數據挖掘在維修器材貨位優化中的應用

陳海松，樓增龍，賀偉雄，張洋

(中國人民解放軍理工大學野戰工程學院，南京210007)

數據挖掘在維修器材貨位優化中的應用

陳海松，樓增龍，賀偉雄，張洋

(中國人民解放軍理工大學野戰工程學院，南京210007)

針對部隊維修器材貨位優化問題，按照為取而存的基本原則，提出了維修器材的綜合重要度概念。通過用數據挖掘中的時序預測得到維修器材的綜合重要度值，用ABC分類法對貨架進行分區，最后根據維修器材和貨架區耦合分配得到貨位優化分配方案。

數據挖掘;時序預測;維修器材;貨位優化

工程裝備維修器材倉庫是工程裝備保障的后方基地，是實現維修器材存儲、周轉的重要場所，器材管理的好壞對工程裝備的保障起至關重要作用。維修器材的貨位擺放管理是倉庫庫存管理的重要環節，其管理的好壞影響到器材的出入庫效率，最終會影響到工程裝備的戰備完好性能。

在軍用倉庫貨位優化研究中，很多學者研究用倉儲管理系統進行器材貨位的分配優化。王征提出在倉儲管理系統中用遺傳算法對器材存放貨位進行優化［1］，孫盛智提出通過軍用倉庫管理系統對物資出庫和入庫的路徑優化從而分配貨位［2］，馮碩設計軍械倉庫管理系統對貨位布局方案設計來優化器材貨位［3］。但在部隊調研中發現，倉儲管理系統數據庫中存儲著歷年維修器材調撥數據，所以本文提出用數據挖掘技術來分析器材調撥數據，將結果應用于器材貨位優化，從而提高器材出入庫效率。

1 綜合重要度指標的提出

器材貨位優化，就是在當前的器材放置位置上根據器材本身和外在變化因素動態再重新分配器材的貨位，從而達到提高器材出庫效率的目的。

1.1維修器材貨位分配原則

1)基本原則

貨位分配的基本原則是“為取而存”。經實際調研后，對貨位分配中會考慮到3個因素:維修器材的重量、數量和出庫頻率。當前部隊器材倉庫的作業模式基本還是人工作業或者使用叉車作業，如果出庫器材的重量大、數量多、周轉頻繁，必然優先將這類器材放置在離倉庫門口近的貨架上，以縮短出入庫時間，提高出庫作業效率。以下就從出庫時間t來考慮這3個因素對貨位分配的影響，以及這3個因素之間的重要性。

2)數量優先原則

針對某些器材每次請領出庫數量比較多，根據實際情況將這類維修器材放置在靠近門的貨位上。這里定義“數量重要度”Is，其表達式為Is=f(ss)，表示單位時間內器材出庫總量ss與數量重要度之間的關系。從倉儲管理系統的數據庫中能夠得到每種維修器材的單位時間出庫總量，通過關系式能求得Is值，數值大則將這類器材放置在離倉庫門口越近的貨位上。

3)重量優先原則

考慮到保持貨架的穩定性，將重的器材放置在貨架低的貨位上，而且盡可能地靠近門以方便出入庫。定義“重量重要度”Ig并有關系式為Ig=f(g)。Ig代表某一維修器材的重量重要度，g代表維修器材單位時間的出庫重量。從一般情況可得出庫時間與器材的重量成正相關，即器材的重量越大其出庫耗費的時間就越多。所以將Ig數值大的器材優先放置在靠近門的貨位上。

4)頻率優先原則

器材的出入庫頻率是貨位分配問題的一個重要因素，出庫次數多意味著器材保管員取的次數也多，所以根據歷史數據將出庫頻次多的維修器材放置在離門近的貨位上。這里定義“頻率重要度”Iu，其關系式為Iu=f(u)，u代表某種器材的出庫頻率。根據關系式器材的出庫頻率越大該器材的重要度就越大，所以把Iu數值大的器材放置在離門口近的貨架上。

1.2 綜合重要度指標

根據貨位分配原則，應綜合考慮器材的出庫數量、出庫頻率、出庫重量來優化貨位，針對不同器材分別設置權重w1、w2、w3并且綜合這3個因素來度量該器材重要度:Iz=w1Ig+ w2Is+w3Iu，其中Iz為該器材的重要度;Ig、Is、Iu分別為該器材的重量重要度、數量重要度、頻率重要度。從其中看出由于設置了權重，故以上3個重要度在總的重要度中占得比重不同。而分析發現頻率優先原則中出庫時間與數量優先原則中的出庫時間實質上是一致的，因為出庫頻率u與相關一致，是冗余的。所以可將綜合后的重要度改為Iz=w1Iu+w2Ig，其中Iu為頻率重要度，該值與出庫器材的數量和頻率成正相關。

1.3 重要度要素分析

根據重要度計算公式Iz能得出每種維修器材的綜合重要度值，然而對于具體的倉庫布局，Iu、Ig函數公式以及權重系數w1、w2也不同。以下對重量重要度Ig和頻率重要度Iu進行分析。

1)重量重要度Ig:在重量優先原則中有重量重要度關系式Ig=f(g)，考慮器材出庫的時間公式為又有運送器材的小車功率為w=f·v=μ·g·v，可以得到速度vg與出庫器材重量g成反比例關系。推導可得距離dg與出庫器材重量g成反比例關系。而已經得到Ig與距離d成反比關系，所以綜合可得出Ig與出庫器材重量g成正比例關系。根據實際倉庫情況，為簡化起見有如下函數

其函數如圖1所示。

圖1 重量重要度函數

2)頻率重要度Ig:在頻率優先原則中有頻率重要度關系式Iu=f(u)。同樣考慮器材出庫的時間公式為u，有du與u成反比例關系。而已經得到Iu與距離du成反比關系，所以綜合可得u與Iu成正比例關系。同樣根據實際情況并且為簡化起見，設有如下函數

通過頻率重要度和重量重要度公式的計算，能夠得出維修器材的綜合重要度值。下面就用數據挖掘算法中的時序預測模型對于器材出庫頻率和重量進行預測，以求得頻率重要度和重量重要度的數值。

2 時序預測模型

數據挖掘是從大量數據中挖掘有趣模式和知識的過程，數據源包括數據庫、數據倉庫、Web、其他信息存儲庫或者動態地流入系統的數據［4］。時間序列預測是數據挖掘方法研究中的熱點問題。時間序列預測根據時間序列型數據，由歷史的和當前的數據推測未來的數據［5］。

2.1 時序模型

本文基于Microsoft SQL Server 2008 Analysis Services采用Microsoft時序算法對數值進行預測，該算法在進行預測時同時使用ARTxp算法和ARIMA算法［6－9］，其中ARTxp算法適用于短期預測，ARIMA算法適用于長期預測，最后結合2個算法結果產生最佳預測數值。

2.2 重要度的時序預測

對于器材的重要度Iz預測主要是對重量重要度Ig和頻率重要度Iu進行預測，以及對權重w1、w2的確定。在針對以上2個重要度的預測，根據某部隊倉庫維修器材出庫記錄，統計2008年1月到2012年12月某種工程裝備維修器材的每月出庫頻率數據如表1所示，通過SQL Server Analysis分析來預測其在未來一段時間內的值。

表1 維修器材月出庫頻率

從圖2中根據預測曲線得該種器材在2013年11月的出庫頻率為24，從數據庫中查詢得到當月的器材出庫重量為42 kg，而頻率u與頻率重要度Iu及重量g與重量重要度Ig都是成線性正比關系，在部隊倉庫有重量重要度Ig和頻率重要度Iu公式為

將器材月出庫頻率u和出庫重量g值分別代入公式后可得重量重要度Ig為0.504，頻率重要度Iu為0.48。對該倉庫確定權重w1為0.72，w2為0.28。根據重要度公式可得到該維修器材的重要度Iz為0.238。同理可以根據公式對該倉庫中十種維修器材重要度Iz值計算出來，并按照數值大小從高到低排序，如表2所示。

圖2 維修器材出庫頻率預測

表2 維修器材重要度值

3 基于ABC分類法的倉庫貨位分區

對于貨架的分區主要根據離庫房門的距離將庫房劃分為A、B、C 3個區，其中A區是離庫房門最近的區域，B區是離庫房門稍遠的區域，其余都是C區。由于工程兵部隊維修器材倉庫的布局不同其劃分也不同，以下是2種典型的維修器材倉庫布局圖，那么根據各自的特點給這2類倉庫進行劃區如圖4所示。

圖3 器材倉庫分區

4 貨位分配方案

根據倉庫的實際情況設計維修器材入庫貨位分配具體過程:

1)根據數據庫中存儲的調撥單數據，利用SQL Server Analysis對維修器材出庫頻率以及出庫重量預測結果，通過重要度公式計算對重要度值從高到低進行排序，根據排序結果對維修器材進行分類，分成一、二、三級重要度器材;

2)結合部隊當前器材倉庫布局現狀對其進行劃分區域，根據離倉庫大門的距離劃分為A、B、C3個區;

3)將器材重要度值的劃分級別與劃分的區域對應匹配，將對應的器材安排放置在相應的區域中。在同一貨架中重量重要度值大的器材放置在較低的貨位上;同時出庫頻率較多的器材也放置在距離較近的貨位上;

4)確定具體貨位編碼。根據以上維修器材貨位優化過程，制定分配方案如表3所示。

表3 器材貨位分配方案

5 結束語

部隊維修器材倉庫貨位分配方案制定時必須綜合考慮器材的出入庫頻率、數量、質量等方面的因素，利用數據挖掘中的時序算法對器材歷史出庫數據進行分析預測。將得出的重要度值按照貨位分配方案來對器材進行貨位優化。但是合適的貨位分配方案確定是一個逐步優化過程，在分析歷史數據的基礎上還須結合實際器材保管員的調整，最后才會有高效出庫的貨位分配方案。

［1］王征.遺傳算法在軍隊倉儲管理系統中的應用［D］.沈陽:東北大學，2008.

［2］孫盛智.軍用倉庫智能化管理系統研究與實現［D］.南京:南京郵電大學，2011.

［3］馮碩.軍械倉庫管理信息系統的研究與實現［D］.沈陽:東北大學，2008.

［4］Jiawei Han，Micheline Kamber.數據挖掘概念與技術［M］.北京:機械工業出版社，2001.

［5］賈澎濤，何華燦，劉麗，等.時間序列數據挖掘綜述［J］.計算機應用研究，2007，24(11):15－18.

［6］BOX GEP，Jenkins.Time Series Analysis Forecasting and Control［M］.USA:Holden－day，1976.

［7］王紅瑞，康健，林欣，等.水文序列ARIMA模型應用中存在的問題與改進方式［J］.系統工程理論與實踐，2008 (10):166－175.

［8］張杰，劉小明，賀玉龍，等.ARIMA模型在交通事故預測中的應用［J］.北京工業大學學報，2007，33(12):1295－1299.

［9］劉峰，王儒敬，李傳席.ARIMA模型在農產品價格預測中的應用［J］.計算機工程與應用，2009，45(25):238－239.

(責任編輯楊繼森)

Application of Data Mining in Maintenance Material Slotting Optim ization

CHEN Hai－Song，LOU Zeng－Long，HEWei－Xiong，ZHANG Yang
(College of Field Engineering，PLA University of Science＆Technology，Nanjing 210007，China)

For the problem of armymaintenancematerial slotting optimization，according to the basic principle of easy－picking，this paper puts forward the concept of comprehensive importance ofmaintenancematerial and get the number of comprehensive importance ofmaintenancematerial through the time series prediction.ABC Classification method is applied in the partition of the shelves，maintenance material and shelves are coupled to get the plan of slotting optimization.

datamining;time series prediction;maintenancematerial;slotting optimization

:A

1006－0707(2014)07－0033－04

format:CHEN Hai－Song，LOU Zeng－Long，HEWei－Xiong，et al.Application of Data Mining in Maintenance Material Slotting Optimization［J］.Journal of Sichuan Ordnance，2014(7):33－36.

本文引用格式:陳海松，樓增龍，賀偉雄，等.數據挖掘在維修器材貨位優化中的應用［J］.四川兵工學報，2014(7):33－36.

10.11809/scbgxb2014.07.010

2014－03－02

陳海松(1969—)，男，副教授，主要研究工程裝備保障理論與技術研究。樓增龍(1988—)，男，碩士研究生，主要研究工程裝備保障理論與技術研究。

E233