基于模型体系的物资需求预测系统设计_第1页
基于模型体系的物资需求预测系统设计_第2页
基于模型体系的物资需求预测系统设计_第3页
基于模型体系的物资需求预测系统设计_第4页
基于模型体系的物资需求预测系统设计_第5页
已阅读5页,还剩10页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、基于模型体系的物资需求预测系统设计摘要:本文在收集、分析比较国内外关于需求预测技术及方法论基础上,提出一种建立基于模型体系的物资需求预测系统的方法。关键字:供应链物资需求预测引言本文在归纳总结关于供应链的物资需求预测模型及方法的国内外文献的基础上,从两个层面对物质需求系统的设计进行论述。第一个层面是对国内外物资需求模型研究进展进行分析和综述,主要总结与分析各类预测模型特征;第二个层面是物资需求预测系统建设内容的界定,主要考虑了数据采集、数据管理、模型体系建立三个方面。本文主要就供应链的物资需求系统进行了设计,主要工作如下:第一,物资需求预测的数据采集问题。首先,对物资需求进行调研,主要是针对需

2、求计划与历史数据,主要包括物资特征、价格、数量、供应商及生产计划等。然后,在建立标准的数据采集渠道下,针对供应链的物资需求建立基础数据库。第二,对所需物资数据的分类问题。首先,针对需求对根据物资相关性、类别等进行分类,文中采用数据相关性检验、聚类分析及判别分析模型,确定独立物质与相关物资两个集合类,并对物质进行季节性与周期性等分类。第三,模型体系建立与实现问题。针对分类物质分别建立对应的需求模型,将建立的需求模型集中管理,组成一个模型体系。用户可以通过模型体系,对物质的毛需求进行预测,包括预采购数量、提前采购时间等。并可以与库存数据相连接,计算净需求;模型体系还可以与外界环境交互,进行参数、数

3、据修正等。第四,基于模型体系的物资需求预测反馈问题。需求预测结果与实际进行对比,进行模型修正,以提高预测模型精度。将需求预测系统建设成为一个开放的适应系统,根据数据、参数及外界环境的变化,灵活的调整。国内外需求预测方法及模型研究现状需求预测有助于控制库存并对供应链中的信息流进行合并,所以,一般都认为需求预测构成了供应链中所有战略与规划决策的基础,它对于组建一个供应链系统模型是必不可少的。从预测对象的角度,还可以将需求预测的文献归为三类,第一类是已知需求的分布但分布的参数未知,可用贝叶斯或其他方法对需求分布的参数进行估计;第二类是对生成的随机时间序列需求进行预测,这样可以在生成的不平稳或显著季节

4、性等各种需求模式下对预测模型进行仿真分析;第三类是对实际的需求数据和需求背景进行分析,选用某种适当的预测方法进行预测。具体如表1、表2,分别就目前主要的需求预测技术及方法进行总结与分析:表1需求预测技术预测技术特点回归分析法回归预测是根据历史数据的变化规律,寻找自变量与因变量之间的回归方程式,确定模型参数,据此做出预测。主要特点是:(1)技术比较成熟,预测过程简单;(2)将预测对象的影响因素分解,考察各因素的变化情况,从而估计预测对象未来的数量状态。不足回归模型误差较大,外推特性差。当影响因素错综复杂或相关因素数据资料根无法得到时,即使增加计算量和复杂程度,也无法修正回归模型的误差。可能出现量

5、化结果与定性分析结果不符的现象,有时难以找到合适的回归方程类此方法有效的前提是过去的发展模式会延续到未来,因而这种方法对短期预测效果比较,而不适合做中长期预测。若影响预测对象变化各因素发生突变,时间序列法的型。时间序列分析法把预测对象的历史数据按一定的时间间隔进行排列,构成一个随时间变化的统计序列,建立相应的数据随时间变化的变化模型,并将该模型外推到未来进行预测。例如移动平均法、指数平滑法等。也可以根据己知的历史数据来拟合一条曲线,使得这条曲线能反映预测对象随时间变化的变化趋势,然后按照这个变化趋势曲线,对于要求的未来某一时刻,从曲线上估计出该时刻的预测值。预测结果将受到一定的影响。灰色系统理

6、论灰色系统理论将一切随机变量看作是在一定范围内变化的灰色变量,对灰色变量是利用数据处理方法数据生成与还原,将杂乱无章的原始数据整理成规律性较强的生成数据来加以研究,即灰色系统理论建立的不是原始数据模型,而是生成数据模型。灰色预测通过对原始数据的处理和灰色模型的建立,发现、掌握系统发展规律,其预测模型是一个指数函数,如果待测量是以某一指数规律发展的,则可望得到较高精度的预测结果。否则,预测结果偏低对系统的未来状态做出科学的定量预测。优化组合预测技优化组合预测有两类概念,一是指将几种预测方法所得术的预测结果,选取适当的权重进行加权平均的一种预测方法,其关键是确定各个单项预测方法的加权系数;二是指在

7、几种预测方法中进行比较,选择拟合度最佳或标准离差最小的预测模型作为最优模型进行预测。神经网络用人工神经网络的学习功能,用大量样本对神经元网络进行训练,调整其连接权值和闭值,然后可以利用已确定的模型进行预测。如误差反向传播算法(BP算法)通过网络误差的反向传播,调整和修改网络的连接权值和闭值,使误差达到最小,其学习过程包括前向计算和误差反向传播。它利用一个简单的三层人工神经网络模型,就能实现从输入到输出之间任何复杂的非线性映射关系。因为不同的预测方法在复杂性、数据要求以及准确程度上均不同,因此确定各个单项预测方法的加权系数及选择一个合适的预测方法是很困难的。(1)利用神经网络来研究预测问题,一个

8、很大的困难就在于如何确定网络的结构,具体地讲,就是如何确定隐层的节点数。当隐层节点数太少时,预测的精度无法得到保证隐层节点数太多,网络结构过于复杂,计算复杂性增加,实用性降低。(2)神经网络具有收敛速度慢和局部极小点等缺陷。支持向量机是基于统计学习的机器学习方法,通过寻求结构风险化核函数的选取在方法中是最小,实现经验风险和置信范围的最小,从而达到在统个较为困难的问题,至今没有计样本较少的情况下,亦能获得良好统计规律的目的。一定的理论方面的指导。分类具体研究内容常用建模方法纯需求预测问题(不考虑需求预测对供应链影响)己知需求的分贝叶斯估计布但分布的参数未知不平稳需求时概率论表2需求预测方法建模方

9、法特点当需求满足某一合适的概率分布,根据需求数据来预测概率分布的参数。数据满足一定的概率分布,如泊松分布等间序列预测带有促销或高神经网络和遗传用人工神经网络的学习功能,用大量样本对神经元网络季节性的需求算法预测行训练,调整其连接权值和闭值,然后可以利用已确定模型进行预测。如误差反向传播算法(BP算法)通过网误差的反向传播,调整和修改网络的连接权值和闭值,误差达到最小,其学习过程包括前向计算和误差反向传它利用一个简单的三层人工神经网络模型,就能实现从入到输出之间任何复杂的非线性映射关系。高精度需求预模糊神经网络测方法的开发供应链中的需求预测问题需求预测对库概率论存决策的影响不同预测方法“嵌入式”

10、建模将复杂系统的数学模型进行“细化”,分解成多个相互关对供应链绩效方法的影响可选择相应的子模型来拟合,然后把此模型嵌入到原复系统中的一种建模方法。“嵌入式建模方法”主要包括模建模方法、神经网络建模方法、统计建模方法以及这些基于需求预测随机规划与多目的供应链建模标规划法与软计算,如遗传算法、模拟退火等的组合方法。(1)随机规划是处理数据带有随机性的一类数学规划,与确定性数学规划最大的不同在于其系数中引进了随机量,这使得随机规划比起确定性数学规划更适合于实际题。其求解方法大致分两种:第一种是转化法,即将随机规划转化成各自的确定等价类,然后利用已有的确定性规划的求解方法解之;另一种是逼近方法,利用随

11、机模拟技术,通过一定遗传算法程序,得到随机规划问题的近似最优解和目标数的近似最优值。(2)多于一个的目标函数在给定区域上的最优化。求解方法:第一种,把多目标规划问题归为单目标的数学规划性规划或非线性规划)问题进行求解。第二种,将多目标规划的各个分目标按其在问题中重要程度排出先后次序,依次分层对各目标求得极小化最优解。需求信息及时传递所带来的价值概率论对需求预测进行持续更新从而使信息流更为准确所带来的价值数值法与“嵌入式”建模方法提高需求预测精度如集成化库存管理从而仿真建模方法与数学规划(1)仿真模型可以分为确定性仿真模型和蒙特卡洛仿真型。在确定性仿真模型中所用到的“状态变量”是人们注的焦点,状

12、态变量随着外部环境中各因素的变化而变及时、准确的需求信息的价值问题使需求信息更为准确所带来的价值随目标函数的不同而取不同的值,所以供应链“系统”状态变量的稳定程度是确定性仿真模型应该回答的问是蒙特卡洛仿真方法要求用概率统计方法分析供应链的不定性,比如利用历史数据确定概率密度函数,有时可能涉及多个变量的联合分布问题。此外,离散事件仿真方在供应链建模中应用的也较多,主要用于研究受事件驱系统状态是跳跃式变化、系统状态迁移发生在一串离散间点上的离散事件动态系统。需求及其预测信息共享所带来的价值动态规划长鞭效应的定量化研究仿真建模方法信息共享的价值问题基于模型体系的物资需求预测系统设计在分析与总结目前国

13、内外主要的需求预测技术及方法基础上,发现各种物资需求预测技术及方法是通过对数据直接建立模型的模式,这样会产生如下两个问题:(1)供应链是复杂的开放系统,物资种类多样,需求也具多样性。要通过一个或一类模型来预测模型,势必要建立复杂的预测模型。(2)复杂的预测模型会带来模型的实现与维护的困难,加大开发人员与用户的工作量;而且复杂模型的计算精度可能达不到预测要求。为此,本文提出在基础数据与建模间,加入数据分类。先对供应链的物资需求进行分类,将物资需求明细化;再针对不同集合类型的物资采用简单、容易实现的预测模型进行需求预测,并将各种模型以组件的形式集中管理,形成一个模型体系。基于以上思路,该供应链的物资需求预测系统的逻辑架构如图1所示。基于模型体系的物资需求预测系统图1物资需求预测系统如上图所示,该系统是三层结构,元数据库层(基础数据库)、物资分类层及模型体系层。其中:(1)元数据库层,主要是由需求计划、历史数据及库存数据等构成。数据采用统一标准进行命名、类型及字段定义等。系统支持excel和SQL、Oracle等数据库的存储,以及数据的导入和导出等。(2)数据分类层(物资分类层):主要运用相关系数、聚类分析、判别分析及定性分析等方法,对物资进行类别划分,主要分为独立物资(与其他物资没有联系)与交互物资(与其他物资具有关联性)两大集合。并对这两类集合进行细化,划分为固定性物

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论