昆明理工大學(xué)質(zhì)量發(fā)展研究院 李哲 肖漢杰 李紅娟

1 引言

隨著我國市場經(jīng)濟(jì)的不斷發(fā)展，人民生活水平逐漸提高，制造業(yè)技術(shù)的改善，使得中國冰箱技術(shù)得到較大發(fā)展。目前，中國冰箱不論在制造技術(shù)上，還是在性能上都已達(dá)到、甚至超過國際水平?，F(xiàn)如今，我國冰箱行業(yè)進(jìn)入高速發(fā)展的新階段，城市電冰箱市場面臨由飽和向更新?lián)Q代過渡，同時(shí)在國家宏觀政策調(diào)控、以舊換新以及三下鄉(xiāng)等政策的調(diào)節(jié)下，家電普及風(fēng)暴在城市、農(nóng)村全面啟動(dòng)。雖然，目前我國的電冰箱市場已經(jīng)進(jìn)入“巷戰(zhàn)期”，冰箱產(chǎn)業(yè)格局愈加明顯，如以海爾、海信等為中心的環(huán)渤海產(chǎn)業(yè)群，以美的為中心的珠三角產(chǎn)業(yè)群，以新飛為中心的中原產(chǎn)業(yè)群，以長虹為中心的西部產(chǎn)業(yè)群牢牢控制著我國市場，但隨著外資企業(yè)不斷進(jìn)入，相信冰箱市場的競爭將趨于白熱化[1]。

冰箱作為家庭常用電器，其品質(zhì)、品牌以及售后服務(wù)受到人們極大關(guān)注，而冰箱需求量直接影響企業(yè)方方面面，較好的冰箱需求量能夠帶動(dòng)企業(yè)生產(chǎn)規(guī)模、產(chǎn)品質(zhì)量、資金管理以及售后服務(wù)等方面向好的方向發(fā)展。目前，研究需求方面的方法主要有神經(jīng)網(wǎng)絡(luò)、ARMA模型、支持向量機(jī)等。神經(jīng)網(wǎng)絡(luò)作為一種新的時(shí)間序列預(yù)測方法，表現(xiàn)出很高的預(yù)測精度，但神經(jīng)網(wǎng)絡(luò)存在訓(xùn)練速度慢、易陷入局部極小、學(xué)習(xí)率選擇敏感等缺點(diǎn)；ARMA預(yù)測模型從時(shí)間序列自身出發(fā)建立模型，具有良好的線性擬合能力，但ARIMA模型能夠處理線性問題，對非線性問題預(yù)測誤差較大；與上述兩個(gè)模型相比SVM是一種具有極嚴(yán)格的理論基礎(chǔ)和數(shù)學(xué)基礎(chǔ)的數(shù)學(xué)模型，與BP神經(jīng)網(wǎng)絡(luò)相比不存在局部最小問題，具有較強(qiáng)泛化能力的優(yōu)勢，與時(shí)間序列模型ARIMA相比具有處理非線性問題。

根據(jù)一組數(shù)據(jù)，2014上半年中國冰箱市場零售量、零銷售同比下降10.5%，8.6%，冰箱需求市場乏力，使得冰箱企業(yè)之間競爭更為激烈。冰箱需求是受多方面因素影響的復(fù)雜系統(tǒng)，如季節(jié)性、價(jià)格、競爭、產(chǎn)品性能、售后服務(wù)等。根據(jù)各因素對訂單需求影響的大小，最終選擇需求趨勢、市場份額、價(jià)格波動(dòng)、訂單缺貨情況以及分銷商的聯(lián)合預(yù)測情況五個(gè)因素對冰箱需求進(jìn)行預(yù)測。基于此，本文利用SVM，建立冰箱訂單需求預(yù)測模型，可對供應(yīng)商準(zhǔn)確、及時(shí)了解訂單需求提供支持。

2 相關(guān)概念

2.1 支持向量機(jī)

1995年，支持向量機(jī)由Corinna Cortes和Vapnik等首先提出[2]。支持向量機(jī)主要思想是建立一個(gè)分類平面作為決策曲面，使得正例和反例之間的隔離邊緣被最大化，即支持向量機(jī)是結(jié)構(gòu)風(fēng)險(xiǎn)最小化的近似實(shí)現(xiàn)。支持向量機(jī)具有魯棒性好、計(jì)算簡單、分類精度高等優(yōu)點(diǎn),因此已被廣泛應(yīng)用在社會(huì)經(jīng)濟(jì)各個(gè)領(lǐng)域。

2.2 產(chǎn)品市場份額

產(chǎn)品市場份額又稱為市場占有率，是指某企業(yè)銷售額在同類行業(yè)所有銷售額中所占比重的大小，即企業(yè)對市場的控制能力，反映企業(yè)盈利能力以及競爭優(yōu)勢。眾所周知，如果企業(yè)越多，單個(gè)企業(yè)所占份額的比重就會(huì)越小，企業(yè)之間競爭就越激烈，這樣就可以打破壟斷，反之如果企業(yè)數(shù)量較小，單個(gè)企業(yè)所占的份額就相對較大，企業(yè)間的競爭會(huì)相對較弱，企業(yè)壟斷會(huì)為企業(yè)帶來一定的利潤以及競爭優(yōu)勢。

2.3 需求趨勢

需求趨勢是一種發(fā)展動(dòng)向，是指顧客對產(chǎn)品需求相對于前一期增長還是遞減的一種發(fā)展動(dòng)向。產(chǎn)品的生命周期一定程度上可以對需求趨勢進(jìn)行描述，若產(chǎn)品處于成長期，那么其需求處于增長，反之，則其需求增長穩(wěn)定且緩慢。

2.4 價(jià)格波動(dòng)

在經(jīng)濟(jì)學(xué)中，價(jià)格波動(dòng)是指商品的價(jià)格圍繞其價(jià)值忽高忽低上下波動(dòng)的現(xiàn)象，而在企業(yè)中價(jià)格波動(dòng)是指企業(yè)因原材料成本增加或者企業(yè)為增加產(chǎn)量、提升產(chǎn)品競爭力，實(shí)現(xiàn)一定盈利目標(biāo)而在短時(shí)間內(nèi)的價(jià)格圍繞價(jià)值的上下波動(dòng)變化。

2.5 訂單缺貨

缺貨是指一種供應(yīng)鏈當(dāng)中的某一層級(jí)的庫存無法滿足顧客需求的一種現(xiàn)象。相應(yīng)訂單缺貨是指產(chǎn)品供應(yīng)量不足或者其他情況下不能滿足消費(fèi)者或者顧客需要數(shù)量的貨物的一種現(xiàn)象。訂單缺貨情況可以通過訂單滿足率得以反映。訂單滿足率是指單位時(shí)間內(nèi)，已經(jīng)完成的訂單總需求訂單數(shù)的比值，比值越接近1，代表越優(yōu)秀，反之，則越差?？捎霉奖硎緸椋河唵稳必?訂單缺貨率×總訂單數(shù)。

2.6 分銷商聯(lián)合預(yù)測因素

分銷商聯(lián)合預(yù)測因素是指從供應(yīng)商到最后的客戶形成一個(gè)統(tǒng)一的有機(jī)體，該有機(jī)體充分考慮供應(yīng)鏈上下之間需求匹配性，根據(jù)聯(lián)合預(yù)測因素進(jìn)行預(yù)測分析，從而達(dá)到信息資源共享、減少供應(yīng)鏈各個(gè)環(huán)節(jié)中存貨數(shù)量、降低生產(chǎn)及運(yùn)輸成本、準(zhǔn)確及時(shí)響應(yīng)消費(fèi)者需求，最終提高訂單滿足率和客戶服務(wù)水平。

3 SVM在訂單需求中的應(yīng)用

訂單需求預(yù)測的核心是獲得影響冰箱需求的關(guān)鍵因素，通過這些關(guān)鍵因素建立冰箱訂單SVM模型。以云南省某冰箱公司兩年日銷售額為例，選定700個(gè)樣本作為訓(xùn)練集進(jìn)行訓(xùn)練，其余30個(gè)樣本作為測試集。選定SVM對訓(xùn)練集進(jìn)行訓(xùn)練后對冰箱實(shí)際需求進(jìn)行預(yù)測，并將實(shí)際值與預(yù)測值進(jìn)行對比，通過對比發(fā)現(xiàn)，支持向量機(jī)在冰箱訂單預(yù)測中的有效性、準(zhǔn)確性。

3.1 建立分析模型

圖1為支持向量機(jī)訓(xùn)練流程圖：首先，選定訓(xùn)練集與測試集，并對數(shù)據(jù)進(jìn)行歸一化處理，然后運(yùn)用遺傳算法[3]獲得最優(yōu)參數(shù)并對訓(xùn)練集進(jìn)行訓(xùn)練，最后得到測試集的預(yù)測值。

圖1 模型整體流程

3.2 構(gòu)建支持向量機(jī)預(yù)測模型

由圖2可知，最有參數(shù)c=0.1，g=290.951，交叉驗(yàn)證適應(yīng)度[4]均方誤差為0.058375，說明適用度精度較高。運(yùn)用得到的最有參數(shù)對樣本進(jìn)行訓(xùn)練得到預(yù)測值與真實(shí)值對比如圖2所示。

圖2 適應(yīng)度曲線

圖3所示為部分測試集與真實(shí)值之間的對比，通過圖3可以看到，預(yù)測值與真實(shí)值比較接近，通過計(jì)算得到平均誤差為5.87%，這說明SVM對冰箱訂單需求預(yù)測有較大的精度，SVM適合冰箱需求量預(yù)測。

圖3 預(yù)測值與真實(shí)值對比

4 預(yù)測結(jié)果對比

根據(jù)建好的模型，運(yùn)用Matlab編程，得到模型性的預(yù)測精度、均方誤差(MSE)與平均絕對百分誤差。從表1可以看到SVM預(yù)測精度均高于其他兩個(gè)模型，MSE與MAPE也均小于其他兩個(gè)模型，說明SVM預(yù)測誤差較小。綜合以上可以得到，SVM適合冰箱訂單預(yù)測。

表1 模型預(yù)測性能對比

5 結(jié)語

我國冰箱行業(yè)之間競爭激烈，而影響冰箱需求的因素眾多，為簡單、有效地對冰箱需求進(jìn)行預(yù)測，從眾多因素中選擇最主要的五個(gè)因素，并對影響冰箱訂單需求的五個(gè)因素進(jìn)行解釋、研究，在這五個(gè)主要因素的基礎(chǔ)上，運(yùn)用支持向量機(jī)對冰箱訂單需求量進(jìn)行訓(xùn)練、預(yù)測，通過與真實(shí)值對比發(fā)現(xiàn)，此模型預(yù)測值精度較高，因此適合冰箱需求預(yù)測。

[1] 葛彥強(qiáng),汪向征,王愛民.改進(jìn)灰色神經(jīng)網(wǎng)絡(luò)的冰箱訂單需求預(yù)測研究[J].計(jì)算機(jī)仿真,2012,29(5).

[2] 孟軍,孫超.基于支持向量機(jī)的大豆產(chǎn)量預(yù)測研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2011,41(18).

[3] 李?yuàn)檴?物流服務(wù)供應(yīng)鏈訂單分配優(yōu)化及其遺傳算法[J].運(yùn)籌與管理,2014,23(5).

[4] 姜偉,王宏力,何星等.基于適應(yīng)度反饋?zhàn)饔玫腜SO算法改進(jìn)[J].計(jì)算機(jī)工程,2012,38(22).