原文传递
城市轨道交通设备备件库存管理研究
| 论文题名： | 城市轨道交通设备备件库存管理研究 |
| 关键词： | 城市轨道交通;库存管理;备件分类;需求预测;组合预测 |
| 摘要： | 近年来我国轨道交通事业发展迅猛，维修备件在保障整个轨道交通系统长期、安全、稳定运行方面发挥着重要作用，科学高效的备件库存管理对于降低轨道交通运营成本具有重要意义。国内轨道交通备件的分类方法多为根据备件的经济性指标按照ABC分类法进行分类，备件分类准则单一，只考虑了备件的经济价值，而忽略了备件的其他属性特征，缺乏合理性；在需求预测方面大多统一采用单一预测模型，仅能满足部分备件需求预测的精度，适用范围有限；由于备件分类的不科学与需求预测的不准确导致了库存控制策略管理效率低下。本文在文献调研的基础上，梳理出备件库存管理研究的基本架构，分析了轨道交通备件管理的特征，针对轨道交通备件分类与需求预测中存在的问题，对备件分类方法与需求预测方法进行研究，内容如下： 首先，针对当前轨道交通设备备件种类繁多、数量巨大，且备件重要性、备件单价等属性差异较大而分类准则单一的问题，提出了一种基于信息熵的备件多指标层次聚类模型。该模型在分析轨道交通备件重要性、经济性以及消耗性等指标的基础上，确定了多个备件聚类指标，进而利用信息熵计算各指标的权重，并在此基础上选用加权的欧式距离和平均距离分别作为层次聚类法的样本距离和类别距离计算方式，实现轨道交通备件的多指标聚类。在轨道交通备件分类的案例分析中，分类结果表明，基于信息熵的备件多指标层次聚类模型在轮廓系数SC和DB指标上明显优于K均值聚类方法与层次聚类方法。 其次，针对备件需求预测中的单一模型适用范围有限、准确性较低的问题，提出一种基于人工神经网络的备件需求组合预测模型。该模型在备选模型集合中选择多个单一预测模型对备件需求进行预测，并将多个单一预测模型的预测值通过神经网络进行组合，灵活利用各单一预测模型捕获信息，扩大模型适用范围，实现城市轨道交通多种类备件需求的精准预测。在轨道交通备件需求预测的案例分析中，需求预测结果表明，基于人工神经网络的备件需求组合预测模型在MAE、MAPE、RMSE三项指标上优于DES、SVR等单一预测模型和简单算术平均组合模型。 最后，根据备件分类和需求预测结果，对各类城市轨道交通备件制定了合适的库存控制策略，为轨道交通设备的维修工作提供了重要保障，为提高轨道交通备件库存管理效率提供了有意义的参考，满足了轨道交通备件精细化管理的要求。 |
| 作者： | 彭旭 |
| 专业： | 交通运输工程(专硕);交通信息工程及控制 |
| 导师： | 张宁;毛建 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
