曾 榮 Zeng Rong

汽車售后配件庫存需求模型分析及應(yīng)用

曾 榮
Zeng Rong

（江漢大學(xué) 機(jī)電與建筑學(xué)院，湖北 武漢 430056）

為了提高汽車售后服務(wù)水平，實(shí)現(xiàn)配件庫存需求的準(zhǔn)確預(yù)測，采用灰色預(yù)測方法，首先對原始數(shù)據(jù)進(jìn)行處理，其次通過灰色預(yù)測建立模型，最后對模型進(jìn)行求解并檢驗(yàn)，結(jié)果表明，原始數(shù)據(jù)處理后的預(yù)測結(jié)果更優(yōu)。

配件庫存；需求預(yù)測；灰色預(yù)測

0 引 言

庫存管理是采購、生產(chǎn)與銷售中的重要環(huán)節(jié)，是物流管理的核心，直接影響顧客滿意度、存貨積壓風(fēng)險(xiǎn)等一系列問題。汽車售后配件庫存管理是汽車物流管理中關(guān)鍵的一環(huán)，也是汽車制造、銷售、保養(yǎng)和維修等環(huán)節(jié)的重要組成部分?？茖W(xué)合理的庫存和保養(yǎng)汽車售后配件，能保持配件的使用價(jià)值，否則會使汽車配件質(zhì)量下降，出現(xiàn)生銹、腐蝕等問題，使零件失去部分或者全部使用價(jià)值，帶來巨大虧損；因此提高汽車配件需求量的預(yù)測精準(zhǔn)度，有利于合理安排汽車配件庫存[1]。

需求預(yù)測的方法主要分為2種，定性預(yù)測法和定量預(yù)測法[2]。定量預(yù)測法包括時(shí)間序列法和因果關(guān)系法，以及2種方法的組合[3]。時(shí)間序列法包括指數(shù)平滑法、移動平均法等。因果分析預(yù)測法包括回歸分析法、灰色預(yù)測等方法，其中灰色預(yù)測方法的優(yōu)點(diǎn)是不需要大量的樣本，且樣本不需要規(guī)律分布，計(jì)算工作量較小，可用于短期和中長期預(yù)測，其預(yù)測結(jié)果的準(zhǔn)確度比較高。

1 預(yù)測模型選擇

汽車售后配件的需求受眾多因素的影響，如經(jīng)濟(jì)環(huán)境、技術(shù)水平、價(jià)格因素、配件歷史維修情況等[4]?？紤]到汽車售后配件需求的特點(diǎn)，選擇灰色預(yù)測模型進(jìn)行需求預(yù)測。

建立GM（1，1）（Grey Model，灰色模型）的具體步驟如下。

1.1 生成累加序列

1.2 建立微分方程

對上述累加序列建立單變量微分方程

式（1）為式（2）的白化方程。

1.3 估計(jì)方程參數(shù)

式中：=[(0)(2) ，(0)(3)，...，(0)()]T；

（4）

1.4 求解模型擬合值

為了檢驗(yàn)?zāi)Ｐ偷臄M合度，需要進(jìn)行誤差檢驗(yàn)，判斷灰色預(yù)測模型是否適合用于實(shí)際問題的預(yù)測。

1.5 檢驗(yàn)?zāi)Ｐ途?/h3>

采用構(gòu)造方差比和計(jì)算小誤差概率的方法來檢驗(yàn)灰色預(yù)測模型的準(zhǔn)確性。計(jì)算方法為

（1）計(jì)算殘差值；

（2）計(jì)算式（6）序列的方差1；

（3）計(jì)算原始序列（0）的方差2；

（4）計(jì)算方差比；

=1/2（7）

（5）計(jì)算平均相對誤差；

（6）計(jì)算小誤差概率。

（1-avg）í100% （9）

指標(biāo)和是后驗(yàn)差的兩個(gè)重要指標(biāo)。指標(biāo)越小越好，當(dāng)1越小、2越大時(shí)，越小。2值越大，表示原始數(shù)據(jù)序列方差大，原始數(shù)據(jù)離散程度大；1值越小，表明殘差方差小，殘差離散程度小。值小表明盡管原始數(shù)據(jù)很離散，但由模型所得的計(jì)算值與實(shí)際值之差并不過于離散。指標(biāo)越大越好，表明預(yù)測值與原始值越接近，由兩個(gè)指標(biāo)可綜合評定預(yù)測模型的精度。

參照表1可以對GM（1，1）模型精度進(jìn)行具體評估，精度等級分為4級，1級精度最高，4級精度不被接受，見表1。

表1 精度等級

2 實(shí)例分析

汽車配件的銷售情況直接影響庫存，根據(jù)某汽車企業(yè)配件的銷售數(shù)據(jù)預(yù)測其庫存需求量。2008—2017年配件的實(shí)際銷售數(shù)據(jù)見表2。

表2 2008—2017年配件銷售數(shù)據(jù)

通過分析選取訓(xùn)練數(shù)據(jù)為2008—2014年數(shù)據(jù)，驗(yàn)證數(shù)據(jù)為2015—2017年數(shù)據(jù)，在MATLAB中運(yùn)用最小二乘法擬合得到訓(xùn)練組的發(fā)展系數(shù)=1.154，灰色作用量=18 331.785，方差比=3.589 2、=0.091 2。對照表1可知該模型精度等級為4級，模型不可接受。

將原始數(shù)據(jù)進(jìn)行取對數(shù)處理后，再次通過MATLAB計(jì)算，得到發(fā)展系數(shù)=0.063 402，灰色作用量=7.366 1，并得到方差比=0.196 5，小誤差概率=0.960 1，對照表1可知該模型精度等級為1級，模型有效。采用此模型進(jìn)行原始數(shù)據(jù)擬合，擬合度較好，并對后續(xù)年份的銷量值進(jìn)行預(yù)測，如圖1所示。

圖1 取對數(shù)后的模型擬合度及預(yù)測結(jié)果

由圖1可以看出，進(jìn)行取對數(shù)處理后，數(shù)據(jù)的擬合度較好，預(yù)測精度提高。根據(jù)銷售預(yù)測結(jié)果可初步預(yù)測出配件的庫存需求量。

3 結(jié) 論

運(yùn)用灰色預(yù)測法，通過分析原始數(shù)據(jù)，對原始數(shù)據(jù)處理后進(jìn)行預(yù)測，實(shí)驗(yàn)結(jié)果比采用未經(jīng)處理的原始數(shù)據(jù)預(yù)測結(jié)果更有效。由于汽車售后配件的需求受諸多因素的影響，如何更準(zhǔn)確地預(yù)測其需求量將是下一階段的研究方向。

[1]金淳，曹迪，王聰. 汽車零部件第三方物流倉儲需求量集成預(yù)測模型[J]. 系統(tǒng)管理學(xué)報(bào)，2016，27（6）：152-160.

[2]楊靜雅，孫林夫. 基于QPSO-SVR的售后配件庫存需求預(yù)測[J]. 計(jì)算機(jī)工程與設(shè)計(jì)，2015，36（9）：2539-2543.

[3]閆娟. 灰色神經(jīng)網(wǎng)絡(luò)模型在物流需求預(yù)測中的研究[J]. 計(jì)算機(jī)仿真，2011，28（7）：200-203.

[4]施衛(wèi)海. 汽車零部件企業(yè)需求預(yù)測模型應(yīng)用研究[D]. 上海：上海交通大學(xué)，2014.

2020-07-20

F253.4：U472

A

10.14175/j.issn.1002-4581.2020.05.013

1002-4581（2020）05-0052-03