基于主成分分析的综合多因子装备物资分类方法

董翔英 ，邹饶邦彦 ，吕亚飞

(1.军事交通学院 军用车辆系，天津 300161； 2.军事交通学院 研究生管理大队，天津300161)



● 军事物流Military Logistics

基于主成分分析的综合多因子装备物资分类方法

董翔英1，邹饶邦彦2，吕亚飞2

(1.军事交通学院 军用车辆系，天津 300161； 2.军事交通学院 研究生管理大队，天津300161)

为实现库存物资的细化分类，进一步提高库存控制效率，分析了当前装备物资分类方法的实际情况及特点，通过设计物资重要性评价指标，建立分类指标的主成分分析模型，将单一的物资分类法改进为多目标、多因素的多因子综合分类法。通过实例分析，验证了该分类法的可行性。

装备物资分类；综合多因子；主成分分析

军用装备物资的库存控制和管理涉及到后方物资仓库中所有物资的有效管理，然而在库存管理的实际操作中，由于人力物力等因素的限制，无法对所有的库存物资进行相同程度的管理，各种物资的出入库频率、商品价格、占用资金、存储周期等指标都不尽相同，因此需要对各种库存物资进行分类管理。对于装备物资的库存管理而言，当前主流的分类方法有ABC分类法和CAV分类法2种：ABC分类法是根据库存物资的库存量和库存占用金额对物资进行排序分类，此方法简单易操作，常用于大量库存的日常管理，但是，相对而言它还不够细致，只考虑了库存资金这一因素，并不足以体现库存物资的各项特性；CVA分类方法则是在库存分类中引入了关键因素的分析，比ABC分类方法更具有目的性，其将货物分为不同的优先等级从而采用不同的控制策略，但是CVA分类方法仍然不够细致，它没有指定明确的指标因素对物资进行分类，有时易出现多种高优先级物资并存的情况，导致库存控制效率降低。本文改进了传统的库存分类方法，通过主成分分析的方法，可以明确库存物资分类的几个关键性指标，剔除指标中的重叠因素，对装备物资进行精确分类，从而在库存控制中做到有的放矢。

1　库存物资的重要性评价指标设计

库存物资的重要性评价指标设计应该从各个不同的方面予以综合考虑，本文从所占用的资金成本、物资消耗量、供货难易度和缺货对生产造成的影响几个方面进行了考量，具体指标见表1。

表1　库存物资重要性评价指标

表1中的评价指标因子可以对库存物资的重要程度做出一个综合的反映，确定所选指标的基数作为参考标准，根据所选择指标数值的不同来衡量对所评价目标的影响。通常情况下，把指标分为成本型指标和效益型指标。对于成本型指标而言，评价值越小评价结果越高；对于效益型指标而言，评价值越大则评价结果越高。因为当市场中的供应量越充足，筹措采购就会越容易，相对而言缺货的几率就会小很多，库存控制的任务就会宽松一些；而其余的指标如单价、缺货损失等指标值越大，则该库存物资就更加的重要，应该加强对其管理和控制。

2　分类指标的主成分分析模型建立

主成分分析法可以将所要研究目标的多个彼此相关的变量转化成几个互不相关的变量。库存物资的重要程度分类评价是一个综合性、系统性、多层次的评价体系，其中涉及的多个变量指标之间具有一定程度上的相关性，根据所设计的各个评价指标彼此之间所反映的信息可能存在着一定的重复现象。利用主成分分析法可以有效解决信息重叠的问题。其原理是将原来的相关变量通过线性组合的方式转化为较少的几个不相关的主成分因子，这样可以有效保留原始数据的大部分信息，同时减少模型的计算量，对其中有相关性或相似性的物资进行聚类。其主要方法步骤如下。

2.1指标评价矩阵的创建

对于m个评价样本，有n个评价指标，可以构成一个m×n的矩阵X。

式中xij为第i个样本的第j个指标的值(i=1,2,…，m；j=1,2,…，n)。

2.2数据的标准化操作

(1)规范化处理。因为评价中既存在成本型指标，又存在效益型指标，无法确定最后评价的结果，所以需要对其进行规范化处理。

如xij是成本型指标，则

如xij是效益型指标，则

(2)标准化处理。某些指标具有不一样的单位量纲，而对于不同的量纲无法对其进行求和操作，因此，为了消除不同量纲所造成的数据不合理现象，在主成分分析之前应先对数据进行标准化：

(3)求出样本的相关系数矩阵R。 通过对矩阵中的原始数据标准化处理之后可以得到标准评价的m×n矩阵Z：

Z=[yij]m×n

对矩阵Z求其样本相关系数矩阵R：

(5)建立综合指标评价模型。求出所选样本在主成分因子上的得分，构造综合指标的评价函数为

F=a1y1+a2y2+…+amym

本研究根据车辆器材备件的库存数据模拟计算可得到3个主成分因子为最终的综合评价指标，分别为反应物资消耗量和采购货源是否充足、库存资金成本和采购提前期、物资采购周期和缺货造成的损失影响的3个指标。由此进行综合打分，并遵循占总数比例15%、30%、55%，可分得A、B、C三类物资。

3　实例分析

根据某汽车备件管理部门的数据，对本文的分类方法进行实例分析以证明其可操作性。根据本文2.2，对原始的数据进行规范化和标准化处理，并利用Excel表格进行计算(结果见表2)。计算关系矩阵R，系数矩阵表见表3。

由以上的关系系数矩阵可发现所选10个指标之间存在着较强关联性，其反映的信息也会有重叠，因此需要进一步对其进行主成分分析。通过对10个指标的特征值大小排列，可得出3个最大特征值分别为4.939，2.842和0.840，这3个指标解释了总方差的86.2%。

表2　标准化后物资重要性评价指标

表3　相关系数矩阵

由此可见，前3个指标已提供原始数据的足够信息。因此，选取这3个变量分别为第1主成分、第2主成分和第3主成分，以y1、y2、y3表示，可将10个指标转为3个新指标。

表4　主成分得分系数

建立综合评价模型，根据表4的得分系数，可以得到3个主成分的线性评价模型：

=(xi1，xi2，…，xi10)

式中：Fi为第i个样本的综合得分；Xij为标准化后的数据指标值；yi为得分系数；ai为第i个主成分的方差贡献率(特征值所占百分比)。将标准化后的指标值带入后可得到各物资在主成分上的得分，根据各主成分对应的方差贡献率构造评价函数可得出综合的评价结果见表5。

由表5可以得到19种物资在3个主成分上以及综合的排名得分，根据排名对物资进行进一步的分类，按照20%、30%、50%的比例对物资进行重要性分级。

表5　物资重要性综合排名分类

4　结　语

本文在传统的分类方法的基础上，通过设定多个物资重要性评判指标，对多个评判指标进行主成分分析，得出综合的3个主成分评价指标，根据综合的评价指标得分对装备物资实现了有效的分类，由此可以减少不必要的人力物力耗费，提高库存控制的准确率，有效地提高装备物资的管理效率。

[1]肖依永,常文兵,郭伟宏.基于关联规则的ABC库存分类方法[J].系统工程,2008,26(6):10-15.

[2]叶伟龙,李青.ABC库存分类的多准则优化方法[J].辽宁工程技术大学学报(自然科学版),2008,27(5):758-761.

[3]梁广涛,王天虹.备件库存分类方法探讨[J].建设机械技术与管理,1999,12(5):28-29.

[4]孙冬如.现代库存控制方法研究及其应用[D].重庆：重庆大学,2002.

[5]李锋.库存系统分析与控制策略研究[D].成都：西华大学,2007.

[6]陈晖.几类库存控制模型研究[D].重庆：重庆大学,2007.

[7]周庆荣.库存控制模型在仓储管理系统中的应用研究[D].苏州：苏州大学,2010.

[8]许中容.多级供应链条件下库存优化模型及算法研究[D].北京：北京交通大学,2009.

[9]张欣.基于主成分分析的库存管理神经网络模型研究[J]. 广东海洋大学学报,2007,27(3):100-102.

[10]焦玥.基于主成分分析的企业物流绩效综合评价方法研究[D].青岛：青岛大学,2006.

(编辑：史海英)

Multi-factor Synthetic Classification Method of Equipment Materials by PCA

DONG Xiangying1, ZOU Raobangyan2, LÜ Yafei2

(1.Military Vehicle Department, Military Transportation University, Tianjin 300161, China;2.Postgraduate Training Brigade, Military Transportation University, Tianjin 300161, China)

For subdivision of inventory material and improvement of inventory control, this paper first analyzes the present classification methods, and then designs the material priority index with which the principal component analysis (PCA) model is established. The single target classification method is subdivided into a multi-objective and synthetic multi-factor one whose feasibility is verified by a case analysis.

equipment material classification; synthetic multi-factor; principal component analysis(PCA)

2015-11-19；

2016-01-06．

董翔英(1963—)，女，硕士，教授.

10.16807/j.cnki.12-1372/e.2016.06.011

E233

A

1674-2192(2016)06- 0048- 05