基于災(zāi)變灰預(yù)測(cè)的異常銷(xiāo)售量研究

[摘要] 銷(xiāo)售量異常波動(dòng)是企業(yè)供應(yīng)鏈管理中遇到的難題，本文簡(jiǎn)要介紹了災(zāi)變灰預(yù)測(cè)理論，并將此理論用于零售終端企業(yè)的銷(xiāo)量預(yù)測(cè)，通過(guò)零售商的合理銷(xiāo)售預(yù)測(cè)來(lái)減輕異常波動(dòng)對(duì)企業(yè)的影響。文中給出了實(shí)際案例進(jìn)行了相關(guān)的研究和分析，證明災(zāi)變灰預(yù)測(cè)是應(yīng)對(duì)銷(xiāo)售異常問(wèn)題的新思路。

[關(guān)鍵詞] 牛鞭效應(yīng) 預(yù)測(cè)模型 灰色理論 GM（1，1）

倉(cāng)儲(chǔ)系統(tǒng)是企業(yè)物流系統(tǒng)中不可缺少的子系統(tǒng)。物流系統(tǒng)的整體目標(biāo)是以最低成本提供令客戶(hù)滿(mǎn)意的服務(wù)，而倉(cāng)儲(chǔ)系統(tǒng)在其中發(fā)揮著重要作用。由于倉(cāng)儲(chǔ)在時(shí)間上協(xié)調(diào)原材料、產(chǎn)成品的供需，起著緩沖和平衡調(diào)節(jié)的作用，企業(yè)可以為客戶(hù)在需要的時(shí)間和地點(diǎn)提供適當(dāng)?shù)漠a(chǎn)品，從而提高產(chǎn)品的時(shí)間效用。因此倉(cāng)儲(chǔ)活動(dòng)能夠促進(jìn)企業(yè)提高客戶(hù)服務(wù)的水平，增強(qiáng)企業(yè)的競(jìng)爭(zhēng)力，但是過(guò)高的倉(cāng)儲(chǔ)量會(huì)加大企業(yè)的倉(cāng)儲(chǔ)成本，而過(guò)小的倉(cāng)儲(chǔ)量則會(huì)增加企業(yè)的失銷(xiāo)成本。因此，如何確定企業(yè)的合理庫(kù)存量是降低企業(yè)經(jīng)營(yíng)成本的重要思路。而正確和精確的銷(xiāo)售量預(yù)測(cè)則是庫(kù)存決策的前提。

目前的銷(xiāo)售量預(yù)測(cè)方法很多，但是銷(xiāo)售量受到市場(chǎng)內(nèi)外各種不確定性、隨機(jī)性和模糊性因素的影響，很難做出精確的判斷。根據(jù)預(yù)測(cè)的目的、范圍和其他特性，可將銷(xiāo)售量預(yù)測(cè)方法分為不同的類(lèi)別。按性質(zhì)和方法可分為定性預(yù)測(cè)和定量預(yù)測(cè)兩大類(lèi)。

定性預(yù)測(cè)方法通過(guò)組織各方面專(zhuān)家和企業(yè)經(jīng)營(yíng)管理人員，運(yùn)用專(zhuān)業(yè)方面的經(jīng)驗(yàn)和知識(shí)，通過(guò)對(duì)過(guò)去和現(xiàn)在發(fā)生的相關(guān)信息進(jìn)行綜合分析，從中找出規(guī)律，對(duì)未來(lái)做出判斷，該預(yù)測(cè)方法在缺乏足夠的統(tǒng)計(jì)數(shù)據(jù)和原始資料的情況下，憑借專(zhuān)家的經(jīng)驗(yàn)和判斷能力來(lái)預(yù)測(cè)未來(lái)，這種方法在很大程度上取決于預(yù)測(cè)者的經(jīng)驗(yàn)和主觀判斷能力。該法簡(jiǎn)單易行，是應(yīng)用歷史較久的一種方法。但該方法存在主觀片面性、準(zhǔn)確度不高等缺點(diǎn)。目前主要作為銷(xiāo)售量預(yù)測(cè)的一種輔助決策方法。該類(lèi)方法可以細(xì)分為個(gè)人判斷法、德?tīng)柗品?、主觀概率法等。

定量預(yù)測(cè)方法是用定量分析來(lái)研究銷(xiāo)售量的發(fā)展趨勢(shì)，它以歷史統(tǒng)計(jì)資料和有關(guān)信息為依據(jù)，運(yùn)用各種數(shù)學(xué)方法建立模型來(lái)預(yù)測(cè)未來(lái)商品市場(chǎng)需求情況，即未來(lái)的銷(xiāo)量。常用的定量預(yù)測(cè)方法主要有時(shí)間序列分析法、回歸分析法、利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法等。定量預(yù)測(cè)方法都是根據(jù)預(yù)測(cè)對(duì)象的變化規(guī)律，或是根據(jù)客觀經(jīng)濟(jì)現(xiàn)象中復(fù)雜因果關(guān)系的分析，從而建立精確的數(shù)學(xué)模型，這就需要大量的歷史數(shù)據(jù)作為依托。遺憾的是，商品銷(xiāo)售市場(chǎng)存在著大量的不確定因素，客觀現(xiàn)象之間的相互關(guān)聯(lián)很難精確把握，他們之間的聯(lián)系往往是“灰色”聯(lián)系。

實(shí)際上十分準(zhǔn)確的銷(xiāo)售量預(yù)測(cè)是無(wú)法實(shí)現(xiàn)的，或者可以實(shí)現(xiàn)但是預(yù)測(cè)成本高昂而沒(méi)必要去這樣做，我們要做的是預(yù)測(cè)到那些極端異常的銷(xiāo)售量變化情況，從而及時(shí)做出預(yù)防策略，減輕由此帶來(lái)的倉(cāng)儲(chǔ)成本劇增或失銷(xiāo)成本劇增。

一、災(zāi)變灰預(yù)測(cè)

1.災(zāi)變灰預(yù)測(cè)的原理

灰色系統(tǒng)理論出現(xiàn)后，就開(kāi)始被廣泛的運(yùn)用在農(nóng)業(yè)、環(huán)保、電力等許多領(lǐng)域，灰色系統(tǒng)理論主要能在系統(tǒng)模型不明確或資訊不完整性的情況下，進(jìn)行關(guān)于系統(tǒng)的關(guān)聯(lián)分析，進(jìn)而構(gòu)建模型，并據(jù)此預(yù)測(cè)和決策?；疑珵?zāi)變預(yù)測(cè)是灰預(yù)測(cè)的內(nèi)容之一，其實(shí)質(zhì)上是一種異常值預(yù)測(cè)，是將時(shí)間序列經(jīng)由一閥值而得其災(zāi)變?nèi)掌谛蛄?，再針?duì)該序列進(jìn)行研究，以尋找其異常值的規(guī)律性。閥值一般根據(jù)實(shí)際情況由人為規(guī)定。因此灰色災(zāi)變預(yù)測(cè)的任務(wù)是給定數(shù)個(gè)異常值出現(xiàn)的時(shí)刻序列，由GM(1，1)模式來(lái)加以實(shí)現(xiàn)。所謂異常值是指過(guò)大或過(guò)小的值。如果把商品的銷(xiāo)量的異常放大看做一種供應(yīng)鏈上的“災(zāi)變”，我們就可以應(yīng)用災(zāi)變灰預(yù)測(cè)理論來(lái)預(yù)測(cè)銷(xiāo)售量的異常增加，從而減少失銷(xiāo)成本，增加企業(yè)效益。

2.災(zāi)變灰預(yù)測(cè)的計(jì)算步驟

步驟一 給出原始序列、指定閥值。

步驟二 構(gòu)造異常序列。

按照閥值從中選出滿(mǎn)足閥值的數(shù)據(jù):對(duì)于上異常；對(duì)于下異常，然后用構(gòu)造異常序列

步驟三 時(shí)分布序列。

通過(guò)時(shí)分布映射，獲得時(shí)分布序列

步驟四對(duì)時(shí)分布序列作GM（1，1）建模。

步驟五 預(yù)報(bào)

以上的計(jì)算可以用相關(guān)軟件實(shí)現(xiàn)。

3.應(yīng)用案例分析

某商業(yè)企業(yè)經(jīng)銷(xiāo)一種產(chǎn)品，該產(chǎn)品的銷(xiāo)售量資料如表格1所示，為了預(yù)測(cè)未來(lái)可能出現(xiàn)的銷(xiāo)量極端增加情況，可以用災(zāi)變灰預(yù)測(cè)理論來(lái)預(yù)測(cè)。

表格1 某商場(chǎng)某類(lèi)商品月份銷(xiāo)售量（單位：件）

要求：預(yù)測(cè)將來(lái)出現(xiàn)銷(xiāo)售量大于350箱的第一個(gè)月份。

步驟一 寫(xiě)出原始序列和閥值。

由預(yù)測(cè)要求可知，上閥值，異常值

步驟二 構(gòu)造異常序列

將中所有大于或等于350的數(shù)據(jù)計(jì)入中，得到異常序列

步驟三 得到時(shí)分布序列

由:

可得到

步驟四 對(duì)時(shí)分布序列作GM（1，1）建模

GM（1，1）建模序列=（4，7，9，11，14，20）

使用劉斌等應(yīng)用VB6.0開(kāi)發(fā)的灰色main軟件，將=(4，7，9，11，14，20)數(shù)據(jù)輸入，得到災(zāi)變?nèi)掌诘腉M(1，1)白化響應(yīng)式為:

由，可得到下式：

下面進(jìn)行模型殘差檢驗(yàn)。殘差序列如下：

相對(duì)誤差序列：

平均相對(duì)誤差：

平均相對(duì)精度1－4.45%=95.55%，模擬精度，可見(jiàn)精度很高。

步驟五 根據(jù)第四步得到的公式，預(yù)測(cè)得：25，25－20=5

即從最后一次銷(xiāo)售量大于350箱的月份算起，第5個(gè)月發(fā)生銷(xiāo)售量大于350 箱的可能性非常大。從這個(gè)預(yù)測(cè)結(jié)果可以看出，在第5個(gè)月到來(lái)之前，要做好充分的預(yù)防準(zhǔn)備，及時(shí)補(bǔ)貨，減少失銷(xiāo)成本的發(fā)生幾率，而在該月之前，沒(méi)必要儲(chǔ)存過(guò)多的貨物，可以按照正常的訂貨量訂貨即可，這樣就可以降低倉(cāng)儲(chǔ)成本。

三、結(jié)論

本研究表明，災(zāi)變灰預(yù)測(cè)理論應(yīng)用于控制銷(xiāo)售量的異常波動(dòng)有其獨(dú)到之處。首先，災(zāi)變灰預(yù)測(cè)可以解決銷(xiāo)售預(yù)測(cè)中極端銷(xiāo)售量的預(yù)防問(wèn)題；其次，本方法用較少的數(shù)據(jù)擬合模型，模型仍有較高的精度；最后，本方法不用顧忌統(tǒng)計(jì)方法中諸如數(shù)據(jù)之間的自相關(guān)和異方差等方面的限制。另外值得一提的是本模型和常見(jiàn)的銷(xiāo)量預(yù)測(cè)模型相比，它更具有客觀性，避免了諸如加權(quán)移動(dòng)平均模型、指數(shù)平滑模型等需要主觀設(shè)置權(quán)重的問(wèn)題。本方法的缺陷在于使用面較窄，一般適用于特定類(lèi)型商品的銷(xiāo)售量預(yù)測(cè)。不過(guò)作為一種方法思路，仍具有積極的參考意義?？傊脼?zāi)變灰預(yù)測(cè)模型來(lái)研究銷(xiāo)售量的異常波動(dòng)是一個(gè)新的思路。

參考文獻(xiàn)：

[1]鄧聚龍:灰預(yù)測(cè)與灰決策[M].武漢:華中科技大學(xué)出版社，2003.133-142

[2]劉思峰等:灰色系統(tǒng)理論及其應(yīng)用[M].北京:科學(xué)出版社，2004．346-357

[3]傅燁:供應(yīng)鏈中的“牛鞭效應(yīng)”——成因及對(duì)策分析[J].管理工程學(xué)報(bào)2002.16(1)

[4]王許斌:庫(kù)存需求災(zāi)變灰預(yù)測(cè)模型[J].工業(yè)工程與管理，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