摘要：文章拟就数理统计中的传统方法聚类分析运用于设备管理中，帮助企业合理的评价分类设备，提高企业对设备管理的认识水平及降低在设备上的投入和加大设备的产出。由于设备在企业管理中具有举足轻重的作用，如何科学的管理设备，用好设备，评价设备便成了企业的重中之重。
关键词：聚类分析；设备指标；5S管理；设备管理
设备是企业生产的主要工具，而由此产生的设备管理更是企业管理及经济核算的基础，是分析企业经济活动和衡量企业管理水平的重要标志，所以科学的评价分类设备有极其重要的意义。对于企业的设备分类，传统的ABC分类法过于简单、笼统，而且是静态的评价设备的等级和分类，我们这里介绍一种基于聚类分析的设备评价，有助于企业科学评价设备的各项指标，进一步提高企业的设备管理水平。
一、聚类分析的原理
聚类分析是数理统计中研究“物以类聚”的一种方法，它是将一批样品，按照它们在性质上的亲疏程度进行分类。聚类通过把目标数据放入少数相对同源的组或“类”（cluster）里。分析表达数据。聚类分析强调在繁杂的数据中找到一组或几组数据的共性，以此区别于其他数据，是数据挖掘中的一种较为普遍的方法。
二、聚类分析的方法
（一）谱系聚类法
此法是按样本之间的距离来定义聚类间的距离。首先它从n个个案中合并两个距离最近的个案，聚成一类，合并后重新计算聚类之间的距离，然后再决定哪一个个案与哪一个个案（或聚类）相聚；如此反复进行，一直到所有的个案合并成一大类。最后可把结果绘制成一张聚类树形图，直观地反映整个聚类过程。样本数量较少时比较适用，但样本较多时则计算繁杂。
（二）分离聚类法
此法是基于“上限-中心点-重心”的原理，即首先将n个个案初步分成U类，作为聚类个数的“上限”，从中确定其“中心点”，作为迭代时的起点。然后再考察一个个案就把它移到最靠近的那个中心，形成“聚类”，并算出每一类的“重心”，再考察一个观察点，把该点移到另一类。若能减少个案对于各自中心的离差之和，把此两类的中心同时移到新的重心。并且以重新计算的重心取代原来的重心，如此反复迭代，直到再也无法降低个案与离差之和为止，则终止移动并形成各个聚类。
三、各项设备经济指标的选择
为了较为合理的分析和评价设备，我们需要从设备指标体系中分离出与企业生产利益直接相关的数据，以此作为出发点，找出设备之间的共性，合理的分配设备，传统的ABC分类设备基于设备重要度对设备进行分类和使用，但较为简易，主观性太强，且缺乏强有力的理论依据，但我们采取聚类分析企业设备的各种指标可以轻松的解决这些问题，为企业的5S管理（这里我们提倡的是丰田式生产的5S管理即：整理，整顿，清扫，清洁和教育）提供了可靠的保证和理论支持，下面介绍几个涉及设备经济利益的几项动态指标：
1．设备利用率。反映设备被利用的程度，具有广泛的适用性。
2．设备完好率。反映设备的完好程度。它适合考核基层单位的设备管理工作，不宜作为整个企业或规模很大的单位的设备管理考核指标，因为它与企业经营目标的联系不紧密。当以设备完好率作为考核目标时，容易产生虚假。
3．设备维修费用率。衡量设备维修是否合理的指标。适用于制造业及以承揽工作为主的施工企业，不宜作为考核指标，只宜作为分析指标。
4．设备新度系数。反映年末设备的新旧程度，是瞬时指标。不能反映一个企业全年设备的新旧程度。用设备的净值和原值的比较的新度系数不能准确反映设备的新旧程度。
5．设备的净产值率。衡量设备对净产值贡献的指标。
指标是单项的，只能反映总体现象一个侧面性的情况，因此我们要综合考虑，将这5个指标综合的融入到设备评价分级当中。下面我们结合一个例子看看聚类分析在设备管理中的应用。
四、案例分析
某企业任选10台设备作为样品，编号分别为：i=1，2，…，10，以设备利用率、完好率、维修费用率、新度系数、净产值率5项指标作为聚类变量，即分别统计计算出每台设备的5个技术经济指标值，各项指标编号j=1，2，…，5。这样15台设备就可以看成5维空间的10个点，用xij表示，原始数据见下表：
设原始数据矩阵为：
A=■，■j=■xij（j=1，2，…，n），
Sj=■，xij’=■
通过标准化处理后，每列数据的均值为0，方差为1，采用标准化变换方法，在抽样样本改变时，仍可以保持相对的稳定。限于篇幅，我们这里直接用SAS软件来直接描绘出该企业的设备分类谱系图，直观的显示出该把哪些设备归为一类，从而方便企业运作与管理。
由上面的SAS程序结果我们可以看出，可以把1，4，6，7，3，8号设备归于一类，2，5，9，10号设备归于一类。这样在处理设备，比如维修更新设备时，我们能将一类设备集中进行分析处理，不同类设备由于具有极大的差别性，我们可以另做处理，极大的提高了设备管理的效率，也提高了设备的有效利用率。
五、存在的缺陷及解决办法
1．存在一定的评价的主观性。有些指标比如设备的新度系数并不是很容易量化，需要管理者根据以往的经验作出自己的判断，准确性不足。这里管理者可以根据设备本身以前的数据采取客观评价法与主观相结合，得出较为合理的结果。
2．模型自身存在的些许缺陷。聚类分析本身并不是适用于各种各样的数据，评判聚类好坏的标准：（1）能够适用于大数据量；（2）能应付不同的数据类型；（3）能够发现不同类型的聚类；（4）使对专业知识的要求降到最低；（5）能应付脏数据；（6）对于数据不同的顺序不敏感；（7）能应付很多类型的数据；（8）模型可解释，可使用。但是在数据采集后经过适当处理，例如标准化可以有效地避免这些情况发生。
参考文献
李德源，杨华龙．现代设备经济管理．人民交通出版社，2000.
曲庆云，赵晓梅，阮桂海，等．统计分析方法——SAS实例精选．清华大学出版社，2004
李宁会．对设备管理评价考核指标的分析．中国设备工程，2004，（8）．