的内容作进一步的详细说明。具体实施例方式参照图1所示，横轴表示服役时间，纵轴表示故障概率。根据中心极限定理，设备运行过程中零部件出现故障需要更换的概率符合正态分布，在固定的服役位置上，零部件达到平均服役时间的概率最大，离平均服役时间越远则概率越小。实际应用中常常使用小于平均服役时间的某一时间值作为安全服役时间，零备件服役达到安全服役时间后，需要事先预备备件，以便进行替换，由此产生备件需求。参照图2所示，横轴表示时间，纵轴表示备件储备量。理想的备件储备量变化是"波浪"式进行的，起始时刻存在一定的备件储备量，随着时间推移，备件陆续被领用，储备量逐渐递减；当储备量递减至订货点时，采购人员批量订购备件，并要求在采购周期内到货；当储备量降最小储备量时，新订购的备件入库，备件储备量增至最大储备量，从而走完一个"波浪"，又开始走一个新"波浪"。参照图3所示，横轴表示时间，纵轴表示备件储备量。实际备件储备量的变化情况不可能如图2所示，而是一种不规则的变化。不同服役条件造成同一种备件在不同服役位置上，其平均服役时间和安全服役时间完全不相同，造成备件的总体消耗速率随机变化，同时，采购周期也不可能被精确控制，因此实际的备件储备量变化是一种非平稳的复杂过程。传统的备件需求预测方法，以备件储备量变化数据为处理对象，不可避免的会受到干扰因素的影响，产生较大的预测误差。本发明对设备运行过程中零部件更换的历史记录数据进行统计，设零部件更换的时间间隔为{7;，7^...,7;}，计算其平均值f-^t7:，方差》7;-f)25十M。设定可靠度i,查表得到该可靠度下标准正态分布的分位数"A，以置信下限值f-^i，作为该设备该服役位置上所需备件的在役寿命f,贝Uf-f-"。参照图4所示，横轴表示时间，纵轴表示备件需求量。根据备件的已服役时间和在役寿命，得到在该设备该服役位置上备件的需求预测函数X(/)-外-"f+丌)，式中^为时间变量，f为在役寿命估计值，n为正整数仏2，…)，每一个取值表示备件的一次需求，r为已服役时间，ao为单位脉冲函数。需求预测函数是周期脉冲函数，其周期等于备件的在役寿命估计值。参照图5所示，橫轴表示时间，纵轴表示备件总需求量。同一种备件在不同设备、不同服役位置的寿命各不相同，导致需求周期不同，此外已服役时间也长短不一，因此当预测某备件在一个工厂或车间内的总需求时，不同的需求函数迭加所得到的必定是一个不规则的波动起伏的函数，图5表示了6一个预测模拟曲线。参照图6所示，横轴表示时间，纵轴表示时间选择函数值。在实际应用中，需要对未来某一段时间内的备件需求量进行预测，以控制库存或安排釆购，为此定义图6所示的时间选择函数G(O-t^《^。进一步得到一定时间范围内多台设备对同一种备件的总需求预测公式r(f)=|>(f-^+77).G(0，式中^为时间变量，f为第/个服役位置上该种备件的在g^命估计值，"为正整数{1,2,—，每一个取值表示备件的一次需求，7T为第i个服役位置上该备件的已服役时间，J(/)为单位脉冲函数，G(,)为时间选择函数o本发明将备件的寿命估计与实际服役条件紧密结合起来，提高了备件需求预测的准确性，尤其适用于指导设备上频繁更换零部件的备件储备，对于企业保证备件供应和降低备件库存具有重要的意义。以下给出实施例以某钢铁集团公司中板工序某天车主钩的刹车闸瓦为例，该零部件对保证天车安全运行起着至关重要的作用，其磨损量受到天车载重、制动频次、操作习惯等多种因素的影响，目前尚没有可行的方法预测需求，造成备件积压情况严重。通过本发明的方法进行备件需求预测，步骤如下1.如表l所示为该闸瓦的更换时间与间隔；表l:<table>tableseeoriginaldocumentpage7</column></row><table><table>tableseeoriginaldocumentpage8</column></row><table>2.计算更换间隔的均值为90.22天，标准差为3.51;3.设定可靠度1=0.9，查表得到该可靠度下标准正态分布的分位数MR=1.28;4.计算该备件在役寿命f=『-^^86天；5.得到该备件的需求预测函数z(o-^-W+r)，估计该天车主钩闸瓦下次更换时间为2008年1月15日，经现场实际情况验证，2008年1月16日检测该轴瓦磨损量达到更换标准，17日进行更换。6.根据同样的方式计算其它天车系统对该类型闸瓦的需求预测函数，由总需求预测公式得到需求预测值，与实际需求量的比较结果如表2:表2:<table>tableseeoriginaldocumentpage8</column></row><table>采用本发明所述的基于在役寿命评估的备件需求预测方法得到的预测值接近于备件的实际需求量，能够满足企业对备件库存管理的技术支持需要。权利要求1.一种基于在役寿命评估的备件需求预测方法，其特征在于，立足于设备运行过程中零部件更换的历史记录数据，通过统计分析，估计备件在该服役条件下的寿命，结合备件服役时间，预测出未来备件的需求量，包括以下步骤1)确定设备运行过程中零部件更换的历史记录；2)以零部件更换的时间间隔{T1，T2，…，Tl}作为统计样本，计算均值<mathsid="math0001"num="0001"><math><![CDATA[<mrow><mover><mi>T</mi><mo>‾</mo></mover><mo>=</mo><mfrac><mn>1</mn><mi>l</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>l</mi></munderover><msub><mi>T</mi><mi>i</mi></msub></mrow>]]></math>id="icf0001"file="A2008101502120002C1.tif"wi="17"he="10"top="92"left="22"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>和标准差<mathsid="math0002"num="0002"><math><![CDATA[<mrow><mover><mi>σ</mi><mo>^</mo></mover><mo>=</mo><msqrt><mfrac><mrow><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>l</mi></munderover><msup><mrow><mo>(</mo><msub><mi>T</mi><mi>i</mi></msub><mo>-</mo><mover><mi>T</mi><mo>‾</mo></mover><mo>)</mo></mrow><mn>2</mn></msup></mrow><mrow><mi>l</mi><mo>-</mo><mn>1</mn></mrow></mfrac></msqrt><mo>;</mo></mrow>]]></math>id="icf0002"file="A2008101502120002C2.tif"wi="34"he="17"top="86"left="61"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>3)根据零部件重要程度设定可靠度R，查正态分布分位数表，得到该可靠度下标准正态分布的分位数uR；4)以可靠度R下的置信下限值<mathsid="math0003"num="0003"><math><![CDATA[<mrow><mover><mi>T</mi><mo>‾</mo></mover><mo>-</mo><msub><mi>u</mi><mi>R</mi></msub><mo>·</mo><mover><mi>σ</mi><mo>^</mo></mover><mi></mi><mo>,</mo></mrow>]]></math>id="icf0003"file="A2008101502120002C3.tif"wi="19"he="4"top="131"left="99"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>作为该设备该服役位置上所需备件的在役寿命<mathsid="math0004"num="0004"><math><![CDATA[<mrow><mover><mi>T</mi><mo>^</mo></mover><mo>=</mo><mover><mi>T</mi><mo>‾</mo></mover><mo>-</mo><msub><mi>u</mi><mi>R</mi></msub><mo>·</mo><mover><mi>σ</mi><mo>^</mo></mover><mo>;</mo></mrow>]]></math>id="icf0004"file="A2008101502120002C4.tif"wi="25"he="5"top="142"left="56"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>5)根据备件的在役寿命和已服役时间，得到备件需求预测函数<mathsid="math0005"num="0005"><math><![CDATA[<mrow><mi>X</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>=</mo><mi>δ</mi><mrow><mo>(</mo><mi>t</mi><mo>-</mo><mi>n</mi><mover><mi>T</mi><mo>^</mo></mover><mo>+</mo><msup><mi>T</mi><mo>′</mo></msup><mo>)</mo></mrow><mo>,</mo></mrow>]]></math>id="icf0005"file="A2008101502120002C5.tif"wi="38"he="5"top="164"left="22"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>式中t为时间变量，id="icf0006"file="A2008101502120002C6.tif"wi="2"he="4"top="164"left="102"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>为在役寿命估计值，n为正整数{1，2，…}，每一个取值表示备件的一次需求，T′为已服役时间，δ(t)为单位脉冲函数；6)预测多台设备对同一种备件的总需求量<mathsid="math0006"num="0006"><math><![CDATA[<mrow><mi>Y</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><mi>δ</mi><mrow><mo>(</mo><mi>t</mi><mo>-</mo><mi>n</mi><msub><mover><mi>T</mi><mo>^</mo></mover><mi>i</mi></msub><mo>+</mo><msubsup><mi>T</mi><mi>i</mi><mo>′</mo></msubsup><mo>)</mo></mrow><mo>·</mo><mi>G</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>,</mo></mrow>]]></math>id="icf0007"file="A2008101502120002C7.tif"wi="53"he="9"top="187"left="126"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>作为备件库存管理和采购决策依据，式中t为时间变量，id="icf0008"file="A2008101502120002C8.tif"wi="4"he="5"top="203"left="137"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>为第i个服役位置上该种备件的在役寿命估计值，n为正整数{1，2，…}，每一个取值表示备件的一次需求，T′i为第i个服役位置上该备件的已服役时间，δ(t)为单位脉冲函数，G(t)为时间选择函数，当t落在选择时间范围内时，G(t)＝1，否则G(t)＝0；7)新的零部件更换记录得到后，更新均值<overscore>T</overscore>和标准差id="icf0009"file="A2008101502120002C9.tif"wi="5"he="3"top="248"left="146"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>重复步骤4～6。全文摘要本发明公开了一种基于在役寿命评估的备件需求预测方法。本发明利用设备运行过程中零部件更换的历史记录，建立统计模型，评估备件在当前服役条件下的寿命，根据在役寿命的估计值以及实际服役时间，定义备件需求函数，并进一步预测多台设备在一定时间范围内的备件需求总量。该方法将备件的寿命估计与实际服役条件紧密结合起来，提高了备件需求预测的准确性，适用于设备上频繁更换零部件的维护指导，对于企业保证备件供应和降低备件库存具有重要的意义。文档编号G06Q10/00GK101320455SQ20081015021公开日2008年12月10日申请日期2008年6月30日优先权日2008年6月30日发明者弹刘,庆张,徐光华申请人:西安交通大学