基于销售预测的自动配送系统技术研究

摘要：根据用户信息来提取决策服务，是当前信息服务主流。本文根据历史销售数据对加油站的销售进行预测。然后根据预测销售量设置配送线。配送系统会根据算法计算出相应配送时间和配送量。系统的准确性决定于销售预测的数据模型和自动配送系统算法的精确度。

关键词：信息；销售；预测；配送系统

中图分类号：F253 文献标识码：A 文章编号：1007-9599 (2011) 21-0000-01

Auto Distribution System Technology Research on Sales Forecasts

Huang Jian1,Tian Xin2

(1. The North China Computer System Engineering Research Institute,Beijing 100083,China;2.Beijing Bridge Information Technology Co.,Ltd.,Beijing 100085,China)

Abstract:Decision making based on the user to extract information services,information services is the current mainstream.Based on historical sales data to predict the sale of gas stations.Then set the sales forecast distribution lines.Distribution system based on the algorithm to calculate the corresponding distribution of time and distribution volume.System depends on the accuracy of sales forecast data model and automated distribution system algorithm accuracy.

Keywords:Information;Sales;Forecasts;Distribution system

一、自动配送系统介绍

（一）系统构架环境

本系统采用的时两台Linux服务器和一台Windows Web服务器。Linux服务器1主要是接受Web服务器中相关数据的确定和Linux服务器2的用户信息传递过来的消费信息。Linux服务器2主要用于用户卡信息的查询（如是否是禁止的卡，消费信息历史等）。还有一台外部查询服务器是信用卡公司服务器。一台Web服务器用于系统的管理使用。如图一。

图一：配送系统环境架构

（二）自动配送系统的简介

自动配送系统分成三部分，参数设置、销售预测和自动配送系统主体。参数设置主要指标是：在库设定值，紧急配送线，标准配送线。当加油站库存量小于紧急配送线的时候进行紧急配送，配送量为在库设定值和当前库存量之差。当库存量小于标准配送线的时候进行标准配送，配送量为在在库设定值和当前库存量之差。销售量预测首先利用层次分析法（AHP），对影响销售量的原因进行刨析，找出主要影响因素和关联因素。然后，灰度级联方法，对这些进行筛选，确定出预测销量的关联指标。之后，用这些关联指标的销售量来预测销量。在收集的历史数据的基础上，利用多变量回归和模型拟合技术来生成模拟模型。自动配送系统根据不同的配送可能日（本次系统采用11种配送可能日），根据在库设定值和检测的配送线，计算配送的时间和配送量。然后进行传送和配送。

二、系统的核心技术研究

（一）销售预测模型

1.层次分析法（AHP）的特点。首先构建对比矩阵，运用9标度对同层（上一层也相同）各要素间进行两两比较。通过矩阵的最大特征值，求的一致性比率CR来判断一致性。如果一致则可以根据最大特征值来计算特征向量，然后对特征向量进行标准化转为权向量，权向量中的各分量反映了各要素对其相应的上层要素的影响权重[1]。

2.灰度关联方法的特点。通过层次分析法确定的主要因素和参考因素，来确定主要因素序列和参考因素序列。对序列进行无量纲化处理，计算灰色关联系数和关联度，根据关联度大小来排序进行选择关联因素。

3.线性回归和拟合。根据AHP获得相关因素作为和第一年的销售量作为因变量，以第二年的数据作为自变量对建立线性回归模型。利用SPSS软件，用最小二乘法进行计算。并通过t检验获得p值。本次通过多次试验进行比较，由于多因素是相互独立的，量是根据实际条件评定的，所以通过p值计算出偶然因素，会剔除一些因变量，所以本次计算的时候采用的相应的计算公式，通过平滑公式，降低p值[2]。

4.检测标准。采用自助法进行检测，将每个月的数据分成四个集合，每个星期为一个集合D1，D2，D3，D4，进行四次线性拟合，每次检测用一组数据。

（二）自动配送系统技术研究

1.配送预定日（N+I）各油品的库存量预测：预测库存量（N+I）=开始库存量+配送预定量-预测销售量

（1）开始库存量=前日截止时油品的库存量；（2）配送预定日前一天为止的配送预定量=配送预定量（N）+…+配送预定量（N+I-1）此配送预定量全部采用实际进货量；（3）配送预定日前一天为止的预测销售量=预测销售量（N）+…+预测销售量（N+I-1）；（4）销售量预测为前面模型中预测的销售量。

2.配送预定日（N+I）各油品的配送可能量：配送可能量=配送后设定值-预测库存量

3.配送预定日（N+I）未配送各油品的调整配送量：调整配送可能量＝Min（油罐车容量－配送可能量合计，配送后设定值－预测库存量）

三、小结

在销售预测模型中，主要分析的是影响销售的多个因素。多个因素的影响量定义是根据人为的量表调查统计得到的。这个可能对误差造成一定的影响。神经网络和贝叶斯方法也在数据预测中有着广泛的应用。我们将对这些方法与本次方法的准确性和统计意义进行比较。

参考文献：

[1]郑玉华等.石油销售企业配送网络优化研究[J].技术经济,2007,4,26(4):62-65

[2]赵改平等.销售预测分析系统的研究与应用[J].现代制造工程,2011,3:28-31

[作者简介]黄健，北京人，华北计算机系统工程研究所，硕士研究生；田辛，日桥信息技术有限公司，软件工程师。