唐勇 胡剑炜
【摘 要】在通信行业中对工程建设中所需工程物资的需求进行预测的方法的研究。基于工程物资在历年工程建设使用过程中的历史数据，利用传统统计学中的预测算法，进行需求预测。并以此预测结果，对工程计划、账务资金、采购任务、物流作业进行指导和控制，从而为工程建设提供更好服务，并降低整体供应链成本。
【关键词】通信行业；工程建设；物资需求预测
中图分类号： J905 文献标识码： A 文章编号： 2095-2457（2017）20-0021-003
Research on the Prediction of the Demand for Construction Materials in Communications Industry
TANG Yong HU Jian-wei
（China Mobile Communications Group Hunan Co.， Ltd， ChangshaHunan， 410004，China）
【Abstract】Research on the prediction of the demand for construction materials in communications industry. This project is based on the historical data of construction materialsduring the construction process of the past years，Using the prediction algorithm in statistics to forecast demand. Using this result，Supervise and control the construction projects， accounting funds， purchasing tasks and logistics operations. So as to provide better service for construction and reduce the whole supply chain cost.
【Key words】Communications industry；Construction；The demand prediction
0 项目背景
中国移动作为通信行业的标杆企业，每年承担大量的工程建设项目，为中国移动通信的发展做出了巨大贡献。由于工程项目在建设过程中，受环境、市场影响比较大，因此工程项目建设并不能够完全按计划完成，所以出现对工程物资需求的波动性。为保证工程建设项目的进度和质量要求，移动公司长期以来，以“不缺货”做为物资供应的服务要求，因此造成工程物资库存居高不下为解决上述问题，本项目提出了依据工程物资在历年工程建设过程中，所使用的物资数据为基础，根据传统统计学中的预测算法，进行工程物资需求预测，利用预测的需求数据与计划数据进行比较，根据误差率大小来指导工程物资需求的计划数据，从而提高工程计划的准确性，从整体上降低需求波动性，减少库存水平，节约供应链整体成本。
1 研究对象与方法
1.1 研究对象
本项目用于预测的物资主要是工程建设物资，并且属于具有通用性，使用范围广，使用量较大，价值较高的物资。如天线、光缆、电缆、交接箱、空调、馈线、Pon等。利用工程建设项目中所使用工程物资的历史数据，结合工程建设的项目特征，利用移动平均线法、温特斯指数平滑法、一元线性回归法等统计学预测算法，计算预测年度、半年度、季度等工程物资需求，并以此调控工程物资需求计划，并指导工程建设进度安排、采购订货作业、仓储运输资源配置、流动资金调配等。
1.2 具体的方法和步骤如下：
步骤1：
从供应链系统中获取n年内（2015-2016年）工程物资领用记录。本方案从供应链系统中获取需要进行预测的工程物资的领用记录。领用记录的时间范围根据可为2-5年。一般情况，历史数据时间越长，可参考的数据越多，对预测准确性影响越大。因此，取数的时间由可获取的数据而定。
工程物资领用记录包括物料编号、物料名称、物料规格、物料单位、领用时间、项目编号、项目名称、站点编号、站点名称、领用数量、物料单价、领用机构等。
步骤2：
从本方案系统中获取预测算法相关参数；
预测算法的相关参数包括：
（1）歷史数据取值范围m：m按月计算，如12个月、24个月，用于计算平均趋势值。
（2）温特斯指数平滑法指数α：用于温特斯指数平滑法计算。
（3）预测目标参数：年度、半年度、季度、月度
（4）预测物料：物料编号、物料名称、物料规格、物料单位
步骤3：
本方案预设在系统的预测算法，预测算法包括：
（1）移动平均线法
移动平均线法的符号：
xt=t周期里的实际值，可以是需求量、销售量、利率等；
mat=在第t周期末计算出的移动平均值；
m=在平均计算中用到的周期数；
Ftj=在t周期末为t+j周期计算出的预测值；
公式构成方式：
一个m个周期的移动平均数是根据m个最近期的时间段的平均值计算出来的。这意味着在t周期末计算出来的移动平均值是t周期的平均需求量，对t1周期也是这样的，一直到t-m+1周期都是这样的。这个数字是用来预测t+1周期的，并且预测将来的需求量需要多少周期就有多少。
移动平均线法的公式：endprint
在没有趋势和季节影响的前提下，用移动平均线来预测可能随时间变化的总需求。如果当前的移动平均线对于市场的随机因素反应过于敏感，则应该增大m。相应的，如果当前的移动平均线不能很好地反应市场需求的变化，那么应该减小m的值。
（2）温特斯指数平滑法
温特斯指数平滑法的符号：
Xt=t周期里的实际值，可以是需求量、销售量、利率等；
st=第t期的平均需求指数平滑预测值，在第t期末计算得出；
α=st的平滑指数，α∈[0，1]；
bt=第t趋势因素的平滑预测值，在第t期末计算得出；bt的值是除去季节性影响之后，对每一期数量的增加或减少的总数的估计值；
β=bt的平滑指数，β∈[0，1]；
Mt=第t期季节因子的平滑预测值，在第t期末计算得出；对于某一个季节，其季节因子为“该季节的平均需求/所有季节的平均需求”；比如1月的季节因子是1.20，那么1月的平均需求应比平均每月需求高出20%；
γ=Mt的平滑指數，γ∈[0，1]；
L=在一个周期中的季节数；
Ftj=第t期末计算的第t+j期的预测值。
（3）基础指数平滑法：
基础指数平滑法是除掉趋势和季节因素的温特斯指数平滑法，它应用在没有趋势和季节因素影响的预测中。St的值代表在第t期末计算出的代表平均需求的平滑预测，就像Mat在滑动平均分析法中代表平均需求的预测值一样。平均需求的预测值St在每一期的期末更新。
基础指数平滑法的公式：
从这些公式中可以看出，要得到新一期的指数平滑预测值st，需要的是上一期的指数平滑预测值st-1以及最新一期的实际需求值xt。一旦得到了st，它就成为之后每一期的预测值，至少要到下一期过去，预测值才可能得到更新。
（4）有趋势因素影响的指数平滑法：
带有趋势因素的指数平滑法是不考虑季节因素的温特斯指数平滑法。它以第t期对于平均值的估计st以及对每一期趋势变化的估计bt为基础。在现在的第t期末，计算出平均值的平滑估计st以及变化率或趋势的平滑估计bt。从这两个估计值中就可能计算出将来任何一期的预测值。
有趋势因素影响的指数平滑法的公式：
（5）有季节因素影响的指数平滑法：
带有季节因素的指数平滑法，即没有趋势因素的温特斯指数平滑法。它基于平均需求估计和一个周期中各季节的指数估计。在每一期的结束，我们更新平均值的估计st和符合刚刚结束的这个季节的季节指数的估计。通过这些估计，我们可以预测将来任何一个时期的需求。
有季节因素影响的指数平滑法的公式：
在注释中，L代表的是在一个周期中的期间数。J对L取余数即为j除以L后的余数。下列公式可以包括任何时期的需求。
带有趋势和季节因子影响的指数平滑法：
带有趋势和季节因子的指数平滑法，即所谓的温特斯指数平滑法。它集合了之前介绍的方法。
带有趋势和季节因素影响的指数平滑法的公式：
温特斯指数平滑法可以被应用到多个季节循环中（比如，以周、月、年为周期的循环中）。它也可被用在各种类型的趋势预测中。
（6）一元线性回归分析法
该办法是一种比较精确的需求预测方法。它是根据若干期的需求资料，利用最小二乘法的原理，分析需求在一定条件下增减变动的趋势和基本规律，确定需求预测方程式，据以进行需求预测的方法。
首先确定自变量x和因变量y之间是否线性相关及相关程度，判断的方法主要有“散布图法”和“相关系数法”。所谓散布图法，就是将有关的数据绘制成散布图，然后依据散布图的分布状况判断x和y之间是否存在线性关系；所为相关系数法，就是计算线性相关系数r判断x和y之间的关系，根据相关系数的计算结果进行相关关系判断时，判断标准如下表所示：
在确认因变量与自变量之间存在线性关系之后，便可建立回归直线方程：y=a+bx，它的常数项a与系数b的值可按下列公式计算：
步骤4：
利用本方案系统中预设的预测算法，根据设置的相关参数，利用n年内工程物资领用记录，计算下一周期的预测数；
根据预测目标参数，利用预设的预测算法，计算预测值。例如：
目标参数选择年度，则利用n年历史数据，计算指定年分的年度需求预测数据，如利用2012-2016年历史数据，计算2017年年度需求数据。
目标参数选择半年度，则利用n年半年度历史数据，计算指定半年度的需求预测数据，如利用2014-2017年上半年每半年历史数据，计算2017年下半年需求数据。
目标参数选择季度，则利用n年每季度历史数据，计算指定年分某季度的需求预测数据，如利用2015-2017年三季度历史数据，计算2017年四季度需求数据。
目标参数选择月份，则利用m月份历史数据，计算指定月份的需求预测数据，如利用2015年10月份到2017年9月份，共24个月度历史数据，计算2017年10月份需求数据。
步骤5：
计算所得预测数据与工程物资需求计划中，同类物资的计划数据进行比较，计算误差率；
误差率=（（计划数-预测数）/计划数）×100%
由误差率来判断计划数是否合理，是否需要进行调整。
2 项目的应用目标
（1）不同周期需求预测数据与需求计划进行比较，通过对比，分析需求计划合理性
通过预测结果输出数据与需求计划数据进行对比，例如将年度需求预测数据与年度需求计划数据进行对比分析，可得出两者之间的差异度，可预先设定差异度范围，如差异度在范围内则表示需求计划是合理的，如不在范围内，则表示需求计划存在一定不合理性，当出现需求计划不合理时，则可将需求预测数据作为参考依据之一进行需求计划的调整。
（2）需求预测数据为通用产品补货计划提供依据
需求预测主要针对通用产品进行月度、季度、年度滚动需求预测，预测结果可作为通用产品补货依据，通过需求预测数据与通用产品现有库存进行对比分析，得出差异度，从而分析现有通用产品库存是否能满足未来需求，从而为通用产品补货计划提供数据支撑。
（3）需求预测数据用于指导财务付款（财务资金管理）、物流作业（仓储资源管理）
需求预测是对未来采购物料进行需求量的预测，财务部门可将需求预测数据作为依据，用于指导财务付款资金调配；同时仓储物流部门可根据需求预测数据进行到货量的预测，进行仓库资源预测，保证作业效率。
3 项目应用成果
本项目在中国移动湖南公司部分通用性产品中得以应用，经过近1年的滚动预测计算，修正了需求计划数据，使需求数与计划数误差减少到30%以下，大量减少在库库存水平，取得一定的经济效果。
【参考文献】
[1]唐纳德·活尔特斯著.《库存控制与管理》[M].北京：机械工业出版社，2005：138-161.
[2]杜文主编.《物流运输与配送管理》[M].北京：机械工业出版社，2006：290-298.endprint
