论文部分内容阅读
摘 要：随着供应链理论研究的兴起，供应链环境下的企业库存管理优化受到了广泛关注，而供应链管理的核心问题即是与供应商的有效信息共享。本文基于支持向量机模型和库存信息预测采购订货数量，以电能计量装置的库存管理和采购为实例，通过合理的采购数量提升库存管理效率，从源头来降低整体库存，实现企业利益的最大化。
关键词：供应链 库存管理优化 支持向量机模型
一、引言
随着供应链的不断发展，基于供应链环境下对库存优化成为了一个新的课题。供应链管理的目的是为了使全部参与者形成互惠互利的共生依赖关系，并针对如何管理、分配、传递信息进行统一规划。相较于传统库存的单级管理方式，供应链环境下的库存管理更加突显整体性，以实现整体链条上的库存最小为基本目标，合作进行信息共享，执行协调性的库存策略，通过优化各个环节，促进产品的流通，消除库存冗余，确保企业库存具备应对市场变化的能力，且使得多个参与者均能够从联合的信息共享和库存管理策略中实现获利。目前，处于上下游的企业之间缺乏信息沟通，处于各环节的参与者在信息不对称的情况下为了保证供应速度，逐步放大物资库存需求，最终导致因库存冗余、成本过高削弱企业整体竞争实力的结果。目前，我国大部分企业在供应、生产和销售等环节没有形成链条，库存控制是单级静态的，上下游企业资源利用效率较低，上下游企业之间的协调性较差，信息交换不及时。在激烈的市场竞争环境下，企业需要改变传统的库存管理思想，通过上下游相关企业整合物资供应及管理，争取与供应商、销售商和终端用户之间建立紧密的配合关系。
二、库存优化模型设计
以电能计量装置为例，国家电网公司通过实施“省级集中”管理模式，针对电能计量装置进行全寿命周期业务管理。电能计量装置的供应链流程是属地公司按照以往经验编制需求计划，上报后统一以协议库存的方式进行采购，到货后统一安排检定，进入省公司一级库，后期按照属地公司的需求，统一配送至属地公司入二级库，随后计量装置进入运行维护阶段。此种简单的供应链流程单一、跨度大、周期长，属地公司为正常开展业务势必储存大量存货，增大需求的上报，出现需求变异放大现象，导致整个计量装置供应链上的供应商无法了解真实的库存信息，导致供应商生产的冗余、供电公司库存储备的冗余，从采购的不准确开始影响库存管理的优化。此外，按照经验编制采购需求，则需要多次采购满足不同区段的电能计量装置需求，但是此种采购方式导致到货无规律，库存管理环节中的到货检验、入库和盘点等工作均受到这种无规律的影响，导致库存管理效率较低。因为采购订货计划不科学，在需求冗余的情况下，由于供应链上供应商信息不确定，造成供应周期不能满足属地公司实际需求，进而导致属地公司安全库存以及库存周转控制不到位，严重影响库存管理秩序，并导致电能计量装置的库存管理成本居高不下。为了从源头解决过度采购等问题，制定新的库存管理工作流程，根据历史数据结构，设计线下预测模型，支持操作员进行补货确定和制定采购计划。预测模型需要利用系统积累的数据，但是只要在系统外进行计算即可，操作员只需要读取预测结果，以辅助器在线上制定补货策略，并与供应商共享补货信息，实现供应链库存管理。具体工作流程如下图所示。
三、采购订货预测实现
以上工作流程中，重点是基于支持向量机预测模型对采购订货数量进行预测。因此，首先描述数据的特性，确定训练集的样本容量，并保证训练集的数据质量，接着引入径向基核函数泛化支持向量机对输入变量的接受能力，检验模型预测效果，并最终进行实证分析。
1.确定训练集。本文选择国网公司2003年1月至2014年12月的月度库存管理数据作为历史数据，按照电能计量设备的物料小类分别进行预测，输出变量为采购订货数量，输入变量为当月的领用出库数量、库存数量、设备应用项目类型、项目预算金额以及设备用途。为了确定良好的训练集，要识别变量特征，依次观察各月度库存数量、出库数量与采购订货数量之间的相关关系，发现两者之间存在非线性相关关系，出库数量和库存数量作为输入指标可以反映输出变量的样本特性，在建模时需要采用非线性核函数进行模型泛化，增加不敏感损失函数区间。将2003年1月至2014年12月的月度采购订货数据进行直方图描述，发现存在订货数量分布概率过低和过高的观测值，视为异常值，剔除后构建训练集。
2.模型求解。以2003年1月至2014年12月的数据作为训练集，以2014年6月至2015年6月的数据作为测试集，引入径向基核函数计算发现当训练集和测试集的标准均方差较为稳定，不容易受不敏感损失参数的影响，然而支持向量的数据却随着的不敏感损失参数增加而减少，同时延长了模型计算时间，考虑到后期编程的便捷性和错误易查性，采用网格搜索法对核函数中的进行寻优。在对核函数中的进行寻优之前，预测模型的误差较大，大部分在9%左右，进行参数寻优之后，相对误差在3%至6%，模型精度有所提高。经测试，加入网格搜索法的参数寻优计算能显著提升模型计算精度，因此以径向基核函数为线性规划问题，输入近3-5年的月度数据和物资品类小工具线下运行训练集识别、异常值剔除、模型构建及参数寻优工作，并给出当前采购订货数量建议值，辅助操作员执行采购订货工作或制定计划。
四、结语
基于供应链环境下的库存管理优化重点在于各级企业之间的信息交叉及其信息的可靠性。通过预测的结果可以及时调节原材料的库存量或者企业产品的存货量，提供企业连续生产所需的完备的原料、节约流动资金，以便保障较高的运营效率。经过以上研究，以历史库存数据为样本，建立未来采购计划预测模型，对于库存管理优化是可行策略。对于未来采购计划有一个精确地估计可以和供应商有一个很好的信息交互，实现对库存前后端的管理，从全流程的角度降低整体库存，提高调配工作效率。
参考文献：
[1] 王熙， 宋福根. 市場需求预测和销售优化决策支持系统的研究和开发[J]. 中国纺织大学学报. 2000， 26（4）： 44-48.
[2] 王学斌， 马士华. 库存需求灾变灰预测模型[J]， 工业工程与管理， 2002（5）：23-28.
[3] 柳键， 马士华. 供应链库存协调与优化模型研究[J]. 管理科学学报（社会科学版）， 2004， 7（4）： 1-8.
关键词：供应链 库存管理优化 支持向量机模型
一、引言
随着供应链的不断发展，基于供应链环境下对库存优化成为了一个新的课题。供应链管理的目的是为了使全部参与者形成互惠互利的共生依赖关系，并针对如何管理、分配、传递信息进行统一规划。相较于传统库存的单级管理方式，供应链环境下的库存管理更加突显整体性，以实现整体链条上的库存最小为基本目标，合作进行信息共享，执行协调性的库存策略，通过优化各个环节，促进产品的流通，消除库存冗余，确保企业库存具备应对市场变化的能力，且使得多个参与者均能够从联合的信息共享和库存管理策略中实现获利。目前，处于上下游的企业之间缺乏信息沟通，处于各环节的参与者在信息不对称的情况下为了保证供应速度，逐步放大物资库存需求，最终导致因库存冗余、成本过高削弱企业整体竞争实力的结果。目前，我国大部分企业在供应、生产和销售等环节没有形成链条，库存控制是单级静态的，上下游企业资源利用效率较低，上下游企业之间的协调性较差，信息交换不及时。在激烈的市场竞争环境下，企业需要改变传统的库存管理思想，通过上下游相关企业整合物资供应及管理，争取与供应商、销售商和终端用户之间建立紧密的配合关系。
二、库存优化模型设计
以电能计量装置为例，国家电网公司通过实施“省级集中”管理模式，针对电能计量装置进行全寿命周期业务管理。电能计量装置的供应链流程是属地公司按照以往经验编制需求计划，上报后统一以协议库存的方式进行采购，到货后统一安排检定，进入省公司一级库，后期按照属地公司的需求，统一配送至属地公司入二级库，随后计量装置进入运行维护阶段。此种简单的供应链流程单一、跨度大、周期长，属地公司为正常开展业务势必储存大量存货，增大需求的上报，出现需求变异放大现象，导致整个计量装置供应链上的供应商无法了解真实的库存信息，导致供应商生产的冗余、供电公司库存储备的冗余，从采购的不准确开始影响库存管理的优化。此外，按照经验编制采购需求，则需要多次采购满足不同区段的电能计量装置需求，但是此种采购方式导致到货无规律，库存管理环节中的到货检验、入库和盘点等工作均受到这种无规律的影响，导致库存管理效率较低。因为采购订货计划不科学，在需求冗余的情况下，由于供应链上供应商信息不确定，造成供应周期不能满足属地公司实际需求，进而导致属地公司安全库存以及库存周转控制不到位，严重影响库存管理秩序，并导致电能计量装置的库存管理成本居高不下。为了从源头解决过度采购等问题，制定新的库存管理工作流程，根据历史数据结构，设计线下预测模型，支持操作员进行补货确定和制定采购计划。预测模型需要利用系统积累的数据，但是只要在系统外进行计算即可，操作员只需要读取预测结果，以辅助器在线上制定补货策略，并与供应商共享补货信息，实现供应链库存管理。具体工作流程如下图所示。
三、采购订货预测实现
以上工作流程中，重点是基于支持向量机预测模型对采购订货数量进行预测。因此，首先描述数据的特性，确定训练集的样本容量，并保证训练集的数据质量，接着引入径向基核函数泛化支持向量机对输入变量的接受能力，检验模型预测效果，并最终进行实证分析。
1.确定训练集。本文选择国网公司2003年1月至2014年12月的月度库存管理数据作为历史数据，按照电能计量设备的物料小类分别进行预测，输出变量为采购订货数量，输入变量为当月的领用出库数量、库存数量、设备应用项目类型、项目预算金额以及设备用途。为了确定良好的训练集，要识别变量特征，依次观察各月度库存数量、出库数量与采购订货数量之间的相关关系，发现两者之间存在非线性相关关系，出库数量和库存数量作为输入指标可以反映输出变量的样本特性，在建模时需要采用非线性核函数进行模型泛化，增加不敏感损失函数区间。将2003年1月至2014年12月的月度采购订货数据进行直方图描述，发现存在订货数量分布概率过低和过高的观测值，视为异常值，剔除后构建训练集。
2.模型求解。以2003年1月至2014年12月的数据作为训练集，以2014年6月至2015年6月的数据作为测试集，引入径向基核函数计算发现当训练集和测试集的标准均方差较为稳定，不容易受不敏感损失参数的影响，然而支持向量的数据却随着的不敏感损失参数增加而减少，同时延长了模型计算时间，考虑到后期编程的便捷性和错误易查性，采用网格搜索法对核函数中的进行寻优。在对核函数中的进行寻优之前，预测模型的误差较大，大部分在9%左右，进行参数寻优之后，相对误差在3%至6%，模型精度有所提高。经测试，加入网格搜索法的参数寻优计算能显著提升模型计算精度，因此以径向基核函数为线性规划问题，输入近3-5年的月度数据和物资品类小工具线下运行训练集识别、异常值剔除、模型构建及参数寻优工作，并给出当前采购订货数量建议值，辅助操作员执行采购订货工作或制定计划。
四、结语
基于供应链环境下的库存管理优化重点在于各级企业之间的信息交叉及其信息的可靠性。通过预测的结果可以及时调节原材料的库存量或者企业产品的存货量，提供企业连续生产所需的完备的原料、节约流动资金，以便保障较高的运营效率。经过以上研究，以历史库存数据为样本，建立未来采购计划预测模型，对于库存管理优化是可行策略。对于未来采购计划有一个精确地估计可以和供应商有一个很好的信息交互，实现对库存前后端的管理，从全流程的角度降低整体库存，提高调配工作效率。
参考文献：
[1] 王熙， 宋福根. 市場需求预测和销售优化决策支持系统的研究和开发[J]. 中国纺织大学学报. 2000， 26（4）： 44-48.
[2] 王学斌， 马士华. 库存需求灾变灰预测模型[J]， 工业工程与管理， 2002（5）：23-28.
[3] 柳键， 马士华. 供应链库存协调与优化模型研究[J]. 管理科学学报（社会科学版）， 2004， 7（4）： 1-8.