基于非负变权的汽车零配件需求组合预测模型研究.pdfVIP

… 一 … ， … ～ ～ ～ 一 … 一 一 一 一 … … ， 一 一 一 一 一 ～ ～ 建 jjlA e0M lⅢjT 融 基于非负变权的汽车零配件需求组合预测模型研究 宫 剑，刘 鑫，陆 春 (上海财经大学 上海 200433) 【摘 要 】：汽车零配件的市场需求预测是整个汽车供应链管理的重要组成部分，本文根据零配件 的不同特征选择了具有互补性的基于RBF神经网络的回归预测方法、ARIMA和SVR方法来建立非 负变权的汽车零配件需求组合预测模型，提高了预测的精度、稳定性和模型的适用范围。 【关键词】：汽车后市场；零配件；非负变权组合模型 一 、 前言 度与订货周期有很大区别Il5】，近年来国内外学者开始 在整个汽车产业链 中，汽车零配件行业具有非常 从不同的角度采用不同的方法来针对汽车后市场 的 重要的作用，2005到 2009年我 国汽车零配件总产值 零配件需求预测进行研究，以帮助企业制定合理的库 分别突破 4000亿元、5000亿元、7000亿元，9000亿 存管理策略和采购计划、提高企业 的管理水平 。 元、1．2万亿元，涨幅幅度分别超过了25％、40％、28％、 Viswanathan等在假定零配件服从尔朗分布的条件下， 33％。然而，整个汽车后市场行业供应和物流效率低 采用加权平均法、移动平均法和概率法对汽车后市场 下，导致国家和社会资源严重浪费，在面临产业扩张 的维修中心进行零配件需求预~]1181。由于零件需求与 和国外竞争对手迅速抢滩的情况下，如何降低成本、 汽车故障件规律存在着某种逻辑关系，廖伟智 (2010) 提高效率是国内企业急需解决的问题 。准确的需求预 [161通过对汽车故障规律的表达和描述来寻求配件需求 测对于提供整个供应链 的绩效具有重要作用，针对汽 预测方法，为此，他对零部件故障规律与汽车配件替 车后市场企业 的需求预测有利于汽车后市场服务企 换关系进行了研究，在求解配件动态故障分布函数的 业实现合理的库存管理、提高服务和管理水平 ，具有 基础上，提出了支持 “三包 ’艮务协同的基于动态故障 重要意义。但是由于汽车后市场涵盖的汽车零配件种 规律的配件需求预测模型，并验证了模型的有效性。 类繁多、数量庞大，不同零配件的特点各不相同，汽车 除了汽车零配件 自身的故障规律以外，汽车配件需求 零配件 的需求受到汽车保有量、季节、周期性、国家政 还受到诸多外部因素的影响，基于外部影响因素的需 策以及经济环境等诸多因素的影响，仅仅依靠个人经 求预测成为另外一个研究方 向。这方面的研究有两种 验对汽车零配件的需求量进行判断将导致汽车后市 情况，一是从不同层面选取零配件的影响因素，通过 场服务企业对市场需求变化的反应能力不足，最终损 多元回归方法计算各影响因素对零配件需求的关联 害企业的服务水平和客户满意度。在这种情况下，有 程度，选择最相关的影响因素直接建立多元回归模型 必要研究具备一定普遍适用性的针对汽车后市场零 对零配件需求进行预测_31，二是将外部影响因素融入 配件需求预测的方法，以提高汽车零配件 的预测精 到智能算法中，通过对外部影响因素的分析来改善智 度，这对于汽车后市场发展具有重要经济意义。 能算法的参数，比如通过对外部影响因素的分析确定 二、汽车零配件需求预测研究现状 贝叶斯改进 BP神经网络初始权重，建立带有影响因 目前汽车零配件领域最常见的研究主要针对单 素特征的RegressionBayesianBPNN模型对汽车零配 个汽车制造企业的零配件预测与管理，集中在基于配 件需求进行预测翻。除了外部影响因素以外，直接 以汽 件库存控制的配件销售订单统计预测嘲。在汽车零配 车零配件需求时间序列为研究对象，选择时问序列方 件市场中，除了汽车制造企业 以外，汽车后市场的服 法进行预测也是一个研究方向。比如陈云等针对汽车 务企业在这个市场中也具有重要地位，然而对这方面 后市场零配件建立 了基于趋势和季节因素的ARMA 的预测研究却很少 。零部件 的品种成千上万，销售速 预测模型3[1。以及基于时间序列分解方法的零配件需 资助项 目：上海市科学技术委员会科研计划项 目