靳杰

【摘 要】 近年來(lái)需求預(yù)測(cè)問(wèn)題已成為熱點(diǎn)問(wèn)題，也成為各企業(yè)的重點(diǎn)工作任務(wù)?？茖W(xué)準(zhǔn)確的需求預(yù)測(cè)可以降低倉(cāng)儲(chǔ)成本、增加庫(kù)存周轉(zhuǎn)率以及減少庫(kù)存停滯，這對(duì)提高企業(yè)的競(jìng)爭(zhēng)實(shí)力來(lái)說(shuō)至關(guān)重要;而設(shè)備維修備件需求預(yù)測(cè)不僅影響著設(shè)備的正常運(yùn)行，還可能會(huì)因預(yù)測(cè)問(wèn)題給企業(yè)造成巨大的損失。文章在分析了很多學(xué)者研究備件需求預(yù)測(cè)的基礎(chǔ)上，基于現(xiàn)場(chǎng)項(xiàng)目備件物資使用頻次、備件價(jià)格對(duì)備件物資進(jìn)行分類，分類級(jí)別體現(xiàn)了備件的重要性，對(duì)級(jí)別最高的備件提出了一種簡(jiǎn)單易操作可用于指導(dǎo)企業(yè)生產(chǎn)實(shí)踐且預(yù)測(cè)性較高的組合預(yù)測(cè)模型。以此構(gòu)建基于灰色理論與指數(shù)平滑法的需求預(yù)測(cè)綜合模型，對(duì)S公司某種備件的需求量進(jìn)行科學(xué)準(zhǔn)確的預(yù)測(cè)。研究表明，基于灰色理論與指數(shù)平滑法的需求預(yù)測(cè)綜合模型相對(duì)單一預(yù)測(cè)模型具有較高的可靠性與實(shí)用性，能為S公司生產(chǎn)決策提供科學(xué)的保障。

【關(guān)鍵詞】 需求預(yù)測(cè) 灰色模型 指數(shù)平滑法

1 引言

備件，也稱備用件，是在設(shè)備維修工作中，根據(jù)設(shè)備的磨損與壽命，將設(shè)備中容易磨損的各種零部件加工、采購(gòu)和存儲(chǔ)好，這些零部件稱為備件。備件庫(kù)存成本居高不下是生產(chǎn)制造企業(yè)面臨的最大問(wèn)題，造成企業(yè)維修資金的積壓主要存在的原因包括：領(lǐng)導(dǎo)者沒(méi)有預(yù)測(cè)的思想以經(jīng)驗(yàn)為主，預(yù)測(cè)方法較為復(fù)雜實(shí)用性差。隨著我國(guó)制造企業(yè)的飛速發(fā)展，制造企業(yè)對(duì)需求預(yù)測(cè)越來(lái)越重視，同時(shí)也吸引了越來(lái)越多國(guó)內(nèi)外學(xué)者對(duì)需求預(yù)測(cè)進(jìn)行研究。李樹(shù)廣和徐誠(chéng)[1]等運(yùn)用粗糙集協(xié)調(diào)近似表示空間模型方法對(duì)某部隊(duì)特種裝備的維修備件進(jìn)行了需求預(yù)測(cè);劉喜春和祝龍石[2]研究了基于模糊推理的戰(zhàn)時(shí)備件需求預(yù)測(cè)方法，把專家預(yù)測(cè)值和Markov預(yù)測(cè)值結(jié)合起來(lái)，最終備件需求預(yù)測(cè)值使用Mamdani 模糊推理規(guī)則以及反模糊化求出;趙建忠和朱偉等[3]根據(jù)導(dǎo)彈裝備故障規(guī)律來(lái)預(yù)測(cè)導(dǎo)彈備件消耗，建立了導(dǎo)彈裝備故障次數(shù)灰色預(yù)測(cè)模型。但單一預(yù)測(cè)模型預(yù)測(cè)性不高，預(yù)測(cè)值與實(shí)際值之間偏差較大，因此很多學(xué)者都會(huì)對(duì)單一模型進(jìn)行改進(jìn)組合，之后再進(jìn)行預(yù)測(cè)。趙建忠[4]等將灰色理論模型和ARMA模型組合對(duì)導(dǎo)彈裝備備件需求進(jìn)行預(yù)測(cè);高鹍和邢國(guó)平等[5]提出一種基于灰色關(guān)聯(lián)分析和支持向量機(jī)回歸相結(jié)合針對(duì)性的對(duì)機(jī)體不同備件庫(kù)存消耗預(yù)測(cè)的方法，預(yù)測(cè)精度較高;夏秀峰和董彥軍[6]針對(duì)時(shí)間序列法卻在較大誤差的缺陷，通過(guò)馬爾科夫預(yù)測(cè)和改進(jìn)的三步平均馬爾科夫預(yù)測(cè)法預(yù)測(cè)分析航空備件的需求狀態(tài)概率;董驍雄和陳云翔[7]等針對(duì)后續(xù)備件需求預(yù)測(cè)精度低的問(wèn)題，提出一種基于模糊軟集合和貝葉斯的后續(xù)備件組合預(yù)測(cè)方法。在國(guó)外的備件需求預(yù)測(cè)研究中，Croston[8]同時(shí)考慮歷史需求量和需求時(shí)間間隔，創(chuàng)新性的提出將不常用備件需求序列分為需求量和需求間隔兩個(gè)連續(xù)序列來(lái)分別進(jìn)行預(yù)測(cè);Maria Franco-Villoria和Rosaria[9]用Bootstrap允許評(píng)估預(yù)測(cè)曲線的不確定性空間相關(guān)函數(shù)處理數(shù)據(jù)。

綜上所述，雖然方法組合模型提高了預(yù)測(cè)準(zhǔn)確度但是由于其算法復(fù)雜而且預(yù)測(cè)方法很多基于大量數(shù)據(jù)對(duì)于各個(gè)企業(yè)使用起來(lái)不切實(shí)際，因此本文在單一模型預(yù)測(cè)性不高以及組合模型實(shí)用性差的基礎(chǔ)上提出了一種基于灰色理論與指數(shù)平滑法的需求預(yù)測(cè)綜合模型，簡(jiǎn)單易操作可用于指導(dǎo)企業(yè)生產(chǎn)實(shí)踐，使得備件庫(kù)存結(jié)構(gòu)趨于合理化。

2 模型構(gòu)建

2.1 灰色系統(tǒng)理論

華中科技大學(xué)控制科學(xué)與工程系教授鄧聚龍于1982年提出并創(chuàng)立了新興學(xué)科-灰色系統(tǒng)理論，它的作用是解決某些涉及未知因素的問(wèn)題?；疑到y(tǒng)理論研究的是貧信息建模，它提供了少量信息下解決系統(tǒng)問(wèn)題的新途徑。

2.2 建立GM（1，1）模型

對(duì)數(shù)列X（0）做一次累加生成X（0）的1-AGO 序列

2.3 建立二次指數(shù)平滑法的預(yù)測(cè)模型

指數(shù)平滑法是生產(chǎn)預(yù)測(cè)中常用的一種方法，同樣在時(shí)間序列預(yù)測(cè)中也經(jīng)常使用，二次指數(shù)平滑法是在一次指數(shù)平滑的基礎(chǔ)上再做一次指數(shù)平滑， 比較適合帶有線性趨勢(shì)且周期性表現(xiàn)又不是很明顯的時(shí)序可以提高預(yù)測(cè)結(jié)果的精度[9]，公式為

2.4 建立綜合預(yù)測(cè)模型

現(xiàn)假設(shè)系統(tǒng)已經(jīng)根據(jù)n個(gè)原始數(shù)據(jù)構(gòu)建了GM（1，1）模型，結(jié)合二次指數(shù)平滑模型，用權(quán)重預(yù)測(cè)法構(gòu)建綜合預(yù)測(cè)模型：

3 模型應(yīng)用

S公司是國(guó)內(nèi)風(fēng)機(jī)業(yè)務(wù)企業(yè)，其生產(chǎn)主要為按訂單生產(chǎn)類型與提前生產(chǎn)類型兼容以此滿足客戶需求。由于呆滯庫(kù)存占用較大比例庫(kù)存成本較高，因此高準(zhǔn)確地預(yù)測(cè)對(duì)S公司降低成本提高企業(yè)競(jìng)爭(zhēng)力至關(guān)重要。已知2017年1月至2017年7月各月份某維修備件消耗數(shù)量分別是：724、746、778、800、827、871、912。

3.1 GM（1，1）模型預(yù)測(cè)

對(duì)1月到7月需求數(shù)據(jù)建立GM（1，1）模型可得系數(shù)a=-0.039，b=699.46。代入模型可得：

由以上公式可預(yù)測(cè)8-12月的消耗量分別為：942、980、1020、1061、1104。

GM（1，1）模型誤差如表1所示。

由表1實(shí)際值與預(yù)測(cè)值比較發(fā)現(xiàn)，灰色模型的預(yù)測(cè)結(jié)果還是比較滿意的，能夠較好的擬合，但是灰色模型的發(fā)展系數(shù)限制了模型預(yù)測(cè)時(shí)間的長(zhǎng)短。

通過(guò)分析可以得到以下結(jié)論：

當(dāng)-a≤0.3時(shí)，GM（1，1）可用于中長(zhǎng)期預(yù)測(cè);

當(dāng)0.3<-a<0.5時(shí)，GM（1，1）可用于短期預(yù)測(cè);

當(dāng)0.5<-a≤0.8時(shí)，作短期預(yù)測(cè)時(shí)應(yīng)十分謹(jǐn)慎;

當(dāng)0.8<-a≤1時(shí)，應(yīng)采用殘差修正模型;

當(dāng)-a>1時(shí)，不宜采用灰色模型

因此運(yùn)用GM（1，1）首要前提是確定發(fā)展系數(shù)的大小。

3.2 二次指數(shù)平滑法預(yù)測(cè)

平滑系數(shù)會(huì)直接影響預(yù)測(cè)結(jié)果，因此平滑系數(shù)的選取非常關(guān)鍵。當(dāng)時(shí)間序列處于相對(duì)穩(wěn)定水平趨勢(shì)時(shí)應(yīng)選較小值可在0.05-0.20間取值;當(dāng)其雖短時(shí)有波動(dòng)但長(zhǎng)時(shí)間變化不大時(shí)可在0.1-0.4間取值;當(dāng)其長(zhǎng)期波動(dòng)較大時(shí)，應(yīng)在0.6-0.8取值;當(dāng)時(shí)間序列數(shù)據(jù)呈上升或下降趨勢(shì)時(shí)，平滑系數(shù)可以取0.6-1之間的值。

指數(shù)平滑法誤差（=0.6、0.8、1.0 時(shí)）

在的情況下，根據(jù)公式可以預(yù)測(cè)出8-12月各月需求為946，983，1022，1062，1103個(gè)。

由以上表格數(shù)據(jù)我們得出，灰色預(yù)測(cè)模型GM（1，1）比指數(shù)平滑法預(yù)測(cè)精度高，故灰色預(yù)測(cè)模型比指數(shù)平滑法在單一預(yù)測(cè)中使用廣泛，綜合預(yù)測(cè)模型中用GM（1，1）模型計(jì)算出的權(quán)重比二次指數(shù)平滑法預(yù)測(cè)模型計(jì)算出的權(quán)重高，GM（1，1）模型與二次指數(shù)平滑法預(yù)測(cè)模型的權(quán)重比值選擇為0.95：0.05，由公式計(jì)算組合預(yù)測(cè)模型各預(yù)測(cè)值。

由以上表格中誤差比較可以發(fā)現(xiàn)，用綜合預(yù)測(cè)模型求出的絕對(duì)誤差、相對(duì)誤差、平均絕對(duì)偏移、平均絕對(duì)百分比誤差均優(yōu)于用單一的灰色預(yù)測(cè)模型和二次指數(shù)平滑模型求出的誤差，由此結(jié)果我們預(yù)測(cè)出8-12 月的需求量分別為：943，981，1020，1061，1104 （單位：個(gè)）。根據(jù)以上測(cè)結(jié)果，我們得出結(jié)論：S公司需要對(duì)其現(xiàn)有的庫(kù)存進(jìn)行管理，同時(shí)還要按照之前預(yù)測(cè)出的需求量制定生產(chǎn)計(jì)劃。

4 總結(jié)

在這樣一個(gè)數(shù)據(jù)信息無(wú)時(shí)無(wú)刻都在產(chǎn)生的時(shí)代，各個(gè)企業(yè)應(yīng)該利用數(shù)據(jù)為企業(yè)的發(fā)展服務(wù)。雖然預(yù)測(cè)與實(shí)際之間存在偏差，但是對(duì)于企業(yè)而言進(jìn)行需求預(yù)測(cè)還是有利可圖的，采用科學(xué)有效便于操作的模型不僅是預(yù)測(cè)成敗的關(guān)鍵，而且有利于生產(chǎn)商制定生產(chǎn)決策。本文提出的基于灰色理論與指數(shù)平滑法組合模型在絕對(duì)誤差、相對(duì)誤差、平均絕對(duì)偏差和平均絕對(duì)百分比誤差四個(gè)方面均比單一模型的預(yù)測(cè)結(jié)果小，因此該組合模型不僅具有理論研究意義，而且對(duì)于企業(yè)的生產(chǎn)決策具有實(shí)際指導(dǎo)作用，為企業(yè)的發(fā)展提供有力的保障。

【參考文獻(xiàn)】

[1] 李樹(shù)廣，趙彥峻，徐誠(chéng). 裝備維修備件需求預(yù)測(cè)與決策方法研究[J]. 兵工學(xué)報(bào)，2011，32（07）：901-905.

[2] 劉喜春，祝龍石，張偉. 基于模糊推理的戰(zhàn)時(shí)備件需求預(yù)測(cè)[J]. 兵工學(xué)報(bào)，2013，34（09）：1197-1200.

[3] 趙建忠，朱偉，徐恒博，劉勇. 基于故障規(guī)律的導(dǎo)彈備件消耗預(yù)測(cè)[J]. 戰(zhàn)術(shù)導(dǎo)彈技術(shù)，2012，（05）：44-49.

[4] 趙建忠，徐廷學(xué)，李海軍，葉文. 基于小波分析的導(dǎo)彈裝備備件需求組合預(yù)測(cè)[J]. 電子學(xué)報(bào)，2014，42（03）：417-423.

[5] 高鹍，邢國(guó)平，孫德翔，黃勇. 灰色關(guān)聯(lián)支持向量機(jī)在備件庫(kù)存消耗預(yù)測(cè)中的應(yīng)用[J]. 電光與控制，2012，19（03）：100-105.

[6] 夏秀峰，董彥軍. 基于改進(jìn)馬爾科夫模型的航空備件需求預(yù)測(cè)[J]. 兵工自動(dòng)化，2013，32（11）：39-41+48.

[7] 董驍雄，陳云翔，張瑋玉，張帆.基于模糊軟集合和Bayes的后續(xù)備件組合預(yù)測(cè)方法[J].南京航空航天大學(xué)學(xué)報(bào)，2018，50（05）：672-678.

[8] Croston J D. Forecasting and stock control for intermittent demands[J].Journal of the Operational Research Society，1972，23（ 3） ： 289-303.

[9] Maria Franco -Villoria，Rosaria Ignaccolo. Bootstrap based uncertainty bands for prediction in functional kriging[J]. Spatial Statistics，2017，21（ 8） ： 130-148.