伴随着铁路货车检修策略由计划修向状态修的过渡,铁路货车检修企业需对检修设备进行更新升级和新设备的购置,由于检修模式的转变过程中存在诸多不确定性,一次性进行大规模资产投资会给企业带来巨大风险,因此研究不确定环境下的检修设备投资决策对于铁路货车检修企业稳步推进基于状态的维修策略改革具有重大意义。本文聚焦车轮检修设备投资问题,开展不确定环境下检修设备投资优化研究。首先研究随机参数的表征方法,选择车轮检修需求和外部设备市场价格作为研究的主要随机参数,基于车轮失效规律和可靠度函数实现了检修需求预测。然后利用矩匹配法完成各个决策时段初始情景集的生成,并按照情景构造方式生成了初始情景树;为了避免规模庞大的初始情景数给模型求解带来困难,又基于后向削减法完成了对初始情景集的削减并进行了概率测度评价,最终确定了最优情景集规模。在此基础上,本文在随机规划框架下,基于混合整数线性规划建立了检修设备投资优化问题的确定性模型和随机规划模型,并在通用代数建模系统中实现了两个模型的求解,给出了各个时段设备购入的最优决策和相应的投资成本。为了实现模型的动态更新,凸显随机规划方法延后决策的优势,本文采用滚动时域法对模型进行了动态求解,并讨论了不同数据情景下各个求解方案的优劣。结果显示,在不确定环境中,基于滚动时域更新的随机规划方法相较于确定性规划和单次求解的随机规划方法,能够带来更优的决策。为了对随机规划方法的适用性、正确性、稳定性进行验证,本文从两个维度开展检验。从模型适用性维度,本文引入两种评价指标对信息的价值和方法的优越性进行验证,计算结果显示将更多的不确定性信息纳入决策过程,可以带来更为显著的成本降低,而采用随机规划方法相较于确定性规划则相对更优。本文通过样本内检验和样本外检验两种方法来实现对模型稳定性的检验,检验结果表明本文选择的保留情景集规模合理,模型稳定性较佳。通过本文的研究,获得了不确定条件下铁路货车检修设备的最优投资决策,降低了企业投资风险,为铁路货车检修企业稳步推进基于状态的维修策略改革提供了一定的理论支撑。