0 引 言

当今社会高速发展， 为保障工厂企业日常的生产运营管理， 备件的供应保障问题备受关注， 但在解决该问题的过程中往往会面临如下困境： 一方面企业粗放地通过增加备件储备品种及数量以避免缺失， 致使库存种类及金额不断攀升， 增大了成本控制的难度； 另一方面因对备件分类的不合理， 以致往往在关键时因缺货造成企业的巨大损失。 因此为将备件库存控制在合理范围内， 首先必须进行精准合理的备件分类工作。

1.3 纳入与排除标准 纳入标准：（1）临床确诊为ACS，接受IABP辅助PCI治疗；（2）合并严重心力衰竭，即心功能为Killip 3—4级，临床表现为急性肺水肿，肺部啰音＞50%肺野，或心源性休克等。排除标准：（1）非ACS相关的严重心力衰竭患者；（2）主动脉夹层导致的急性心肌梗死；（3）伴IABP植入禁忌证；（4）合并其他心脏疾病，如风湿性心脏病、甲亢性心脏病、扩张型心肌病等；（5）合并严重感染、恶性肿瘤、血液系统和免疫系统等影响患者预后的疾病。

中华民族五千多年的发展史，是一部不断自我革新、不断在革新中迸发前进力量的历史。在那些功在当时、泽被后世的改革运动中，形成了中华优秀传统文化中十分重要的革新精神和改革文化。明代戏剧家汤显祖即是这一革新精神和改革文化的杰出代表。

备件分类作为一种重要的库存控制手段， 直接决定了库存管理水平的高低， 是实现备件保障决策的基础和前提。 而要做到精确高效的备件分类， 必然要根据不同行业库存保障的要求， 考虑结合影响各行业备件分类和库存资金分配要求的不同因素， 研究相应的分类算法， 从而做到事半功倍。 因此， 本文在结合现有国内外研究成果的基础上， 针对这一研究加以分析总结。

1 备件分类原则

备件分类， 即是综合考虑存储备件价值等因素、 结合相应理论划分备件重要程度的一种库存配置管理措施， 其目的是辅助决策者考虑以何种比例合理分配库存管理资金， 并根据资金集中程度的不同选取不同的备件管理方式。

至今为止， 国内外有关备件分类的研究已广泛应用于汽车零部件、 舰船备件、 地铁备件和PCB制造、 油田开采等企业的日常管理中。 在这一研究过程中， 逐渐形成了一系列有关备件定性分类的原则， 如表1所示。

随着AVO技术的提出和应用，国内外专家对储层AVO类型进行了相关研究。Rutherford和Williams（1989）依据围岩与储层的波阻抗差值，反射振幅随入射角的变化情况将AVO异常分为四类：Ⅰ类为高阻抗含气砂岩，零炮检距振幅强且为正极性（截距为正），AVO呈减少趋势（梯度为负）；Ⅱ类为砂泥岩近似零阻抗差的含气砂岩，零炮检距振幅很小（截距很小），由近到远，AVO特征变化较大，出现极性反转；Ⅲ类和Ⅳ类为低阻抗含气砂岩，零炮检距振幅很强（截距较大），呈负极性，AVO特征呈增加趋势为Ⅲ类，AVO特征呈减少趋势为Ⅳ类。

 

表1 定性分类的备件分类表

 

Table 1 Spare parts classification by qualitative means

  

分类原则备件分类使用特性标准件特制件专用备件使用阶段初始备件后续备件使用频率快速消耗备件慢速消耗备件可维修性不可修备件可修备件维修模式事故件消耗件计划维修备件备件来源自制备件外购备件传递能量载体机械件电器件机电复合件

除表1所述外， 在军事上， 备件按适用对象可分为部队排故修理备件、 工厂大修备件和战场抢修备件； 按备件使用性质可分为战备储备备件、 正常周转配件和随机配件； 按维修级别可分为基层级、 中继级和基地级备件。

2 备件分类算法

当前关于备件分类算法的国内外文献及研究成果很丰富， 至今已提出许多经典的分类算法， 例如ABC分类法、 FSN分类法、 VED分类法等。 这些分类算法或以定性方式， 或以定量方式， 或是定性定量相结合的方式对备件的重要程度进行符合各自领域的划分， 分类笼统、 宽泛。 经研究发现这些算法在分类过程中选取的都是某一个或者多个准则， 例如备件的价值、 关键性等。 因此， 本文以分类准则的维数进行算法的总结归纳， 即将备件分类算法划分为一维、 二维及多维准则分类法。 同时这种维数上的增加也与分类算法随时间而改进的进程吻合， 且更清晰具体。 现结合文献对各算法分析总结如下。

2.1 备件一维准则分类法

备件分类最早采用的即是一维准则分类法。 该分类算法的研究始于Pareto提出的ABC分类法： 将使用中的备件按其储备的价值高低进行排列， 其中数量只占库存总量10%左右而价值占总库存资金额70%的备件为A类备件； 数量占库存总量20%而价值约占总库存资金额20%的备件为B类备件； 数量占库存总量70%而价值只占总库存资金额10%左右的备件为C类备件。

2.3.7 基于AHP理论的备件分类算法

进一步研究发现， 仅靠一维准则实现备件的ABC分类往往过于粗放， 进而二维准则分类算法及多维准则分类方法相继被提出。

这一分类算法的优势在于操作简单， 所有备件都只需通过一个准则就能被分类[1]。 除了选取备件库存价值作为分类准则之外， 备件库存的总需求量等也可作为分类的准则[2-3]。

除此之外， 通过备件的使用信息、 影响备件管理的其他因素等准则， 评估备件在库存中的重要性等级指标， 从而对备件加以分类的算法也相继被提出。 Porras和Dekker提出的分类算法考虑将备件所属设备的数量作为关键性指标对备件加以分类， 备件所属设备的数量越多， 因备件失效影响设备工作从而造成的损失越大， 则其越关键。 这个关键性指标被分为“高”、 “中”、 “低”三个等级[4]。 类似的VED算法则是通过向专家咨询等方式， 得到备件在生产过程中的关键性程度， 将备件划为三类： 即关键的(Vital)、 必需的(Essential)和一般的(Desirable)， 其含义分别是： 那些一旦缺货即严重影响生产， 必须时刻有可用备件的为关键的一类(V)； 那些库存可供需求相对低一些的为必需的备件(E)； 剩下的即使缺货也不会严重影响生产且需求最少的备件为一般的备件(D)。

徐晓燕介绍了一种定性与定量相结合的一维准则判别分类算法， 它从备件需求预测的角度出发， 分析得出备件需求可能与设备检修计划有关， 通过判断变形后的备件历史需求的时间序列是否强自相关达到备件分类的目的[5]。

2.2 备件二维准则分类法

式中：oi,oj表示同一视图中存在关联关系的两个节点；type表示关系类型，type=0,1。若type=0，则oi，oj之间存在父子关系，oi为oj的父节点；若type=1，则oi，oj之间存在顺序关系，oi为oj的前驱节点。

也许这一事件最后不过是为孟山都、为农药的是是非非之争又增添了一个案例。但透过这些是是非非，我们还是看到了很多值得思考的问题。

备件二维准则分类算法始于Kraljic1983年提出的二维物资分类法， 通过引入供应风险， 并将其与物资的重要性结合， 从而进行最终的物资分类， 提出了被称为Kraljic矩阵的二阶矩阵， 如图1所示。

  

图1 Kraljic矩阵结构图

Fig.1 Stucture of the Kraljic matrix

以Kraljic模型进行物资的分类， 在这一过程中将物资的重要性、 供应风险作为分类指标， 以合理的方式进行设计和评价， 计算出更为精确合理的物资分类结果， 以弥补一维分类方法的缺憾。

文献[21]运用灰色聚类分析法构建了航空材料的分类指标体系， 根据分类指标的重要度不同， 采用模糊一致性矩阵来确定指标的权重， 建立航空材料分类模型。 类似地，文献[22]在提出新的仓储和库存的策略过程中， 为发挥所使用标准的多样性优势， 在40种变量中应用了基于聚类分析的“操作相关组方法”， 将相似特点的备件进行了有效分类。 文献[23]在对航空材料分类时， 先运用主成分分析法对分类准则作降维处理， 得到约减后的准则再进行聚类处理分类备件。

2.3.1 基于支持向量机理论的备件分类算法

2.3 备件多维准则分类法

随着备件分类的应用领域越来越广泛， 为进一步提高分类算法的准确度与精确度， 综合考虑各种影响因素的多维准则分类方法日益成为国内外研究的重点。

例如：广西栗木稀有金属花岗岩地区蚀变有钾长石化、钠长石化、云英岩化、硅化、绢云母化、黄玉化、萤石化等，其中主要以钾长石化、钠长石化、云英岩化为主，三者皆可以划分出不同的蚀变带，区内蚀变花岗岩型Sn-(W)-Ta-Nb化主要赋存在云英岩化带中，而伟晶岩的矿化主要发育在外带上部的钠长石石英脉中，蚀变主要为钠长石化和硅化[10]。

另外， 库存周转在库存管理领域同样扮演了重要角色。 Botter和Fortuin使用VED和FSN结合的二维分类法研究中央仓储问题。 VED分类法上文已提到， FSN分类法就是通过快速流转、 慢速流转和呆滞三类评估库存的周转率[14]。 金夏芳以备件的成本和关键性为基础， 提出了基于VED的ABC分类法 [15]。 考虑到不确定性， Chu等人提出了ABC-FC分析法(模糊分类)， 将ABC和模糊网络结合得到分配策略[16]。

这类算法的切入角度是不仅仅将备件看做一个单独个体， 其所属设备的优先级或者重要程度也应加以考虑。 丁留明等人考虑备件所属设备的关键性程度， 首先将其分为类似备件VED分类中的V， E， D三类， 对D类设备而言其备件可直接认为是C类， 然后再对另两类进行下一阶段的备件分类， 得到合理的分类结果[24]。 徐保强等人考虑备件的关键性和易损坏性， 依次对设备、 部件和零件进行ABC分类， 得到27种零件类别， 最终用4个等级划分备件[25]。

乌天麻种籽繁殖是用天麻种籽播种培育米麻和白麻做天麻种源，以防止天麻栽培地的种植退化现象。保证无性代内有旺盛的生命力。

在SVM进行改进从而进行备件分类上， 邢焕革等人借助最小二乘原理， 构建了多尺度最小二乘SVM学习模型， 将舰船设备的重要程度、 平均故障间隔时间等五种因素作为舰船器材备件配置属性， 采取纠错输出编码法(ECOC方法)建立了多类分类模型[18]。 姜晨及张作刚等人[19-20]运用有向无环支持向量机的方法(DAGSVM)， 以备件的平均故障间隔时间和备件价格作为特征， 对备件进行分类。

2.3.2 基于聚类分析理论的备件分类算法[21-23]

应用这一原理， 国外学者做了大量研究[6-13]， 如Syntetos和Boylan等人[6-7]相继提出基于需求的分类算法， 通过一个基于需求多样性和订货频率的二维矩阵以实现备件的分类； 文献[12-13]提出将失效率和模糊逻辑结合的专家系统进行备件分类的算法。

2.3.3 基于3A分类的备件分类算法

支持向量机(SVM)是由Vapnik等人提出的， 其产生于分类问题， 故而在备件分类中的应用也取得了良好的效果。 运用这一原理对备件进行分类的主要操作方式是， 在选择合适的分类属性值的基础上， 通过对SVM的改进或与其他方法的结合进行备件分类， 如魏曦初等人结合决策树理论， 以备件重要性、 库存、 可获得性这三个属性值， 建立多属性备件分类网求得决策值， 利用SVM划分备件[17]。

2.3.4 基于VED分类理论的备件分类算法

传统的水利工程分水模式难以维持。以往，政府满足水资源需求的主要方式是修建水利工程来满足不断增长的水需求，但是当下这种模式逐渐式微。因为，一方面水资源越来越紧缺，水资源供给总量出现不足，水利工程无力解决这一问题；另一方面，水利工程对环境造成很大的破坏，水利工程的必要性备受质疑。在这一背景下，各国政府逐渐缩减水利工程开支，在政治上它的重要性逐渐降低。

从备件二维准则分类法中就能看出， 尽管VED分类看似简单， 但实际构建备件VED的分析工作是相当困难的， 因为它的完成有赖于使用人员的主观判断[26-27]。 在多维准则分类方法中为解决这一问题， VED方法往往会和其他一些备件分类方法相结合。 文献[28]使用了ABC， FSN和VED分析方法对存储策略提出了一种三维分类法， 且由于备件关键性标准的多样， 采用决策树的方法将VED分析的等级划分出来， 最终挑选出12个关键性标准， 结合决策树方法对备件进行分类。

2.3.5 基于DEA理论的备件分类算法

张群僕和崔南方等人[29-30]在研究备件ABC分类法的过程中， 考虑到分类准则的指标量纲不一致会增加分类复杂度， 提出以DEA理论为基础的备件分类改进算法。 这一类算法将每个备件作为一个决策单元， 以DEA模型分析的各准则自身特点为依据， 把所有准则划分为输入和输出两类， 通过DEA模型得到各决策单元的效率值， 各效率值的大小即表征了备件重要程度的高低， 最后根据所得的各效率值， 以类似原始的ABC分类法的划分比例对备件进行分类。

2.3.6 基于模糊评判的备件分类算法

文献[13, 16， 31]运用模糊综合评估的算法对影响备件品种的主要因素进行综合分析， 利用专家系统对所选主要指标进行量化， 最终实现备件分类。

为安全起见，《混凝土结构设计规范》(GB 50010-2010)规定该临界截面周长um的取值可借鉴我国行业标准《无粘结预应力混凝土结构技术规程》(JGJ92-2016)，按该规程的第5.3.15条的规定取值：当荷载或反力邻近平板的自由边时，对钢筋混凝土板柱结构边节点um可取2la+lb和la+2lb+2lc二值中的较小值；对钢筋混凝土板柱结构角节点um可取2la+lb和la+lb+lc1+lc2二值中的较小值，临界截面周长的取值方法如图2所示。

层次分析法(Analytic Hierarchy Process， AHP)在决策分析的过程中， 将定性、 定量的两类因素进行有机结合， 其作为综合评价各类系统和优化多准则决策问题的有效工具， 在许多备件分类研究中得以应用。

在AHP理论与备件ABC分类法相结合的过程中， 各影响因素无论是定性的还是定量的， 通过AHP理论都能转化成数值形式加以对比。 通常将“备件分类”作为“目标层”， 以最终将备件分为ABC三类备件为“方案层”， 选取适当的影响因素作为“准则层”， 这里的影响因素因备件所属领域的不同而不同， 但较为通用的影响因素包括备件单价、 备件平均消耗数量、 关键性、 易得性等[32-34]。

由于AHP本身具有将定性与定量相结合的特性， 与其他备件分类算法结合使用， 可以大大提高分类的适用范围与准确程度。 例如：

教师除了在道德修养上要不断地提升自己，更是要在自己专业知识方面提高自己，学无止境，在学生学习的同时，教师也要不断地去深入学习，去钻研，提高自身的专业知识，改善课堂的教学质量和教学方式，使学生能学到更加深入的知识.通过教师专业素养的提升，对于学生

(1) AHP与模糊评判理论的结合上， 张仲敏及马应欣等人[35-36]以ABC分类的原则计算备件对各项分类准则的权重， 最终综合AHP解得组合权重， 并运用模糊综合评判， 计算备件针对各准则的优先值， 根据所得权重值对备件再次进行ABC分类；

(2) AHP与灰色理论的结合上， 孔琳等人[37]通过AHP求得各准则权重， 而后应用灰色关联分析法， 通过专家系统所得评分构建准则数列， 并与理想数列比较计算关联度， 最后以关联度大小进行备件ABC排序；

(3) 将AHP与VED分析相结合[1,27,38-40]， 付战莹等人[38]利用类VED分析法将备件先粗略分为专用、 通用和辅助备件， 将辅助备件直接划为一般备件缩小分类范围， 并通过AHP确定构成备件分类研究的指标体系， 结合ABC分类法对前两者进一步划分。

除了AHP， 决策树也被作为一种分类的算法。 决策树和AHP的结合在分类中表现出了更好的效果。 Braglia等人[1]在造纸产业中将多属性分析的决策树和AHP结合， 解决在决策树中不同节点的多属性决策问题， 最后通过17个标准将备件进行分类。

2.4 备件分类算法的不足

虽然目前为止有关备件分类的算法不断提升着该方法研究的精准度， 引入了很多相关领域的技术手段对其加以改进， 但还存在一些尚需改进的方面：

(1) 现有的备件分类算法在分类属性的选择上， 以考虑备件库存保障、 计算备件需求预测方面的多， 而考虑以供应商来区分备件分类属性的少。

(2) 尽管通过各种各样基于多维准则分类的算法得到了理想的结果， 但还存在诸多限制： 一方面可能受限于对现有备件分类的理论发展， 在分类中准则数量的选取可能不够全面； 另一方面， 在选出某些定性分类准则的时候， 某种程度上可能出现无法进行考虑计算的问题， 尽管通过对标准赋予不同的权重和层次， AHP可以将所需决策的问题进行直观表述， 但在专家比对过程中也不可避免地包含了主观性的不利影响。

(3) 许多理论上的分类算法本身选取了过多的备件分类属性， 往往会增加模型算法的计算复杂度， 导致在实际应用中无法实现真正有效的备件分类。

为了加强学生实践能力的培养，在实际教学过程中需要从３个方面改变传统的注入式教学模式：（1）教师角色的转变，由权威型转变为朋伴型；（2）学生地位的转变，由被动听讲转变为主动参与；（3）教学过程的转变，由单一传授型转变为引导互动型．在教学实践中，鼓励专业教师利用超星学习通、蓝墨云班课等不同的移动学习平台实施翻转课堂，把相应的课程教学资源（如授课教案、练习题、课外学习资料等）按照课时计划逐步放到网络学习平台中，从而改变传统的“教”与“学”的方式．这样的措施不仅提高了教师的课堂授课效率，也使学生的学习积极性得到提高．

3 结 束 语

准确的备件分类是实现高效的现代库存控制与管理的基础与前提， 因此， 备件分类算法的研究势在必行。 本文就备件分类算法的分类原则进行了简要总结， 对在分类过程中所用的各种算法进行了重点分析， 以期能为备件分类、 库存控制相关领域人员的未来研究提供有价值的参考。

参考文献：

[1] Braglia M， Grassi A， Montanari R. Multi-Attribute Classification Method for Spare Parts Inventory Management[J]. Journal of Quality in Maintenance Engineering， 2004， 10(1)： 55-65.

[2] Gelders L， Van Looy P M. An Inventory Policy for Slow and Fast Movers in a Petrochemical Plant: A Case Study[J]. Journal of the Operational Research Society， 1978， 29(9)： 867-874.

[3] Syntetos A A, Keyes M， Babai M Z. Demand Categorisation in a European Spare Parts Logistics Network[J]. International Journal of Operations & Production Management， 2009， 29(3)： 292-316.

[4] Porras E， Dekker R. An Inventory Control System for Spare Parts at a Refinery:An Empirical Comparison of Different Re-Order Point Methods[J]. European Journal of Operational Research， 2008， 184(1)： 101-132.

[5] 徐晓燕. 一种基于需求特性分类的备件库存管理方法及其实证研究[J]. 系统工程理论与实践， 2006(2)： 62-67.

Xu Xiaoyan. A Demand Classification Based Approach of Inventory Management for Spare-Parts and Its Application[J]. Systems Engineering-Theory & Practice， 2006(2)： 62-67. (in Chinese)

[6] Syntetos A A， Boylan J， Croston J D. On the Categorization of Demand Patterns[J]. Journal of the Operational Research Society， 2005， 56(5)： 495-503.

[7] Boylan J， Syntetos A A， Karakostas G C. Classification for Forecasting and Stock Control: A Case Study[J]. Journal of the Operational Research Society， 2008， 59(4)： 473-481.

[8] Williams T M. Stock Control with Sporadic and Slow-Moving Demand[J]. Journal of the Operational Research Society， 1984， 35(10)： 939-948.

[9] Eaves A H C， Kingsman B G. Forecasting for the Ordering and Stock-Holding of Spare Parts[J]. Journal of the Operational Research Society， 2004， 55(4)： 431-437.

[10] Yamashina H. The Service Parts Control Problem[J]. Engineering Costs and Production Economics， 1989， 16(3)： 195-208.

[11] Nagarur N N， Hu T S， Baid N K. A Computer-Based Inventory Management System for Spare Parts[J]. Industrial Management & Data Systems， 1994， 94(9)： 22-28.

[12] Petrovic′ D， Petrovic′ R， enborn A， et al. A Microcomputer Expert System for Advising on Stocks in Spare Parts Inventory Systems[J]. Engineering Costs and Production Economics， 1990， 19(1-3)： 365-370.

[13] Petrovic′ D， Petrovic′ R. SPARTA II: Further Development in an Expert System for Advising on Stocks of Spare Parts[J]. International Journal of Production Economics， 1992， 24(3)： 291-300.

[14] Botter R， Fortuin L. Stocking Strategy for Service Parts—A Case Study[J]. International Journal of Operations & Production Management， 2000， 20(6)： 656-674.

[15] 金夏芳. 基于VED的备件ABC分类研究[J]. 物流技术， 2008， 27(12)： 86-88.

Jin Xiafang. Research on Spare Parts ABC Classification Based on VED[J]. Logistics Technology， 2008， 27(12)： 86-88. (in Chinese)

[16] Chu Chingwu， Liang Ginshuh， Liao Chientseng. Controlling Inventory by Combining ABC Analysis and Fuzzy Classification[J]. Computers & Industrial Engineering， 2008， 55(4)： 841-851.

[17] 魏曦初， 李文立. 基于备件分类的供应商管理策略研究[J]. 工业工程与管理， 2014， 19(6)： 37-43.

Wei Xichu， Li Wenli. Research on Supplier Management Strategy Based on the Classification of Spare Parts[J]. Industrial Engineering and Management， 2014， 19(6)： 37-43. (in Chinese)

[18] 邢焕革， 卫一熳， 彭义波. 基于多尺度最小二乘支持向量机的舰船备件器材多类分类[J]. 长春大学学报， 2013， 23(12)： 1528-1534.

Xing Huange， Wei Yiman， Peng Yibo. Multi-Class Classification of Ship Spare Parts Equipment Based on Multi-Scale Least Squares Support Vector Machine[J]. Journal of Changchun University， 2013， 23(12)： 1528-1534. (in Chinese)

[19] 姜晨， 徐廷学， 余仁波. 基于DAGSVM的装备不常用备件分类方法[J]. 舰船科学技术， 2011， 33(7)： 135-139.

Jiang Chen， Xu Tingxue， Yu Renbo. Classified Method Equipment Rarely Used Spare Parts Based on DAGSVM[J]. Ship Science and Technology， 2011， 33(7)： 135-139. (in Chinese)

[20] 张作刚， 刘星， 彭建鹏， 等. 基于支持向量机的多准则航材ABC分类法[J]. 价值工程， 2010(22)： 248-249.

Zhang Zuogang， Liu Xing， Peng Jianpeng， et al. Based on Support Vector Machine Multi-Criteria ABC Classification of Aerial Material[J]. Value Engineering， 2010(22): 248-249. (in Chinese)

[21] 张作刚， 崔国伟， 秦瑞清. 灰色聚类分析在航材分类中的运用[J]. 四川兵工学报， 2013， 34(9)： 56-59.

Zhang Zuogang， Cui Guowei， Qin Ruiqing. Application of Grey Clustering Analysis in Aviation Spares Classification[J]. Journal of Sichuan Ordnance, 2013， 34(9)： 56-59. (in Chinese)

[22] Ernst R， Cohen M A. Operations Related Groups(ORGs): A Clustering Procedure for Production/Inventory Systems[J]. Journal of Operations Management， 1990， 9(4)： 574-598.

[23] 张作刚， 胡新涛， 刘望. 主成分聚类分析在航材分类中的应用[J]. 兵工自动化， 2012， 31(11)： 25-28.

Zhang Zuogang， Hu Xintao， Liu Wang. Application of Principal Component Clustering Analysis in Aviation Spares Classification[J]. Ordnance Industry Automation， 2012， 31(11)： 25-28. (in Chinese)

[24] 丁留明， 崔南方， 李晋. 考虑设备关键性的备件库存ABC分类两阶段改进模型研究[J]. 物流技术， 2006(12)： 41-44.

Ding Liuming， Cui Nanfang， Li Jin. Study on Improved Model of ABC Classification of Spare Parts Involving Equipment Criticality[J]. Logistics Technology， 2006(12)： 41-44. (in Chinese)

[25] 徐保强， 李葆文， 魏昕. 从备件ABC分类管理到备件3A库存模型应用[J]. 设备管理与维修， 2007(9)： 10-11.

Xu Baoqiang， Li Baowen， Wei Xin. From ABC Classi-fying Method of Spare Part to Application of 3A Inventory Model[J]. Plant Maintenance Engineering， 2007(9)： 10-11. (in Chinese)

[26] Cavalieri S， Garetti M， Macchi M， et al. A Decision-Making Framework for Managing Maintenance Spare Parts[J]. Production Planning & Control， 2008， 19(4)： 379-396.

[27] Sharaf M A， Helmy H A. A Classification Model for Inventory Management of Spare Parts [C]∥Proceedings of the 7th International Conference on Production, Industrial Engineering, Design and Control, 2001: 375-382.

[28] Bošnjakovic′ M. Multicriteria Inventory Model for Spare Parts[J]. Technical Gazette， 2010， 17(4)： 499-504.

[29] 张群僕. 基于DEA的远洋船舶备件ABC分类管理模型[J]. 中国水运， 2012， 12(12)： 67-69.

Zhang Qunpu. Classification Management Model of Ocean Ship Spare Parts Based on DEA[J]. China Water Transport， 2012， 12(12)： 67-69. (in Chinese)

[30] 崔南方， 鲁家晶. 基于DEA的备件ABC分类模型[J]. 物流技术， 2007， 26(3)： 55-58.

Cui Nanfang， Lu Jiajing. ABC Classification Model for Spare Parts Based on DEA[J]. Logistics Technology， 2007， 26(3)： 55-58. (in Chinese)

[31] 陈红， 陈伊菲， 刘军. 基于模糊评判分类控制法的流程式企业备件库存[J]. 物流技术， 2006(6)： 25-26， 29.

Chen Hong， Chen Yifei， Liu Jun. Spare Parts Classification Mode Based on Fuzzy Evaluation in Process-Oriented Enterprise[J]. Logistics Technology， 2006(6)： 25-26， 29. (in Chinese)

[32] 崔南方， 罗雪. 维修备件基于AHP的ABC分类模型[J]. 工业工程与管理， 2004(6)： 33-36.

Cui Nanfang， Luo Xue. ABC Classfication Based on AHP in Servicing Spare Part[J]. Industrial Engineering and Management， 2004(6)： 33-36. (in Chinese)

[33] 赵金宝. PCB制造企业备件库存分类改进模型研究[J]. 产业与科技论坛， 2013， 12(10)： 78-82.

Zhao Jinbao. Research on the Improvement Model of Spare Parts Inventory Classification in PCB Manufacturing Enterprises[J]. Industrial & Science Tribune， 2013， 12(10)： 78-82. (in Chinese)

[34] 操毓华， 张维竞. IT产品服务备件分类研究[J]. 物流工程与管理， 2013， 35(4)： 140-141.

Cao Yuhua， Zhang Weijing. Classification of IT Spare Parts[J]. Logistics Engineering and Management， 2013， 35(4)： 140-141. (in Chinese)

[35] 张仲敏， 李俊山， 严其飞， 等. 电子对抗装备维修备件混合分类决策模型[J]. 火力指挥与控制， 2014， 39(4)： 58-62， 67.

Zhang Zhongmin， Li Junshan， Yan Qifei， et al. A Hybrid Decision Approach for Classification of ECM Equipment Spares[J]. Fire Control & Command Control， 2014， 39(4)： 58-62， 67. (in Chinese)

[36] 马应欣， 张作刚. 基于AHP和模糊方法的库存航材ABC分类模型[J]. 物流技术， 2008， 27(2)： 130-133.

Ma Yingxin， Zhang Zuogang. ABC Classification Model of Aircraft Spares Based on AHP and Fuzzy Evaluation[J]. Logistics Technology， 2008， 27(2)： 130-133. (in Chinese)

[37] 孔琳， 陈鸿宇， 曾斌. 基于AHP和灰色分析法的备件ABC分类模型[J]. 舰船电子工程， 2008， 28(1)： 90-93.

Kong Lin， Chen Hongyu， Zeng Bin. ABC Classification for Spare Parts Based on AHP and Grey Analysis Process[J]. Ship Electronic Engineering， 2008， 28(1)： 90-93. (in Chinese)

[38] 付战莹， 史翠红， 徐慧， 等. 地铁备件分类研究[J]. 广西轻工业， 2008(5)： 118-120.

Fu Zhanying， Shi Cuihong， Xu Hui， et al. Study on Classification of Subway Spare Parts[J]. Guangxi Journal of Light Industry， 2008(5)： 118-120.(in Chinese)

[39] Cajpal P P， Ganesh L S， Rajendran C. Criticality Analysis of Spare Parts Using the Analytic Hierarchy Process[J]. International Journal of Production Economics， 1994, 35(1-3)： 293-297．

[40] Molenaers A， Baets H， Pintelon L， et al. Criticality Classification of Spare Parts: A Case Study[J]. International Journal of Production Economics, 2012, 140(2): 570-578.