基于灰色理论的新装备维修保障费用预测

文章以我军某新型装备维修保障费用为研究对象,运用灰色理论的预测模型GM(1,1)对新装备未来维修保障费用进行了预测,并对预测模型的可靠性进行了系统验证。验证表明,通过运用灰色理论预测模型对新型装备的维修保障费用进行预测,可以较准确地反映实际情况,并为决策部门决策提供科学依据。     

基于MSOA神经网络模型的装备保障费用预测

引入基于多步骤优化方法(MSOA)神经网络模型用以预测装备保障费用。实验结果表明,与传统的ARIMA时间序列模型和常规BP神经网络模型相比,基于MSOA神经网络预测模型具有更高预测精度。因此,该模型是一种更有效的装备保障费用预测模型。     

航空装备维修费用的组合预测模型

通过分析回归分析法,BP神经网络和加速遗传算法原理,针对BP神经网络的变异特性,运用遗传算法对其进一步修正,最终建立了适用于航空装备维修保障费用的BP网络组合预测时间序列输出模型,结合某型航空装备维修保障费用数据进行预测系统仿真,得出结果实际数据相比误差较小.结论说明,此方法具有更高的预测精度,有较好的实际应用价值.     

预防性维修周期的优化建模

随着现代装备系统性能和复杂程度的不断提高,使用维护要求的日趋严格使其使用和保障费用也急剧上涨。提出了一种计算可修复系统的最优预防维修周期的模型,此模型是结合系统的失效损失费和维修费用,根据使单位有效使用时间的费用最小的原则建立的,针对失效时间为伽码分布的系统,计算了各种费用比和尺度参数下的最优维修周期。结论说明,此方法具有更高的预测精度,有较好的实际应用价值。     

装甲装备使用可用度与维修保障费用的优化模型

维修保障费用是影响装甲装备使用可用度的重要因素之一。要在有限的保障经费下实现高可用度要求,就必须建立装甲装备的使用可用度与维修保障费用的优化模型。根据装甲装备实际维修特点,在分析装甲装备预防性维修过程中故障类型多样的基础上,构建了装甲装备在给定维修周期内的使用可用度模型和维修保障费用模型,进而建立了使用可用度与维修保障费用的优化模型,提出了模型的解法和模型的改进建议。     

装备预测与健康管理体系结构及关键技术

结合预测与健康管理技术（PHM）在降低装备保障维修费用方面的明显优势,介绍了预测与健康管理技术的内涵及特点,分析了PHM系统的开放式流程,并将该开放式流程应用于装备的故障诊断和预测中,提出一种基于PHM的预测与健康管理体系框架。在此基础上,对诊断与预测技术以及传感器配置算法等关键技术进行了详细阐述,介绍了采用的诊断和预测模型及算法。     

通用装备维修保障资源需求仿真建模研究

从新型通用装备维修保障的实际需求出发,在对维修保障系统运行过程分析的基础上,建立了维修资源需求的仿真模型,并给出了相关算法。该模型可实现对各种主要维修资源需求的预测,并能给出装备完好率、备件缺货率和装备待修时间等系统特征指标。该模型和算法可为装备的维修保障提供科学的依据。     

ANFIS网络在舰船维修费用预测中的应用

利用自适应模糊推理系统(ANFIS)的模糊推理能力和学习功能相结合的优点,运用于舰船维修费用预测中.分析了影响维修费用的因素,采用变量投影重要性分析方法(VIP)对影响因素进行评估和筛选,使用ANFIS网络建立模型.通过实际算例进行分析,用历史数据训练ANFIS网络,预测舰船维修费用,在数据样本量小的情况下,较一般神经网络精度有明显提高.     

遗传神经网络在保障资源需求预测中的应用

针对现代战争条件下装备保障资源需求变化快,保障资源预测困难的问题,首先分析了影响装备保障资源需求的因素,根据实际情况选取了平均维修间隔时间(MTBM)、平均修复时间(MTBR)等8项影响装备保障资源需求的关键指标,然后将基于遗传算法(GA)优化的反向传播(BP)神经网络应用于保障资源需求预测中,构建了基于遗传神经网络的需求预测模型,最后利用1980年～2010年实际保障资源需求数据对模型进行了验证.验证结果表明,基于GA优化的BP神经网络预测模型有较快的收敛速度、较强的适应性和较高的预测精度,适用于装备保障资源需求预测.     

导弹装备战场损伤预测仿真研究

装备的战场损伤、损耗预测是作战保障的基础。文中构建了导弹装备损伤预测的马尔可夫Markov模型,导弹装备战场损伤部件数量动力学预测模型,并针对战场损伤强度和维修强度对损伤概率和部件损伤数量进行了仿真。对导弹作战计划以及装备保障与维修计划的制定具有指导意义。     

维修保障资源优化技术研究

论述了维修保障资源优化技术的意义;对备选维修工序和维修资源方案进行费用分析、时间分析和效能分析,确定了一套在工程上实用的资源优化技术.     

小波神经网络在装备研制费预测与控制中的应用

通过小波及小波变换的原理和方法,建立了适用于武器装备研制费用的小波神经网络预测与控制模型.结合某型装备研制费用,进行了预测与控制的数据仿真.     

装备维修器材保障最小费用模型研究

考虑部队装备维修器材需求量的随机变化对保障费用产生的影响,通过实际问题分析给出了在保障单位零星供应条件下,如何确定保障单位最佳的器材存储量并建立器材保障最小费用模型的程序和方法,最后结合实例,验证了模型的适用性.     

基于年龄更换策略的威布尔分布备件需求计算方法

备件需求量预测在装备保障工作中发挥着重要作用。预防性维修可以消除装备潜在的故障或避免装备发生故障后所导致的严重后果,从而使装备始终处于期望状态。预防性维修策略下备件需求量建模能够以可预见的可靠性数据为基础进行,其关键问题是最佳更换间隔时间的确定。针对威布尔分布装备备件,采用年龄更换策略,确定最佳更换间隔时间,并在此基础上导出威布尔型备件需求计算模型,为备件需求量的预测提供了一种简单有效的方法。     

面向AL的战略级仓库备件供应优化方法

针对维修备件供应保障费用较高、管理难度较大等问题,借助自主式保障(AL)理念设计了面向AL的维修备件调度与供应优化框架,提出面向AL的战略级仓库维修备件供应优化思路。在此基础上,为了解决战略级仓库备件供应路线规划不科学、弥补半定量经验方法不足的情况,建立了带混合时间窗的多供应地——多需求地维修备件供应路线优化模型,设计了求解模型的GA-SA混合算法。最后运用算例进行了说明。     

基于半马氏决策过程的电容器维修策略优化

针对电容器随机劣化失效的特点,采用半马氏决策过程解决其预防性维修方案设计和维修策略优化问题.在电容器随机劣化的Gaussian-Poisson模型基础上,以检测周期为优化变量,同时考虑预防性维修次数阈值的影响,建立电容器长期运行费用率优化模型.分析表明,对该型号电容器来说,预防性维修相比于事后修理更加有利于节省部件长期运行的费用率.     

基于系统关联分析的装备维修费用的灰色系统预测研究

利用系统分析的方法对影响装备维修费用的因素做了分析．使用灰色关联分析的方法讨论了影响装备维修费用的主要因素．通过灰色ＧＭ（１,１）建模,给出了装备维修费用的预测．     

A single-machine replacement model with learning

The replacement or upgrade of productive resources over time is an important decision for a manufacturing organization. The type of technology used in the productive resources determines how effectively the manufacturing operations can support the product and marketing strategy of the organization. Increasing operating costs (cost of maintenance, labor, and depreciation) over time force manufacturing organizations to periodically consider replacement or upgrade of their existing productive resources. We assume that there is a setup cost associated with the replacement of a machine, and that the setup cost is a nonincreasing function of the number of replacements made so far due to learning in setups. The operating cost of a newer machine is assumed to be lower than the operating cost of an older machine in any given period, except perhaps in the first period of operation of the new machine when the cost could be unusually high due to higher initial depreciation. A forward dynamic programming algorithm is developed which can be used to solve finite-horizon problems. We develop procedures to find decision and forecast horizons such that choices made during the decision horizon based only on information over the forecast horizon are also optimal for any longer horizon problem. Thus, we are able to obtain optimal results for what is effectively an infinite-horizon problem while only requiring data over a finite period of time. We present a numerical example to illustrate the decision/forecast horizon procedure, as well as a study of the effects of considering learning in making a series of machine replacement decisions. © 1993 John Wiley & Sons. Inc.