基于贝叶斯方法的备件需求量预算研究.docVIP

基于贝叶斯方法的备件需求量预算研究 　　[摘 要]本文利用贝叶斯方法，针对如何确定新设备的备件需求量展开研究。由于新设备故障信息掌握较少，可以通过参考类似装备的寿命分布类型，结合现有的故障信息，建立基于贝叶斯方法的小数据预测模型，为预算新设备的备件需求量提供依据。 　　[关键词]贝叶斯 备件 需求量 　　中图分类号：TM75 文献标识码：A 文章编号：1009-914X（2016）28-0148-02 　　备件需求量指的是在装备的使用要求时间内，由于备件故障或到寿产生的备件需求数量。根据备件是否有寿命要求，可以划分为无寿命要求的备件和有寿命要求的备件。无寿命要求的备件主要是由设备的故障引起的;有寿命要求的备件除了由设备的故障引起外，还包括设备到寿更换。对于新设备来说，掌握的故障信息较少，很难确定其备件需求量，本文基于贝叶斯方法，提出了一种小数据预算模型，并结合算例分析，研究新设备备件需求量的预算办法。 　　一、贝叶斯方法介绍 　　贝叶斯统计学方法主要依据以下三种推断。它与经典统计学的主要差别在于是否利用先验信息。 　　（1）总体信息，即总体分布和总体所属分布簇给出的信息。 　　（2）样本信息，即从总体中抽取的样本给出的信息。 　　（3）先验信息，即在抽样之前有关统计问题的一些信息，先验信息主要来源于经验和历史资料。 　　贝叶斯统计学的基本观点：任一未知量θ都可看作一个随机变量，应该用一个概率分布去描述θ的未知状况。这个概率分布在抽样前就有关于θ的先验信息的概率陈述。这个概率分布称为先验分布，简称先验。 　　贝叶斯事件形式及其密度函数形式为：设事件A1，A2，…，An互不相容，并且i=Ω（必然事件），则对于任意事件B，有： 　　 （1） 　　 （2） 　　式中：θ为随机变量;为验前分布的概率密度函数;为验后分布的概率密度函数;为观测统计量X的条件分布。因此，可以看出运用贝叶斯方法的关键是验前信息的获取，验前分布的确定、相容性检验、信息融合等。 　　二、无寿命要求的备件需求量预算 　　对于无寿命要求的备件需求量预算，可以根据其在使用中的寿命分布类型，取出对应的共轭先验分布，结合现有的历史故障数据，利用先验求取超参数，建立基于贝叶斯的小样本数据预测模型。 　　基于贝叶斯的备件需求量预算步骤如下： 　　（1）确定故障率初始估计值 　　根据已有故障信息，计算出故障率的平均值，作为新设备备件预测中的初始故障率估计值。 　　（2）确定故障概率分布密度函数 　　对新设备故障信息掌握量少，故障规律难以有一个比较准确的把握时，通常做法是假设设备的寿命服从指数分布。则经验故障率为时的设备故障概率分布密度函数为： 　　 （3） 　　式中：x为递增符号;s为该设备所需备件需求量;为该设备的安装数;t为该设备的工作时间。 　　（3）确定先验预测分布 　　根据新设备故障的概率分布密度函数，确定对应的先验分布或共轭先验分布，并由此确定该新设备的贝叶斯先验预测分布。依据贝叶斯方法，服从指数分布的均值的共轭先验分布为Gamma分布，其形状参数为，尺度参数为： 　　= （4） 　　若在时间t内观察到r次故障（需求），则λ的先验密度函数变为，其中，，r是前一时间段t内发生故障的次数。 　　在预测周期L内发生k次故障的先验预测分布为： 　　= 　　（5） 　　其中，预测周期L为所要预测的时间段与估计初始故障率时所用的时间段的比值。 　　（4）计算超参数 　　（6） 　　 （7） 　　其中，P为规定的备件保障概率。 　　设记录了N个历史故障数据，用初始故障率估计值λ0和N次的实际观察故障率λk（k=1，2，…，N）作对比，计算比率λk/λ0，令ω等于比率的平均值。计算保障概率P与N的乘积并取整数，将比率值按从小到大的顺序排列，令δ等于P×N取整所对应的比率值。将ω和δ值代入公式（6）和（7）中，计算出超参数α和β的值。 　　（5）计算预测周期L内备件需求量 　　确定满足保障概率P的备件计算公式为： 　　（8） 　　将前面求得的α，β值以及ν、L、P等代入式（8），即可计算出满足保障概率要求的该设备的备件需求量S。 　　三、有寿命要求的备件需求数量预算 　　有寿件的规定更换寿命很短，例如高速电机的规定更换寿命只有400-500小时，这也叫偶然损坏寿命。当有寿件的工作时间较长或装机数目较多时，就应考虑偶然损坏的影响。因此，有寿命要求的设备，其备件需求量应包括两部分：一是由于到寿引起计划拆换所需备件量;二是由于故障引起非计划拆换所需备件量。 　　稳定使用情况下，到寿更换所需的备件数目按公式（9）计算。 　　（9） 　　式中：M为该设备到寿更?Q所需的备件数;W为装备数量;