随着武器装备的不断发展和进步,对装备备件保障的要求越来越高,备件短缺会给装备和人员带来不可估量的军事和经济损失。如何有效地预测备件需求规律并做出合理的库存决策方案对提高装备可用度和安全性、降低装备使用和维修成本具有非常重要的现实意义。本文在总结了国内外有关备件需求和库存模型研究现状的基础上,结合军事装备维修和备件管理的特殊性,将Phase-Type(PH)分布和马尔可夫到达过程(Markovian Arrival Processes,MAP)引入到备件需求和库存模型中,增强了模型的描述能力和解析处理能力。论文主要进行了以下研究工作:(1)基于PH分布的备件需求规律解析模型研究现有备件需求解析建模方法通常采用指数分布、Weibull分布或正态分布等典型分布作为随机变量的假设条件,这会导致模型适应性较差。针对这种情况,本文提出将部件寿命、维修时间等概率分布假设为PH分布。PH分布对[0, +∞)上全体概率分布函数具有稠密性,可以作为一般分布的通用表示形式,因此利用PH分布建模可以放宽对随机变量的约束,降低模型解析难度,并提升模型的可计算性。该部分结合我军装备维修和备件保障特点,重点研究了基层级维修时考虑随机冲击到达的单部件系统不可修备件需求模型、中继级维修时考虑维修次数限制的单部件劣化系统备件需求模型和多部件系统备件需求模型,这三个模型均是以往采用指数分布以外的其它分布难以解析建模的问题,充分显示出PH分布具有和指数分布一样优良的解析特性。该部分研究还将备件需求规律统一表示为MAP形式,这一表示形式能够更好的描述备件需求到达的“间断性”和“突发性”特征。(2)备件需求规律的MAP拟合方法研究对一些不便于建立备件需求解析模型的问题,利用EM算法设计了对备件需求历史数据进行参数估计的MAP基本拟合算法;随后针对该算法效率一般的情况,提出基于Hyper-Erlang分布的分步拟合改进算法,获得了满意的拟合精度和效率。该研究和基于PH分布的备件需求规律解析建模研究一起,是将MAP应用于备件库存建模过程的基础。针对参数估计可能遇到的数据样本不足的问题,提出通过对装备使用和维修过程进行仿真来获得备件需求数据样本。提出利用PH分布设计仿真算法以提升模型的通用性,并给出了PH分布的随机抽样方法,从而能够有效避免仿真过程中假设不同概率分布需进行多次参数估计和假设检验的情况,还能有效降低复杂概率分布的随机抽样难度。研究结合具体问题设计了一个仿真算法演示如何获得备件需求时间数据,得到了满意的数据样本。(3)基于PH分布和MAP的备件库存模型研究在通过解析方法或拟合方法获得MAP形式的备件需求规律后,利用PH分布和MAP开展备件库存随机模型的研究。以PH分布代替指数分布等典型分布描述订货时间、维修时间等随机变量,用MAP描述备件需求到达流,分别研究了单部件可修备件初始库存量模型、不可修备件(s,S)策略库存模型和两级可修备件(S-1,S)策略库存模型。模型充分利用了PH分布和MAP描述能力强、方便解析的特点,有效拓展了库存模型的适用范围,降低了模型分析和计算难度。通过各模型的计算示例,验证了PH分布和MAP用于备件库存建模问题的有效性。文章还通过一个具体案例详细演示了本文方法和模型在备件优化配置项目中的应用过程,显示了本研究的实用性和正确性。装备备件需求预测与库存管理涉及的模型和分析方法十分复杂,还存在诸多尚未解决的问题,需要不断地利用新方法和新工具开展针对性的研究。本文利用PH分布和MAP在备件需求和库存建模领域开展了有益的研究,对提高我军装备备件供应保障水平具有重要的理论与实用价值。