淺議報廢汽車回收量預測方法

摘 要： 本文以報廢汽車回收量為研究對象，將現有的一些預測方法加以分析。由于汽車產品的特殊性，最后建議馬爾可夫預測方法為較佳選擇，旨在為企業實施逆向物流或者報廢汽車回收量預測方面提供一定的參考意見。

關鍵詞： 報廢汽車 逆向物流 預測方法

汽車逆向物流的實施過程中，最為重要的問題即為報廢汽車回收量的預測，主要原因為：①回收量收到很多未知因素影響；②用來進行預測的數據不穩定，通常收到收集渠道和來源的影響；③不同的預測方法對于數據的要求不同，所以選擇一個合適的方法是較為困難的。

一、預測方法簡述

預測方法主要分為定性的預測方法和定量的方法，其中定量的方法是建立在精確的數學模型基礎上的，但是當預測的對象是基于復雜的需求時，利用傳統的定量預測方法就無法獲得滿意的效果。定性的預測方法主要有德爾菲法，團隊共識法、用戶調查法、個人意見法及歷史推論法等方法，它們的共同特點在于主觀性強，預測者或預測專家會由于成長環境、教育背景、知識結構以及價值觀等因素的不同而各異，不具有標準性。

相對于循環供應鏈逆向過程中的回收量問題而言，比正向過程中的預測不穩定性更大，逆向過程回收物回收范圍大，回收量隨機性也大，所以要準確預測是更加困難的，對需求量的大小和時間有了很好的預測，再進行企業循環供應鏈的構建就容易多了，對于實施企業戰略來說，目標也明確多了。

時間序列預測法的預測依據是事物未來發展趨勢主要依賴于其歷史發展趨勢，是一種穩態的發展預測，比較適合預測那些波動性不大，趨勢穩定而明顯的情況，如一個地區長期以來地經濟發展水平趨勢。而在汽車產品回流量預測問題上，隨機因素比較多，產品更新換代也比較快，并不呈現出嚴格意義上的穩態趨勢，所以用時間序列預測法來預測汽車產品回流量準確度不會太高。

因果分析預測法主要是依據預測量與被預測量之間地因果關系聯系來預測的，而逆向過程中汽車產品的回收影響因素很多，而且不同的影響因素很難確定其對回收結果的影響程度大小，采用因果分析預測法對汽車產品回流量進行預測的主要困難是很難找準找全因果關系并建立聯系函數。

考慮到汽車產品回收過程中的多不確定性，產品更新換代快等特點，廢舊品的回收量用馬爾可夫預測法來預測，可以很好的消除其他預測模型的趨勢性特點，只與上一周期的銷售量有關，也能消除預測結果的單一依賴性，馬爾可夫分析最終結果只得出各種狀態的概率，比較符合實際應用的需要。

二、馬爾可夫預測過程

馬爾可夫（Markov）預測法，就是一種預測事件發生的概率的方法。它是基于馬爾可夫鏈，根據事件的目前狀況預測其將來各個時刻（或時期）變動狀況的一種預測方法。事物的發展狀態總是隨著時間的推移而不斷變化的。在一般情況下，人們要了解事物未來的發展狀態，不但要看到事物現在的狀態，還要看到事物過去的狀態。馬爾可夫認為，還存在另外一種情況，人們要了解事物未來的發展狀態，只須知道事物現在的狀態，而與事物以前的狀態毫無關系。

馬爾可夫過程的重要特征是無后效性。事物第n次出現的狀態，只與其第n-1次的狀態有關，它與以前的狀態無關即\"無后效性\"，是指過去對未來無后效，而不是指現在對未來無后效。馬爾可夫鏈是與馬爾可夫過程緊密相關的一個概念。馬爾可夫鏈指出事物系統的狀態由過去轉變到現在，再由現在轉變到將來，一環接一環像一根鏈條，而作為馬爾可夫鏈的動態系統將來是什么狀態，取什么值，只與現在的狀態、取值有關，而與它以前的狀態、取值無關。因此，運用馬爾可夫鏈只需要知道最近或現在的動態資料便可預測將來。馬爾可夫預測法就是應用馬爾可夫鏈來預測市場未來變化狀態。

馬爾可夫鏈的標準定義為：對任意的整數，n維離散隨機序列，在m+l時刻的狀態只與最近時刻m的狀態有關，而與之前m-1個時刻的狀態無關，這樣的隨機序列稱為馬爾可夫鏈，簡稱馬氏鏈。馬爾可夫過程作為一種重要的隨機過程，尤其是高階的馬爾可夫過程可以逼近任何可測過程。

三、基于馬爾可夫的汽車產品回收量預測模型

1.汽車產品回收量預測的假設條件。通過對產品在市場中所處狀態的分析，將產品在整個生命周期中的狀態分為以下六種：新產品（D1）、繼續使用產品（D2）、需返回客服中心進行維修產品（D3）、需返回加工工廠進行再加工產品（D4）、無故障退貨或產品需更新（D5）和報廢品（D6）。鑒于馬爾可夫鏈中對于目標狀態無后效性的假設，本文假設市場中產品的所處的狀態只與上一周期的產品狀態有關，而與以前各個監測點上的狀態無關，進而通過對市場上產品狀態的檢測和各狀態之間的轉移概率的確定，來實現對下一監測時間點上所需回收的各種不同狀態的產品的數量進行預測。下面利用基于馬爾可夫法對汽車產品進行回收預測，先給出了一系列的模型假設：（1）每過時間t廠商對己經進入市場的該產品進行定期監測，確定產品所處的狀態；（2）再制造不影響產品的使用周期，即產品還能使用多長時間和加工以前使用了多長時間無關；（3）處于某一狀態的產品下一期轉換到各種狀態的概率一定且通過歷史檢驗己知；（4）市場中產品的所處的狀態只與上一周期的產品狀態有關，而與以前各個監測點上的狀態無關（即滿足馬爾可夫鏈的無后效性）；（5）每一監測周期始點處，廠商將投放一批新出廠的產品，且考慮到市場競爭因素，每隔一個周期廠商會進行一次促銷，產品投入量會以某一比率增加。

2.馬爾可夫狀態轉移矩陣的構建。在上一節的假設前提下，建立馬爾可夫狀態轉移矩陣，并根據需要對該矩陣模型進行求解。

圖中Di表示產品所處的狀態，箭頭上的數字代指處于該狀態的產品可能在下一周期中轉移到其他各狀態的概率。

四、結語

馬爾可夫預測模型的關鍵在于確定各狀態之間的轉移概率，一般從企業長期收集的產品回收數據中總結提煉出各產品狀態間的轉移概率，轉移概率與產品的工藝和質量密切相關，這種概率在長期內應該是穩定的，所以采用馬爾可夫預測法預測如汽車產品這類技術成熟度比較高的產品回收是相當有效的。