分散型供應(yīng)鏈需求預(yù)測動力方程模型及實(shí)證分析

1、1分散型供應(yīng)鏈需求預(yù)測動力方程模型及實(shí)證分析分散型供應(yīng)鏈需求預(yù)測動力方程模型及實(shí)證分析1引言供應(yīng)鏈中長鞭效應(yīng)現(xiàn)象的產(chǎn)生源于不準(zhǔn)確的需求信息，特別是分散控制型供應(yīng)鏈中的長鞭效應(yīng)現(xiàn)象更為常見。最近的一篇文獻(xiàn)Pl研究了不確定環(huán)境下分散控制供應(yīng)鏈一體化物流計(jì)劃優(yōu)化問題，該文指出節(jié)點(diǎn)企業(yè)產(chǎn)品的需求預(yù)測是一體化物流計(jì)劃工作的前提和基礎(chǔ)。如果預(yù)測工作比較薄弱對必要的信息捕捉不夠，預(yù)測數(shù)據(jù)和實(shí)際相差太大，即使一體化物流計(jì)劃過程本身再嚴(yán)密，也還是難以避免

2、長鞭效應(yīng)現(xiàn)象，因此使用什么樣的預(yù)測方法、技術(shù)，對分散型供應(yīng)鏈一體化物流計(jì)劃的效果有很大的影響。文獻(xiàn)回顧了國內(nèi)外學(xué)者近年來有關(guān)供應(yīng)鏈需求預(yù)測的研究工作，把需求預(yù)測方法分為線性預(yù)測和非線性預(yù)測，重點(diǎn)討論了非線性需求預(yù)測在供應(yīng)鏈中的應(yīng)用，通過實(shí)證研究證明支持向量機(jī)預(yù)測法有比較高的預(yù)測精度。受有關(guān)行業(yè)演化增長過程相關(guān)觀點(diǎn)141和物理中動力學(xué)思想的啟發(fā)，本文建立一種動力方程來反映分散供應(yīng)鏈節(jié)點(diǎn)企業(yè)產(chǎn)品需求的變化規(guī)律。2需求預(yù)測動力方程2.1基本假

3、設(shè)和說明一般而言，在一定的時期內(nèi)分散型供應(yīng)鏈任何一個節(jié)點(diǎn)企業(yè)生產(chǎn)的產(chǎn)品，其潛在的市場容量是有限的，這個潛在的市場容量有一定的規(guī)律可循，為了探明這個規(guī)律，本文有如下假設(shè)和說明：①計(jì)劃期內(nèi)，供應(yīng)鏈節(jié)點(diǎn)企業(yè)的產(chǎn)品市場需求并非無限增長而是存在一個最大容量K。②需求的增長(增長可以有負(fù)增長)是由于實(shí)際需求與最大容量K之間存在一定的差額，正是這個差額的存在使得需求有著繼續(xù)增長的動力，它屬于需求本身產(chǎn)生的一種增長動力。③需求在t時刻的變化速度，與最大

4、容量K和t時刻需求的差乘以綜合影響因子X(t)成比例。這里用X(t)表示比例系數(shù)它是時間t的函數(shù)，該參數(shù)主要受企業(yè)內(nèi)部成本、規(guī)模、產(chǎn)品質(zhì)量等綜合要素影響，本文定義該參數(shù)為動力方程綜合影響因子，一般取其為大于o的某一常數(shù)入。2.2建立動力方程2.3方程中參數(shù)的確定方法要實(shí)現(xiàn)動力方程的預(yù)測功能，首先要確定方程中三個參數(shù)K、X和B。一般情況下可采用倒數(shù)總和法曲線近似法解這些參數(shù)值。Gompertz曲線^是一種增長曲線。3.2動力方程模型參數(shù)計(jì)

5、算(1)計(jì)算參數(shù)1^。在估算K值之前，首先需要確定歷史數(shù)據(jù)是否具有Gompertz生長曲線特征或修正指數(shù)曲線特征。如果歷史數(shù)據(jù)對數(shù)一階差的比率大致相等(式13)，則歷史數(shù)據(jù)具有Gompertz生長曲線特征，如果歷史數(shù)據(jù)的一階差比率大致相等(式14)，則歷史數(shù)據(jù)具有修正指數(shù)曲線特征。3.3計(jì)算預(yù)測趨勢值這說明模型的預(yù)測效果較好另外對于小樣本歷史數(shù)據(jù)，預(yù)測模型對數(shù)據(jù)敏感性較差，離預(yù)測期越遠(yuǎn)，這種差異越明顯，因此利用式(12)進(jìn)行預(yù)測，為了獲

6、得更為理想的預(yù)測值建議使用大樣本歷史數(shù)據(jù)。4結(jié)語為提高分散供應(yīng)鏈一體化物流計(jì)劃的有效性，減少長鞭效應(yīng)現(xiàn)象基于微分方程理論，本文建立了一種適合于歷史數(shù)據(jù)資料具有曲線增長特征的供應(yīng)鏈需求預(yù)測動力方程模型，并進(jìn)行了實(shí)證分析研究結(jié)果表明:所建模型能夠比較準(zhǔn)確的反映節(jié)點(diǎn)企業(yè)產(chǎn)品需求的變化趨勢，2并且越靠近預(yù)測期，預(yù)測值和實(shí)際值將越接近；另外動力方程的積分形式可以看作是對經(jīng)典的Logistic模型的改進(jìn)。需要指出:①對于小樣本歷史數(shù)據(jù)，預(yù)測模型對數(shù)

7、據(jù)敏感性較差’離預(yù)測期越遠(yuǎn)，這種差異越明顯，因此利用動力方程模型進(jìn)行供應(yīng)鏈需求預(yù)測，為了獲得更為理想的預(yù)測值，建議使用大樣本歷史數(shù)據(jù)；②K值的計(jì)算對模型的預(yù)測結(jié)果有較大的影響，用Gompertz曲線中的K值近似計(jì)算動力方程中的K值會造成一定的誤差，所以模型中K值較為精確的計(jì)算方法是一個值得深入探討的問題③預(yù)測模型中的參數(shù)X(t)除本文所提及的含義外可以有其它經(jīng)濟(jì)含義、系統(tǒng)控制方面的含義等，所以有關(guān)參數(shù)X(t)的深刻內(nèi)涵也是一個值得深人探