基于灰色预测理论的库存预测模型研究

［摘要］通过工业工程常用的QFD方法，识别导致库存积压的根本原因，根据历史数据的特点采用更为有效的灰色预测理论建立短期预测模型即灰色预测模型，通过该模型预测可以有效的减少预测值与实际值之间的差异，从而适量采购，降低库存以提高库存管理的运营效率。

［关键词］ 库存预测 灰色预测理论 QFD

一、 引言

现代大型制造企业大都配有以售后服务为主营业务的部门，专门为企业的大型客户提供商业性电子的备件供应和退回维修，以保证整个产品的服务链不断。客户需求到达售后服务部门之后，该部门通过进行需求分析选择采购新料进行更换材料或者直接退回维修，而这两种处理方式都会直接导致材料的物料或者退回的产品在仓库的堆积，进而造成库存积压，随着企业业务的不断拓展，库存量集聚增大，大幅度增加了制造企业该业务的运营成本。

通过工业工程常用的QFD方法，识别导致库存积压的根本原因，并采用更为有效的科学方法避免库存积压，降低运营成本，对于现代大型制造企业是具有实际意义的。

二、 问题描述

1 QFD分析

采用工业工程最常用的QFD方法，从人员、系统、物料、环境等各方面寻找可能影响库存积压、运转周期长、呆滞品多、作业效率低的各项原因。在人员影响因素下面又细分为采购不及时、操作失误影响，在系统影响下面细分为收集数据有误、预估算法不准确，而物料则有MOQ问题、EOL物料、Leadtime长等细分项目，环境影响则主要是指市场产品周期短，更新快等因素。

通过建立QFD分析，并通过专家打分后确定造成该项业务中库存积压最根本原因在于系统影响中的预估算法不准确，那么寻找更为合理有效的预估算法就成为解决该问题最有效的方法。

2. 问题分析

根据QFD的分析结果并结合该业务部门的实际业务运作过程可知，该业务处目前是依据客户提供的Forecast合物料预估算法进行备料而实际出货则是根据实际的订单量出货两者的差异就造成了库存的积压。根据历史数据分析可知二者的差异高达43%。由此可知解决该问题的实质就是改进预估算法，使得估计值与实际值的差异尽可能缩小。

三、 研究方法

1.方法选择

本研究的目标即依据历史数据，采用一种新算法，预测下期需求数量，降低客户Forecast与实际出货量之间差异适量采购，降低库存。由于该业务处的数据量少上下波动较大，没有明显规律，根据上述特点，基于数据特性，选择灰色预测模型理论，灰色预测理论适合于数据量少、波动较大的短期预测模型，由于出货量受多种因素影响，故可以看做一个灰色系统，可运用灰色系统模型对其进行预测。

2.模型建立

GM(1,1) 模型建立：

（1）设时间序列个观察值，,通过累加生成新序列，则GM(1,1)模型相应的微分方程为,其中a为发展灰数，为内生控制灰数。

（2）设为待估计参数向量，可利用最小二乘法求解，解得,求解微分方程，即可得预测模型：,

其中，

3. 模型检验，通过残差检验，关联度检验和后验差检验。

四、 结果及结论

采用灰色预测模型进行预测得到的预测结果如下图：

根据上图及计算结果可知，根据实际订单的平均误差为36.5%，而灰色预测模型的误差仅为15.1%，平均误差减少了21.4%，灰色预测模型对于降低库存的呆滞风险，及改善库存环境有显著的推动作用，改善效果非常明显。此外，该方法可以推广应用到大型制造企业的其它存在库存积压问题的部门去，可以有效的降低库存积压水平，提高库存运营管理的效率。