超市门店需求预测方法与库存管理模型

讨了VMI模式下如何确定连镀起市门店的订货点的问题。利用专家判定法改进了基于历史数据的零售商需求预测模型。并在此需求预测模型基础上提出一种具有时间和数量柔性的自动补货策略模型。最后通过实例分析表明,研究结果有助于帮助企业在快速响应市场需求的同时,降低企业的成本。提高企业的竞争力。此模型将在某连锁百货的订货系统中得到应用。

物流科技２００８年第３期ＬｏｇｉｓｔｉｃｓＳｃｉ－ＴｅｃｈＮｏ．３，２００８ 物流管理

一种新的起市门店需求预测方瓣存管理模型ＡＫｉｎｄｏｆＮｅｗＣｈａｉｎＳｔｏｒｅｓＤｅｍａｎｄＦｏｒｅｃａｓｔｉｎｇＭｏｄｅｌａｎｄＳｔｏｃｋＭａｎａｇｅｍｅｎｔＭｏｄｅｌ

王皤（重庆大学，重庆４０００４４）

ＷＡＮＧＦａｎ（ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ０００４４ｐＣｈｉｎａ）

摘要：探讨了ＶＭＩ模式下如何确定连镀起市门店的订货点的问题。利用专家判定法改进了基于历史数据的零售商需求预测模型。并在此需求预测模型基础上提出一种具有时间和数量柔性的自动补货策略模型。最后通过实例分析表明，研究结果有助于帮助企业在快速响应市场需求的同时，降低企业的成本。提高企业的竞争力。此模型将在某连锁百货的订货系统中得到应用。

关键词：ＶＭＩ；订货点；专家判别法；自动补货

中图分类号：Ｐ７２４文献标识码：Ａ文章编号：１００２—３１００（２００８）０３－－００４８－－０３

Ａｂｓｔｒａｃｔ：ｎｅｏｐｔｉｍａｌｏｒｄｅｒｐｏｉｎｔｉｓｎｏｔｏｎｌｙ．ｄｅｔｅｒｍｉｎｅｄｂｙｈｉｓｔｏｒｉｃａｌｄａｔａｏｆｌｅａｄｔｉｍｅａｎｄｄｅｍａｎｄｖｅｌｏｃｉｔｙ．ｃｏⅡ币蒯ｗｉｔｈｔｒａｄｉｔｉｏｎａｌＩＩｌｅｓｎｇ，ｏｒｄｅｒｐｏｉｎｔｂａｓｅｄ０１１ｒｅａｌ－ｔｉｍｅｄｅｍａｎｄａｎｄｏｔｈｅｒｆａｃｔｏｒｓｕｃｈ豳ｐｒｏｍｏｔｉｏｎｉｓｍｏｒｅｒｅａｓｏｎａｂｌｅａｎｄｓｃｉｅｎｔｉｆｉｃ．Ｄｅｃｉｓｉｏｎ－ＳｕｐｐｏｒｔＥｘｐｅｒｔＭｅｔｈｏｄｉｓａｇｏｏｄｗａｙｔｏｌｎａｋｅｄｅｍａｎｄｆｏｒｅｃａｓｔｉｎｇｂａｓｅｄ蚰ｄｉｆｆｅｒｅｎｔｆａｃｔｏｍ．Ａｔｌａｓｔ，８ｎｅｘａｍｐｌｅｉ８ｓｉｒ－ｅＩＩ－

Ｋｅｙｗｏｒｄｓ：ＶＭｋｏｒｄｅｒｐｏｉ咄Ｄｅｃｉｓｉｏｎ－ＳｕｐｐｏｒｔＥｘｐｅｒｔＭｅｔｈｏｄ；Ａｕｔｏｍａｔｉｃ—ｒｅｐｌｅｎｉｓｈｍｅｎｔ

Ｏ引育

ＶｅｎｄｏｒＭａｎａｇｅｍｅｎｔＩｎｖｅｎｔｏｒｙ（ＶＭＩ）是指由供应商来管理零售商库存的供应链协调机制【”。供应链上供应商的生产计划、库存控制等活动都是根据其下游伙伴的需求信息来制定的．并根据需求的不断变化调整自己的生产计划。在传统的订货模式下，库存管理的任务由零售商完成，由于信息“不透明”，在需求信息传递到供应商时，需求的方差就会被放大．这种逐级放大被称为“牛鞭效应一。在ＶＭＩ模式下．供应商和零售商之间充分合作，供应商通过对零售商实时销售数据的分析和零售商营销策略的调整做出零售商的库存管理决策。国内外一些企业成功实施ＶＭＩ的经验表明，ＶＭＩ能有效的缩短订货提前期，降低零售商库水平，从整体上改善供应链绩效四。ＶＭＩ的核心是由供应商来管理零售商的库存。因此传统的零售商订货模型已经无法适用。如何科学地设置订货点和补货量，成为目前ＶＭＩ研究中的热点。文献【３、４】提出了利用系统仿真得到最优订货点的方法。但是这种基于仿真得出的订货点同样也是基于历史数据得出。没有考虑到现代连锁超市的销售会受到多方面因素的影响，有一定的局限性。本文将结合文献【５】提出的补货模型，对其做出改进。利用专家判定法综合考虑多种因素得到需求最优的估计值，然后根据需求预计来设定门店的安全库存与订货点。

１门店需求预测方法和订货模型．

１．１模型提出的背景

这里我们假设存在一个由供应商和零售商共同组成的两级分销体系．由于需求时间、需求量、订货时间与订货量都可能是随机的，故无法精确求解。ＶＭＩ的核心思想是，供应商监视销售商库存状态，当库存水平降低到订货点以下耐。供应商及时组织补货，保持货源充足。在保证一定的客户服务率的前提下如何确定订货点和订货量的问题就摆在我们面前。但是在确定订货点与订货量之间，需要解决的是如何利用科学的建模理论和分析方法建收稿日期：２００７－－０９—２１

作者简介：王ｆｉｒ（１９８２一），男，陕西安康人，重庆大学自动化学院硕士研究生，研究方向：企业信息化和供应链管理。４８Ｌｏｇｉｓ“ｃｓＳｃｉ—Ｔｅｃｈ２００８．３．

万　方数据

讨了VMI模式下如何确定连镀起市门店的订货点的问题。利用专家判定法改进了基于历史数据的零售商需求预测模型。并在此需求预测模型基础上提出一种具有时间和数量柔性的自动补货策略模型。最后通过实例分析表明,研究结果有助于帮助企业在快速响应市场需求的同时,降低企业的成本。提高企业的竞争力。此模型将在某连锁百货的订货系统中得到应用。

一种新的超市门店需求预测方法与库存管理模型

立可靠的需求随机预测模型，并以此为基础确定门店的安全库存与订货点。在这种补货模式下，供应商和销售商一同对未来一段时间销售商需求的预测是最核心的内容。

１．２销售商需求预测模型和描述

下文提出的供应商综合考虑历史销售数据和综合其他影响销售的因素，做出需求预测我称之为“前驱性预测”。在这里，影响需求，的因子有以下几种类型：历史需求量的均值（曰）、在基本需求曰的基础上考虑季节因素的需求预测值（Ｓ）、销售趋势预测值（ｒ）、周期因素预测值（Ｃ）、促销因素预测值（Ｐ）、其他因素预测值（，）。如果还有其他因素的存在。我们可以对其他因素（，）进行扩展，以满足预测的需要。基本需求为历史销售数据的平均水平。例如，根据季节因素预期到下一段时间的销售商需求量为Ｓ（Ｉ），Ｔ（ｔ）是根据销售趋势做出的预测，Ｃ（ｔ）是根据周期因素做出的需求量预测，其他几个因素也是同理得到。值得注意的是，这些估计值需要供应商和销售商共同协商后确定。

于是，我们最终的需求的预测模型为：Ｆ（ｔ）＝口（Ｉ）ＰＩ钙（ｔ）Ｐ２＋ｒ（ｔ）只＋ｃ（１）只＋Ｐ（Ｉ）Ｂ＋，（ｔ）只。

ＰＩ以是影响需求估计，（ｔ）的各个因素相对应的权值。ＰＩ－Ｐ６可以通过供应商和销售商品类经理相互沟通后，构造专家判别矩阵来确定各元素之间相对重要性嗍。因为只是单级权重的判定，我们只需要构造一个Ｂ（Ｉ）叫（１）的６ｘ６的判断矩阵即可。具体的方法是采用１、３、５、７、９打分制构造判别矩阵，即将两个因素比较后相对重要性的数为％，两者同样重要为ｌ，前者比后者重要一些为３；明显重要为５；重要的多为７；绝对重要为９。２、４、

１

．％１

１

１．．．６、８的重要性分别介于它们之间，并满足％＝１／岛，构造出判断矩阵Ａ如下：

．。其中，曰（Ｉ），１．

１／毛．．．．１

Ｔ（ｔ），Ｃ（Ｉ）可以由相对应的权重可以由供应商根据历史数据自动填出，而Ｐ（ｔ），，（Ｉ）则由销售商根据销售策略的变化进行相应的调整。根据矩阵理论，得出矩阵的特征向量∞（Ａ一为判断矩阵的非零最大特征值）。可以通过方根的归一化求得权重向量似。…… 此处隐藏：11835字，全部文档内容请下载后查看。喜欢就下载吧 ……