基于災變灰預測的異常銷售量研究

[摘要] 銷售量異常波動是企業供應鏈管理中遇到的難題，本文簡要介紹了災變灰預測理論，并將此理論用于零售終端企業的銷量預測，通過零售商的合理銷售預測來減輕異常波動對企業的影響。文中給出了實際案例進行了相關的研究和分析，證明災變灰預測是應對銷售異常問題的新思路。

[關鍵詞] 牛鞭效應 預測模型 灰色理論 GM（1，1）

倉儲系統是企業物流系統中不可缺少的子系統。物流系統的整體目標是以最低成本提供令客戶滿意的服務，而倉儲系統在其中發揮著重要作用。由于倉儲在時間上協調原材料、產成品的供需，起著緩沖和平衡調節的作用，企業可以為客戶在需要的時間和地點提供適當的產品，從而提高產品的時間效用。因此倉儲活動能夠促進企業提高客戶服務的水平，增強企業的競爭力，但是過高的倉儲量會加大企業的倉儲成本，而過小的倉儲量則會增加企業的失銷成本。因此，如何確定企業的合理庫存量是降低企業經營成本的重要思路。而正確和精確的銷售量預測則是庫存決策的前提。

目前的銷售量預測方法很多，但是銷售量受到市場內外各種不確定性、隨機性和模糊性因素的影響，很難做出精確的判斷。根據預測的目的、范圍和其他特性，可將銷售量預測方法分為不同的類別。按性質和方法可分為定性預測和定量預測兩大類。

定性預測方法通過組織各方面專家和企業經營管理人員，運用專業方面的經驗和知識，通過對過去和現在發生的相關信息進行綜合分析，從中找出規律，對未來做出判斷，該預測方法在缺乏足夠的統計數據和原始資料的情況下，憑借專家的經驗和判斷能力來預測未來，這種方法在很大程度上取決于預測者的經驗和主觀判斷能力。該法簡單易行，是應用歷史較久的一種方法。但該方法存在主觀片面性、準確度不高等缺點。目前主要作為銷售量預測的一種輔助決策方法。該類方法可以細分為個人判斷法、德爾菲法、主觀概率法等。

定量預測方法是用定量分析來研究銷售量的發展趨勢，它以歷史統計資料和有關信息為依據，運用各種數學方法建立模型來預測未來商品市場需求情況，即未來的銷量。常用的定量預測方法主要有時間序列分析法、回歸分析法、利用神經網絡預測法等。定量預測方法都是根據預測對象的變化規律，或是根據客觀經濟現象中復雜因果關系的分析，從而建立精確的數學模型，這就需要大量的歷史數據作為依托。遺憾的是，商品銷售市場存在著大量的不確定因素，客觀現象之間的相互關聯很難精確把握，他們之間的聯系往往是“灰色”聯系。

實際上十分準確的銷售量預測是無法實現的，或者可以實現但是預測成本高昂而沒必要去這樣做，我們要做的是預測到那些極端異常的銷售量變化情況，從而及時做出預防策略，減輕由此帶來的倉儲成本劇增或失銷成本劇增。

一、災變灰預測

1.災變灰預測的原理

灰色系統理論出現后，就開始被廣泛的運用在農業、環保、電力等許多領域，灰色系統理論主要能在系統模型不明確或資訊不完整性的情況下，進行關于系統的關聯分析，進而構建模型，并據此預測和決策。灰色災變預測是灰預測的內容之一，其實質上是一種異常值預測，是將時間序列經由一閥值而得其災變日期序列，再針對該序列進行研究，以尋找其異常值的規律性。閥值一般根據實際情況由人為規定。因此灰色災變預測的任務是給定數個異常值出現的時刻序列，由GM(1，1)模式來加以實現。所謂異常值是指過大或過小的值。如果把商品的銷量的異常放大看做一種供應鏈上的“災變”，我們就可以應用災變灰預測理論來預測銷售量的異常增加，從而減少失銷成本，增加企業效益。

2.災變灰預測的計算步驟

步驟一 給出原始序列、指定閥值。

步驟二 構造異常序列。

按照閥值從中選出滿足閥值的數據:對于上異常；對于下異常，然后用構造異常序列

步驟三 時分布序列。

通過時分布映射，獲得時分布序列

步驟四對時分布序列作GM（1，1）建模。

步驟五 預報

以上的計算可以用相關軟件實現。

3.應用案例分析

某商業企業經銷一種產品，該產品的銷售量資料如表格1所示，為了預測未來可能出現的銷量極端增加情況，可以用災變灰預測理論來預測。

表格1 某商場某類商品月份銷售量（單位：件）

要求：預測將來出現銷售量大于350箱的第一個月份。

步驟一 寫出原始序列和閥值。

由預測要求可知，上閥值，異常值

步驟二 構造異常序列

將中所有大于或等于350的數據計入中，得到異常序列

步驟三 得到時分布序列

由:

可得到

步驟四 對時分布序列作GM（1，1）建模

GM（1，1）建模序列=（4，7，9，11，14，20）

使用劉斌等應用VB6.0開發的灰色main軟件，將=(4，7，9，11，14，20)數據輸入，得到災變日期的GM(1，1)白化響應式為:

由，可得到下式：

下面進行模型殘差檢驗。殘差序列如下：

相對誤差序列：

平均相對誤差：

平均相對精度1－4.45%=95.55%，模擬精度，可見精度很高。

步驟五 根據第四步得到的公式，預測得：25，25－20=5

即從最后一次銷售量大于350箱的月份算起，第5個月發生銷售量大于350 箱的可能性非常大。從這個預測結果可以看出，在第5個月到來之前，要做好充分的預防準備，及時補貨，減少失銷成本的發生幾率，而在該月之前，沒必要儲存過多的貨物，可以按照正常的訂貨量訂貨即可，這樣就可以降低倉儲成本。

三、結論

本研究表明，災變灰預測理論應用于控制銷售量的異常波動有其獨到之處。首先，災變灰預測可以解決銷售預測中極端銷售量的預防問題；其次，本方法用較少的數據擬合模型，模型仍有較高的精度；最后，本方法不用顧忌統計方法中諸如數據之間的自相關和異方差等方面的限制。另外值得一提的是本模型和常見的銷量預測模型相比，它更具有客觀性，避免了諸如加權移動平均模型、指數平滑模型等需要主觀設置權重的問題。本方法的缺陷在于使用面較窄，一般適用于特定類型商品的銷售量預測。不過作為一種方法思路，仍具有積極的參考意義。總之，用災變灰預測模型來研究銷售量的異常波動是一個新的思路。

參考文獻：

[1]鄧聚龍:灰預測與灰決策[M].武漢:華中科技大學出版社，2003.133-142

[2]劉思峰等:灰色系統理論及其應用[M].北京:科學出版社，2004．346-357

[3]傅燁:供應鏈中的“牛鞭效應”——成因及對策分析[J].管理工程學報2002.16(1)

[4]王許斌:庫存需求災變灰預測模型[J].工業工程與管理，2002.5，11-13

[5]Deng J L. Grey Forecasting Control [A]. In: Deng J L. Grey System [M].Beijing: China Ocean Press. 1988， 139- 144