供应链需求预测方法研究

供应链需求预测方法研究现代营销现象研究一、供应链需求预测概述物流需求预测是为了制定物流管理计划，而对需求时间、地点、库存单位、装运流量等所进行的预测或估计。精确的需求预测可以促进物流信息系统和生产设施能力的计划和协调，为社会物流活动提供物流能力供给不断满足物流需求的依据，以保证物流服务的供给与需求之间的相对平衡，使社会物流活动保持较高的效率与效益。二、预测的特点公司和供应链管理者应该认识预测有以下特点： 1 .预测通常是不准确的；2.长期预测的准确必通常比短期预测要低；3.综合预测通常比分解预测要准确；4...

现代营销现象研究一、供应链需求预测概述物流需求预测是为了制定物流管理计划，而对需求时间、地点、库存单位、装运流量等所进行的预测或估计。精确的需求预测可以促进物流信息系统和生产设施能力的计划和协调，为社会物流活动提供物流能力供给不断满足物流需求的依据，以保证物流服务的供给与需求之间的相对平衡，使社会物流活动保持较高的效率与效益。二、预测的特点公司和供应链管理者应该认识预测有以下特点： 1 .预测通常是不准确的；2.长期预测的准确必通常比短期预测要低；3.综合预测通常比分解预测要准确；4.总的来说，在公司中越往供应链的上游靠近，接收到的信息失真就越多。三、预测的步骤 1 .确定需求性质；2.确定预测目标；3.确定预测内容；4.选择预测方法；5.预测和结果评价。四、各种方法介绍 1.德尔菲法德尔菲法又称专家调查法，它经常用于长期的和新产品的销售预测，利润预测以及技术预测。它的过程主要包括:首先，根据预测的目标和需求，拟定意见征询表。其次，选择那些从事与预测题目有关的专业工作、精通专业并且具有预测分析能力的专家作为征询对象。再次，多次反复征询专家意见。最后，做出预测结论。这种方法优点是集思广益，有助于预测的全面和可靠。但缺点是主要依靠主观判断缺乏客观标准 ,可靠性低。 2.业务人员评估法预测时，召集所属物流各环节，如计划、采购、仓储和运输等的业务人员对未来某种物流需求做出估计，然后把大家的推断数据综合处理，形成对未来的预测。这种方法的优点是业务人员最了解物流需求情况和市场动态，所提借的情况和预测的数值比较接近实际。缺点是某些业务人员的自身素质较低，所作出的预测常忽略整个经济形势和市场需求变化趋势。其经验公式为: 推定平均值 = A+4×B+C6 A为最乐观估计，B为最可能估计，C为悲观估计 3.时间序列方法时间序列方法是利用过去一段时间的销售量数据或其他一级数据，运用一定的数学方法，通过现有的需求数据预测未来的发展变化趋势及需求量。现有的用于物流需求预测的时间序列方法包括三种:移动平均法，指数修正法，外延平滑技术。 a.移动平均法移动平均法就是时间序列上移动平均的每一个点都是一系列连续点的算术平均数或加权平均数。需要选择若干数据点以消除季节性影响或不规律性或前两者的共同影响。应用简单移动平均法进行预测时，本期的预测数等于过去各期的实际发生量之和除以所用的预测期数，它的基本公式是: xt +1———第 t +1 时期的预测值 Xi———第 i 时期的实际值 n———总时期数移动平均法的使用比较广泛，主要适用于这样的情况:数值的变化没有明显的上升或下降的趋势，比较平稳;没有受到明显的季节性变化的影响。适合于短期预测。加权移动平均法中给每一时期数据赋以权重，使近期数据对移动平均数影响增大，从而可以增加预测值的准确度。数学表达式为: Xt=(α1Xt- 1+α1Xt- 2+…+αnXt- n)/n Xt———第 t 时期的加权移动平均数 αn———加权系数(Σαt =n ) n———总时期次数 b.指数修正法这种方法是根据以前时期的实际数据和预测值的加权平均数来估计未来的预测值，适用于趋势和季节性变化不很显著成的时间序列。数学表达式为:yt=axt+(1 - a)yt 其中: yt ———第 t +1 期的预测值 xt ———第 t 期的实际需求值 a ———平滑系数( 0荞a荞1 ) 即:yt+1=yt+a(Xt+yt) 下一时期的预测值等于本期预测值再加上一个修正值，修正值是平滑系数与实际值和本期预测值的误差之积。 c.外延平滑技术如果考虑趋势值和季节波动对预测值的影响，而且数据中的趋势和季节性因素明显有别于随机特征。我们可以对指数修正法中的模型进行校正扩充以期更好地进行预测。如下：Xt+1=axt+(1 - a)(xt+Tt) Tt+1=β(xt+1- xt)+(1 - β)Tt Yt+1=Xt+1+Tt 式中，Yt+1———第 t +l 期校正趋势后的预测 xt+1———第 t +1 期的最初预测 Tt+1———第 t +1 期的趋势 β ———趋势平滑系数 4.基于 BP神经网络对物流需求预测在经典的 BP算法以及其他的训练算法中都有很多变量，这些训练算法可以确定一个 ANN结构，它们只训练固定结构的 ANN权值（包括联接权值和结点转换函数）。根据 Kolmogorov 定理,对于任意给定的 L2型连续函数 f : [0,1 ]n→Rm , f 可以精确地用一个三层前向神经网络来实现，因而可以只考虑演化网络的权值和结点数而不影响演化结果。基于此，在 BP原有算法的基础上，增加结点数演化因子，然后记录每层因子各异时演化出的结构，最后选取最优的因子及其网络结构，这样就可以避免由于增加或剪枝得到的局部最优。根据实验得知，不同的预测精度也影响网络层神经元的结点数，所以可根据要求动态地建立预测系统。具体步骤如下： 1 .确定隐层数，画出简要模型图；2.确定采用什么样的神经网络来建立模型；3.通过测试数据来训练模型。；4.根据测试训练得到的数据和实际数据进行比对，或者算出误差。从而修改隐层中的权值和阀值。反复重复 3- 4。最后得到一个最优的模型。具体步骤详见参考文献。七、总结对需求预测的研究，还在不断地探索。各种各样新的方法也在不断地出现,本文主要是对主要预测方法的一个总结。【参考文献】 [1]骆温平.物流与供应链管理[M],电子工业大学出版社, 63- 73 [2]唐纳德·沃尔特斯.库存控制与管理[M],宾尼法尼亚州立大学,李希文,李斌译.机械工业出版社 145- 147 [3]庞皓.计量经济学[M],西南经济大学出版社，第二章. [4]杨华龙,刘进平.供应链管理[M],东北财经大学出版社, 77- 79 [5] 刘延平, 李卫东. 物流统计学 [M], 清华大学出版社 202- 206 [6]Sunil Chopra,Peter Meindl.Supply Chain Management Strategy, planning, and Operation[M],清华大学出版社，201- 231 [7]闻新. Matlab神经网络仿真与应用 [M ]. 科学出版社, 2003: 16 - 28 供应链需求预测方法研究陈俊强蓝延辉 (西南财经大学 611130) 【摘要】：供应链需求的预测方法，大致归为两类：一类是单一预测方法，如采用神经网络预方法、灰色预测法、马尔可夫预测法、时间序列预测方法、基于价值量的预测方法等；另一类是组合预测方法，即利用多预测方法的预测结果按一定方式进行组合。另外也有学者提出了别的方法，如情景分析法、集对分析聚类预测等等。本文只对作者所研究过的方法,进行总结和归纳。【关键词】：供应链管理需求预测随机时间序列分析模型 158

                    本文档为【供应链需求预测方法研究】，请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑，
                    图片更改请在作品中右键图片并更换，文字修改请直接点击文字进行修改，也可以新增和删除文档中的内容。 
 该文档来自用户分享，如有侵权行为请发邮件ishare@vip.sina.com联系网站客服，我们会及时删除。

                    [版权声明] 本站所有资料为用户分享产生，若发现您的权利被侵害，请联系客服邮件isharekefu@iask.cn，我们尽快处理。

                    本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用。

                    网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
                

下载需要：免费已有0 人下载

立即下载

供应链需求预测方法研究

你可能还喜欢