基于时间顺序预测技术的“马钢”销售量与配车次数分析

来源:用户上传      作者:

　　摘 要：以“马钢”为例，运用时间顺序预测技术中的移动平均预测法和指数平滑预测法对其销售量和配送车次进行预算和分析。本文通过移动平均预测法预测“马钢”的年度销售总量，以便更好的预测将来销售量数据。通过指数平滑预测法预测“马钢”的年度配车次数，并分析数据中的a取值来反映长期的大致发展趋势。因此本文的研究对其企业物流的运输成本，仓储成本等各方面进行改进为加快钢铁物流的发展，降低钢铁行业成本，优化资源配置，推动钢铁行业乃至第三产业的发展具有十分重要的意义。
　　关键词：“马钢”销售量;配车次数;预测技术;移动平均预测法;指数平滑预测法
　　0 绪论
　　目前，虽受金融危机的影响，但全球钢铁产量仍旧稳中有升，随着钢铁产量的增加，带来的必然是钢铁市场的激烈竞争，钢铁市场的激烈竞争，让企业必须面对我国钢铁市场的现状并合理解决钢铁市场存在的问题。实行低成本、降低生产成本运行战略是当前我国钢铁企业提升市场竞争力的重要因素，由此本文从“马钢”的物流方面运用时间顺序预测技术对其2017年度的销售总量、配车次数进行预测分析通过移动平均预测法与指数平滑预测法对2017年度“马钢”的销售总量和配车次数进行预测并与真实数据进行对比，找出适合的预测方法，并更好的用此方法对“马钢”未来的销售总量、配车次数进行预测。以此来更好地提高“马钢”在钢铁市场上能保持更好的价位能力，提升竞争实力。
　　1 “马钢”2017年度销售总量与配送车次
　　本文统计出“马钢”2017年度钢材实际销售量，通过年度钢材实际销售量，对其物流公司的销售量进行更好的预测与分析，有助于提高企业运作效率。
　　马钢全年的销售量成平稳趋势，变化浮动不大。但一年的销售量中第二季度略微比第四季度销售量低，第三季度销售量最高。平均销售量水平在23500吨左右。若采用较适合的预测方法可以将每月的销售量更精确地预测出来。这样更有利于企业物流的运输准备。
　　“马钢”2017年度1月-11月实际销售量统计如下：1月份22400，2月份21900，3月份22600，4月份21400，5月份23100，6月份23100，7月份25700，8月份23400，9月份23800，10月份25200，11月25400吨。为更好的了解“马钢”物流系统的现状，调查了“马钢”2017年度的配车现状。由此可以看出在夏季的配车次数少于在冬季的配车次数。并且配车次数差距略微明显，但差距也没有很大。其中最低的是5月份配车次数为8次，2月份与9月份配车次数为12次。
　　2 运用移动平均预测法预测“马钢”销售总量
　　移动平均预测法又称滑动平均预测法。利用时间序列的移动平均数直接外推预测值的定量预测方法。这种方法可以削弱或消除偶然变动因素对时间序列的影响，使数据修匀并呈现出某种趋势，从而预测未来。
　　2.1 “马钢”销售总量分析
　　物流运输成本问题一直是所有物流企业所面临的重大问题，物流运输成本的降低可有利于企业改进成本投入，增加效率获得更大的收获。很多企业从物流运输的各种过程入手去分析并优化。本文将从另一方面研究，从每月的销售量对下个月的销售进行预测的角度进行分析，有对每个月的销售量进行预测，做足充足的运输准备，设计更好的方式与运输计划，为降低物流运输成本提供有效的改善办法。
　　仓储优化问题一直是所有物流企业所面临的重大问题，仓储优化可有利于企业改进出入库效率，减少人力物力的投入，为企业带来更大的收益。所以很多企业都会从物流运输的各种过程入手去分析其过程进行优化过程。本文将从另一个方面研究，从每月的销售量对下个月的销售进行预测的角度进行分析，有对每个月的销售量进行预测，可以通过每个月的销售预测对生产计划进行规划。能有效的减少仓库储存量，合理的进行存货量。减少仓储成本，有利于提高仓储效率。总之分析销售预测对“马钢”物流企业有着非常重要的意义。
　　2.2 一次移动平均预测法
　　移动平均预测法对时间序列中数据变化的反应速度及对干扰的修匀能力，取决于n的值。随着n的减小、移动平均对时间序列数据交化的反映敏感性增加，因此在确定n的时候一定要根据时间序列的特点来确定。当n=3及n=6，对12个月的钢材销售盘进行预测并将预测结果填入下表中。
　　由表中所列的结果看来，由移动平均计算后所得到的新数列，其数据起伏波动的范围变小了，异常大和异常小的数据值被修匀了，从而异常数据对移动平均值的影响不大，因此，移动平均预测有较好的抗干扰能力，可以在一定程度上描述时间序列变化的趋势。
　　由此本文可以看出一次移动虽好，但还是存在滞后性问题，所以可采用二次移动平均法。
　　2.3 二次移动平均值预测分析
　　在以一次移动平均数组成的序列为一个新的时间序列的基础上，再一次进行移动平均，再次计算二次平均值预测法中参数的取值。二次移动平均预测法是在求得一次移动平均数的基础上，对有线性趋势的时间序列所作的预测，有如下图3-1所示：
　　在预测中，移动平均预测法适用于对时间序列数据资料进行分析处理，以突出市场及各因素的发展方向和趨势。在外界环境变化较少、市场较稳定的情况下，是一种较有效的预测方法，尤其是在短时间内的预测效果更佳。但在预测计算过程中，需要较多的历史数据，并且计算量较大，因此预测起来不太方便，所以人们又通过对移动平均预测法的研究，发展研制出一种只需要较少历史数据的改进方法，这就是指数平滑预测法。
　　3 运用指数平滑预测法预测“马钢”配送车次
　　指数平滑预测法是指以某种指标的本期实际数和本期预测数为基础，引入一个简化的加权因子，即平滑系数，以求得平均数的一种指数平滑预测法。它是加权移动平均预测法的一种变化。
　　3.1 “马钢”配送车次分析
　　跟“马钢”销售销售总量分析一样，“马钢”的配送车次也是研究“马钢”物流系统的切入点。本文将从每月的配送车次对下个月的配送车次进行预测的角度进行分析，又对每个月的配送车次进行预测，可以做充足的运输准备，设计更好的方式与运输计划，为降低物流运输成本提供有效的改善办法。 　　同理，“马钢”的仓储优化问题，也是“马钢”物流的重中之重。因此，本文也可从“马钢”配送车次进行研究，通过配送车次的研究从每月的配送车次对下个月的配送车次进行预测的角度进行分析，又对每个月的配送车次进行预测，可以通过每个月的配送车次对生产计划进行规划。这样能有效减少“马钢”物流的仓库储存量，合理的进行存货量。减少仓储成本，有利于提高仓储效率。总之分析配送车次对“马钢”物流企业有着非常重要的意义。
　　3.2 指数平滑方法预测配送车次
　　指数平滑预测法，是根据加权移动平均预测法从而根据其基础发展起来的一种预测方法。根据“马钢”物流公司2017年度的配车次数表，如下表4-1所示通过查阅“马钢杯”全国大学生物流设计大赛的资料获取了“马钢”物流公司2017年度的配送车次信息。并根据此资料用指数平滑方法公式可以预算出以下数据，如表4-1所示。指数平滑预测中的a称为平滑系数，其值为0≤a≤1 ，取值大小体现了数据在不同时间段在预测中所起的作用大小： a值越大对近期数据影响越大，模型灵敏度越高，a值越小则对近期数据影响越小，消除了数据的随机波动性并且能够有效的反映“马钢”物流长期的大致发展趋势。因此根据下表中预算出的信息，可以得知 “马钢”的配送车次中可反映出每个月较为精准的预测车次数量。但是可以还用更为直观的图来反映实际变化规律。
　　3.3 不同α值的预测分析
　　a=1，说明下一期的预测值等于上一期的实际值，如a=0，下一期的预测值就等于上一期的预测值。本文将采用不同a值的预测结果绘制到一张图中（见图4-1），可以看出，a值越小，平滑效果越好，但预测精度越小。如何掌握a值，是用好指数平滑模型的一个重要技巧，一般采用多方案比较方法，从中选出最能反映实际值变化规律的a值。
　　所以通过此图更直观、更为精准说明本文所预测的“马钢”配送车次的准确性。因此，无论移动平均预测法还是指数平滑预测法，都是通过取数据的加权求和，以便“平滑掉”短期的不规则性的过程。平滑的数据反映了有关长期市场趋势的信息和经济周期的信息，因此在物流系统预测中是极其有用的一种方法，对任何时间序列都有较好的适用性，因而被广泛应用于物流市场预测中。
　　4 结论
　　本文通过移动平均值预测法对“马钢”的年度销售进行预测与分析，移动平均预测法适用于对时间序列数据资料进行分析处理，以突出市场及各因素的发展方向和趋势。在市场较稳定、外界环境变化较少的情况下，是一种较有效的预测方法，尤其是短期预测效果更佳。因此，本文能更好的通过数据为“马钢”物流在仓储管理中进行更好的优化与改进。
　　本文通过指数平滑方法对“马钢”的年度配送车次进行预测与分析，指数平滑预测中的a取值大小体现了不同时期数据在预测中所起的作用，消除了随机波动性只反映长期的大致发展趋势。a值越大，对近期数据影响越大，反之相同。所以本文从“马钢”的配送车次中反映出每个月较为精准的预测车次数量。为此更好地预测未来“马钢”的年度配车次数。为“马钢”物流在运输成本中进行更好的优化与改进。
　　通过本论文的研究，根据国内“马钢”物流为案例，对其销售量和配送车次通过时间顺序预测技术中的移动平均预测法和指数平滑预测法进行预算和分析。将预算后的数据与真实数据进行比较，企业可在未来更精准的用预测数据来准确进行运输配送与库存储量。以此更好地让钢铁物流加快发展，降低钢铁行业成本，优化资源配置，推动钢铁行业乃至第三产业的发展具有十分重要的意义，既能促进钢铁物流业又好又快发展，促使提升钢铁企业的核心竞争力。
　　参考文献：
　　[1]农业大词典编辑委员会.农业大词典[M].北京：中国农业出版社.
　　[2]俞文青.会计辞典[M].上海：立信会计出版社.
　　[3]“马钢杯”全国物流设计大赛案例.
　　[4]张维铭.移动平均值和方差控制图[J].浙江理工大学学报（自然科学版）（1）：58-63.
　　[5]杨荣英，张辉，苗张木.物流预测技术中的移动平均线方法[J].武汉理工大学学报：交通科学与工程版（03）：116-118.
　　[6]李琦.物流需求预测中移动平均法应用分析[J].中国商论（2）：145-146.
　　[7]周小俊.移动平均预测方法在K公司的运用与优化[J].科技视界， 2014（19）：221-222.
　　[8]王成娅.指数平滑模型在物流系统预测中的应用[J].科海故事博览科教创新，2010（12）：157-157.
　　[9]于博，孙安国，陈丽萍，et al.基于指数平滑法的云南省物流需求预测[J].物流工程与管理，40（12）：44-46.
　　[10]周卫标，李文婷.基于指数平滑法与直观法的物流需求预测[J].现代商贸工业，2017（22）：51-53.
　　[11]宁静，魏杰，贺婉蓉，et al.基于指数平滑法对山西省物流需求量預测研究[J].全国流通经济，2015（9）：62-63.
　　[12]梁武超，王颖，贾廷威.基于三次指数平滑模型的快递行业顾客抱怨对策研究[J].今日财富（中国知识产权）（3）：56-57.
　　[13]胡军，赵东风，丁洪伟.自适应单指数平滑法在需求预测中的应用[J].物流科技（5）：148-152.
　　[14]詹盈盈.A市物流园区物流需求规模预测研究[D].南华大学，2015.
　　[15]河南省物流业发展五年规划（2010-2015 年）.豫政[2010]38号附件.
　　[16]《物流业调整和振兴规划》解读（摘要）.国家信息中心中经网，行业周评，2009（15）.
　　[17]国家统计局.中国统计年鉴（2001-2009），[Z].
　　[18]田长明.河南物流产业发展现状及问题分析[J].中国市场，2008，（15）.
转载注明来源:https://www.xzbu.com/2/view-15220816.htm