一种新的不常用备件需求预测和库存优化方法
2022-07-06孔子庆刘白杨
华东理工大学学报(自然科学版) 2022年3期
孔子庆, 刘白杨, 刘 济
( 1. 华东理工大学信息科学与工程学院,上海 200237;2. 国家管网集团北方管道有限责任公司压缩机组维检修中心,河北廊坊 065000)
由于需求数据的随机性和非平稳性,不常用备件的需求预测是库存控制研究领域的一大难题。对于不常用备件的间断型需求数据,基于时间序列分析的指数平滑法[1]、Croston法[2]、神经网络[3]等点预测方法精度较低,因此,基于概率统计理论的预测方法受到研究者的青睐。传统的统计预测方法选择常见的概率分布函数来描述备件的需求规律,例如Negative exponential分布、Normal分布及Poisson分布等[4]。但是,需求分布函数的选择缺乏有效的理论依据,而且需求数据常常并不满足这些常见的概率分布。对此,许多研究者选择通过一种增广样本统计方法——Bootstrap算法来估计需求量的概率分布情况。如Willemain等[5]将Markov模型与Bootstrap法相结合,得到提前期内需求量的概率分布。Aris等[6]对文献[5]方法与指数平滑法进行了比较,肯定了文献[5]方法的优越性。但文献[5]仅考虑需求发生与不发生两状态之间的转移概率,基于此概率预测提前期需求发生次数,预测精度还有提升空间。
另一方面,一些学者将研究重点聚焦于库存优化上,通过设置订购点、安全库存等方法来提高需求预测的容错性和库存控制的鲁棒性。如Yonit 等[7]通过连续检查库存(Q,R) 模型,最大程度地降低库存总成本。Wang等[8]则通过构建(T,S)模型来应对备件的供应风险。这些库存优化模型都是建立在需求服从某一已知概率分布的假设上,缺乏合理性。……
登录APP查看全文
