基于重要度的風電機組備件分類策略研究

張 健， 趙開闊， 向 東*， 吳秀麗

（1.國能思達科技有限公司， 北京 100039； 2.北京科技大學機械工程學院， 北京 100083）

0 引言

風電機組運維成本占風電總成本的12%～30%[1]。運維所需物資受風場運行位置、環境的影響，使其具有需求隨機性強、分布地區廣、型號類別多、運輸保障困難等特點。因此為提高備件管理效率，降低風電運維成本，需要將屬性相同和相近的備件分類管理。 其中最早的單指標分類法為Pareto 提出的以庫存價值為依據的ABC 分類法。由于備件管理的精細化的需要， 多指標分類受到了更多的關注。KeYang 等[2]考慮了安全庫存、單價、年消耗、訂貨提前期、供應商數量、關鍵性、監測性等指標對船舶備件的影響，通過神經網絡算法（ANN）對備件分類。 Ramakrishnan[3]構建加權線性模型，從總成本、單位成本、訂貨提前期等因素進行備件分類。Molenaers 等[4]基于層次分析法，構建備件評價體系，實現了備件分類。 除此之外，多指標備件分類方法還包括K-means[5]、支持向量機（SVM）[6]、數據包絡分析（EDA）[7]等。

相比之下，在多指標分類方法中，層次分析法（AHP）分析全面， 易于確定指標權重， 更適合多屬性問題的決策。 但AHP 方法應用于大批量備件的分類工作中，確定備件綜合權重過程復雜。 因此，Katarzyna 等[8]提出了先使用加權線性方法分類再通過AHP 優先級排序的兩級分類策略，以減少備件分類的工作任務。 蔡芝明等[9]基于AHP 完成層次指標體系的構建和指標權重計算， 并通過線性加權計算備件重要度，提高了備件分類效率。

綜上所述，本文結合風電機組備件管理特點，針對現有備件評價體系不夠全面的問題， 提出基于備件重要度的兩級多指標分類方法。 該方法通過構建層次評價與賦分指標體系，選取定性、定量指標，計算備件重要度，實現先篩選再分類的兩級備件分類任務。

1 備件評價指標體系及分類方法

1.1 風電機組備件評價指標體系

風電機組備件分類管理的核心是評價指標體系的構建。 指標的選取關系到分類的合理性和管理策略的有效性。 依據風電機組運維企業備件管理模式，將備件采購、調配、使用3 個方面作為分類準則，依據企業現有的運營數據和歷史經驗選取備件分類指標， 建立如圖1 所示備件評價指標體系。

圖1 風電機組備件評價指標體系

指標體系中，采購指標B1、B2、B3、B4、B6、B7、B8、B9、B10、B12、B17 為有直接數據支撐的定量指標，通過定量指標完成第一級備件篩選工作。 指標B5、B11、B13、B14、B15、B16 沒有直接數據支撐， 或數據統計相對困難， 通過運維經驗評定，為定性指標。結合定性指標與定量指標完成第二級備件分類工作。通過第一級備件篩選和第二級備件分類，構建兩級備件分類方法。

1.2 風電機組備件分類方法

備件重要度的風電機組備件兩級分類方法， 如圖2所示。 首先由圖1 備件評價體系，選取定量指標，計算備件重要度，并以此為篩選依據，確定重要備件；然后針對重要備件結合定量+定性指標， 完成重要備件的重要度計算與分類。

圖2 風電機組備件分類流程

最后根據備件類別特點， 提出相應備件管理策略。 備件重要度作為篩選與分類的依據， 其計算方法關系到篩選與分類的準確性。

2 重要度計算方法

備件重要度的計算流程：一方面，根據備件評價指標建立判斷矩陣，計算權重，并檢驗矩陣一致性，對不符合一致性的判斷矩陣進行調整， 得出各指標對風電機組備件管理的影響權重。另一方面對備件指標預賦分，并進行指標賦分均值判斷，對不滿足要求的指標進行賦分調整，得到備件賦分。最后確定備件重要度，以支撐備件篩選或分類。

2.1 指標權重計算

2.1.1 建立判斷矩陣計算權重

根據所選取的備件評價指標， 基于層次分析法中成對比較法，根據AHP 的評價尺度比較表建立判斷矩陣設A=（aij）nn，計算矩陣權重向量ωi。

式中：（aij）nn（i，j=1，2，…，n）表示兩個指標?i和?j之間相對重要性。

2.1.2 一致性檢驗

由于客觀事物的復雜性和主觀判斷的多樣性， 導致評價者判斷的不一致， 因此需要對判斷矩陣進行一致性檢驗。 一致性檢驗包括式（1）所示的一致性指標（Consistence Index，C.I）和式（2）所示的一致性比例（Consistence Ratio，C.R）：

式中：λmax—最大特征根；n—矩陣的階數。

式中：R.I——隨機一致性指標（Random Consistence Index），其取值見表1。

表1 隨機一致性指標

當C.R〈0.1 時， 判斷矩陣符合一致性要求， 當C.R〉0.1 時，判斷矩陣一致性不滿足要求，需要調整。

2.2 備件指標賦分

根據定性或定量指標特點制定指標賦分標準。 定性指標依據管理經驗直接賦分。 定量指標的分值可通過指標值與賦分之間的函數關系確定。

2.2.1 定量指標賦分

根據數據特點分為三類： 第一類指標， 如訂貨提前期，其數據分布范圍小，直接制定賦分標準。第二類指標，如出庫頻次，其分布范圍廣，需要歸一化處理。 第三類指標，如備件需求偶然性、備件地區分布集中性等，沒有直接數據，需要先計算指標的評價依據，再進行指標數據歸一化處理。第一類指標賦分簡單不再贅述。下面為第三類指標評價依據計算流程和二、三類指標值賦分流程。

（1）指標評價依據計算。 出庫偶然性：由于出庫業務之間存在差異，各備件出庫業務比例也存在差異，為體現這兩種差異對備件出庫偶然性的影響， 通過無量綱系數OjB6評估，如式（3）所示。

式中：ωOi—業務i 的出庫偶然性權重， 通過建立定檢、出質保、調試和維修業務出庫偶然性判斷矩陣計算，如表2所示；Rji—備件j 在i 業務出庫數量占總出庫數量的比例。

表2 業務出庫偶然性比較

地區集中性：由于風場環境、服役年限不同，導致備件需求集中于特定風場。 因此選擇出庫數量占前3 的風場需求量與總需求量的比值OjB10來反應地區集中性，如式（4）所示。

式中：yjfirst、 yjsecond、 yjthird—備件j 出庫數量排名第1、 第2、第3 風場的出庫數量；Tj—備件j 總出庫量。

（2）指標數據歸一化。對于第二、三類定量指標，為了突出備件之間的差異性， 采用多級Min-Max 歸一化方法。 對于出庫頻次、出庫標準差等指標，由于其最大值與最小值比值過大，應先采取對數、取平方根等數據標準化的操作，再帶入分段函數進行賦分。 指標值x 與賦分之間的函數關系如公式（5）所示。 圖3 為分段函數示意圖。

圖3 分段函數示意圖

式中，F1、F2、F3、F4、F5、F6——不同區間的指標分值，x—指標值；fmin、fmax—指標數據最小值、 最大值，a、b、c、d、e—分段函數分段點。

分段點的設定，關系到分段函數能否合理反應出備件之間的差異性， 其設定和備件種類數量與指標值x 的分布有關。

（3）分段點設定。 分段點的設定步驟如下：

步驟1 將所有備件按各指標值分別排序， 根據備件種類數量與指標值x 分布設定， 第k 個指標分段點ak、bk1、ck1、dk1、ek， 確定各指標賦分區間[1，2]、（2，3]、（3，4]、（4，5]占比αk、βk、γk、δk。

步驟2 由于指標之間賦分占比、分布不同，導致指標賦分均值存在巨大差異，導致設計權重（判斷矩陣所得權重） 與實際權重不一致。 為縮小指標之間整體賦分的差異，將各指標賦分區間占比統一為α、β、γ、δ，根據此占比，調整各指標分段點bk1、ck1、dk1得到新分段點bk2、ck2、dk2，并對備件指標預賦分，計算各指標賦分均值。

步驟3 為進一步減少權重偏差， 對分段點bk2、ck2、dk2進行調整， 通過將各指標賦分均值調整在區間（G1，G2）內，以減少自然權重的影響。 G1，G2由各指標賦分均值的分布決定，并通過公式（6）驗證其區間設定的合理性。

式中：MΚ—第k 個指標的賦分均值；M'—定量指標均值的平均值。 通過θΚ反應實際權重與設計權重的偏差， 當偏差在允許范圍內，則區間設定合理。 具體調整流程如圖4 所示，其中△kbt為調整迭代步長，根據指標和分段點區間設定。

圖4 賦分區間調整流程圖

2.2.2 定性指標賦分修正

對于定性指標對賦分結果乘修正系數Qk，使指標賦分均值在與定量指標賦分均值的平均值相等，以達到修正目的。 修正系數Qk如式（7）所示：

表3 備件評價體系指標定義及賦分準則

2.3 重要度計算

重要度是備件分類的依據，計算方法如下：根據2.1指標權重計算結果和2.2 指標賦分結果，計算備件重要度I 如式（8）所示。

式中：ωk—第k 個指標的權重；Vjk（Bk）—備件j 的第k 個指標的分值；w—評價指標總數量。

3 實例分析

3.1 數據來源

實例分析的數據主要來源于2021—2022 年度的風電運維企業所服務的上百個風場的出入庫數據和風力發電場故障維修日志。 其中定性指標的評價來源于企業運營人員的工作經驗和實地考察。

3.2 判斷矩陣

根據2.2.1 建立判斷矩陣， 通過打分得到備件采購、調配、使用3 項準則權重（C.R=0.018），及采購（C.R=0.03）調配（C.R=0.06）使用（C.R=0.063）下各指標權重，主要指標權重權重見表4。

表4 備件評價體系指標定義及賦分準則

3.3 備件指標賦分

實例研究中，研究對象為隨機篩選的36 個備件。 根據各指標備件種類數量分布，確定各指標的ak、bk1、ck1、dk1、ek分段點。 綜合各指標賦分區間占比， 確定一致占比比例， 賦分[1，2] 區間內備件種類數量占總備件種類數的33%，（2，3]占28%、（3，4]占25%、（4，5]占14%，據此調整各指標分段點并預賦分。計算各指標的賦分均值，根據均值分布，設定指標賦分均值區間（2.65，2.78）。 通過檢驗發現，實際權重與設計權重偏差在3%，可以忽略不計。具體賦分準則見表3。

3.4 分類結果

根據指標賦分和指標權重，計算備件重要度，將備件分為重點管理、特征突出、一般3 個大類，以區分備件重要性。 基于ABC 分類結果，依據采購、調配、使用準則重要度將備件劃為27 小類進行管理，以針對備件特性開展相應管理策略。 案例分類結果如表5 所示。

表5 分類結果

3.5 分類結果分析

分類結果分析如下：A 類占1/12， 為重點管理備件，需要重點分析。B 類備件占1/3，該類別單準則問題較為突出，庫存成本與停機成本之間矛盾較A 類備件緩和。 備件主要以調節庫存周期、庫房位置、服務水平進行管理。 C 類占7/12，為一般備件，該類備件使用頻次低，或時效要求不高，一般不首先考慮風場庫備件，根據其業務需求進行地區庫或中心庫存儲，以減少不必要的備件存儲成本。 選取部分備件進行分類分析，賦分結果圖見圖5，具體分析見表6。

表6 備件分類結果分析

圖5 備件賦分結果

4 結論

本文針對風電機組備件管理困難， 提出基于備件重要度的兩級多指標分類方法， 提高了風電機組備件管理效率， 降低了由于備件管理不完善所導致的備件和停機成本，主要進行了以下3 項工作：

（1）基于對風電運維企業業務調研和數據發掘，細化風電機組備件分類體系，減少評價的不確定性；使用多級函數將指標數據映射到賦分區間，突出備件之間差異，以提高分類準確性。

（2）依據備件重要度，將風電機組備件分為重點管理、突出特征、一般3 大類以及27 小類，提高備件分類的透明性和可分析性。

（3）提出先定量篩選，再定量+定性分類管理的兩級分類策略，減少備件分類工作任務。