基于數據分析的航材分類研究

張揚 方坤 胡勇

（1、空軍勤務學院研究生大隊，江蘇 徐州221000 2、空軍勤務學院航材四站系，江蘇 徐州221000）

1 概述

文獻[1]將助航燈作為一種典型航材，對其消耗問題提出了一種改進的ABC分類管理法，將AHP 方法與SED-EA 結合，最后實例驗證了合理的分類方法。文獻[2] 根據備件層次歸類分析法在群體備件層次分類分析過程中存在可能還會出現的重大偏差，提出了一種無需改進的可將群體備件層次歸類分析與現代超級高效率備件dea 分類理論相有機結合的全新備件層次分類分析方法。本分析方法對國家決策者的主要決策行為權重分類進行了初步加強，通過對決策權重分類進行高度灰色化和關聯性的分析，得出權重分類分析結果并用以驗證權重分類的正確合理性。文獻[3]介紹了在目前缺少所有航材灰色相關分類信息的實際情況下，運用航材灰色聚類分析的統計方法對所有航材種類進行灰色分類，該分析方法在目前航材灰色種類類別劃分之間界限比較模糊的實際情況下進一步進行細分，建立起了航材灰色分類分析模型，最后通過實例中的分析結果驗證了該分類方法的準確有效性。文獻[4]根據航空公司面臨的后勤保障問題，提出一種基于IGAHP 的航材分類方法，該方法對航材分類的關鍵性因素進行量化，用層次分析法對權重進行量化，降低個人的主觀性影響，提高航材分類的準確率。文獻[5]提出一種基于存儲策略的三維備件分類方法，該方法通過ABC和XYZ分類方法評估備件的價值和可預測性，利用改進的層次分析法降低了傳統AHP 方法的主觀性影響，而后結合VED 分析對備件的關鍵程度進行多準則關鍵性分析，根據所得三方面的結果綜合應用決策樹理論制定合適存儲策略，并通過實例加以分析闡釋。文獻[6]針對備件種類多、時效性強、影響分類因素復雜的現實問題，提出了基于改進的局部保持投影的備件分類方法。首先，根據戰時備件分類儲備的影響因素，作為備件分類的特征指標，然后對數據進行降維處理，再利用支持向量機（SVM）的分類器對低維數據進行分類，得到滿足備件分類準確率最優時的降維維數和分類器參數。最后通過對演習裝備備件分類的實例分析，驗證了模型的可行性和合理性。文獻[7]針對難以依據航材消耗數據進行分類的問題，建立基于消耗波動性聚類分析的分類模型?；谀Ｐ拖牟牧闲蛄袌D的波動性將二維航材模型轉化而成為模型二維圖，因該分類機型航材服役持續時間相對較短，航材分類樣本采集數量較小，選用智能無人機監督航材分類分析算法聚類分析對機型航材進行分類。仿真測試結果顯示了該層次分類劃分相比聚類模型算法更加穩定高效，同時這也表明該算法模型已經能有效率地進行多種航材層次分類。文獻[8]針對我國航材消耗種類繁多、規格復雜、消耗影響規律多樣性而導致我國航材質量消耗影響研究較困難的幾個問題，提出可以采用聚類分析計算方法根據最近歷年我國航材質量消耗統計數據對大量歷年航材消耗進行綜合分類，用一種馬歇爾氏測量距離方法進行綜合度量，避免了一個單位的消耗影響。

文獻[9]針對遠海任務艦船備件器材的分類管理，通過運用支持向量機理論，充分發揮多尺度核在非線性分類中的優勢，借助最小二乘原理，構建了多尺度最小二乘支持向量機學習模型。在實際運用中，通過選用高斯徑向函數作為多尺度核函數，以訓練樣本數據分布的離散系數作為核函數寬度參數取值依據，采取ECOC 方法建立了多類分類模型，實例計算表明，該方法對遠海任務艦船備件器材的分類是有效、可行的。文獻[10]介紹了隨著信息技術的發展，計算機存儲的數據類型越來越多樣化，導致傳統的數據存儲模式和信息處理技術，將會迎來革新和發展，計算機大數據技術是未來的發展趨勢，在此格局下，就需要一種更簡單、存儲信息的容量更大的計算機技術，輔助大數據分析技術的發展，本文分析了云計算技術在計算機大數據分析中的運用，并且解決大數據應用環節中的主要問題，提升數據處理的敏銳性。

2 基于數據分析的分類方法

ABC分類方法因素比較單一，有一定技術局限性，文章采用多因素數據分析的分類方法，在航材分類的過程中用聚類分析的方法進行分析，包括數據選取處理，備件分類等。

2.1 因素分析和數據處理。本文主要選取了目前能夠較完整地準確刻畫這三種產品屬性的5 個產品分類基本準則分別是重要性、價格、需求量、訂貨周期和修理周期，具體如下：（1）重要性：航材出現故障是否會影響整個系統，航材一旦出現缺貨是否會影響飛行計劃和飛行任務，將重要性劃分為abc 三個等級，a=1，b=0.5，c=0.1 數值越高表示航材越重要。（2）航材價格：價格越高，航材越重要。（3）航材需求量：需求量越高，占用經費越高，航材就越重要。（4）航材訂貨周期：航材備件的訂貨周期影響飛機的修理進度，進而影響任務進度，訂貨周期越長，航材越重要。（5）修理周期：修理周期越短，也就是出現故障次數越多，航材越重要。

先對數據進行歸一化處理。收益性數據與航材重要性成正相關關系，成本型數據與重要性成負相關關系。第一種為

2.2 K均值聚類分析。先隨機給定初始聚類中心向量，根據所有備件與各個聚類中心的歐式距離將每個備件賦給最近的簇，使得每一分類等級的備件到其對應聚類中心的歐式距離和最短，如下式

然后將各等級到對應中心的距離之和最小，如下式

2.3 改進分類方法。在多因素航材分類過程和結果都或多或少存在不足，在進一步確定航材多因素分類結果是否準確用到了Kmeans 聚類方法來確定航材種類，最終得到航材分類方案，如下

步驟：在每一個因素下應用K－means 對航材進行分類，對應的距離公式分別為式（7），式（8）。

步驟2：初始方案調整

通過設定基于否決制的合理調整規則對初始[1]分類方案進行調整，得到最終分類方案。具體調整規則如下：①備件最終分類結果要在每個準則分類結果之間，如分類準則下的結果分別為C1，C2，則最終分類結果只能是C1 或C2，不能為C3。②如果存在一半及以上的關鍵準則下的分類結果為C3 類，則備件最終分類結果不能為C1類，可調整為C2 類；同理，存在一半及以上準則下的分類結果為C1類，則備件最終分類結果只能是C1 類或C2 類。

3 結論

本文提出了基于數據分析的多因素分類方法，并通過K 均值分類方法加以改進，不僅使得航材分類有了很大改善，而且降低了成本，提高了效率，為下一步航材精準庫存的實現打下了基礎。