本站小編為你精心準備了連鎖零售業的時間序列預測參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《工業工程與管理雜志》2014年第三期

1問題描述與預測模型

1.1問題描述漢良食品連鎖公司主要銷售的產品有8大類：炒貨，糖果，堅果，果干，蜜餞，魚、肉，素食，糕點類，產品種類達300多種，供應商有200多家。由于品類眾多，如何科學有效地預測市場需求，對公司以后的發展以及提高整個供應鏈績效有著重大意義。公司門店訂貨周期分為三類：1天，2天，3天，周期的劃分主要根據門店銷售情況，門店銷售額越高的訂貨周期越短。門店在終端的訂貨模塊向配送中心下單，訂貨模塊根據歷史銷售情況給出建議訂貨量，由店長經過調整后確認訂單，配送中心根據訂單對門店配送商品。商品中心則根據系統設置的參數，定期向供應商下訂單，訂單通過雙方確認，供應商在承諾時間內將商品送達配送中心。決定采購訂單中訂貨量的一個關鍵因素是日均銷量，日均銷量的計算如公式（1）。其中參數y表示日均銷量，yd表示7天的平均配送數量，ys表示7天平均銷售量，yo表示門店7天平均訂貨量，考慮這三個因素的原因是出于門店訂貨受包裝限制所致，有最小訂貨規格，并不能訂購零散重量。另外綜合考慮到貨天數D、采購周期T、安全庫存天數S和當前可配天數L并對每個量賦予不同的權重，即可由系統按照公式自動計算出采購數量，具體采購公式可參見公式（2），產品日均銷量、總倉訂貨公式和門店訂貨公式分別可用式（1）、式（2）和式（3）來表示。公司現有的訂單生成模式由于缺乏科學理論的基礎和檢驗，大部分的參數和模型是依據經驗所設定的。因此也給企業帶來了一系列問題，例如長達30天的庫存周轉，商品缺貨，部分產品存儲時間太長而糟報廢處理，這些問題同時也損害了供應鏈上供應商的利益。公司是面向終端銷售最直接的渠道，掌握了最多的顧客需求信息，其需求預測的準確性將對整個供應鏈采購、生產、配送產生巨大影響，改進現有需求預測的準確性對降低供應鏈上的庫存、提高鏈上的響應速度、增加鏈上所有成員收益有重要作用。

1.2預測模型構建綜合考慮銷售情況以及可操作性，在預測中淘汰部分時間序列預測方法，主要保留了移動加權平均法，指數平滑法，綜合預測法，模型構建如下。Ft＋1表示t＋1時刻的預測值，αt表示t時刻實際值的權重，At表示t時刻實際值，Ft表示t時刻的綜合預測結果，wj表示第j種預測方法的權重，Fjt表示第j種預測方法得到的t時刻的預測結果，m表示預測方法的數量。在計算綜合預測方法的權重時，我們首先計算出每種方法在t時刻絕對預測誤差的平均值除以所有方法絕對誤差平均值之和的倒數，然后根據每種方法的倒數采用歸一法，算出每種方法對應權重值。經過實際測算，采用上述預測方法可以提高預測的準確性。下面將結合公司現有訂貨公式從總倉預測、門店預測兩個方面詳細介紹預測模型和預測結果。

2結合訂貨公式分析的預測結果對比

2.1基于訂貨公式的預測時段分析在進行預測前，首先要明確預測的時段。由于總倉與門店訂貨類似，以總倉訂貨為例來確定預測時段。總倉向供應商所訂的商品是為了滿足從此批到貨時點到下一批到貨時點的需求，所以找出準確的需求時界，才能保證預測的有效性。下面借助時間軸來分析需求時界，圖1是以訂貨周期為7天，到貨周期10天的某商品為例，向下的箭頭表示訂貨，向上的箭頭表示到貨。由公式（19）可以看出預測的重點，是從訂貨點后T＋D天內的銷量，因此預測時段是訂貨同期加到貨周期時長的總和。對于門店訂貨，同理可借助時間軸分析，預測時段是兩次到貨時點間的銷量，到貨時點與訂貨時點相隔1天。

2.2數據處理公司向供應商采購產品的訂貨周期和到貨周期的組合只有三種，分別是（7，10）、（10，15）、（10，12），本文將在三種周期組合下各選取兩種產品，總共六種產品的2012年日銷售數據為研究對象，六種產品的選取依據是銷售時段幾乎覆蓋全年并且分別選自公司目前主要銷售的六大品類之一，這種選取方式不僅考慮了時間因素，同時覆蓋幾乎所有品類，使預測更具代表性。不同類型門店的訂貨周期有三種，故選取不同類型門店相同種類產品的日銷售數據為研究對象。圖2是六種產品2012年日銷售總量的折線圖。六組產品的日銷售總量圖，其中開心果和牛肉的（T，D）為（10，15），小西瓜子和芒果干的（T，D）為（7，10），海帶絲和日式梅餅（T，D）為（10，12），圖中可以看出有時銷量會激增，這一般是由促銷或節假日所引發的，整個預測是建立在正常銷售情況下的，所以結合促銷時段和節假日情況，在進行預測前需要將這些數據剔除。在整個預測過程，對所有產品以8月19號為分界點，8月19號以前的銷售數據作為歷史數據，8月19號以后的數據則作為預測數據，來檢驗預測誤差。門店數據處理與總倉數據處理類似，同樣要剔除對應促銷節假日的數據，但由于門店的訂貨周期只有1，2，3天三種類型，并且到貨周期只有一天，所以針對2，3天訂貨的門店，可以將數據按周期進行合并處理，即將訂貨間隔期內的銷量求和，作為整體來預測下一個周期的總銷量。

2.3總倉預測分析在初步預測過程中，總共采取了七種預測方法：一階指數平滑，自適應指數平滑，時間序列分解，14天移動平均，7天移動平均，7天移動加權平均，14天移動加權平均，經過大量測算后，最終保留了自適應指數平滑，7天移動加權平均，7天平均的預測方法。其中自適應指數平滑的預測方法將時間序列重新拆分成7個序列，此思想是根據每個星期里的同一天具有更相似的銷售趨勢，然后在每個序列里重新編號進行預測，如流程圖3。綜合預測方法是將第二平滑指數β＝0．999和β＝0．9以及7天移動加權平均法進行組合，由于第二平滑指數β取值越大，平滑系數αt的變化也就越明顯，比較適合非平穩時間序列，而移動加權平均法則會將愈是近期數據對預測值影響愈大這一特點考慮進去，通過將上述三組方法進行加權組合能夠更全面挖掘數據中包含的信息，從而提高預測準確性。據3．2中介紹的方法求出每種方法的權重分別為0．4，0．4，0．2，7天移動加權平均法考慮到越靠近預測點的銷售量越重要的因素，因此給前7天的權重依次為1，2，3，4，5，6，7，總倉預測結果對比如表1。從表1結果可以看出，目前公司這種出于滿足最小訂貨規格而考慮訂貨量和配貨量的預測方法平均誤差為10．857％，與其它兩種方法相比，其預測準確性劣勢很明顯。綜合預測方法比7天平均預測法稍有優勢，但是計算量會明顯變大，而且綜合預測方法在對日式梅餅的預測效果并沒有7天平均預測法好，由此可見7天平均的預測方法對長時間的預測有比較好的效果，并且其操作和實施都很簡單，因此針對總倉的預測，我們采用7天平均預測法。

2.4門店預測分析以A，B，C分別代表1，2，3天三種不同訂貨類型的門店，首先確定需求時界，結合每個門店下單時間與到貨時間，預測時段對應到貨后的1，2，3天的銷量，而到貨周期為1天的，則下單時點與預測時點間隔為1天。由于預測周期較短，指數平滑法的預測結果并沒有什么優勢，全部選用移動加權平均算法，公司最初選用的是7天平均，通過大量測算，不同類型的門店應該采用不同的平均天數，才能優化預測效果。3此模型去掉了Σnj＝1αj＝1的約束條件，優化效果更好，在預測1天訂貨的銷量時，取m＝21。利用matlab有約束的非線性規劃問題的函數fmincon求解，結果如表2。對于2天訂貨的門店，假設當前為第n天，已知1到n－1天的歷史銷售數據，需要預測第n＋1天和n＋2天的銷售總量。將歷史數據轉換為2天銷量和序列，用m組的簡單移動平均預測，取m＝14，結果如表3。對于3天訂貨的門店，假設當前為第n天，已知1到n－1天的歷史銷售數據，需要預測第n＋1天和n＋2天以及n＋3天的銷售總量。將歷史數據轉換為3天銷量和序列，用m組的簡單移動平均預測，取m＝5，結果如表4．在門店銷量預測中，7天平均的預測方法預測1天的銷量時誤差較大，而采用動態權重優化移動平均法一定程度可以改善大部分產品的預測。對于較多天數的預測（2天，3天），采用改進的分組簡單移動平均方法可以改進7天平均方法預測銷量精度，如果使用動態權重方法難以改進每個產品，需針對不同產品選用不同參數，結合實際情況，不便于實施。從上面三種訂貨周期的門店銷量預測可以看出，7天平均預測在不同天數預測中的效果有很大區別，周期越長，預測效果越好，所以在選擇預測方法時應該結合實際情況科學地選擇和運用預測方法。在分析快速消費品銷售規律過程中，可以發現這類商品的銷售與人本身活動規律有關，周末兩天的銷量一般會明顯高于平時銷量，所以選取7天為一個周期來預測較長時段的銷量具有很好的效果，7天移動平均可以均衡日常需求的波動。在商品中心向供應商訂貨的預測過程中可以看出7天移動平均的優勢，雖然綜合預測方法準確性更高，但是其實施的復雜程度也相應增大。在針對這種大量長時段銷量的預測時，應權衡精度提高帶來的收益與預測方法實施的成本。從門店銷量預測情況來看，單店銷售總量相對整個公司而言是非常小的，其基礎量較小，預測時段短，同時單店日銷量受影響的因素很多，包括地點、時間、消費人群、天氣等，因此需求的不確定性更強，反映出的預測百分比誤差也會更大。由此看來，并不是每一種預測方法都可以適用于所有情況，必須結合實際情況通過科學的測算找到最適合每種情境的預測方法。

3結語

本文通過借助時間軸的方法找出需求時界來確定預測時段，并采用了動態優化加權移動平均、自適應指數平滑等方法來提高預測精度，同時對漢良食品現有的考慮了訂貨量與配貨量的預測方法進行了檢驗，結果發現這種出于滿足最小訂貨規格而設計的預測方法有較大誤差。漢良食品現有的預測模式，是目前國內連鎖零售業需求預測管理的一個縮影，反映出企業在實際運營中大多數情況下的預測僅僅是靠經驗或者簡單的輔助工具，缺乏科學依據和分析，因此給企業帶來了一些負面影響。連鎖零售業應該重視其前端的需求預測，選擇科學的預測方法，正確引導上游企業的生產與運作，最終實現共贏。

作者：張鈉殷哲呂飛馬士華單位：華中科技大學管理學院