Module 

6 – Spares and Repairables 
Management 
In the management of spare part inventories, a balance is sought between the costs of stocking the 
parts and the costs and risks of not having them when they are needed.  

Spares management includes (Lawrenson, 1996): 

• Forecasting requirements 
• Deciding what to stock and provisioning appropriately 
• Identifying what is stocked and where it is held 
• Arranging safe handling and storage for receipts and issues 
• Recording movements in and out, and stock balances 
• Accounting for stock and usage 
• Controlling misuse, misappropriation and theft 
• Minimising deterioration, obsolescence and waste. 

This module looks at basic theory surrounding spare parts decisions: how many to stock, when to 
order them and where to stock them. 

After completing this module you should be able to: 

• Appreciate the cost of carrying spares inventory in the mining industry 
• Be familiar with the principal indices used to measure inventory effectiveness and efficiency  
• Understand the criteria behind priority spares classification 
• Calculate economic order quantities and order points for high rotation spares 
• Apply probability modelling to high value low rotation spares decisions 

   

1 
 
6.1 Spares and Repairables Costs 
 
Organisations keep spare parts to be able to replace worn out or defective parts in machinery and 
equipment. Typically mining companies hold spare parts inventories that run into tens of millions of 
dollars. A large mine in Chile with which the author is familiar maintains spares inventory worth US$ 
50 million. It does so because many equipment suppliers are located overseas. Long “lead” times are 
required to order, dispatch and transport spares from abroad. The failure of a critical component in 
service at the mine may result in an unacceptable downtime cost should a spare not be available on 
site (known as a “stock‐out” cost).  

In the management of spare parts inventories, a balance is sought between the costs of holding 
spare parts inventory with the costs and risks of not having them when they are needed. Holding 
inventory involves tying up funds that could be usefully employed in other activities. The 
opportunity cost of stockholding is the difference between the best alternative investment and the 
return from the spares holding (Lawrenson, 1996). Simply speaking, the aim of spare parts 
management is to minimize the total cost of: 

• Acquisition (or “Ordering”) costs 
• Inventory holding costs, and 
• Stock‐out costs 

However, spares are not always kept for purely economic reasons. There may also be safety and 
environmental or strategic reasons for carrying spares. Defence applications, where it is necessary to 
maintain a given level of deterrent capability, are justifiable examples for carrying strategic spares.   

Production Maintenance Purchasing Suppliers

Operational Scheduled replacement

consumables or failure

Stock below Call for tender Prepare

Economic Order Point (quotes) tender

Compare technical
offers

Technical Compare prices

specifications
Issue Purchase Manufacture &/or
Order Dispatch

Receive
Received in good
Quality control order
Compare invoice
with quote Invoice

Payment Receipt of payment

 

Figure 6.1 The Acquisition Process 

Figure 6.1 illustrate a simplified process for acquiring spares. The process requires interaction 
between operations, maintenance, and procurement departments and suppliers. The decision to 
purchase inventory is triggered when the level of spares or consumable falls below a certain point 

2 
 
known as the “Economic Order Point” (see Section 6.3). In some cases where suppliers have 
previously submitted to a pre‐qualification process, a Purchase Order might be automatically issued. 
If the spare is available from OEM and alternative sources, a request for quotation will be issued to 
the competing vendors. Offers will firstly be compared on the basis of satisfying fitness for duty 
criteria and safety and environmental compliance.  The supplier with the winning tender is formally 
notified, and a PO issued. The spare is dispatched, and received and inspected by warehouse 
personnel upon arrival to site prior to admission to the warehouse. As can be seen from Figure 6.1, 
this can be a labour intensive process. Despite the fact that the process includes multiple steps, 
spare parts literature often refers to the associated process costs as the “Ordering” cost.  

Average %
Capital cost 15 - 19%
Cost of obsolesence 8.5%
Operating costs
Labour 3.5%
Depreciation 1.5%
Insurance 1.2%
Database administration 1.5%
Material movements 1.8%
Stock reduction 3.5 - 10%
Warehouse and services 1.5%
TOTAL Operating costs 14.5 - 21%
 

Table 6.1 Spares holding costs expressed as a percentage of capital cost (Marshall Institute, 1996) 

Spares holding costs are frequently expressed as a percentage of the capital cost of inventory. They 
include: 

• The annual stockholding cost. Less expensive spares are purchased using operating cash 
flow. High value items are usually capitalized, enabling them to be depreciated for tax 
purposes. The repayments on this capital (comprising both interest and amortization) form 
part of the annual stockholding cost.  Table 6.1 estimates the annual stockholding cost at 
between 15 and 19% of inventory value. 
• The cost of obsolescence. This takes into account the decline in market value of spares due 
to new and improved components entering the market. It is analogous to the decline in the 
resale value of a car once a new model is introduced. On high value items, the depreciation 
rate can be used to estimate the cost of obsolescence.  Table 6.1 estimates the cost of 
obsolescence at 8.5%.     
• Warehouse operating costs. These include labour, insurance, database administration and 
warehouse services. Some components have associated warehouse inspection and 
maintenance costs – for example, large electric motor shafts should be rotated on a periodic 
basis to avoid flattening of roller and ball bearing elements. Table 6.1 estimates total 
operating costs at between 14.5 and 21%.  

When these cost estimates are combined, spares holding costs can be estimated at between 38 and 
48.5% of the capital value of spares. This implies significant operating costs for maintaining high 
dollar value inventories.          

3 
 
Stock‐out costs are associated with loss of product or quality or with a liability incurred as a result of 
loss of service due to not having spares available when needed. Product and quality losses are 
incurred through losses in Overall Equipment Effectiveness (see Module 1), either via availability 
losses, throughput limitations or declining yields in mineral processing plants. The economic costs of 
downtime and loss of service is a complex topic. Readers are directed to an article written by Knights 
et al (2006).    

6.1.1 Common Inventory Performance Measures: 

Inventory value: Inventory value is the dollar value of all spares and repairables that are maintained 
in inventory and currently on order. This value will fluctuate from month to month, so an average 
annual inventory value is usually calculated.  

Stock turnover ratio: the turnover ratio (also known as stock rotation) is the value of stock issues per 
time period expressed as a percentage of average inventory value. This is a measure of how actively 
stocks are being used to support maintenance (Lawrenson, 1996). For instance, if a mining company 
uses $22 million of spares annually from an average inventory value of US$ 50 million, the stock 
turnover ratio is 44%. This implies that the presence of some slow moving spares that may be able to 
be rationalised.   

Service level: The service level is the average probability of meeting clients’ requests from existing 
stock. The starting point for managing spares is to define the required service level. For example: 
“for defined critical spares, a service level of 99% will apply”.    

   

4 
 
6.2 Spares Classification  
 

Spare parts can be classified as either repairable or non‐repairable items.  

 
Spare parts 
inventory systems

Non‐repairable  Repairable 
components components

High rotation  Low rotation
items items

Low rotation
items
 

Figure 6.2; Spare parts classification 

Non‐repairable items are discarded following completion of a single usage cycle. It is not economic 
to transport and/or repair or recondition these components. Examples of non repairable 
components include: oil filters, light bulbs and ground engaging tools such as shovel dipper teeth. 
Haul truck tyres used to be treated as non‐repairable items. Each tyre has a 4m diameter and weighs 
over one tonne: the high cost of transporting tyres back to urban centres made re‐treading and 
patching uneconomic. The current shortage of large earthmoving tyres has forced companies to re‐
evaluate the economics of tyre repair (for instance, Rio Tinto Iron Ore recently announced the 
opening of a tyre repair centre in Perth).   

Depot

Replenishment
Depot
repair
Base
repair

Base 1 Base 2 ……….... Base n

Demand 1 Demand 2 Demand n

Figure 6.3 Multi‐echelon repair system (Louit, 2007) 

5 
 
Repairable items, such as diesel engines or wheel motors, are also referred to as “rotables”. They 
undergo successive cycles of usage and repair. Often, repairs are conducted off‐site due to the 
specialised nature of skills required. Repairable items are made up of sub assemblies of components. 
Components fail in different ways, by wear‐out, fatigue, random failure or infant mortality (see 
Module 3 – Maintenance Tactics). If components fail be wear, they will experience different wear 
rates. It is clearly uneconomic to repair of replace all components of each subassembly. 
Fundamental questions to ask during repair include “which sub assemblies and components need 
replacement or repair?” Clearly there is an economic imperative to minimize repair costs subject to 
the risk of the component failing prior to warranty when it is returned to service. Repairs can 
sometime be carried out on site or at a centralised depot. Such systems are called multi‐echelon 
systems (see Figure 6.3). 

Both non‐repairable and repairable spares can be further classified as high or low rotation spares, 
depending on their cumulative annual dollar usage to stock ratio. Non repairable items can have 
varying unit value. Low rotation repairable spares are generally of high unit value. These are items 
such as motors, transmissions, and final drive wheel groups. The approaches used to define re‐order 
quantities and re‐order points vary according to the rotation, dollar value and “criticality” of the 
spare.   

The most well‐known and commonly used classification methodology is Pareto analysis which uses a 
single criterion for assessment of criticality (Huiskonen, 2001). ABC analysis is a variant of Pareto 
analysis, whereby parts are grouped A, B and C classes based on an 80:15:5 rule (80% cumulative 
usage come from type A items, 15% from B items and 5% from C items). As the diversity of the stock 
increases several authors coincide in that single‐criterion Pareto classification is limited and is not 
the best choice for conducting inventory item prioritization. To this purpose, multi‐criteria 
classification methods are typically used to assess part criticality. 

A major copper mining company in Peru uses three criteria to determine parts criticality (see table 
6.3). These are: 

• Impact of stock shortages on operations 
• Lead time to obtain spares to obtain spares 
• Cumulative dollar value of spares relative to the total spares budget 
 

The lead time to obtain parts is the time that it takes from placing an order until warehouse receipt 
of a spare. It is a criterion that usually favours local manufacturers, as the lead time to manufacture, 
transport and import foreign parts is measured in months. The impact of shortage to operations is 
measured as a result of the safety, environmental or economic consequences of part shortages. 
Table 6.2 shows the distribution of parts inventory for a copper mine. An ABC analysis is conducted 
for each of the criteria, resulting in nine possible spares classifications (AAA, through to CCC). 
Different spares provisioning tactics can be established for each class of spares.  

   

6 
 
 Criticality  No. items  Inventory  Stock  Service  Automatic  Recommended 
Value US$  Rotation  level  reorder  reorder tactics 
AAA  46  1,497,499  10  100%  no  Manual control of 
inventory levels, 
AAB  25  157,988  8  100%  no  tracking of 
AAC  38  101,889  6  100%  no  purchases and 
frequent checks. 
ABA  58  1,516,906  10  100%  no  Strict coordination 
ABB  93  356,651  8  100%  no  with maintenance. 
Investigate 
ABC  272  394,934  6  100%  no 
alternative transport 
ACA  13  185,167  10  100%  no  means to reduce 
ACB  30  65,345  8  100%  no  lead time.  

ACC  20  10,901  6  100%  no 

Subtotal  595  4,287,282         
BAA  26  311,785  8  85%  yes  Automatic 
generation of 
BAB  139  557,231  4  85%  yes  purchase orders. 
BAC  482  424,588  3  85%  yes  Continuous 
monitoring of 
BBA  71  528,956  8  80%  yes  reprovisioning 
BBB  358  1,157,517  4  80%  yes  algorithms to 
minimise tracking 
BBC  1,158  830,801  3  80%  yes 
effort. Low cost and 
BCA  46  324,085  8  70%  yes  high rotation items 
BCB  204  376,754  4  70%  yes  should by‐pass 
planner approval. 
BCC  488  242,669  3  70%  yes 
Subtotal  2,972  4,754,386         
CAA  14  151,666  5  70%  yes  Low cost and high 
rotation items 
CAB  176  575,621  3  70%  yes  should bypass the 
CAC  1,948  881,666  3  70%  yes  planner. Continuous 
monitoring of 
CBA  19  77,350  5  60%  yes  reprovisioning 
CBB  384  1,089,207  3  60%  yes  algorithms to 
minimise tracking 
CBC  5,632  2,044,851  3  60%  yes 
effort. 
CCA  9  44,485  5  55%  yes 
CCB  252  276,420  3  55%  yes 
CCC  3,447  645,468  3  55%  yes 
Subtotal  11,881  5,786,734         
VHS  4,827  1,177,213  ‐      Vendor holding 
stock and 
consignments
Class X  4,898  2,609,364  ‐      Not purchased in
last 15 months. 
Unknown lead time.
Class M  3,030  3,051,581  ‐      User requisition
(projects)  
Class D  17,952  8,068,310  ‐      Inactive items
(unused in last 15 
months) 
TOTAL  46,155  29,734,869    .81     
Table 6.2  Inventory distribution and stock reprovisioning tactics for a typical copper mine. 

 Stock‐out consequence  Lead time  Annual consumption cost 

A – Production loss  A – Lead time > 150 days A – item within top 70% of annual costs
B – Delay in maintenance work  B – Lead time between 45 and 150 days B – item within next 20% of annual costs
C – Some inconvenience, but not critical  C – Lead time < 45 days C – item within 10% remaining costs. 
  X – Undetermined lead time D – Item with zero annual consumption
Table 6.3 Inventory classification scheme.    

7 
 
  

Figure 6.4 Simple Spares Partitioning Model (Louit et al, 2006) 

Louit, Knights and Jardine (2006) propose a simple spares classification methodology based on three 
criteria:  

• spares price  (including order and purchase costs, but not holding costs)  
• spares demand rate, (number of spares of a particular type requisitioned per year) and  
• shortage consequence (a measure of spares stock‐out cost or criticality to safety or 
environmental integrity).  

A simple “spares partitioning model” (SPM) is proposed in order to divide spares into eight 
classifications (see Figure 6.4). The limit values which divide the model into the eight partitions are 
determined by average spare price, demand rate and shortage consequence. 

Three spare provisioning tactics (sometime called policies) are determined. These are: the (S, S‐1) 
tactic (purchase an additional item to restore the number in stock to S as soon as the stock level falls 
to S‐1 i.e. one item is drawn from stock); the EOQ or similar tactic (Economic Order Quantity model);  
or the decision not to stock a part. Figure 6.5 shows a decision chart that can be used to classify 
spares into one of 5 categories which enable selection of the appropriate spares provisioning tactic.         

8 
 
  

Figure 6.5 Spares Provisioning Tactics Selection (Louit et al, 2006) 

 
Example:   DOFASCO Steel, Ontario, Canada. 

Demand rates, unit prices, lead times, mean times to repair and cost of lost production due to lack of 
spares were available for a sample of 86 components in a production line at DOFASCO Steel’s main 
facility in Hamilton, Ontario, Canada (only 2 of the 86 stock codes analysed are non‐repairable). Data 
consisted of engineering estimations based on the operation of similar equipment in other areas of 
the mill and manufacturer’s recommendations, since the production line in question was recently 
commissioned.  

The consequences of shortage were calculated as the expected cost of lost production per unit time 
due to a stock‐out of the spare part of interest, multiplied by the average lead time (in the case of 
non‐repairable parts) or the mean time to repair (in the case of repairable parts). The sample of 86 
components consisted of parts that had been pre‐classified as “critical” (lack of any of them would 
imply a stoppage of the operation). Faced with a limited budget for sparing the line, a ranking of the 
spare components based on criticality constitutes valuable information for the engineers in charge 
of the purchasing decision. 

   

9 
 
 Criticality Ranking   SPM  Dollar‐usage ABC analysis  

Category Stock Code Category 

1 I 35 A

2 II 81 A

3 II 83 B

4 II 54 B

5 II 47 B

6 II 33 B

7 II 37 B

8 II 43 B

9 II 84 B

10 II 51 C

11 III 82 B

12 III 80 B

13 III 28 C

14 III 79 B

15 III 74 C

16 III 56 B

17 III 32 B

18 III 76 C

19 III 86 C

20 III 78 C

Table 6.4: Top 20 stock items resulting from SPM and Pareto Analysis (Louit, 2007) 

As a result of the application of the SPM criticality assessment, the top 20 stock items are listed 
according to their criticality in Table 6.4. For confidentiality reasons, only stock codes are provided, 
not part descriptions. The results obtained by using a single‐criteria ABC analysis are also provided, 
using the dollar‐usage value as criteria and an 80‐15‐5 rule. Results show that using single‐criteria 
classification schemes can lead to disregarding items that are indeed critical to the company. 

   

10 
 
6.3 High Rotation Spares 
 

The problem of spares supply and stores management can be summarised as (Lawrenson, 1986):   

• how much to order,  
• how much to allow for delivery 
• organisation of people 
• organisation of procedures 
• where to order from, and 
• where to store the parts.  

We will examine the first pair of questions – namely order quantity and lead time ‐ for cases of 
constant and variable spares demand, and variable lead time. The following discussion draws heavily 
from Lawrenson (1986).  

6.3.1 Constant demand, zero lead time 
Stock

Q
Average = 
2

time  

Figure 6.6 Stock variations over time (Lawrenson, 1986) 

Figure 6.6 shows a simple model of the variation of stock over time for an individual stock item. The 
model assumes constant demand and instantaneous reprovisioning (i.e. zero lead time to obtain 
spares). It can be seen that, if the warehouse orders batches of Q parts, and reorders when the parts 
are exhausted, the average number of components held in stock is Q/2. The annual stockholding 
cost is therefore: 

 
2

Where P is the price of the component and I is the holding factor associated with the holding costs 
of the components (expressed as a percentage). Thus it can be seen that the cost is proportional to 
Q.  

If the annual demand for components is D, then the number of orders made per year will be D/Q. If 
we assume that there is a constant cost, C, associated with placing an order, then the order costs are 
inversely proportional to the order quantity, Q, and we can write: 

11 
 
 Total cost

Stockholding 
cost

Cost ($/unit)

Ordering cost

EOQ Order Quantity  

Figure 6.7 Total stockholding and ordering costs (Plossl, 1985) 

The total cost associated with ordering and holding spares is given by summing the two previous 
equations (see Figure 6.7). The minimum cost is given by differentiating the equation. It can be 
shown that this is the equivalent of finding the point of intersection of the two cost component 
curves, thus: 

 
2

By rearrangement we find that the optimum batch size, Q, or “Economic Order Quantity” (EOQ) is 
given by: 

2
 

 Where:    

• D = demand (items per year) 
• C = cost of ordering a line item 
• P = item price 
• I = stockholding rate (per annum percentage) 

This is known as Wilson’s formula.  

Example: 

• D = 120 items per year 
• C = $20 per order 
• P = $100 each, and 
• I = 20% per year, then: 

15.49 Or 15 spares, when rounded. 
.

12 
 
Variations of Wilson’s model have been formulated over the years by considering non constant 
demand for spares and non‐zero lead times. However, invariably, EOQ is directly proportional to the 
square root of the demand.  

Note that demand is inversely proportional to MTBF. As such, when equipment reliability is 
increased, there is an associated reduction in spares inventory costs. 

6.3.2 Constant demand, constant lead time 
 

In the case that the lead time necessary to reorder spares is constant, we can define a trigger point, 
as the minimum re‐order level.    

This re‐order level, R, can be calculated by: 

Where: 

• D is the monthly demand, and  
• TL is the lead time (in months)    

Stock

Q
Average = 
2
R

time

TL TL  

Figure 6.8 Stock levels accounting for constant lead times 

6.3.3 Variable demand, constant lead time 

Probability of demand

T x SD
demand
Mean demand D
Approx 6 x SD
 
Figure 6.9 Normally distributed demand curve (Lawrenson, 1986) 

13 
 
Demand for spares is rarely constant. If we suppose that demand follows a normal distribution 
(Figure 6.9), then the mean demand can be represented by   and the spread of demand is 
determined by the standard deviation SD. With a mean demand of   = 50 items per month, and a 
standard deviation SD = 5 items per month, we can be 99.9% certain that demand will lie between 
plus of minus three standard deviations, or 50 +/‐ 15 items. Thus we could define a safety stock of 15 
items.  

If we suppose that there is a 2 month lead time to obtain spares, then the demand for spare may be 
high in month one and low in month two. We would therefore not define the number of safety 
spares as 2 x 15 = 30 components. In general, the rule is to increase the proportion by the square 
root of the lead time. Thus an adequate number of safety stock is  2  x 15 = 21.2, say 21 spares.  

In general, the Economic Order Point (EOP) is given by: 

Where k is a safety stock factor determined by the required service level for the component.  

Required service level   Safety stock factor (k) 
80%  0.84 
85%  1.28 
90%  1.65 
99%  2.33 
99.9%  3.0 
 

Table 6.5 Service level and safety stock factors (Lawrenson, 1986) 

Example: Suppose that the demand for oil filters varies between 36 and 54 per month, and that the 
lead time between ordering and receiving new oil filters is 2 months. If we assume that the demand 
is normally distributed, then the average demand is (36+54)/2 = 45 units, and 3 x SD = 9, therefore SD 
= 3 units. For a 99% service level, the Economic Order Point should be: 45 x 2 + 2.33 x 3 x 21/2 = 99.9 
or 100 units. 

   

14 
 
6.4 Low Rotation Critical Spares 
 

In this section we are primarily interested in low rotation, expensive items. Because of their expense, 
such components are generally repairable items. 

Figure 6.10 Sea water cooling pumps at an LNG refinery. 

Example: Figure 6.10 shows a bank of four sea water pumps used to cool the gas liquefaction trains 
of an LNG refinery in Qatar. At any one stage, three out of the four pumps are required to be 
operational. The refinery scheduled one of the pumps to take out of operation for a routine service. 
A risk analysis was performed to evaluate the risk of failure of one or more of the remaining pumps 
during the required service period. The service was completed, and, as the pump was being 
manoeuvred back into position, a weld in the overhead crane failed. The newly reconditioned pump 
crashed to the ground, incurring extensive damage. A subsequent accident investigation found that 
beyond regular lubrication, no preventive maintenance was specified for or being carried out on the 
overhead crane.   

Discussion: What lessons can be drawn from this example?  

Wong et al (1996) present a case study of decisions to determine the optimal number of spares that 
should be carried to service electric motors at Syncrude’s oil sands operations in Canada. Syncrude 
has approximately 25 km of conveyors. The company has 68 1250 HP electric motors for these 
conveyor services. Each motor costs around Cn$100,000.  60 motors are in service at any one time, 
with 8 designated as spares. The average repair time for the motors is 108 days. Mean life for the 
motors is around 2800 days.  

Due to planned plant expansion, over the next three years an additional 4 of these 8 spare motors 
will be required for service. The mine would like to determine how many additional motors it should 
purchase as safety spares.   

Because we are dealing with repairable items, the number of safety stocks is determined not only by 
the average demand for the component but also by the extent of the period required to dispatch, 
service and return a component to site. The average spares requirement, S, can be written as: 

S=
(N × μ × T )  
R
L

15 
 
Where: 

• N is the number of units in service 
• μ is the average effective utilization of the components 
• TR is the door‐to‐door repair time for the component, (days) and 
•  is the average service life of the component until retirement (days) 

Thus, in the case that there are 64 motors in service, running at 98% effective utilization,  

S = (64 x 0.98 x 108)/2800 = 2.4  

We can now use the Poisson distribution to probability of running out of spares. The probability that, 
in one month, the number of motors failures (and corresponding spares required) is x is given by: 

 
!

Therefore, the probability of a stock‐out occurring given that we have y spares in the warehouse is 
defined by:  

⎛ y e− S × S x ⎞
1 − P( X ≤ y ) = 1 − ⎜⎜ ∑ ⎟ 
⎝ x =0 x! ⎟⎠

If we require a 99% service level for motor spares, then the permissible stock‐out probability is 1%.   

No. spares  Stock‐out 
(y)  probability  
0  0.909 
1  0.692 
2  0.430 
3  0.221 
4  0.095 
5  0.036 
6  0.012 
7  0.003 
8  0.001 
 

Table 6.6 Probability of stock‐out vs. No. of spares 

The probability of incurring a stock‐out has been calculated in Table 6.6. It can be seen that, to 
achieve a service level of just under 99%, six spares are required. Thus the mine should purchase two 
additional 1250 HP motors.   

16 
 
References 
 
Huiskonen, J., 2001. Maintenance spare part logistics: special characteristics and strategic 
choices. International Journal of Production Economics 71, 125‐133. 
 
Kennedy, W.J.; Patterson, J.W. and Fredendall, L.D., 2002. An overview of recent 
literature on spare parts inventories. International Journal of Production Economics 76, 
201‐215. 
 
Knights, P.F., Jullian, F. & Jofre, L. “Building Business Cases for Maintenance Improvement Projects” 
AusIMM Bulletin, pp.30‐35, No.6, Nov‐Dec. 2006.  
 
Lawrenson, J, “Effective Spares Management” Int. Journal of Physical Distribution and Materials 
Management, Vol.16, No.5, MCB University Press, England, 1996. 
 
Louit, D.M. “Optimization of Critical Spare Part Inventories: A Reliability Perspective”, Unpublished 
PhD Thesis, University of Toronto, Oct. 2006. 
 
Louit, D., Knights, P.F., & Jardine, A.K.S. “A Simple Graphical Multiple‐Criteria Procedure for the 
Prioritization of Spare Parts”, submitted to International Journal of Production Economics for review, 
June 2006.  
 
Marshall Institute, “Maintenance planning and scheduling”, course notes, 1996. 
 
Plossl, G.W. “Production and Inventory Control: Principles and Techniques”, 2nd Edn, Prentice Hall, 
443 pp., 1985  
 
Wong, J.; Chung, D.; Ngai, D.; Banjevic, D. & Jardine, A. “Evaluation of Spares Requirements Using 
Statistical and Probability Analysis Techniques”, ICOMS 96, paper 33, 1996.  

17