论文部分内容阅读
摘要：装备维修保障系统作为装备系统的组成部分，对维持武器装备处于高水平的任务可用状态扮演着不可或缺的角色，高技术武器装备对维修保障的敏感性高。论文确立了装备完好性敏感性分析指标选取的原则，借鉴美军诊断装备完好性的方法，选取了本地库存满足率、工作区率、基地库存满足率等一系列有较强的实际意义的敏感性指标，使用熵权法确定了这些指标的权重，并对源数据进行了标准化处理，最后运用RBF神经网络对装备战备完好敏感性进行了分析，为部队掌控装备完好性提供了一个新的思路。
关键词：装备完好性；敏感性分析；RBF神经网络；指标；熵权法
中图分类号：TP399文献标识码：A文章编号：1002-3100(2008)04-0116-04
Abstract: Equipment Maintenance and Support System is a part of equipment system which is very sensitive to the former for maintain a high level mission capable state. In this issue, picking principles of sensitivity analysis metrics are introduced. Referencing to USA methods to diagnosing the equipment readiness, a series of practical metrics are chosen to build the sample data. Then, Entropy coefficient theory is applied to standardize the source data. Finally, sensitivity analysis on equipment readiness is completed by using RBF Neural Network. This provides a thinking process for the army.
Key words: equipment readiness; sensitivity analysis; RBF Neural Network; metric；Entropy
0引言
装备维修保障系统是装备系统的重要组成部分，是部队战斗力的倍增器。装备完好性敏感性分析，对于在有限资源约束条件下，研究提高装备战备完好性，减少后勤负担，优化资源利用效率，有着积极的作用。装备维修保障系统具有高度复杂性和非线性，而一般的解析式方法简单粗糙、精度不高，无法确切反映各种指标之间的交互关系。神经网络具有非常强的非线性映射能力，可根据训练样本自动调整连接权值，适合对内部结构不完全明了的情况。装备维修保障系统涉及人员、设备、设施、技术资料、计算机、备件等等诸多因素，系统内部行为复杂多变，最终目的是保障装备处于较高的完好性水平，能够完成作战任务。如何在有限资源条件下，使保障系统充分发挥效能，成为人们研究的热点问题。
近年来，国内一些学者利用神经网络对装备维修资源保障系统能力进行评估。马晓峰等[1]基于人工神经网络理论及BP网络原理，建立了装备保障资源评估模型，初步形成对装备保障资源各基本内容的评估。程力等[2]构建了维修资源保障能力评估指标体系，应用人工神经网络及BP网络的理论和方法，建立了维修资源保障能力评估的BP神经网络模型，提出了应用特尔斐法与层次分析法相结合确定各指标权重，并采用变权综合法思想构造神经网络训练样本的方法，该模型较好地克服了人为因素和模糊随机性的影响，具有较高的可信度。金伟等[3]在系统分析维修保障系统能力各种影响因素的基础上，构建了维修保障系统能力评估指标体系，详细设计了用于评估维修保障系统能力的BP神经网络模型。曹登高等[4]利用RBF网络对航空装备维修保障能力进行评估，为航空装备维修保障能力评估提供了一种新的思路。但是，尚未发现利用神经网络进行装备完好性敏感性分析的研究，本文尝试采用神经网络来对装备完好性指标的敏感性进行分析。
1装备完好性敏感分析指标体系
影响装备完好性的因素众多、交互作用复杂，备选指标门类繁多。据统计，美国陆军用于装备完好性诊断的指标达1 000多个。如何建立适当的指标体系是装备完好性敏感性分析的难点。本文借鉴美军在装备完好性评估中的做法，从维修保障系统的性能衡量角度出发，建立了装备完好性敏感性分析的指标体系。
1.1指标体系选取应遵循几个原则
（1）系统性。选取指标要系统全面地反映评价对象的性能，不能以偏概全。
（2）开放性。维修保障系统是开放的自然和人工社会系统。与外界交换信息、物质，不能封闭起来选择一些孤立的评价指标，以免评估失真。
（3）完整性。选取指标要完整，不能遗漏，否则指标体系的效用和评价结果会受到影响。
（4）前瞻性。选取指标不仅要满足现阶段评估要求，并且要能够适应将来对评估的要求。
（5）变革性。根据评价意图和发展侧重，可以对评价指标体系进行调整。
（6）实用性。评估是否有价值有意义，关键在于能否使评估对象得到真正的改进和提高。
1.2指标应具备的几个功效
（1）客观性。尽可能使用公开、公正的手段获得数据和信息，以如实、完整地反映能力的高低。尽量避免采用非正式获得的二手数据。
（2）可比性。尽可能使用统一的、量化的统计手段进行评价，并适当参考类似的评价指标。
（3）时效性。不同的指标反映的能力的时间跨度是有区别的。有目的地使用分别反映长期目标、短期目标实现程度的指标，可正确反映维修保障系统运行水平。
（4）易操作性。设定的指标应该简明、合理。尽量选择已经存在于现有数据库中的量值，减少收集资料产生的信息反馈时滞。
1.3装备完好性敏感分析指标
供选择的参数指标数目众多，以往的评估分析指标不能真实地反映部队完成任务的能力，美国陆军因此邀请RAND公司为其重新确认关键性能指标，后者提出了一系列基于能力的新颖的装备完好性指标。本文借鉴美国陆军诊断装备完好性的方法，最终确定参与装备完好性敏感性分析的指标为：成本型指标：工作区率（WA）、缺货率（BO）、用户等待时间（CWT）、保障费用（SC）；效益型指标：本地备件满足率（LFR）、人员称职率（PF）、波段可用度（PA）。
（1）工作区（Work Around）满足率。维修人员通过非正常渠道获取器材（串件拼修、自制、本地采购、动用战备等），修复故障装备，以期达到较高的装备完好率目标，满足任务需求。
WAR为工作区满足率，∑W是工作区对需求满足的项数。
（2）基地缺货满足率。基地库存缺货，由供应部门向供应商订货或由修理厂修理故障件，满足部件需求。
BR为基地缺货满足率，∑B基地缺货对需求满足的项数。
（3）本地库存满足率。本地库存在各种供应渠道中的贡献率。
AR为本地库存满足率，∑A为本地库存对需求满足的项数。
限于篇幅，本文不对具体指标一一介绍，详细情况请参阅文献[5]。
2装备完好性敏感分析模型研究[6-7]
如果隐含节点足够多，神经网络能够逼近任意的非线性函数，可以处理系统内在难以解析的规律性，具有极快的学习收敛速率，因此有较为广泛的应用。RBF网络的优点：（1）它具有唯一最佳逼近的特性，且无局部极小问题存在。（2）RBF神经网络具有较强的输入和输出映射功能，并且理论证明在前向网络中RBF网络是完成映射功能的最优网络。（3）网络连接权值与输出呈线性关系。（4）分类能力好。
RBF网络学习过程分为两个阶段。第一阶段，根据所有的输入样本决定隐层各节点的高斯核函数的中心值和标准化常数。第二阶段，在决定好隐层的参数后，根据样本，利用最小二乘原则，求出输出层的权值。有时在完成第二阶段的学习后，再根据样本数据，同时校正隐层和输出层的参数，进一步提高网络的精度。
节点的输出范围在0和1之间，且输入样本越靠近节点的中心，输出值越大。RBF网络的输出为隐层节点输出
3算例分析
选择5个单位的7项指标进行波段可用度敏感性分析。源数据表和样本数据表显示如表1和表2。选择单位3作敏感性分析，将各参数上调10%，得到波段可用度的波动情况。
从结果中可以看到人员称职率对波段可用度的影响最大，保障费用次之，本地备件满足率同样对波段可用度的增加有较大的贡献。而工作区率、缺货率和用户等待时间的增加则会对波段可用度产生不良影响。其中缺货率对波段可用度的影响最为强烈，由于供应商缺少部队所需器材，导致潜在的漫长的用户等待时间或较大的工作区时间。用户等待时间对装备波段可用度的影响，可分为明显的两个区间，在用户需要等待的时间较短的情况下，选择等待是比较合适的，而等待时间超过一定限度，用户可能会选择工作区事件来满足波段可用度的紧迫需求。工作区事件能够在短时间里维持波段可用度，但由于消耗了过量的资源，在长远的时间里，波段可用度会受到较大的影响。在部队的实际运作中需加强对工作区事件的监控。图2显示了工作区率、缺货率和用户等待时间各自对波段可用度影响的趋势。
4结论
本文选取了装备完好性敏感分析的指标，使用熵权法和神经网络对装备完好性敏感性进行了分析。结果表明保障费用、人员称职率、本地备件满足率、缺货率对波段可用度的好坏有较明显的影响。同时，当供应商发生缺货现象时，部队应对维修保障策略作进一步的权衡。笔者认为工作区事件可作为维持战备完好性的重要手段，但由于其过量消耗的本质，应减少工作区率。神经网络作为先进的智能计算方法，为解决装备完好性敏感性分析这类复杂问题提供了新的思路。
参考文献：
[1] 马晓峰，刘军，何海龙. 基于神经网络的装备保障资源评估[J]. 装备指挥技术学院学报，2005,16(1):40-43.
[2] 程力，韩国柱，宋国合,等. 基于神经网络的装备维修保障系统效能评估[J]. 科学技术与工程，2006,6(22):3627-3630.
[3] 金伟，于永利，张柳. BP神经网络在维修保障系统能力评估中的应用[J]. 计算机仿真，2005(10):10.
[4] 曹登高，徐浩军，胡良谋. 基于RBF网络的航空装备维修保障能力评估[J]. 航空计算技术，2006(5):15.
[5]Peltz E, Boren P, Robbins M, et al. Diagnosing the Army's Equipment Readiness: the Equipment Downtime Analyzer[R]. Santa Monica, CA: RAND, 2002.
[6] 高隽. 人工神经网络原理及仿真实例[Z]. 北京：机械工业出版社，2003.
[7] 陈雷，王延章. 基于熵权系数与TOPSIS集成评价决策方法的研究[J]. 控制与决策，2003,18(4):456-459.
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。
关键词：装备完好性；敏感性分析；RBF神经网络；指标；熵权法
中图分类号：TP399文献标识码：A文章编号：1002-3100(2008)04-0116-04
Abstract: Equipment Maintenance and Support System is a part of equipment system which is very sensitive to the former for maintain a high level mission capable state. In this issue, picking principles of sensitivity analysis metrics are introduced. Referencing to USA methods to diagnosing the equipment readiness, a series of practical metrics are chosen to build the sample data. Then, Entropy coefficient theory is applied to standardize the source data. Finally, sensitivity analysis on equipment readiness is completed by using RBF Neural Network. This provides a thinking process for the army.
Key words: equipment readiness; sensitivity analysis; RBF Neural Network; metric；Entropy
0引言
装备维修保障系统是装备系统的重要组成部分，是部队战斗力的倍增器。装备完好性敏感性分析，对于在有限资源约束条件下，研究提高装备战备完好性，减少后勤负担，优化资源利用效率，有着积极的作用。装备维修保障系统具有高度复杂性和非线性，而一般的解析式方法简单粗糙、精度不高，无法确切反映各种指标之间的交互关系。神经网络具有非常强的非线性映射能力，可根据训练样本自动调整连接权值，适合对内部结构不完全明了的情况。装备维修保障系统涉及人员、设备、设施、技术资料、计算机、备件等等诸多因素，系统内部行为复杂多变，最终目的是保障装备处于较高的完好性水平，能够完成作战任务。如何在有限资源条件下，使保障系统充分发挥效能，成为人们研究的热点问题。
近年来，国内一些学者利用神经网络对装备维修资源保障系统能力进行评估。马晓峰等[1]基于人工神经网络理论及BP网络原理，建立了装备保障资源评估模型，初步形成对装备保障资源各基本内容的评估。程力等[2]构建了维修资源保障能力评估指标体系，应用人工神经网络及BP网络的理论和方法，建立了维修资源保障能力评估的BP神经网络模型，提出了应用特尔斐法与层次分析法相结合确定各指标权重，并采用变权综合法思想构造神经网络训练样本的方法，该模型较好地克服了人为因素和模糊随机性的影响，具有较高的可信度。金伟等[3]在系统分析维修保障系统能力各种影响因素的基础上，构建了维修保障系统能力评估指标体系，详细设计了用于评估维修保障系统能力的BP神经网络模型。曹登高等[4]利用RBF网络对航空装备维修保障能力进行评估，为航空装备维修保障能力评估提供了一种新的思路。但是，尚未发现利用神经网络进行装备完好性敏感性分析的研究，本文尝试采用神经网络来对装备完好性指标的敏感性进行分析。
1装备完好性敏感分析指标体系
影响装备完好性的因素众多、交互作用复杂，备选指标门类繁多。据统计，美国陆军用于装备完好性诊断的指标达1 000多个。如何建立适当的指标体系是装备完好性敏感性分析的难点。本文借鉴美军在装备完好性评估中的做法，从维修保障系统的性能衡量角度出发，建立了装备完好性敏感性分析的指标体系。
1.1指标体系选取应遵循几个原则
（1）系统性。选取指标要系统全面地反映评价对象的性能，不能以偏概全。
（2）开放性。维修保障系统是开放的自然和人工社会系统。与外界交换信息、物质，不能封闭起来选择一些孤立的评价指标，以免评估失真。
（3）完整性。选取指标要完整，不能遗漏，否则指标体系的效用和评价结果会受到影响。
（4）前瞻性。选取指标不仅要满足现阶段评估要求，并且要能够适应将来对评估的要求。
（5）变革性。根据评价意图和发展侧重，可以对评价指标体系进行调整。
（6）实用性。评估是否有价值有意义，关键在于能否使评估对象得到真正的改进和提高。
1.2指标应具备的几个功效
（1）客观性。尽可能使用公开、公正的手段获得数据和信息，以如实、完整地反映能力的高低。尽量避免采用非正式获得的二手数据。
（2）可比性。尽可能使用统一的、量化的统计手段进行评价，并适当参考类似的评价指标。
（3）时效性。不同的指标反映的能力的时间跨度是有区别的。有目的地使用分别反映长期目标、短期目标实现程度的指标，可正确反映维修保障系统运行水平。
（4）易操作性。设定的指标应该简明、合理。尽量选择已经存在于现有数据库中的量值，减少收集资料产生的信息反馈时滞。
1.3装备完好性敏感分析指标
供选择的参数指标数目众多，以往的评估分析指标不能真实地反映部队完成任务的能力，美国陆军因此邀请RAND公司为其重新确认关键性能指标，后者提出了一系列基于能力的新颖的装备完好性指标。本文借鉴美国陆军诊断装备完好性的方法，最终确定参与装备完好性敏感性分析的指标为：成本型指标：工作区率（WA）、缺货率（BO）、用户等待时间（CWT）、保障费用（SC）；效益型指标：本地备件满足率（LFR）、人员称职率（PF）、波段可用度（PA）。
（1）工作区（Work Around）满足率。维修人员通过非正常渠道获取器材（串件拼修、自制、本地采购、动用战备等），修复故障装备，以期达到较高的装备完好率目标，满足任务需求。
WAR为工作区满足率，∑W是工作区对需求满足的项数。
（2）基地缺货满足率。基地库存缺货，由供应部门向供应商订货或由修理厂修理故障件，满足部件需求。
BR为基地缺货满足率，∑B基地缺货对需求满足的项数。
（3）本地库存满足率。本地库存在各种供应渠道中的贡献率。
AR为本地库存满足率，∑A为本地库存对需求满足的项数。
限于篇幅，本文不对具体指标一一介绍，详细情况请参阅文献[5]。
2装备完好性敏感分析模型研究[6-7]
如果隐含节点足够多，神经网络能够逼近任意的非线性函数，可以处理系统内在难以解析的规律性，具有极快的学习收敛速率，因此有较为广泛的应用。RBF网络的优点：（1）它具有唯一最佳逼近的特性，且无局部极小问题存在。（2）RBF神经网络具有较强的输入和输出映射功能，并且理论证明在前向网络中RBF网络是完成映射功能的最优网络。（3）网络连接权值与输出呈线性关系。（4）分类能力好。
RBF网络学习过程分为两个阶段。第一阶段，根据所有的输入样本决定隐层各节点的高斯核函数的中心值和标准化常数。第二阶段，在决定好隐层的参数后，根据样本，利用最小二乘原则，求出输出层的权值。有时在完成第二阶段的学习后，再根据样本数据，同时校正隐层和输出层的参数，进一步提高网络的精度。
节点的输出范围在0和1之间，且输入样本越靠近节点的中心，输出值越大。RBF网络的输出为隐层节点输出
3算例分析
选择5个单位的7项指标进行波段可用度敏感性分析。源数据表和样本数据表显示如表1和表2。选择单位3作敏感性分析，将各参数上调10%，得到波段可用度的波动情况。
从结果中可以看到人员称职率对波段可用度的影响最大，保障费用次之，本地备件满足率同样对波段可用度的增加有较大的贡献。而工作区率、缺货率和用户等待时间的增加则会对波段可用度产生不良影响。其中缺货率对波段可用度的影响最为强烈，由于供应商缺少部队所需器材，导致潜在的漫长的用户等待时间或较大的工作区时间。用户等待时间对装备波段可用度的影响，可分为明显的两个区间，在用户需要等待的时间较短的情况下，选择等待是比较合适的，而等待时间超过一定限度，用户可能会选择工作区事件来满足波段可用度的紧迫需求。工作区事件能够在短时间里维持波段可用度，但由于消耗了过量的资源，在长远的时间里，波段可用度会受到较大的影响。在部队的实际运作中需加强对工作区事件的监控。图2显示了工作区率、缺货率和用户等待时间各自对波段可用度影响的趋势。
4结论
本文选取了装备完好性敏感分析的指标，使用熵权法和神经网络对装备完好性敏感性进行了分析。结果表明保障费用、人员称职率、本地备件满足率、缺货率对波段可用度的好坏有较明显的影响。同时，当供应商发生缺货现象时，部队应对维修保障策略作进一步的权衡。笔者认为工作区事件可作为维持战备完好性的重要手段，但由于其过量消耗的本质，应减少工作区率。神经网络作为先进的智能计算方法，为解决装备完好性敏感性分析这类复杂问题提供了新的思路。
参考文献：
[1] 马晓峰，刘军，何海龙. 基于神经网络的装备保障资源评估[J]. 装备指挥技术学院学报，2005,16(1):40-43.
[2] 程力，韩国柱，宋国合,等. 基于神经网络的装备维修保障系统效能评估[J]. 科学技术与工程，2006,6(22):3627-3630.
[3] 金伟，于永利，张柳. BP神经网络在维修保障系统能力评估中的应用[J]. 计算机仿真，2005(10):10.
[4] 曹登高，徐浩军，胡良谋. 基于RBF网络的航空装备维修保障能力评估[J]. 航空计算技术，2006(5):15.
[5]Peltz E, Boren P, Robbins M, et al. Diagnosing the Army's Equipment Readiness: the Equipment Downtime Analyzer[R]. Santa Monica, CA: RAND, 2002.
[6] 高隽. 人工神经网络原理及仿真实例[Z]. 北京：机械工业出版社，2003.
[7] 陈雷，王延章. 基于熵权系数与TOPSIS集成评价决策方法的研究[J]. 控制与决策，2003,18(4):456-459.
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。