备件库存多准则分类方法FRMIC

摘 要：备件因为种类繁多，其库存管理政策相对生产制造其他环节较为复杂。备件传统的分类方法是基于帕累托原理的ABC分类法，其局限在于它没有考虑备件分类目的的关键指标，如交货期、关键性等。以模糊规则为基础的多准则备件库存分类方法（FRMIC）考虑的多个指标，并充分考虑到各指标间的关系，以此建立模型。该模型灵活性很高，方便管理者决策。

关键词：多准则备件库存分类；模糊规则；ABC分类

中图分类号：F325 文献标识码：A 文章编号：1008-4428（2017）04-23 -02

一、引言及研究F状

有效的备件库存管理政策，可以促进企业的竞争力和提高客户服务。把备件分成不同的类，并且根据每个分类的重要性实施不同的管理方法，这将降低管理备件的成本。

最常用的基于帕累托原理的ABC分类法，仅从单一准则即年消耗金额对备件进行分类，把年消耗金额大的定义为A类，把大多数量大年消耗金额小的依次分为B类、C类。其局限在于没有考虑备件分类的关键指标，如交货期、关键性等。一些学者提出AHP多准则分类方法，随后模糊建模方法开始运用到AHP分类方法中，建立FAHP模型。模糊建模方法主要涉及不确定性和各种准则，但在分类时各个准则之间的关系并没有考虑。因此，我们采用一个以模糊规则为基础的多准则备件分类方法FRMIC，考虑不同准则之间的关系。

二、FRMIC规则

FRMIC根据不同准则之间的关系将备件分类，采用模糊的“if-then”规则，充分考虑不同的输入和ABC输出参数。先简要介绍以模糊规则为基础的模型，它包含三个部分：基础规则，包含一个精选的模糊规则；一个数据库，包含模糊规则中使用的函数；一个推理机制，在给定的规则下实施推理并根据事实来得出合理的输出。在此系统内结合模糊规则汇总出模糊输出，被解模糊器转换成一个明确的输出。

本文每个标准同样的权重，总分由所有准则的分数汇总。具体如下：

CVmax是所有备件中最大的消费金额，CVmin是所有备件中最小的消费金额，CVi第i个备件的消费金额；UPmax是所有备件中单价最大的，UPmin是所有备件中单价最小的，UPi是每个备件的单价；LTmax是所有备件中交货期最长的，LTmin是所有备件中交货期最短的，LTi是i个备件的交货期。

我们无需界定备件的通用性和关键性，因为它们已经在0-1范围内。因此一个备件的总分值即为五个分值的汇总如：S=SCV+ SUP +SLT+ SCM+ SCR。在降序分类的订单中备件可以按此分类，并且分值最大的5%可以为A，接下的15%为B，余下的为C。

三、备件库存分类准则

传统的ABC分类方法单独用年消耗金额进行分类，其他的准则如关键性，交货期等对备件的分类而言同等重要。本文将分类准则定为年消耗金额、单价、交货期、关键性和通用性，其重要性简要讨论如下：

（一）年消耗金额CV

备件的年消耗金额等于每年的消耗量*每年的平均单价。

（二）单价UP

单价准则至关重要，采购之前需要在战术和战略水平上做出价格决策，即使一些高价值备件消耗量很小。需和供应商加强联系和合作，建立激励机制增加议价能力。

（三）交货期LT

当产量下降备件供应异常时，交货期尤为重要。持久供应维持，交期的长短和灵活性非常重要，在未知需求的情况下，交期甚至可以决定备件库存水平，影响保障售后服务所要求的安全库存数量。

（四）通用性CM

把高通用性备件归为重要类备件，更好地进行管理。备件具有低通用性高消耗量，意味着这个备件假如没有库存，少数设备将会受到影响。若备件具有高通用性和低消耗量，大量设备将会受到影响。通用性指数（CIi）由Wazed等2009年提出，其值从0到1，公式如下：

其中Nmax是通用一个备件的最大设备数量，Nmin是通用一个备件的最小设备数量，Ni是通用第i个备件的不同设备数量。

（五）关键性CR

备件的关键性是影响具体服务水平的重要性因素，根据生产和维修操作各自功能的必要性出发，将关键性分为一般类、重要类、关键类三个类别。因为关键性不具有数字性，在设计规则时将其量化为一般类（0.0-0.4）、重要类（0.2-0.8）、关键类（0.6-1.0）。

四、FRMIC模型分类法

FRMIC模型分类法的不同组成部分如下：

（一）输入标准的模糊化

这个分类模型，输入标准是将模糊的文学变量描述为一些数的集合，如人的年纪用文学性的语言可以描述为童年、少年、青年、老年，每个都可以用模糊文学变量建模来代表一定程度的间隔，即童年为0-6岁、少年为7-17岁、青年为18-40岁、中年为41-65岁、老年为66岁以后。相似地，在我们的研究中将FRMIC分类的五个标准模糊化，每个标准的维度分为高、中、低。

（二）规则

基于确定的标准，系统根据每个标准的维度自动分类，例如我们选择五个标准单价、年消耗金额、交货期、关键性和通用性，每个标准的维度为高、中、低，那么系统将自动产生243条规则。相关专家将检查这些规则和输出结果以便确定最后的规则。

（三）输出结果的去模糊化

在本模型中，FRMIC分类输出结果为ABC三种，去模糊化的输出结果由重心法算出，模型的输出结果为从0到1的小数值，一旦得出这个值，该备件将被归为已经定义的输出结果ABC。

（四）FRMIC模型的结构

FRMIC模型架构分为隔离数据库层、中间层和客户层。专家在不同的架构中登入时，能改变每个架构的功能值和规则。这个模型若整合到任何在线的库存管理系统，多标准分类的动态结果将能从每天的消耗数据获得。其结构如下图：

1.收集库存记录：这个处理收集备件的各种信息，如交货期、单价、年消耗金额等，可以根据备件的库存控制量，用月度、季度或者年度周期为基础的数据。

2.数据清除和量化定性因素：在分类前清除垃圾数据非常重要，否则将导致错误的输出，分类时将不包括零需求零交付的备件。

3.传统的ABC分类法：一般A类为15-20%的备件，约占总年库存价值的75-80%；B类为30-40%的备件，约占总年库存价值的15%；C类为40-50%的备件，约占总年库存价值的10-15%。

4.修改/删除规则的用户界面：这个用户友好型的界面可以制定、修改、删除已经存在或重复的规则。当系统发现标准之间任何的联系时，可以在这个界面操作。

5.FRMIC处理：这个处理涉及简洁的输入标准值、每个标准的模糊化和以规则为基础的内在机制。对于每个备件，根据这243规则中的少数几个规则决定其输出值。

6.报告：这个环节产生三个报告，及模糊规则报告、FRMIC报告和对比传统ABC分类法的报告。专家可以用来检查规则的准确性并且根据不同标准的联系适当修改。根据系统和实际操作需要，专家同时可以增加新的标准产生新的规则。这三个报告输出简洁易懂，方便管理者决策。

五、结束语

本文提出了一个多标准备件分类法，这个模型灵活性很高，库存管理专家可以定期检查和升级，从而使模型的精确度不断提高。若是有需要，该模型还可以扩展为考虑其他的需求因素：折旧性率、稀缺性、耐用性、可补救性、库存短缺的惩罚性措施等，以便提高多标准分类的准确性。

参考文献：

[1]Benito E. Flores， David L. Olson， V.K. Dorai. Management of multicriteria inventory classification[J]. Mathematical and Computer Modelling， 1992，（12）.

[2]Ozan Cakir， Mustafa S. Canbolat. A web-based decision support system for multi-criteria inventory classification using fuzzy AHP methodology[J]. Expert Systems with Applications， 2008，（10）.

[3]L.A. Zadeh. Fuzzy sets[J]. Information and Control， 1965，（06）.

[4]L.A. Zadeh. The concept of a linguistic variable and its application to approximate reasoning[J]. Information Sciences， 1975，（03）.

[5]萍.基于AHP的服务备件ABC分类模型[J].物流技术，2016，（08）：102-105+159.

[6]李波， 赵志彦， 段.一种多准则库存分类的混合预测方法[J]. 计算机集成制造系统-CIMS，2004， （05）.

[7]徐玖平，胡知能.运筹学[M].北京：科学出版社， 2006.

[8]翁青峰，周晓军.H公司起重设备维修备件分类研究[J].中国高新技术企业，2015，（09）：86-87.

[9]王路.复杂装备备件库存预测与控制方法及其应用研究[D].浙江大学，2016.

[8]李国强. 基于模糊聚类与关联分析的备件分类与预测研究[D].西南交通大学，2016.

[10]胡劲草. 钢铁企业设备备件分类评估及库存优化算法应用研究[D].武汉理工大学，2014.

[11]胡建波，陈敏.供应链库存管理策略[J].叮企业管理，2013，（04）.

[12]周永务.库存控制理论与方法[M].科学出版社，2009.

作者简介：

张娟，女，河南新乡人，上海海事大学经济管理学院在读硕士，研究方向：国际贸易管理。