基于灰色預測理論的庫存預測模型研究

［摘要］通過工業工程常用的QFD方法，識別導致庫存積壓的根本原因，根據歷史數據的特點采用更為有效的灰色預測理論建立短期預測模型即灰色預測模型，通過該模型預測可以有效的減少預測值與實際值之間的差異，從而適量采購，降低庫存以提高庫存管理的運營效率。

［關鍵詞］ 庫存預測 灰色預測理論 QFD

一、 引言

現代大型制造企業大都配有以售后服務為主營業務的部門，專門為企業的大型客戶提供商業性電子的備件供應和退回維修，以保證整個產品的服務鏈不斷。客戶需求到達售后服務部門之后，該部門通過進行需求分析選擇采購新料進行更換材料或者直接退回維修，而這兩種處理方式都會直接導致材料的物料或者退回的產品在倉庫的堆積，進而造成庫存積壓，隨著企業業務的不斷拓展，庫存量集聚增大，大幅度增加了制造企業該業務的運營成本。

通過工業工程常用的QFD方法，識別導致庫存積壓的根本原因，并采用更為有效的科學方法避免庫存積壓，降低運營成本，對于現代大型制造企業是具有實際意義的。

二、 問題描述

1 QFD分析

采用工業工程最常用的QFD方法，從人員、系統、物料、環境等各方面尋找可能影響庫存積壓、運轉周期長、呆滯品多、作業效率低的各項原因。在人員影響因素下面又細分為采購不及時、操作失誤影響，在系統影響下面細分為收集數據有誤、預估算法不準確，而物料則有MOQ問題、EOL物料、Leadtime長等細分項目，環境影響則主要是指市場產品周期短，更新快等因素。

通過建立QFD分析，并通過專家打分后確定造成該項業務中庫存積壓最根本原因在于系統影響中的預估算法不準確，那么尋找更為合理有效的預估算法就成為解決該問題最有效的方法。

2. 問題分析

根據QFD的分析結果并結合該業務部門的實際業務運作過程可知，該業務處目前是依據客戶提供的Forecast結合物料預估算法進行備料﹐而實際出貨則是根據實際的訂單量出貨﹐兩者的差異就造成了庫存的積壓。根據歷史數據分析可知二者的差異高達43%。由此可知解決該問題的實質就是改進預估算法，使得估計值與實際值的差異盡可能縮小。

三、 研究方法

1.方法選擇

本研究的目標即依據歷史數據，采用一種新算法，預測下期需求數量，降低客戶Forecast與實際出貨量之間差異﹐適量采購，降低庫存。由于該業務處的數據量少﹐上下波動較大，沒有明顯規律，根據上述特點，基于數據特性，選擇灰色預測模型理論，灰色預測理論適合于數據量少、波動較大的短期預測模型，由于出貨量受多種因素影響，故可以看做一個灰色系統，可運用灰色系統模型對其進行預測。

2.模型建立

GM(1，1) 模型建立：

（1）設時間序列個觀察值，，通過累加生成新序列，則GM(1，1)模型相應的微分方程為，其中a為發展灰數，為內生控制灰數。

（2）設為待估計參數向量，可利用最小二乘法求解，解得，求解微分方程，即可得預測模型：，

其中，

3. 模型檢驗，通過殘差檢驗，關聯度檢驗和后驗差檢驗。

四、 結果及結論

采用灰色預測模型進行預測得到的預測結果如下圖：

根據上圖及計算結果可知，根據實際訂單的平均誤差為36.5%，而灰色預測模型的誤差僅為15.1%，平均誤差減少了21.4%，灰色預測模型對于降低庫存的呆滯風險，及改善庫存環境有顯著的推動作用，改善效果非常明顯。此外，該方法可以推廣應用到大型制造企業的其它存在庫存積壓問題的部門去，可以有效的降低庫存積壓水平，提高庫存運營管理的效率。