润滑油产品短期需求预测优化探析
来源:用户上传
作者:陈雪松 许长旺
摘 要：决定库存高低的首要因素是预测准确度，只有在合适时间生产存放适量的货物才能使得仓库不储存额外的货物，也不会因预测失误而备有错误的货物，无法满足客户订单。因此，提高预测精度可以削弱了牛鞭效应对供应链需求扭曲的影响，保持合理的库存水平，降低企业经营风险。该文针对润滑油产品短期銷售预测精度不高的情况，通过采用季节因子分析法对某产品进行预测推导，结合销售预测，优化短期预测计划的一致性，为其他具有类似特点的产品短期销量预测提供参考。
关键词：库存 短期 预测 季节因子
中图分类号：TE626 文献标识码：A 文章编号：1672-3791（2020）09（a）-0204-04
Abstract： The primary factor in determining the level of inventory is the accuracy of forecasting. Only by producing and storing the right amount of goods at the right time can the warehouse not store additional goods， nor will it have wrong goods due to forecast errors， and cannot meet customer orders. Therefore，Improving the prediction accuracy can weaken the bullwhip effect's influence on supply chain demand distortion， maintain a reasonable inventory level， and reduce the business risks. Aiming at the low precision of short-term sales forecast of lubricating oil products， this paper uses seasonal factor analysis to predict and deduce a certain product， combines with sales forecast， optimizes the consistency of short-term forecast plan， and provides reference for short-term sales forecast of other products with similar characteristics.
Key Words： Inventory; Short term; Forecast; Seasonal factor
库存可以预防需求与供应的波动。如果销售需求增大而又不能及时增加生产量适应这个变化时，库存可以提高用户服务水平即持有一定量的库存有利于调节供需之间的不平衡，保证企业按时交货和快速交货，能够避免或减少由于库存缺货延迟带来的损失，这些对于企业改善客户服务质量都具有重要作用。而决定库存高低的首要因素是预测准确度，只有在合适的时间生产并存放适量的货物才能使仓库不储存额外的货物，也不会因预测失误而备有错误的货物，无法满足客户订单。企业的需求预测按照覆盖时间的长短可以分为长期预测和短期预测。长期预测一般为年度总计划，涵盖了产品的大类和大区;短期预测为较为精确的近期计划，专注于3个月内的需求情况，一般精确到月，某些产品还会精确到周。长期预测的优化只能解决年度总需求量的问题，中短期的预测精确度才是决定企业库存高低的直接因素。该文主要讨论短期预测计划的一致性优化。
1 某企业产品需求预测现状分析
润滑油产品短期需求预测准确度不高是导致库存居高不下原因之一，以某润滑油企业为例，生产的产品规格多，促销政策不确定且较多，市场需求波动剧烈，预测方法与实际情况不够完善，销售计划准确率比较低（见表1）。表1是选取连续3个月的销售预测和实际销售情况进行分析，其中|w|为计划准确率误差绝对值。从表1中可知，2018年1月|w|≤20%的产品品种占比12.01%，产品吨数占比14.30%;2018年2月|w|≤20%的产品品种占比11.26%，产品吨数占比29.58%;，2018年3月|w|≤20%的产品品种占比7.57%，产品吨数占比11.64%。综上分析，产品品种数量和产品销售吨数计划准确率都比较低，需要进一步地提升预测准确率。产品的品种数量和产品的销售吨数计划准确率都比较低，需要进一步提升预测准确率。
2 润滑油产品ABC分类
ABC库存管理法是按照帕累托理论中主次因素的划分原理，将存货按价值的大小进行分类的结果，对不同类别的存货釆用不同的管理策略，通过分类管理，达到主次管理有序，相关管理成本降低的目的。主要的划分思路是：A 类存货的数量占存货总数量的 5-15%，但价值却占到库存总价值的70-80%;B 类存货的数量占仓存货总数量的15-25%，但价值占存货总价值的15-25%;C类货物的数量占存货总数量的60-80%，但价值只占到库存总价值的5-10%。参照ABC分类方法，对企业产品销量进行ABC分类。如表2所示，某企业产品符合ABC分类原则，其中A类产品需求量相对稳定，是主打产品，在进行预测的时候不需要过多关心报废，这也造成了它的短期预测由于直接使用销售预测而受到牛鞭效应的影响最严重。因此探索使用科学理论和公式化方法对短期预测进行推导，推导而来的结果与提供的销售预测进行比对，如果有较大偏差，相关单位沟通协商，调整需求预测量，从源头上减低需求预测对库存的影响。为了方便研究，笔者从中选取了季节性特点的Z产品为代表，采取季节因子分析方法进行预测推导，力图得到稳定的需求模型，以消减牛鞭效应的影响，并推而广之，为其他A类具有一定季节性产品提供借鉴。 3 Z产品短期需求预测优化
已知Z产品2016年和2017年每月的产品销售数据，利用季节因子和线性回归分析方法，推导2018年月需求预测量，并与实际产品月销售量进行对比，验证预测方法准确性。
首先，计算月平均值。将2016年和2017年进行同期平均得到月平均销量，将全部24个月销量进行平均得到历史平均值187.5，用月平均处以历史平均得到季节因子，如表3所示。
其次，将2016年和2017年历史数据去季节化。用月销量分别处以当月季节因子，得出24个月的去季节化结果，具体见表4。
用结果进行线性排列，使用excel的线性图表得到函数公式（见图1），Y=-2.91x+223.90，其中Y是月销量，x是从数据开始日期起的月数，如2016年1月期数是 1，2017年12月期数为24。
按照现行函数公式向后推算未来12个月，并还原季节因子影响。将x从25～36带入公式得到2018年12个月的线性滚动月度预测。将所得结果分别乘以每月的季节因子，还原成带季节特征的预测数值。使用平均绝对误差率检测预测准确度，预测质量精确度来跟踪衡量和校正未来需求预测。平均绝对误差率等于100%减去预测精度。通过2018年1～12月销售预测量、推导预测量、实际销售量可以得出销售预测平均绝对误差率及推导预测平均绝对误差率，具体见表5。
经过上述结果对比可以看出，2018年产品推导预测平均绝对误差率比2018年产品销售预测平均绝对误差率要小很多，并表明2018年产品推导预测准确率较高。同理可以推测得到2019—2020年的需求预测，需要注意的是由于季节因子需要用新的数据带入不断更新，由此产生的需求预测如果过长，难免会产生越来越大的偏差，只能应用于近短期预测推导，并且需要使用预测准确度跟踪工具，结合实际需求情况，分析校正季节因子和需求预测，进一步提高提高短期需求预测的准确性。通过对多个产品的计算结果进一步证明了此方法的适用性，能够提高具有季节性特点的产品需求预测准确度。
4 结语
基于对历史大数据分析，通过对A类产品的短期需求预测入手，利用A类产品需求稳定、数量大、具有季节性等特点，分析其线性化关系，通过季节法找到需求趋势，再与销售实际情况相结合，能够做出比较准确的短期需求预测计划，有助于减少牛鞭效应的影响，优化整体库存。同时，结合企业库存备货方案，能够为该司原材料采购、生产排产安排、库存备货等提供可靠地需求信息，合理分配企业资源，进一步消除浪费，保证产品的及时交付。
参考文献
[1] 张佳榕.西北润滑油销售公司库存管理改善策略研究[D].兰州大学，2016.
[2] 朱石超.Z集团B销售分公司成品油库存控制研巧 [D].北京交通大学，2016.
[3] 肖良.基于季节性ARIMA模型的居民消费水平预测[J].统计与决策，2016（8）：83-86.
[4] 金淳，曹迪，王聪，等.汽车零部件第三方物流仓储需求量集成预测模型[J].系统管理学报，2018，27（6）：1157-1165.
[5] 沈杰，楊忠月，乔吉良.基于季节性时间序列模型的林业产值预测分析[J].南京林业大学学报：自然科学版，2018，42（5）：185-190.
[6] 赵彦军，陈玉.时间序列分析方法在物流需求预测中的应用[J].物流科技，2017，40（6）：12-14.
转载注明来源:https://www.xzbu.com/8/view-15347121.htm
