陳雪松 許長旺

摘? 要：決定庫存高低的首要因素是預測準確度，只有在合適時間生產(chǎn)存放適量的貨物才能使得倉庫不儲存額外的貨物，也不會因預測失誤而備有錯誤的貨物，無法滿足客戶訂單。因此，提高預測精度可以削弱了牛鞭效應對供應鏈需求扭曲的影響，保持合理的庫存水平，降低企業(yè)經(jīng)營風險。該文針對潤滑油產(chǎn)品短期銷售預測精度不高的情況，通過采用季節(jié)因子分析法對某產(chǎn)品進行預測推導，結(jié)合銷售預測，優(yōu)化短期預測計劃的一致性，為其他具有類似特點的產(chǎn)品短期銷量預測提供參考。

關(guān)鍵詞：庫存? 短期? 預測? 季節(jié)因子

中圖分類號：TE626 ? ? ? ? ? 文獻標識碼：A 文章編號：1672-3791（2020）09（a）-0204-04

Abstract： The primary factor in determining the level of inventory is the accuracy of forecasting. Only by producing and storing the right amount of goods at the right time can the warehouse not store additional goods， nor will it have wrong goods due to forecast errors， and cannot meet customer orders. Therefore，Improving the prediction accuracy can weaken the bullwhip effect's influence on supply chain demand distortion， maintain a reasonable inventory level， and reduce the business risks. Aiming at the low precision of short-term sales forecast of lubricating oil products， this paper uses seasonal factor analysis to predict and deduce a certain product， combines with sales forecast， optimizes the consistency of short-term forecast plan， and provides reference for short-term sales forecast of other products with similar characteristics.

Key Words：? Inventory; Short term; Forecast; Seasonal factor

庫存可以預防需求與供應的波動。如果銷售需求增大而又不能及時增加生產(chǎn)量適應這個變化時，庫存可以提高用戶服務水平即持有一定量的庫存有利于調(diào)節(jié)供需之間的不平衡，保證企業(yè)按時交貨和快速交貨，能夠避免或減少由于庫存缺貨延遲帶來的損失，這些對于企業(yè)改善客戶服務質(zhì)量都具有重要作用。而決定庫存高低的首要因素是預測準確度，只有在合適的時間生產(chǎn)并存放適量的貨物才能使倉庫不儲存額外的貨物，也不會因預測失誤而備有錯誤的貨物，無法滿足客戶訂單。企業(yè)的需求預測按照覆蓋時間的長短可以分為長期預測和短期預測。長期預測一般為年度總計劃，涵蓋了產(chǎn)品的大類和大區(qū);短期預測為較為精確的近期計劃，專注于3個月內(nèi)的需求情況，一般精確到月，某些產(chǎn)品還會精確到周。長期預測的優(yōu)化只能解決年度總需求量的問題，中短期的預測精確度才是決定企業(yè)庫存高低的直接因素。該文主要討論短期預測計劃的一致性優(yōu)化。

1? 某企業(yè)產(chǎn)品需求預測現(xiàn)狀分析

潤滑油產(chǎn)品短期需求預測準確度不高是導致庫存居高不下原因之一，以某潤滑油企業(yè)為例，生產(chǎn)的產(chǎn)品規(guī)格多，促銷政策不確定且較多，市場需求波動劇烈，預測方法與實際情況不夠完善，銷售計劃準確率比較低（見表1）。表1是選取連續(xù)3個月的銷售預測和實際銷售情況進行分析，其中|w|為計劃準確率誤差絕對值。從表1中可知，2018年1月|w|≤20%的產(chǎn)品品種占比12.01%，產(chǎn)品噸數(shù)占比14.30%;2018年2月|w|≤20%的產(chǎn)品品種占比11.26%，產(chǎn)品噸數(shù)占比29.58%;，2018年3月|w|≤20%的產(chǎn)品品種占比7.57%，產(chǎn)品噸數(shù)占比11.64%。綜上分析，產(chǎn)品品種數(shù)量和產(chǎn)品銷售噸數(shù)計劃準確率都比較低，需要進一步地提升預測準確率。產(chǎn)品的品種數(shù)量和產(chǎn)品的銷售噸數(shù)計劃準確率都比較低，需要進一步提升預測準確率。

2? 潤滑油產(chǎn)品ABC分類

ABC庫存管理法是按照帕累托理論中主次因素的劃分原理，將存貨按價值的大小進行分類的結(jié)果，對不同類別的存貨釆用不同的管理策略，通過分類管理，達到主次管理有序，相關(guān)管理成本降低的目的。主要的劃分思路是：A 類存貨的數(shù)量占存貨總數(shù)量的 5-15%，但價值卻占到庫存總價值的70-80%;B 類存貨的數(shù)量占倉存貨總數(shù)量的15-25%，但價值占存貨總價值的15-25%;C類貨物的數(shù)量占存貨總數(shù)量的60-80%，但價值只占到庫存總價值的5-10%。參照ABC分類方法，對企業(yè)產(chǎn)品銷量進行ABC分類。如表2所示，某企業(yè)產(chǎn)品符合ABC分類原則，其中A類產(chǎn)品需求量相對穩(wěn)定，是主打產(chǎn)品，在進行預測的時候不需要過多關(guān)心報廢，這也造成了它的短期預測由于直接使用銷售預測而受到牛鞭效應的影響最嚴重。因此探索使用科學理論和公式化方法對短期預測進行推導，推導而來的結(jié)果與提供的銷售預測進行比對，如果有較大偏差，相關(guān)單位溝通協(xié)商，調(diào)整需求預測量，從源頭上減低需求預測對庫存的影響。為了方便研究，筆者從中選取了季節(jié)性特點的Z產(chǎn)品為代表，采取季節(jié)因子分析方法進行預測推導，力圖得到穩(wěn)定的需求模型，以消減牛鞭效應的影響，并推而廣之，為其他A類具有一定季節(jié)性產(chǎn)品提供借鑒。

3? Z產(chǎn)品短期需求預測優(yōu)化

已知Z產(chǎn)品2016年和2017年每月的產(chǎn)品銷售數(shù)據(jù)，利用季節(jié)因子和線性回歸分析方法，推導2018年月需求預測量，并與實際產(chǎn)品月銷售量進行對比，驗證預測方法準確性。

首先，計算月平均值。將2016年和2017年進行同期平均得到月平均銷量，將全部24個月銷量進行平均得到歷史平均值187.5，用月平均處以歷史平均得到季節(jié)因子，如表3所示。

其次，將2016年和2017年歷史數(shù)據(jù)去季節(jié)化。用月銷量分別處以當月季節(jié)因子，得出24個月的去季節(jié)化結(jié)果，具體見表4。

用結(jié)果進行線性排列，使用excel的線性圖表得到函數(shù)公式（見圖1），Y=-2.91x+223.90，其中Y是月銷量，x是從數(shù)據(jù)開始日期起的月數(shù)，如2016年1月期數(shù)是 1，2017年12月期數(shù)為24。

按照現(xiàn)行函數(shù)公式向后推算未來12個月，并還原季節(jié)因子影響。將x從25～36帶入公式得到2018年12個月的線性滾動月度預測。將所得結(jié)果分別乘以每月的季節(jié)因子，還原成帶季節(jié)特征的預測數(shù)值。使用平均絕對誤差率檢測預測準確度，預測質(zhì)量精確度來跟蹤衡量和校正未來需求預測。平均絕對誤差率等于100%減去預測精度。通過2018年1～12月銷售預測量、推導預測量、實際銷售量可以得出銷售預測平均絕對誤差率及推導預測平均絕對誤差率，具體見表5。

經(jīng)過上述結(jié)果對比可以看出，2018年產(chǎn)品推導預測平均絕對誤差率比2018年產(chǎn)品銷售預測平均絕對誤差率要小很多，并表明2018年產(chǎn)品推導預測準確率較高。同理可以推測得到2019—2020年的需求預測，需要注意的是由于季節(jié)因子需要用新的數(shù)據(jù)帶入不斷更新，由此產(chǎn)生的需求預測如果過長，難免會產(chǎn)生越來越大的偏差，只能應用于近短期預測推導，并且需要使用預測準確度跟蹤工具，結(jié)合實際需求情況，分析校正季節(jié)因子和需求預測，進一步提高提高短期需求預測的準確性。通過對多個產(chǎn)品的計算結(jié)果進一步證明了此方法的適用性，能夠提高具有季節(jié)性特點的產(chǎn)品需求預測準確度。

4? 結(jié)語

基于對歷史大數(shù)據(jù)分析，通過對A類產(chǎn)品的短期需求預測入手，利用A類產(chǎn)品需求穩(wěn)定、數(shù)量大、具有季節(jié)性等特點，分析其線性化關(guān)系，通過季節(jié)法找到需求趨勢，再與銷售實際情況相結(jié)合，能夠做出比較準確的短期需求預測計劃，有助于減少牛鞭效應的影響，優(yōu)化整體庫存。同時，結(jié)合企業(yè)庫存?zhèn)湄浄桨福軌驗樵撍驹牧喜少?、生產(chǎn)排產(chǎn)安排、庫存?zhèn)湄浀忍峁┛煽康匦枨笮畔?，合理分配企業(yè)資源，進一步消除浪費，保證產(chǎn)品的及時交付。

參考文獻

[1] 張佳榕.西北潤滑油銷售公司庫存管理改善策略研究[D].蘭州大學，2016.

[2] 朱石超.Z集團B銷售分公司成品油庫存控制研巧 [D].北京交通大學，2016.

[3] 肖良.基于季節(jié)性ARIMA模型的居民消費水平預測[J].統(tǒng)計與決策，2016（8）：83-86.

[4] 金淳，曹迪，王聰，等.汽車零部件第三方物流倉儲需求量集成預測模型[J].系統(tǒng)管理學報，2018，27（6）：1157-1165.

[5] 沈杰，楊忠月，喬吉良.基于季節(jié)性時間序列模型的林業(yè)產(chǎn)值預測分析[J].南京林業(yè)大學學報：自然科學版，2018，42（5）：185-190.

[6] 趙彥軍，陳玉.時間序列分析方法在物流需求預測中的應用[J].物流科技，2017，40（6）：12-14.