CN105160513A - 一种设备备件的安全库存计算方法及系统 - Google Patents

Abstract

本发明公开了一种设备备件的安全库存计算方法及系统，该方法包括以下步骤：步骤1：基于滑窗方法统计历史的备件更换记录，并基于MTBF算法，确定每一个备件的生命周期时长概率的分布；步骤2：基于所述的备件的生命周期时长概率的分布，对每一个备件计算更换概率，判定该备件在下一周期内是否需要更换；再统计出所有的在下一周期内需要更换的备件的总数，该总数即为安全库存量k1。该设备备件的安全库存计算方法及系统易于实施，准确性更高，有利于保障机器设备正常运行。

Description

一种设备备件的安全库存计算方法及系统

技术领域

本发明涉及一种设备备件的安全库存计算方法及系统。

背景技术

安全库存(又称保险库存)是指为了防止由于不确定因素(如突发性大量订货或供应商延期交货)影响订货需求而准备的缓冲库存，安全库存用于满足提前期需求。安全库存的计算，一般需要借助于统计学方面的知识，对顾客需求量的变化和提前期的变化作为一些基本的假设，从而在顾客需求发生变化、提前期发生变化以及两者同时发生变化的情况下，分别求出各自的安全库存量。即假设顾客的需求服从正态分布，通过设定的显著性水平来估算需求的最大值，从而确定合理的库存。

企业生产设备的备件，一般认为采购的提前期是基本固定的，备件的更换需求存在较大的不可预知性。目前常用的备件安全库存的算法是：基于历史换件记录的按一定周期计算出换件数量的标准差，假定换件数量服从正态分布，在一定服务水平的条件下，通过查询正态分布表查得对应的服务水平系数。运用公式：安全库存＝平均采购提前期*一定服务水平下的前置期标准差，计算出安全库存。

这种算法运用了历史数据，并基于正态分布的假设，能较合理的估算出安全库存量。但由于企业设备一般是批量上新或批量维保，备件的更换可能存在集中的不均匀出现的可能，正态分布的假设可能不太成立。所以基于设备备件的需求的特殊性，需要寻找更合理计算方法。

公开号为CN1416085的发明专利公开了一种“安全库存量计算装置”【申请号为CN01134503.9】，该专利通过公式“安全库存量＝日均量×安全天数×调整系数”，来自动计算各商品的安全库存量，其中调整系数为人为设定的，实用性和灵活性较差。

因此，有必要设计一种新型的设备备件的安全库存计算方法及系统。

发明内容

本发明所要解决的技术问题是提供一种设备备件的安全库存计算方法及系统，该设备备件的安全库存计算方法及系统易于实施，准确性更高，有利于保障机器设备正常运行。

发明的技术解决方案如下：

一种设备备件的安全库存计算方法，包括以下步骤：

步骤1：基于滑窗方法统计历史的备件更换记录，并基于MTBF算法，确定每一个备件的生命周期时长概率的分布；

步骤2：基于所述的备件的生命周期时长概率的分布，对每一个备件计算更换概率，判定该备件在下一周期内是否需要更换；

再统计出所有的在下一周期内需要更换的备件的总数，该总数即为安全库存量k1。

安全库存对应的备件为应用在同一设备上、同一类型设备或不同类型设备上的同一备件(即型号和规格参数均相同)，一般是易磨损的(需更换的)的关键零部件。

步骤1中，所述的滑窗方法中，滑窗的窗口期为预先设定的换件周期；

备件更换记录包括任一备件的更换日期记录和某次更换与上次更换之间的时间间隔；

备件更换的时长累加概率的计算公式为：

$F_{\left(n\right)}\left(t\right)=\left\{\begin{array}{c}0,t<t\left(1\right)\\ i/n,t\left(i\right)<=t<t(i+1)\\ 1,t>=t\left(n\right)\end{array}\right.,i=1,2,...n$

t-任意换件时间间隔，t(1)，t(2)，......，t(n)为换件间隔时间的顺序统计量；n为换件间隔时间的顺序统计量的变量个数；n即为统计的间隔个数，参见表1。

对某一个备件计算当前更换概率(即损坏或故障需要更换备件的概率)的公式为：F(t0)＝P{T＜t0}【或者写成F(t0)＝P{T＜t0}＝F_(n)(t0)】；其中，T——换件间隔时间总体，即该备件最长的间隔时间，t0-从最近一次更换时刻到当前时刻的时间间隔，该公式表示基于换件间隔时间总体T，且距最近一次更换备件t0时间时所对应该部件的更换概率；

设下一个供货周期为m天，则取第m天(即最后一天)对应的时刻来确定t0，并计算F(t0)，若F(t0)≥K，K为故障概率阈值【可根据实际情况灵活设置，如设置为80％，90％，95％等】，则判定该备件在下一个供货周期内需要更换；统计下一个供货周期内所有需要更换的备件总数，该备件总数即为初步的安全库存量k1。

故障概率阈值K为80％、90％或95％。

对所求的安全库存量k1进一步修正，修正方法为：

将k1与按照非MTBF算法计算出的安全库存量k0比较，确定最终的安全库存量k2：

确定方法为：k2＝max(k1，k0)。即若k1≤k0，则k2取k0的值；若k1＞k0，则k2取k1的值；

非MTBF算法计算出的安全库存量k0的计算方法为，基于某一配件的更换记录计算平均每个周期的消耗量L，标准差σ，故障概率阈值K对应的正态分布表的系数为σ，则非MTBF算法计算出的安全库存量k0＝roundup(L+σ＊k)，其中，roundup(.)表示向上取整。

一种设备备件的安全库存计算系统，包括微处理器、显示器和存储器，存储器中存储有历史的备件更换记录；微处理器基于前述的设备备件的安全库存计算方法计算安全库存；计算得到的安全库存由显示器显示。

本发明基于历史换件记录，运用滑窗算法进行统计，并基于历史换件记录和设备的运行时间，运用平均故障间隔时间的算法，计算出各设备上的备件的生命周期，从而计算出一段周期的备件可能消耗量，最终计算出备件的最佳库存量。

本发明中，供货周期是确定的，但是消耗是不确定的，需要计算和预测。

本发明的核心在于：1.采用滑窗算法进行统计；2.采用mtbf计算消耗。

有益效果：

本发明的设备备件的安全库存计算方法及系统，结合运用滑窗算法和MTBF(MeanTimeBetweenFailure，平均故障间隔时间)的思想，最终得出备件的安全库存量。

本发明相比传统的安全库存计算方法有如下优势：

1.通过灵活的滑窗统计能获取到更细粒度的历史数据，避免遗漏两个相邻周期出现较大值时的组合最大值，例如，某备件的更换记录如图1，5天为一个采购周期。

传统安全库存在统计历史数据时，统计到的数据分别是周期一18个，周期二14个，共两个周期数据。

如使用滑窗来进行历史数据统计时，统计到的数据共6个周期数据，每个周期的数据分别是18、20、21、21、18、14，最大值为21个。

两者对比，使用滑窗方法统计，获取的数据量要大，数值的覆盖范围要广，为安全库存的计算提供更可靠的数据支撑。

2、历史经验与未来预测相结合，互为补充。既能保障由于生产环境的变化导致超出历史记录时不出现缺货的情况，也能弥补预测本身偶尔存在不精准的情况。

假如利用上面的滑窗算法得出一个周期内需要的备件最大数据量是21个，再结合MTBF算法，计算出每个机台上该备件90％概率【或95％等】需要更换的数量的总和是25个，那么，在设置安全库存时，则选择由预测得出的较大数量的值，这样能更可靠的保障不出现缺货的可能。

本发明基于大量历史消耗记录和设备运行时间，基于MTBF(平均故障间隔时间)理论，运用滑窗算法计算出最佳设备备件库存量，最终为企业减轻库存成本压力，降低物资缺货风险。

附图说明

图1为采用统计方法与滑窗统计方法的统计备件的更换记录的示意图；

图2为备件的生命周期时长概率的分布图。

具体实施方式

以下将结合附图和具体实施例对本发明做进一步详细说明：

实施例1：

如图1-2，本法的方法具体描述如下：

(1)首先基于维修换件记录的大量历史数据，基于可灵活调整的滑窗宽度(如7天或30天，本实例中为5天)对每类零备件进行更细粒度的滑窗统计，得出指定的时间周期该备件需要消耗数量的上下限和平均值；

(2)基于MTBF的思想，计算出每类备件的综合损坏或故障的全生命周期的时间分布率特征；计算公式如下：

$F_{\left(n\right)}\left(t\right)=\left\{\begin{array}{c}0,t<t\left(1\right)\\ i/n,t\left(i\right)<=t<t(i+1)\\ 1,t>=t\left(n\right)\end{array}\right.,i=1,2,...n$

式中：t-任意换件时间间隔，设t₁，t₂，......，t_n为换件间隔时间的观测值，由该组观测值所得到的换件间隔时间的顺序统计量为t(1)，t(2)，......，t(n)；

F_(n)(t)表示不同换件周期的分布率，后面的举例中有说明。

i是观测数组中是排序号；

(3)对每一特定的在使用中的零备件基于上述得出的分布率特征得出当前发生损坏或故障需要更换备件的概率；计算公式为：F(t)＝P{T＜t}。式中：T——换件间隔时间总体，t-任意换件时间间隔，并结合可灵活配置的各类备件的故障概率阈值得出该备件在本周期是否需要更换的判断结果；

这个窗口期即备件的采购周期，是举例是假设的。实际运用时按实际的采购周期来定。

(4)如果基于各类备件通过MTBF计算预测出来的总共在该时间周期需要消耗的备件数量不在滑窗统计出来的上下限范围之内，则需参考MTBF的结果对安全库存的上下限范围进行修正。

以下假定企业设备备件的采购周期为固定的，备件的更换需求是变化的。用MTBF计算某个备件相应概率下生命周期时长的算法如下：假定某卷烟企业生产某类设备的某个备件的更换记录如表：表1

运用在上面的备件更换记录上，得出该备件的生命周期时长概率分布如下：表2

生命周期(天)	出现次数	占总统计数中的概率	累计概率
				4	1	10％	10％
5	1	10％	20％
				6	0	0	20％
7	2	20％	40％
				8	2	20％	60％
9	1	10％	70％
				10	1	10％	80％
11	0	0	80％
				12	1	10％	90％
13	0	0	90％
				14	0	0	90％
15	1	10％	100％

把上面表格里数据转换成计算公式的表述，即t(1)＝4天，t(2)＝5天，t(3)＝7天……t(10)＝15天；这个例子中，n＝10，即表1中除第一行数据外，还有10行数据，则n为10。那么按照时长累加概率的算法，

$F_{\left(n\right)}\left(t\right)=\left\{\begin{array}{c}0,t<t\left(1\right)\\ i/n,t\left(i\right)<=t<t(i+1)\\ 1,t>=t\left(n\right)\end{array}\right.,i=1,2,...n$

当换件后的第一天到第三天，即当1＜＝t＜＝3天时，t＜t(1)，所以F(t)＝0；当4＜＝t＜16时F(t)＝i/n(这里的i是t时长出现的次数，对应上表里的“出现次数”列)，如F(4)＝1/10＝10％；这样可计算到上表中“占总统计数中的概率”；然后再用此公式：F(t)＝P{T＜t}计算出任意换件时间间隔t在换件时间间隔总体时间T里发现换件的概率，即上表中的“累计概率”列的数值，用图形方式展现即为图2。

有了备件的生命周期时长概率的分布图，就可以对某一特定机台上的备件做更换时机的预测了。

举例说明：

基于图1的更换记录，假定供货周期为5天，不变动，在满足95％的服务水平条件下，查询正态分布表可知对应的系数为1.65。用普通的方法计算安全库存：

平均每个周期的消耗量：(18+14)/2＝16标准差：(2+2)/2＝2

库存波动量：2*1.65＝3.3，换成整数为4，安全库存量应为：16+4＝20

采用滑窗算法后，计算安全库存：

平均每个周期的消耗量：(18+20+21+21+18+14)/6＝18标准差：(0+2+3+3+0+4)/6＝2

库存波动量：2*1.65＝3.3，换成整数为4【也可以在计算的最后结果后再取整，结果相同】，安全库存量应为：18+4＝22。

假定运用MTBF算法，计算出每个机台对应备件在下一周期内95％需要更换的备件数量(即安全库存量)可能为19或25(因为运用MTBF算法计算出某备件的生命周期后，在未来周期需要更换多少备件是需要看具体在用备件的个数和每一个备件具体的更换的日期，前面已经有MTBF算法的过程说明了，所以这里只需假设出两种可能即可(大于22或小于22))

当预测出来是19时，为了保证可靠的安全库存，实际应用时，还是取22为库存量；当预测出来是25时，实际应用时，最终则取25为库存量，这样更能消除由于生产时间或换件时机带来的影响，可靠的保证生产。

对比这两种算法，可以看出，运用了滑窗和MTBF相结合的算法，在同样的时间周期内能获得更多的样本空间，为企业生产提供更高的可靠性保障；而且本发明还考虑到了实际生产过程中的每个备件的生命周期时长概率，能更好的预防同时大批量换件或周期内超负荷生产所带来的小概率高峰值的换件需求，降低缺货概率，保证企业稳定生产。

Claims (7)

1.一种设备备件的安全库存计算方法，其特征在于，包括以下步骤：

步骤1：基于滑窗方法统计历史的备件更换记录，并基于MTBF算法，确定每一个备件的生命周期时长概率的分布；

步骤2：基于所述的备件的生命周期时长概率的分布，对每一个备件计算更换概率，判定该备件在下一周期内是否需要更换；

再统计出所有的在下一周期内需要更换的备件的总数，该总数即为安全库存量k1。

2.根据权利要求1所述的设备备件的安全库存计算方法，其特征在于，步骤1中，所述的滑窗方法中，滑窗的窗口期为预先设定的换件周期；

备件更换记录包括任一备件的更换日期记录和某次更换与上次更换之间的时间间隔；

备件更换的时长累加概率的计算公式为：

$F_{\left(n\right)}\left(t\right)=\left\{\begin{array}{c}0,t<t\left(1\right)\\ i/n,t\left(i\right)<=t<t(i+1)\\ 1,t>=t\left(n\right)\end{array}\right.,i=1,2,...n$

t-任意换件时间间隔，t(1)，t(2)，......，t(n)为换件间隔时间的顺序统计量；n为换件间隔时间的顺序统计量的变量个数。

3.根据权利要求2所述的设备备件的安全库存计算方法，其特征在于，步骤2中，对某一个备件计算当前更换概率的公式为：F(t0)＝P{T＜t0}；其中，T——换件间隔时间总体，即该备件最长的间隔时间，t0-从最近一次更换时刻到当前时刻的时间间隔，该公式表示基于换件间隔时间总体T，且距最近一次更换备件t0时间时所对应该部件的更换概率；

设下一个供货周期为m天，则取第m天对应的时刻来确定t0，并计算F(t0)，若F(t0)≥K，K为故障概率阈值，则判定该备件在下一个供货周期内需要更换；

统计下一个供货周期内所有需要更换的备件总数，该备件总数即为初步的安全库存量k1。

4.根据权利要求3所述的设备备件的安全库存计算方法，其特征在于，故障概率阈值K为80％、90％或95％。

5.根据权利要求1-4任一项所述的设备备件的安全库存计算方法，其特征在于，对所求的安全库存量k1进一步修正，修正方法为：

将k1与按照非MTBF算法计算出的安全库存量k0比较，确定最终的安全库存量k2：

确定方法为：k2＝max(k1，k0)。

6.根据权利要求5所述的设备备件的安全库存计算方法，其特征在于，非MTBF算法计算出的安全库存量k0的计算方法为，基于某一配件的更换记录计算平均每个周期的消耗量L，标准差σ，故障概率阈值K对应的正态分布表的系数为σ，则非MTBF算法计算出的安全库存量k0＝roundup(L+σ＊k)，其中，roundup(.)表示向上取整。

7.一种设备备件的安全库存计算系统，包括微处理器、显示器和存储器，其特征在于，存储器中存储有历史的备件更换记录；微处理器基于权利要求6所述的设备备件的安全库存计算方法计算安全库存；计算得到的安全库存由显示器显示。