基于GM(1, N )模型群的装备维修性及影响因素分析
柯宏发1， 马 超2， 王乃超2， 孙云辉3
(1. 航天工程大学航天保障系, 北京 102206; 2. 航天工程大学研究生院, 北京 101416;3. 北京亚美联技术有限公司, 北京 100080)
摘 要： 针对小样本下多维修性特征及其影响因素分析问题，建立了装备多维修性特征及其影响因素的GM(1,N )模型群，采用最小二乘法估计模型参数，分析了装备维修性特征及其影响因素的主次关系，最后选择4个装备维修性特征及相关的4个影响因素建立了GM(1,N )模型群，并进行了不同层次主次关系的实例分析。结果表明：所建立的装备多维修性特征及其影响因素的GM(1,N )模型群是有效可行的，可为提升装备维修性设计水平提供决策参考。
关键词： 装备维修性； 小样本； GM(1,N )模型群； 主次关系
伴随装备的构成复杂化、结构体系化、认知信息化等发展趋势，在未来战争中只有保持良好的可用性，才能确保装备的战备完好性和任务成功率，充分发挥其作战效能和体系贡献率。装备良好的可用性对装备维修的依赖性日益增大，使装备维修性设计、分析和试验验证工作越来越成为装备研制过程中不可忽视的重要环节[1-3]，而这些维修性工程活动的实质问题就是装备维修性建模。
图书馆可采用人工咨询服务、图书馆主页、微信群以及电子邮件的方式开展图书预约服务，以方便读者接受该服务。
装备维修性建模一般分为定性建模和定量建模，定性模型包括描述性模型[4]、流程图[5]和图解式模型[6]等，定量模型包括计算模型[7-13]和仿真模型[14]等。其中计算模型是各种装备维修性特征参数及变量之间数学关系的抽象表达，是维修性定量分析的重要工具，目前国内在该方面已经取得了诸多研究成果。这些成果大致可分为3类：
1) 维修性参数及其相关关系的数学描述模型。如：朱伟亭[8]论述了反水雷武器装备系统的平均修复时间，系统维修时间与系统维修事件维修时间的关系，维修事件维修时间与相关维修活动时间的关系，维修工时的数学描述4种维修模型；丁定浩等[9]建立了可靠性、维修性、保障性参数指标体系及其组合参数和单项参数的数学模型。
2) 针对维修性水平及其影响因素的分析模型。如：陶凤和等[10]提出了机械系统维修性影响因素集及其量化标准，并建立了系统维修时间及其影响因素回归分析模型。该方法仅是一个单变量的多因素分析模型，无法建立多个维修性变量及其影响因素分析模型。
3) 装备维修性水平评估模型。如：高婉丽等[11]首先运用故障树分析法对系统故障模式进行识别，然后采用矩阵积和式函数计算维修性综合指数对加注系统维修性进行评价；程松等[12]采用矩阵积和式函数评价底层模块化通信开关电源的可维修性；罗旭等[13]提出了一种改进的维修性设计参数综合评价决策方法；董博超等[15]提出了基于Bayes理论的维修性指标评定方法。上述方法实现了维修性水平的整体评估，但难以对维修性水平的影响因素进行分析；且常用的模型基本上是统计模型，需要连续观测较多的样本。
由于受故障模拟、试验经费等主客观条件的限制，高新装备维修性验证试验所观测到的数据量较小，因此建立GM(1,N )模型[16-21]可较好地解决“小样本”“有限知识”数据的分析问题。如：笔者利用GM(1,N )模型对小样本下影响装备性能的电磁环境因素的主次关系[17]和装备维修水平影响因素的主次关系进行了分析[18]；袁泉等[19]提出了基于新息优先累积法的GM(1,N )模型，提高了模型的预测精度，并应用于我国水电发电量和广西农业总产值的预测实验；范震等[20]首先运用灰色关联分析法对我国大豆价格的影响因素进行分析，并选择主要的影响因素作为模型的相关因素变量，构建了基于GM(1,N )的大豆价格预测模型。笔者拓展了GM(1,N )模型，针对多个维修性特征及其影响因素建立GM(1,N )模型群，提出了基于GM(1,N )模型群的装备维修性及影响因素分析步骤，并进行了算例分析验证。
1 装备维修性GM(1, N )模型及其参数估计
1.1 装备维修性建模指标选择
装备维修性包括装备设计和制造所决定的固有维修性和装备使用操作人员的技术水平、装备维修保障条件、维修策略等各种因素的综合影响。目前大多数文献均仅侧重于装备维修性水平评估，且在评估过程中将维修性设计水平提升过程与维修性水平评估过程相互割裂，难以实现维修性水平评价和维修性设计提升过程的统一，进而在一定程度上造成了“两张皮”的问题。为使维修性设计提升与水平评价同步并行，需从整体上建立多个维修性特征及其影响因素分析模型，将二者之间的相关性分析、主要因素分析等无缝集成起来，在整个装备研制过程中高度融合和共享，以便于根据维修性水平追溯其影响较大的因素，如维修性环境、维修性设计和维修性保障等。
为针对装备维修性特征参数X i (0)和维修性影响因素的GM(1,N )模型，式中:参数a i 和b ij 分别为模型的发展系数和驱动系数。
则装备维修性影响因素Y j* 对装备维修性特征X i 的影响最大。
数据极性通常分为极大值极性、极小值极性和适中值极性3类，主要通过上限效果测度变换、下限效果测度变换和适中效果测度变换来统一极性。设原始数列为
变换后的数列为
则上限效果测度变换为
1.2 GM(1, N )建模数据的等极性化 [16]
针对装备维修性及影响因素构建GM(1,N )模型时，为强化各因素间的接近性及增加可比性，需要对原始数列进行等极性化处理，即去掉负极性因子、保留正极性因子，使变换后的数列具有“等权”“等极性”等性质。
从本文的角度而言，职务犯罪调查不管是在过去较为封闭的环境还是当下开放的信息环境，都被技术紧紧包裹。职务犯罪调查也可认为是调查人员综合运用各类技术将涉案事实予以还原并进行法律认定的过程。从技术发展历程来看，人类社会大概经历了“狩猎技术→农耕技术→工业技术→高新技术”的发展过程，［5］并且技术分支也是越发细密，社会生活的方方面面均无法摆脱技术影响，因此，“技术必然性”就成为最重要的论调。
断奶周龄：现在比较流行的断奶周龄为6～8周断奶，也有一些断奶较晚，大约在10～12周。只要营养和管理做到位，完全可以实现6～8周断奶。
(1)
下限效果测度变换为
(2)
适中效果测度变换为
p =1,2,…,n 。
(3)
式中：x 0为适中值。
1.3 GM(1, N )模型的参数估计 [16]
设
为规范化后的装备维修性特征建模数列，其中i =1,2,…,N ，N 为装备维修性特征数量；
为规范化后的装备维修性影响因素数据列，其中j =1,2,…,M ，M 为装备维修性影响因素数量。
X i (1)和Y j (1)分别为X i (0)和Y j (0)的1阶累加生成算子数列，Z i (1)为X i (1)的紧邻均值生成数列，即
(4)
则称
分析表9可得，在对多样性指标间的内生性问题进行分析时，进口中间产品多样性指标的系数值不断提升，说明进口中间产品多样性对创新能力具有促进效应，但是最终结果却未产生明显的波动，说明该模型的结果具有较高的稳定性。
“蹲”的好处在于，可刺激不常活动的肌肉，促进血液的循环，是一种有益的健身方法。练习“蹲”时，可以采用借物蹲、实蹲、踮蹲、跟蹲、弓箭蹲练习，每次做一个动作，也可以连起来做。练习蹲时，要遵循先易后难的原则，先从借物蹲开始，然后逐渐尝试其他蹲的练习。每一个“蹲”的姿势，控制在一分半钟之内，这样来回地换不同的姿势，更能促进血液循环，增强肌肉的伸张度，从而促进静脉回流，改善腹部瘀血状态，缓解视力疲劳，防止近视及视力衰退。
(5)
装备维修性评价包括定性评价和定量评估，笔者选取平均修复时间、平均预防性维修时间、平均维修停机时间、维修工时率等维修性定量评估指标作为装备维修性特征参数。其中：平均修复时间是指修复1次装备故障所需时间的平均值，修复时间越短，装备的维修性越优良；平均预防性维修时间是指装备1次预防性维修所需时间的平均值，时间越短，装备可维修性能越优良；平均维修停机时间是指单位工作时间内所需维修停机时间的平均值，时间越短，装备可维修性越好；维修工时率是指单位工作时间花费的维修工时的平均值，时间越短，装备可维修性越好。
定义
为上述GM(1,N )模型的待估计参数序列，并采用最小二乘法进行估计。
假设中间计算参数
式(9)即为装备维修性的N 个特征参数及其M 个影响因素的GM(1,N )模型群。
(6)
(7)
则GM(1,N )模型的最小二乘估计参数序列为
针对共振解调能够提取淹没在强噪声条件下故障轴承特征频率的特点，将其应用在铁路货车轮对双列圆锥滚子轴承的早期故障诊断中。通过实验证明共振解调可以有效的提取出故障特征频率，诊断出故障类型，是提取强背景噪声中微弱脉冲信号的有效方法。将共振解调技术应用于滚动轴承故障的自动诊断具有编程简单、可靠性高等优点，尤其当滚动轴承的多个元件同时存在随机故障时，应用一般的振动分析方法很难诊断，可以利用共振解调法对此类复杂故障作出精确诊断。
(8)
其白化方程(也称为影子方程)为
(9)
聊着聊着，一位后来被他称为“代办”的朋友提议，该出去外面的世界看一看，打打工、挣挣钱。李高明心动，他打小不愿意读书，14岁尚未小学毕业，上几天、休几天、放牛几天，这日子他也觉着无趣。“代办”给朋友们设定了逃离的方法：第二天甩开父母，带几件衣裳，走，逃离这个偏僻的绿春县大兴镇瓦纳村。
深松作业必须要依靠专业的深松机具，为了提高深松水平，必须要定期对深松机具进行保养，确保设备可以正常使用，提高深松作业水平。
本文采用Yin(2003)对案例研究资料的收集规则，首先利用多种渠道采集企业的基本信息和与本研究相关的资料。然后利用互联网技术收集相关二手资料，如通过中国知网、万方等国内主流知名数据库收集关于“三只松鼠”的案例研究记录、案例研究文件、图表资料等，建立案例研究资料库。最后，对建立的案例分析数据库进行深度文本分析，找到本案例研究所需的引证来源，结合相关理论，得出研究结论。
2 装备维修性及其影响因素分析
基于影响因素对装备维修性特征的影响程度大小，只考虑GM(1,N )模型群中驱动系数值的大小，则驱动系数矩阵
(10)
基于驱动系数矩阵B 可分析装备多个维修性特征与影响因素的主次关系，具体方法如下：
1) 考察装备维修性特征X i (i =1,2,…,N )的影响因素，记
(11)
关于装备维修性水平影响因素，笔者选取维修环境、维修性设计因素、人为要素、保障要素等。其中：维修性环境方面的因素包括装备运行环境、维修环境等；维修性设计因素包括维修简易性、维修可达性、备件模块化与互换性、拆卸装配性、维修安全性、人素工程、检测性和诊断技术、防差错设计等；人为因素包括人员专业技术水平及其训练等；维修性保障要素包括维修技术文件、备件、工具、设施等。
罗浮山的道教祭祀场所，以道教建筑群的形式环绕飞云顶为中心，呈辐射状以五行之态环状分布（图3）。山中每个道观的祭祀场所，多以坐北朝南，被山林半围合，以洞天4）的形式孕育山中。 罗浮山的蓬莱与洞天格局，随着道教在唐、宋的俗化，便潜伏在罗浮山的城市分支与民间信仰等祭祀场所中，在城镇山水布局上形成影响。
2) 若存在v ,l ∈{1,2,…,N }，满足
(12)
则称所有装备维修性影响因素对装备维修性特征X v 的影响大于维修性特征X l ，并记为X v ≻X l ，即维修性特征X v 对影响因素的适应性比X l 强。若对于∀l =1,2,…,N ，l ≠v ，恒有X v ≻X l 成立，则称X v 为最优维修性特征，即装备维修性特征X v 对影响因素的适应性最强。
养分表观消化率：测定饲料样及粪样中干物质含量、粗蛋白含量、中性洗涤纤维含量、酸性洗涤纤维含量，计算养分表观消化率，其公式为：
3) 若存在w ,g ∈{1,2,…,M }，满足
(13)
则称装备维修性影响因素Y w 对所有装备维修性特征的影响大于因素Y g ，记为Y w ≻Y g 。若∀g =1,2,…,M ，w ≠g ，恒有Y w ≻Y g 成立，则称影响因素Y w 对装备维修性特征的影响最小。
4) 若存在v ,l ∈{1,2,…,N }，满足
(14)
则在所有装备维修性影响因素下对装备维修性特征X v 的影响准大于特征X l ，记为
若对于∀l =1,2,…,N ，l ≠v ，上述结论成立，则称装备维修性特征X v 为所有装备维修性影响因素下的准优特征，即装备维修性特征X v 对影响因素的适应性准强。
5) 若存在w ,g ∈{1,2,…,M }，满足
(15)
则称装备维修性影响因素Y w 对所有装备维修性特征的影响准优于影响因素Y g ，记为
若∀g =1,2,…,M ，w ≠g ，恒有
成立，则称影响因素Y w 对装备维修性特征的影响准优。
对于具有N 个维修性特征参数和M 个维修性影响因素的装备维修性分析系统，未必有最优维修性特征和最小影响因素，但是一定会有准优维修性特征和准优影响因素。
3 算例分析
设在某型指控装备的维修性考核试验活动中，装备的平均修复时间、平均预防性维修时间、平均维修停机时间及维修工时率的数列分别为
由于4个时间性指标均为极小值极性,进行等极性化处理后可得
维修性环境的复杂程度、维修性设计水平、人员能力水平、维修性保障水平的数列分别为
其中环境复杂程度为极小值极性，其他3个为极大值极性，进行等极性化处理后可得
依据GM(1,N )建模及其参数估计算法，得到该型装备维修性4个特征参数及其4个影响因素的GM(1,N )模型群为
四是服务缺位与盲目融资。监管者对民间融资市场风险提示、融资者教育方面提供的服务不足。与之对应，融资者因为能力、信息不完全等原因而盲目投资。
驱动系数矩阵
基于矩阵B ，可得如下结论：
目前，国内从事标准化研究工作的机构主要为各省市区标准化研究院所，本文以32家标准化研究机构（包括中国标准化研究院和31家省市区一级的标准化研究机构）为研究对象，简要探讨其各自品牌的建设与推广。
1) 根据各行的最大值可知：对该型装备平均修复时间影响最大因素的是维修性环境的复杂程度，对平均预防性维修时间影响最大的因素是设计水平，对平均维修停机时间影响最大的因素是维修性保障水平，对维修工时率影响最大的因素是维修性保障水平。
2) 根据各列的最大值可知：受维修性环境复杂程度影响最大的特征是该型装备平均修复时间，受设计水平影响最大的特征是该型装备维修工时率，受人员能力水平影响最大的特征是维修工时率，受维修性保障水平影响最大的特征是维修工时率。
3) 根据每行求和的最大值可知：维修工时率是该型装备的准优维修性特征，准优特征次序依次为维修工时率、平均修复时间、平均预防性维修时间和平均维修停机时间。
4) 根据每列求和的最大值可知：维修性保障水平是该型装备维修性特征的准优影响因素，准优影响次序依次为维修性保障水平、设计水平、人员能力水平和维修性环境的复杂程度。
需要说明的是，笔者通过算例分析得到的结论仅仅是针对该型装备的维修性特征及其维修性水平影响因素数据，准优特征次序和准优影响次序并非装备维修性的普遍特性。
4 结论
装备维修性水平是设计出来的，分析装备维修性特征及其水平影响因素的主次关系，可有效地改进维修性设计中的薄弱环节，进而提高装备维修性水平。但是基于经典统计方法的装备维修性水平验证与分析需要较多的数据样本，目前的实际工程背景难以满足需要。笔者根据装备维修性分析的数据少、不确定性多等特点，提出了基于GM(1,N )模型群的多维修性特征、多影响因素分析方法。通过算例分析表明：该方法能从多个角度对装备维修性特征及影响因素进行综合分析，不仅能分析每种装备维修性特征影响因素的主次关系，还可分析装备维修性的准优特征次序关系、装备维修性水平影响因素的准优影响次序关系等。该方法有利于抓住影响装备维修性水平的多种次序关系，对改进提高装备维修性水平具有重要的工程应用价值。另外，由于传统GM(1,N )模型难以准确地描述系统特征的变化规律[21]，笔者仅通过驱动系数矩阵进行了分析；下一步将考虑发展系数矩阵对装备维修性特征及其水平影响因素进行深入研究。
参考文献：
[1] 李艳霞，秦吉良，张维，等．对导弹武器装备维修性工作的几点思考[J]．航天工业管理，2015(1):16-18.
[2] 王世清，王靖．航天器的在轨维修性[J]．质量与可靠性，2017(4):4-8.
[3] 中国人民解放军总装备部电子信息基础部．GJB 368B—2009装备维修性工作通用要求[S]．北京：总装备部军标出版发行部，2009：12-14.
[4] 李洪广，刘义乐．基于统计的舰船电子设备维修性分析[J]．四川兵工学报，2011,32(10)：89-91.
[5] 方强，王松山，祝泓，等．基于数字样机的舰船维修性设计分析技术[J]．中国舰船研究，2016,11(1)：114-120.
[6] 倪祥龙，康建设，王广彦，等．一种考虑稳健性的维修性设计方案选择方法研究[J]．现代制造工程，2013(8)：113-118.
[7] 乔永珍．组合引信系统维修性建模分析探讨[J]．电子世界，2013(3)：84-85.
[8] 朱伟亭．反水雷装备系统维修性建模分析探讨[J]．舰船科学技术，2012,34(9)：134-137.
[9] 丁定浩，陆军．可靠性、维修性、保障性参数指标体系探讨[J]．中国电子科学研究院学报，2011,6(2)：170-174.
[10] 陶凤和，甘茂治，于永利．机械系统与设备维修性模型的建立[J]．中国机械工程，1999,10(12)：1404-1406.
[11] 高婉丽，卜玉，刘瑞敏．航天推进剂加注系统维修性研究[J]．质量与可靠性，2012(4):28-31.
[12] 程松，钱希森，李龙，等．基于底层模块化的通信开关电源可维修性建模分析[J]．通信电源技术，2013,30(6)：4-7.
[13] 罗旭，葛哲学，杨拥民．基于设计参数综合评价决策的维修性设计方案优选方法[J]．国防科技大学学报，2012,34(3)：58-62.
[14] 肖磊，金光，厉海涛．基于多模型的能源组件维修性建模与仿真研究[J]．计算机工程与科学，2012,34(6)：182-186.
[15] 董博超，宋保维，梁庆卫，等．武器装备小子样维修性试验与评定方法研究[J]．兵工学报，2011，32(3)：327-330.
[16] LIU S F,LIN Y.Grey information theory and practical applications[M].London：Springer,2006：228-234.
[17] 柯宏发，陈永光，李元左．电磁环境因素影响装备性能的GM(1,N )模型定量分析[J]．北京理工大学学报，2012,32(5):546-550.
[18] KE H F,DU H M,HE K,et al.Equipment maintainability and its influencing factors analysis based on grey system theory[J].Grey systems:theory and application,2012,2(3):427-436.
[19] 袁泉，曾祥艳．基于新息优先累积法的GM(l,N )模型及其应用[J]．桂林电子科技大学学报，2017,37(4):332-336.
[20] 范震，马开平，姜顺婕，等．基于改进GM(1,N )模型的我国大豆价格影响因素分析及预测研究[J]．大豆科学，2016,35(5):847-852.
[21] 丁松，党耀国，徐宁．基于虚拟变量控制的GM(1,N )模型构建及其应用[J]．控制与决策，2018,33(2):309-315.
Analysis of Equipment Maintainability and influencing Factors Based on GM (1 ,N )Model Group
KE Hong-fa1, MA Chao2, WANG Nai-chao2, SUN Yun-hui3
(1. Department of Aerospace Support, Space Engineering University, Beijing 102206, China; 2. Graduate School, Space Engineering University, Beijing 101416, China; 3. Beijing TmutChina Technology Co., Ltd, Beijing 100080, China)
Abstract ：Aiming at the analysis of multi-maintainability characteristics and its influencing factors under small samples, the GM(1, N ) model group of equipment multi-maintainability characteristics and its influencing factors is established. By using the least square method to estimate the model parameters, the primary and secondary relationship between equipment maintainability characteristics and influencing factors is analyzed. Finally, the GM (1, N ) model group is constructed by selecting four equipment maintainability characteristics and four related influencing factors, and the example analysis of primary and secondary relations at different levels is carried out. Results show that the GM(1, N ) model group is effective and feasible, which can provide decision-making reference for improving the equipment maintainability design level.
Keywords :equipment maintainability; small samples; GM(1,N ) model group; primary and secondary relation
文章编号： 1672-1497(2019)03-0115-05
中图分类号： E92; N941.5
文献标志码： A
DOI： 10.3969/j.issn.1672-1497.2019.03.020
收稿日期： 2019-02-05
基金项目： 军队科研计划项目
作者简介： 柯宏发(1969-)，男，教授，博士。
(责任编辑：王生凤)
标签：装备维修性论文; 小样本论文; GM(1论文; N)模型群论文; 主次关系论文; 航天工程大学航天保障系论文; 航天工程大学研究生院论文; 北京亚美联技术有限公司论文;