非参数回归在物流配送中心库存量中的应用

作者:林森;邱荣祖;洪伟 刊名:物流技术 上传者:郭卫东

【摘要】以物流配送中心库存管理策略(R,S)中库存量预测的问题为研究对象,提出应用非参数回归方法对库存量进行拟合,用该方法与最小二乘法比较。并用非参数K邻近法则对库存量进行预测,丰富订货期制定方法。以某物流配送中心31天大米滞留库存量数据为例,研究结果表明,核回归模型拟合值较一元二次回归模型优异,得到较为理想的结果,实现通过统计模型客观地对物流配送中心库存信息智能化管理提供理论依据。

全文阅读

1引言企业经营的整个物流系统中,物流配送中心是关键的节点,可以说物流配送中心的运营情况和信息化智能管理的程度是整个物流系统运营好坏的重要标志。随着客户多样化和个性化的需求日益增长,物流配送中心库存量的信息化智能管理愈显重要,其关键问题之一是库存量的预测技术难度大。然而对于其库存量预测的研究却鲜见报道。为此,本文提出应用非参数回归方法,通过统计模型客观地对配送中心库存量进行预测为物流配送中心库存信息智能化管理提供理论依据。2基于非参数回归的库存管理基本思想物流配送中心是综合性、地域性商品空间位移集中地,它把商流、物流、信息流融为一体,承担产品从出厂到最终用户过程中的相关服务。然而,库存管理是整个物流配送过程中重要的组成部分,其作用是整合需求和供给以及维持各方面活动顺利进行[1]。当下游公司发出订单并到收到货物的时间(交货时间)小于上游公司生产货物并运送到物流配送中心的时间(供应链时间)时,在这个时间差内下游公司就会产生缺货现象,为了避免这个现象的产生,物流配送中心就必须预先库存一定数量的商品。但是,库存商品不仅会占用仓储空间,而且需要支付库存维持费用,同时,库存滞留期过长也会造成损失(食品变质等)。因此,既要防止库存不足,避免下游公司缺货,也要防止库存过量,避免支付大量额外的库存费用。2.1订货期模型现代库存管理中可以通过多种方式制定订货策略,每种订货策略也都有其自身的特点和适应范围。但是,每种订货策略中都必须含有库存管理最重要的三要素:库存检查周期、订货点和订货量。以这三要素为基础的库存管理策略主要有4种:(Q,R)、(t,S)、(R,S)、(t,R,S)[2]。本文采用(R,S)库存决策策略,该策略首先确定订货点R和最大库存量S。订货点R制定要使剩余库存量能保证下游公司在交货时间与上游公司供应链时间的时间差内不出现缺货现象。传统作法:通过实时检查库存状态,当库存量低于订货点R时候,就向上游公司发出订货要求,订货量为最大库存量水平S减去当前库存量I,这样作法缺点是工作量庞大、订货时间不明确。本文通过非参数核估计方法对库存量进行数据拟合后,应用K邻近法则预测库存量达到订货点R时候的滞留天数,达到减少工作量目的,加快供应链流通。2.2非参数密度估计的基本方法非参数密度估计方法是以历史的数据为基础,不需要先验知识,也不需要知道数据的分布,只要在一定的优化标准下,就能对曲线进行很好的“修匀”,误差小,适应性强。目前非参数密度估计方法多种多样,主要有Rosenblatt估计、K邻近估计、直方图估计等。核估计方法是非参数密度估计中有关单样本模型典型的估计方法,应用十分广泛。本文应用核估计方法和K邻近法则预测物流配送中心某商品达到订货期的天数,配送中心通过该天数制定订货策略,实现给下游公司不缺货承诺。通过非参数估计的预测后,制定明确的备货计划。2.2.1非参数核密度估计[3-6]。设区域X是Xd空间上的d维立方体,它的体积为Vn,h是X的边长,即Vn=hd。任意x={x1,…,xd}Xd,如下定义x的邻域函数:(1)f(x)表示一个中心在原点的单位超立方体,f(x)是以x为中心的d维邻域。假设有n个样本数据{x1,…,xn},如果xi落在超立方体Vn中,那么,否则就为0。因此落入x邻域的样本数为:(2)将(2)式代入中,则有:当n个数据都取自一维总体且连续分布g(x)时,在任意点x处的一种核密度估计定义:(3)这里f(x)就称为核函数(KernelFunction),它通常满足。可以看出,核函数是一种概率权函数,该密度估计利用样本点xi到x的距离(x-xi)来

参考文献

引证文献

问答

我要提问