5.2 基于设备维护策略下的备件需求预测
对于 A,B 类备件，大部分都是设备专用备件，同时此类备件消耗周期相对来说都比较长，其损坏或更换周期要远远大于订货周期。所以对于此类备件第一步就是将备件与生产线进行连接，并细分至设备和工位。然后从设备维修记录中调取该设备的历史故障记录，从中分析和总结出该备件的故障特征，备件状态可检测度，故障后果，通过第四章所述的维修模式决策规则来确定和优化维修模式。
在备件所在工位的维护策略确定后，备件的需求也可大致分成有计划性的备件需求，随机性的备件需求和消耗性备件的需求。对于计划性的备件需求，本文根据备件的以往需求数量进行指数平滑法来预测未来的备件用量。对于消耗件，由于每月的使用量也是有规律可寻的，所以可以结合指数平滑法来预测其需求量，同时可采用批量采购来节约采购总成本。
然而大量的随机性的备件需求，若没有计划性采购，当真正需要某个备件时，才会去关注库存是否有这个备件，一旦发现没有才去提出申请已经太晚了，这就会增加没有备件带来的生产线停机。若为了安全起见都备一套，那库存就会非常的高，就会形成很多备件会在仓库中多年不被领用的现象。故对于随机性的备件需求，本文将进一步分析其故障特征，故障可预测度结合设备关键性来预测备件的需求，并制定其库存策略。下表为本论文根据备件分类下的需求预测模型对照表。
5.2.1 计划件的需求预测。
对于计划件来说，从备件的需求特性分周期计划件和状态计划件。无论是周期计划件还是状态计划件，其需求是相对有规律的，所以可以通过其历史数据加权平均的方式来预测计划件的未来需求。本文通过指数平滑法来预测计划件的需求。
加权系数 α 也称为平滑系数，其确定方法一般有经验判断法和试算法。本文通过 EXCEL 的数组公式和规划求解计算不同平滑系数情况下的预测值及预测标准误差，选取标准误差最小的系数作为指数平滑的最优系数。本文主要采用均方误差 MSE 对预测误差进行评价，MSE 的值越小，说明预测模型描述实验数据具有更好的精确度。
下面以百超切割机的专用弹簧片 G419938 Ring 为例，利用指数平滑法来进行预测，由于该备件是周期性更换备件，故其每月领用量相对稳定。将其历史领用数据输入 EXCEL 中，然后将一次指数平滑公式和二次指数平滑公式分别输入，分别在 C 列和 G 列中得到其一次，二次指数平滑预测值。然后在 D23 和D24 中输入MSE（1）（一次指数平滑均方误差值）和 MSE（2）（二次指数平滑均方误差值），MSE（1）=SUMXMY2（B5:B21,C5:C21）/COUNT（C5:C21），MSE（2）==SUMXMY2（B5:B21,G5:G21）/COUNT（G5:G21），然后通过规划求解来求得α和MSE.目标函数为MSE（2）最小，自变量为α，自变量约束条件0<=α<=1.
利用 EXCEL 规划工具进行求解。最后得出 α=0.233,MSE（1）=7.0535,MSE（2）=8.8,胡对于 G419938 Ring 这个备件的需求来说，一次平滑效果好于二次平滑。准确率为 92%.
由此可见，对于计划件，由于其用量相对较固定，对于需求趋势明显的计划件可采取二次平滑法来进行需求预测，而对于需求趋势不太明显的计划件来说，一次平滑法更加适合。
5.2.2 事故件的需求预测。
对于事故件来说，由于其维修模式和备件本身特性决定了其需求的不确定性。事故件根据其通用专用属性不同，又可分为事故通用件和事故专用件。事故件按其设备及备件的关键性又分成 A,B,C,D 类事故件，基于 S 公司的生产及设备特性，规定 A 类备件，其库存服务水平要求大于 95%,B 类备件，其库存服务水平要求大于 85%.本文针对 A,B 类事故件，采取备件预测的方法来确定未来用量，对于 C,D 类事故件，由于其设备及备件关键性相对较低，本文1事故通用件在线使用量大，所安装的生产线也不同，其故障模式也不相同，故对于事故通用件来说，本文分析其历史使用量来判断是否满足正态分布，若满足正态分布，则可以根据正态分布概率来预测其未来需求。若不满足正态分布，则根据移动平均的方法进行预测。
对于事故专用件，有的年或月需求量较大，有的年或月需求量为 0,对于有需求量的事故专用件，本文将根据其历史使用量来判断是否满足正态分布，然后进行需求预测。但是对于没有消耗记录的事故专用件本文则要根据其备件平均使用寿命，结合装机量等因素进行需求预测。
下面三两个例子来应用一下满足正态分布需求的备件预测，不满足正态分布需求的备件预测及无消耗记录故障件的需求预测。
一、正态分布备件需求预测。
对于百超专用备件"G/713509 编码器 BHT 16.24A5000",是百超切割机 X,Y 轴编码器，装机量为 36 个。主要故障特征是电子寿命类型的故障。2012-2014年消耗记录如下：
通过 minitab 概率图对上述数据进行正态分布判断，其 P 值>0.05,说明符合正态分布。其均值为 6,标准差为 1.69.
由于该备件属于 A 类备件，A 类备件要求满足率大于>95%.利用 EXCEL计算 FL（8）=0.88 , FL（9）=0.96 故对于 G/713509 编码器 BHT 16.24A5000 来说，它未来半年预计库存量为 9 个。
二、非正态分布备件需求预测对于备件 B-703494 DEUBLIN 回转接头 1116-555-143,其历史消耗记录如下表：
通过 minitab 概率图对上述数据进行正态分布判断，其 P 值<0.05,说明不符合正态分布。
故此备件只有采取加权平均的方法来预测其需求量。其预测权重根据讨论和数据仿真试验后如下：
根据以上权重计算，该备件 2015 上半年的需求预测为 1.95,向上取整为 2.
实际 2015 上半年需求也为 2.
三、无历史消耗记录备件需求预测。
对于近五年无历史消耗记录的备件，在基于期望故障率的基础上，综合考虑该种设备的总的在使用台数，每台设备上该类备件的装机量，备件的平均使用寿命等参数来进行预测未来一段时间内的备件的需求量。对于备件故障模式为磨损类的备件，其备件的生命周期大致分为三个阶段：第一为备件故障的初发期，第二为备件故障的偶发期，第三则为备件加速磨损期。在第一阶段和第三阶段备件发生故障的概率最大，各个阶段故障根本原因也不相同。这类磨损类备件的故障率曲线如下图：
在设备的使用初期，正常状态下备件的磨损很小，而备件的安装问题，设计问题，人为操作因素等造成的故障更为常见。当设备使用了一定年限后，由于其工作环境，操作规范，工作负荷等因素相对稳定，其备件的期望使用寿命也相对稳定，通常将备件平均无故障使用周期的倒数作为备件的期望使用寿命。
其中：
Mt:表示为未来一段时间 T 内备件的需求量；N 表示为每台设备上该备件的装机量；T 表示为预测的时间段；m 表示为正常使用设备的台数；n 表示为包含正常使用和备用设备的总台数MTBF:表示为备件的平均无故障周期。一般由供应商提供。
λ： 表示处于"偶发故障期"内备件在单位时间内的故障率。
下面以 ABB 机器人为例，就 ABB 机器人 6 个轴齿轮箱在未来五年内的备件需求作一预测（以 3 轴为例），S 公司目前共有 13 台机器人（这 13 台机器人是同一年进入公司的，运行不到 1 年时间），且各机器人都处于满负荷运行，每台机器人只有一个 3 轴齿轮箱，从 ABB 机器人公司了解到机器人的关键件即齿轮箱，电机类的无故障周期平均为 5 年，由此得到 m=13,n=13.N=1,MTBF=5.
故Mt=1*5*1/5*13/13=1即未来五年内对 ABB 机器人的 6 根轴齿轮箱的备件需求为 1 个。
5.2.3 消耗件的需求预测。
对于消耗件，由于其需求规律性相对较强，可采取平滑指数法来预测其需求。具体方法同计划件的需求预测。
