基于灾变灰预测的异常销售量研究

来源:用户上传      作者: 冯社苗　王　皓

　　[摘要] 销售量异常波动是企业供应链管理中遇到的难题，本文简要介绍了灾变灰预测理论，并将此理论用于零售终端企业的销量预测，通过零售商的合理销售预测来减轻异常波动对企业的影响。文中给出了实际案例进行了相关的研究和分析,证明灾变灰预测是应对销售异常问题的新思路。
　　[关键词] 牛鞭效应 预测模型 灰色理论 GM（1，1）
　　
　　仓储系统是企业物流系统中不可缺少的子系统。物流系统的整体目标是以最低成本提供令客户满意的服务,而仓储系统在其中发挥着重要作用。由于仓储在时间上协调原材料、产成品的供需，起着缓冲和平衡调节的作用，企业可以为客户在需要的时间和地点提供适当的产品，从而提高产品的时间效用。因此仓储活动能够促进企业提高客户服务的水平,增强企业的竞争力，但是过高的仓储量会加大企业的仓储成本，而过小的仓储量则会增加企业的失销成本。因此，如何确定企业的合理库存量是降低企业经营成本的重要思路。而正确和精确的销售量预测则是库存决策的前提。
　　目前的销售量预测方法很多，但是销售量受到市场内外各种不确定性、随机性和模糊性因素的影响，很难做出精确的判断。根据预测的目的、范围和其他特性，可将销售量预测方法分为不同的类别。按性质和方法可分为定性预测和定量预测两大类。
　　定性预测方法通过组织各方面专家和企业经营管理人员，运用专业方面的经验和知识，通过对过去和现在发生的相关信息进行综合分析，从中找出规律，对未来做出判断，该预测方法在缺乏足够的统计数据和原始资料的情况下，凭借专家的经验和判断能力来预测未来，这种方法在很大程度上取决于预测者的经验和主观判断能力。该法简单易行，是应用历史较久的一种方法。但该方法存在主观片面性、准确度不高等缺点。目前主要作为销售量预测的一种辅助决策方法。该类方法可以细分为个人判断法、德尔菲法、主观概率法等。
　　定量预测方法是用定量分析来研究销售量的发展趋势，它以历史统计资料和有关信息为依据，运用各种数学方法建立模型来预测未来商品市场需求情况，即未来的销量。常用的定量预测方法主要有时间序列分析法、回归分析法、利用神经网络预测法等。定量预测方法都是根据预测对象的变化规律，或是根据客观经济现象中复杂因果关系的分析，从而建立精确的数学模型，这就需要大量的历史数据作为依托。遗憾的是，商品销售市场存在着大量的不确定因素，客观现象之间的相互关联很难精确把握，他们之间的联系往往是“灰色”联系。
　　实际上十分准确的销售量预测是无法实现的，或者可以实现但是预测成本高昂而没必要去这样做，我们要做的是预测到那些极端异常的销售量变化情况，从而及时做出预防策略，减轻由此带来的仓储成本剧增或失销成本剧增。
　　一、灾变灰预测
　　1.灾变灰预测的原理
　　灰色系统理论出现后，就开始被广泛的运用在农业、环保、电力等许多领域，灰色系统理论主要能在系统模型不明确或资讯不完整性的情况下,进行关于系统的关联分析，进而构建模型，并据此预测和决策。灰色灾变预测是灰预测的内容之一，其实质上是一种异常值预测，是将时间序列经由一阀值而得其灾变日期序列，再针对该序列进行研究，以寻找其异常值的规律性。阀值一般根据实际情况由人为规定。因此灰色灾变预测的任务是给定数个异常值出现的时刻序列，由GM(1,1)模式来加以实现。所谓异常值是指过大或过小的值。如果把商品的销量的异常放大看做一种供应链上的“灾变”，我们就可以应用灾变灰预测理论来预测销售量的异常增加，从而减少失销成本，增加企业效益。
　　2.灾变灰预测的计算步骤
　　步骤一 给出原始序列、指定阀值。
　　步骤二 构造异常序列。
　　按照阀值从中选出满足阀值的数据:对于上异常；对于下异常，然后用构造异常序列
　　步骤三 时分布序列。
　　通过时分布映射，获得时分布序列
　　步骤四对时分布序列作GM（1，1）建模。
　　步骤五 预报
　　
　　以上的计算可以用相关软件实现。
　　3.应用案例分析
　　某商业企业经销一种产品，该产品的销售量资料如表格1所示，为了预测未来可能出现的销量极端增加情况，可以用灾变灰预测理论来预测。
　　表格1 某商场某类商品月份销售量（单位：件）
　　要求：预测将来出现销售量大于350箱的第一个月份。
　　步骤一 写出原始序列和阀值。
　　由预测要求可知，上阀值，异常值
　　步骤二 构造异常序列
　　将中所有大于或等于350的数据计入中，得到异常序列
　　
　　步骤三 得到时分布序列
　　由:
　　可得到
　　步骤四 对时分布序列作GM（1，1）建模
　　GM（1，1）建模序列=（4，7，9，11，14，20）
　　使用刘斌等应用VB6.0开发的灰色main软件，将=(4，7，9，11，14，20)数据输入，得到灾变日期的GM(1,1)白化响应式为:
　　
　　由,可得到下式：
　　
　　
　　下面进行模型残差检验。残差序列如下：
　　
　　相对误差序列：
　　
　　平均相对误差：
　　
　　平均相对精度1－4.45%=95.55%，模拟精度，可见精度很高。
　　步骤五 根据第四步得到的公式，预测得：25，25－20=5
　　即从最后一次销售量大于350箱的月份算起，第5个月发生销售量大于350 箱的可能性非常大。从这个预测结果可以看出，在第5个月到来之前，要做好充分的预防准备，及时补货，减少失销成本的发生几率，而在该月之前，没必要储存过多的货物，可以按照正常的订货量订货即可，这样就可以降低仓储成本。
　　三、结论
　　本研究表明，灾变灰预测理论应用于控制销售量的异常波动有其独到之处。首先，灾变灰预测可以解决销售预测中极端销售量的预防问题；其次，本方法用较少的数据拟合模型，模型仍有较高的精度；最后，本方法不用顾忌统计方法中诸如数据之间的自相关和异方差等方面的限制。另外值得一提的是本模型和常见的销量预测模型相比，它更具有客观性，避免了诸如加权移动平均模型、指数平滑模型等需要主观设置权重的问题。本方法的缺陷在于使用面较窄，一般适用于特定类型商品的销售量预测。不过作为一种方法思路，仍具有积极的参考意义。总之，用灾变灰预测模型来研究销售量的异常波动是一个新的思路。
　　
　　参考文献：
　　[1]邓聚龙:灰预测与灰决策[M].武汉:华中科技大学出版社,2003.133-142
　　[2]刘思峰等:灰色系统理论及其应用[M].北京:科学出版社，2004．346-357
　　[3]傅烨:供应链中的“牛鞭效应”――成因及对策分析[J].管理工程学报2002.16(1)
　　[4]王许斌:库存需求灾变灰预测模型[J].工业工程与管理,2002.5,11-13
　　[5]Deng J L. Grey Forecasting Control [A]. In: Deng J L. Grey System [M].Beijing: China Ocean Press. 1988, 139- 144

转载注明来源:https://www.xzbu.com/3/view-1488379.htm