基于灰色系统模型的医药制造业物流规模预测研究

喻钧波，谭 勇，吴 丹

(武汉轻工大学经济与管理学院，湖北武汉420023)

随着医药制造业竞争的加剧和现代信息技术的广泛应用，物流在医药制造业竞争中发挥着越来越重要的作用，物流水平的高低已成为衡量医药制造业管理现代化水平的关键标准之一。医药制造业物流与其他工业企业物流相比有着不同的特点:①医药制造业物流的流通市场分散、流通规模小、整体竞争能力弱;②医药制造业物流的服务要求有24小时全天候的特点;为了促进医药制造业物流的发展，为政府部门科学制定医药物流规划、合理配置物流资源及制定物流产业发展政策提供决策依据。因此对医药制造业物流规模进行科学精确的预测具有理论和现实意义。

传统的预测方法主要包括定性预测方法与定量预测方法。其中定性预测方法包括德尔菲预测法、头脑风暴法等，定量预测方法包括指数平滑预测、回归预测、灰色预测、马尔柯夫预测、神经网络预测等。指数平滑预测，回归预测和灰色预测是目前使用相对成熟的三种预测方法。由于医药制造业物流在中国的发展较晚，因此，它具有历史数据匮乏、样本量小、时效性强、随机性强等特点，因此对于医药制造业物流规模的预测，既要考虑对于短期物流规模预测的适应性，又要考虑其适用范围。指数平滑预测与回归预测对历史数据的要求都必须满足线性的变化规律。然而医药制造业物流的历史数据匮乏，随机性强，因此这两种方法不适用于医药制造业物流规模的预测。灰色系统预测模型是基于少数据、贫信息系统建立的，适合于历史数据少且样本随机性大的中短期预测。医药制造业物流具有数据少且随机性大等特点，因此本文采用灰色系统模型对医药制造业物流进行了预测。

1 文献综述

灰色系统模型在物流预测领域得到了广泛的应用。张凤荣、金俊武(2003)等利用灰色系统理论建立了物流货物量预测模型，并对吉林省未来5～10年的物流货物量进行了预测，并分析了中国物流产业的发展前景。王晓原、李军(2005)等建立了基于灰色预测理论的物流规模GM(1，1)模型，并对山东省的物流规模进行了预测。邓淑红，魏凤(2010)等建立了基于灰色预测的GM(1，1)模型，对陕西商洛物流需求进行了预测。何国华(2011)从区域物流需求预测内容、指标选择和预测方法三方面进行了系统研究，并采用灰色系统理论对东北三省的区域物流进行了预测。朱占峰(2008)采用灰色系统理论以中原地区的货运量和货物周转量两组数据对中原地区的物流规模进行了预测。灰色预测法对短期物流预测有良好的适应性，但由于其适用范围的局限性，往往导致预测精度的下降。为了提高预测精度，众多学者将灰色系统模型与其他预测模型结合起来进行预测。曹萍，陈福集(2012)等以货运量作为物流需求的内容，选取福建省1997-2009年的经济数据作为面板数据，采用基于遗传算法的灰色神经网络模型对福建省区域物流进行预测。孙建丰、向小东(2007)等采用灰色线性回归组合模型对物流需求进行了预测。闫娟，李萍(2012)等提出了一种泊松分布的神经网络需求预测算法，采用泊松分布算法对物流的整体需求进行分类，然后采用灰色理论算法选择物流需求影响因子，对物流的需求进行实时预测。何有世，李明辉(2011)等通过对精度指标的合理刻画来建立灰色-马尔柯夫链预测优化模型，并利用该模型对江苏省物流需求进行了预测。综上所述，对于医药制造业物流规模预测的研究很少，学者们大都对物流业的整体情况进行预测，并未从某一行业的物流进行预测。本文采用灰色系统理论，结合医药制造业物流的特点，对医药制造业物流规模进行了预测。

2 灰色系统预测模型

灰色系统模型是一种研究少数据、贫信息不确定性问题的预测模型，是通过序列生成的方法对原始数列进行处理，使之呈现一定的规律性，然后利用微分方程拟合，并由外延进行预测。再对通过生成数据的灰色模型得到的预测值进行逆生成处理。GM(n，h)模型是灰色系统理论的基本模型，GM代表灰色模型，第一个数字n代表微分方程的阶数，第二个数字h代表系统包含的变量个数。最常用的灰色模型是GM(1，1)模型，这一模型是只考虑单个变量的灰色预测模型，本文以医药制造业物流总费用作为GM(1，1)的变量。

将所求的参数值代入一阶微分方程得到GM(1，1)预测模型为:

由以上模型所得到的是一次累加量，必须将所得数据X(1)(k+1)经过逆生成，即累减生成还原为X(0)(k+1)，从而得到所需要的预测值。

3 建立模型进行预测

3.1 数据与指标选择

医药制造业物流规模是医药制造业物流活动中运输、储存、包装、装卸搬运和流通加工等物流作业量的总和。而医药制造业物流总费用是指支付给运输、储存、包装、装卸搬运和流通加工的费用的总和。因此，本文以医药制造业物流总费用来衡量医药制造业物流规模。

本文选用了2006年到2012年间的医药制造业物流总费用。如表1所示。

表1 医药制造业物流总费用

3.2 预测模型的计算:

1)首先建立医药制造业物流总费用的GM(1，1)预测模型。根据表2数据组成原始数列:X(0)={431，546，1009，1029，1270，1644，1829}，

2)通过一次累加对原始数据进行预处理，得到新的数列:

3)根据数列求出矩阵B及Y7。

研究对象为5台双西门子SINUMERIK 828D系统的数控机床，因此总的监视容量为10套SINUMERIK 828D系统。同时机床监控系统要求系统的实时性强，因此选择了如下方案：整个系统采用C/S架构，采用面向对象的C#软件作为上位界面的开发软件，采用OPC UA通信协议作为系统数据采集以及数控系统与上位机之间的通信协议，选择SQL Server 2008作为服务器上的数据库软件，其他的客户端通过实时访问服务器的数据库实现客户端与服务器之间的数据同步。其主要的功能模块可分为数据采集单元配置、数据采集、数据同步通信、故障报警以及数据分析等，具体如图1所示。

4)求参数列a^。

即 a= － 0.1966，u=556.5.

5)将参数带入微分方程求解即得到医药制造业物流总费用的GM(1，1)预测模型为:

6)经过累减得到医药制造业物流总费用的GM(1，1)的预测方程:

表2 医药制造业物流总费用灰色预测数据表

3.3 预测模型精度检验

对上述预测出的数据进行后验差检验，

3.4 预测

根据医药制造业物流成本GM(1，1)模型，对全国2013—2018年的医药制造业物流规模进行预测，如表3所示，

表3 2013—2018年的医药制造业物流规模预测

预测结果表明医药制造业物流规模在未来几年中发展迅速，并呈现平稳较快的态势。可见，近几年来，医药制造业物流在中国呈现高速发展。

4 结论

本文采用灰色系统理论建立全国医药制造业物流成本与医药制造业的GM(1，1)模型，对未来近几年的医药制造业物流规模进行了预测，并通过后验差检验，精度比较可靠。然而，GM(1，1)适合于短期预测，对于中长期预测将存在较大误差。因此，保证预测的可靠性，对于医药制造业物流的中长期预测，可以考虑与其他预测方法结合进行预测，从而提高预测精度。从预测的结果看，我国医药制造业物流规模在今后相当长的一段时间内会维持较高增速，但我国医药制造业物流还存在诸多问题。

(1)医药制造企业对物流的理解相对落后。我国医药制造企业对于现代物流的理解还不成熟，传统的医药制造企业观念始终停留在仓储和运输上，医药制造企业将注意力放在新药品的研发上，对于医药的物流问题认识薄弱，这便导致医药制造企业的物流成本偏高。

(2)医药制造企业物流的集中度低。医药制造企业逐渐意识到医药物流的重要性，纷纷在医药制造企业内部实行自营医药物流，将所有的物流活动由医药制造企业包办，然而由于医药制造企业其本身的物流能力不高，以致多家医药制造企业自己负责仓储与运输，以致重复建设，从而抬高了医药企业的总成本，以及医药制药业物流成本。

(3)医药制造业物流发展缓慢。医药制造企业的物流在我国的发展还处在初级阶段，医药制造企业内部物流能力的不足，以致医药制造业的自营物流抬高了医药制造企业的成本，这阻碍了医药制造业物流的发展。为了降低医药制药业物流成本，将物流业务外包给医药第三方物流企业显得尤为重要。

(4)医药物流人才的匮乏。近年来，物流在国内的发展迅速，然而物流行业的领导者多半是半路出家，物流方面的人才严重缺乏。医药物流企业尤其需要既懂得医药的相关知识，又精通物流管理知识的双栖人才。

为了解决这些问题，本文对医药制造业物流的发展提出了以下几点建议。

一是完善医药制造业物流政策，积极推进医药制造业转型。我国医药制造业物流的发展还处于初级阶段，要想促进医药制造业物流的可持续发展，发挥政府的政策导向是极其重要的。一方面，企业应积极推进医药制造业的转型，医药制造业应结合自身的实际，对原有采购、储运、配送体系实施流程再造，实现向医药制造业物流的转型。另一方面，引导大型医药物流企业通过重组、整合的方式整合中小型医药企业，实现配送及时的医药物流服务能力。

二是应合理规划医药物流中心的建设。医药制造业物流成本居高不下是医药制造业必须面对的问题，建立现代化的医药物流中心是减少流通环节，降低运作成本的关键方法。然而物流中心的建设必须按照各地的具体情况而定。在物流中心的建设的过程中，引进国外先进技术，必须考虑本国实情，把医药制造业的小物流与社会大物流的规划与发展相结合。

三是加快发展第三方物流。在国内大型的医药制造企业已经具备提供物流服务的能力，然而对于一些中小型医药制造企业来说，本身不具备提供物流服务能力，将物流业务外包给第三方医药物流就具有可行性。这样中小型医药制造企业就可以将主要精力投入到本企业的核心业务中。

四是要大力培养医药物流人才。目前，医药物流行业的人才奇缺，因此，要注重各层次的物流管理与技术人才的培养，将现代物流管理的理论与医药行业的技术相结合，加快医药制造业物流的发展。

［1］闫娟，李萍.泊松分布灰色理论在物流需求预测中的应用［J］.计算机仿真，2012，(4):229-233.

［2］邓淑红，魏凤.基于GM(1，1)模型的商洛物流需求预测［J］.江西农业学报，2010，22(2):187-189.

［3］孙建丰，向小东，基于灰色线性回归组合模型的物流需求预测研究［J］.工业技术经济，2007，26(10):146-148

［4］何有世，李明辉.灰色-马尔柯夫链预测优化模型——以江苏省物流需求预测为例［J］.经济数学，2011，28(3):97-101.

［5］曹萍，陈福集.GA-灰色神经网络的区域物流需求预测［J］.北京理工大学学报(社会科学版)，2012，14(1):66-70.

［6］王晓原，李军.灰色GM(1，1)模型在区域物流规模预测中的应用［J］.武汉理工大学学报(交通科学与工程版)，2005，29(3):415-417.

［7］朱占峰.基于灰色系统理论的中原地区物流预测模型探析［J］.工业技术经济，2008，27(3):73-76.

［8］郭斌，武文.医药物流中心建设的必要性与可行性分析［J］.价值工程，2011，30(34):104-105.

［9］张凤荣，金俊武，灰色系统模型在物流货物量预测中的应用［J］.工业技术经济，2003(6):72-73.

［10］Hsieh Chenghsiung.Grey neural network and its application to short term load forecasting problem［J］.IEICE Transactions on Information and Systems，2002，85(5):897-902

［11］Cheng Chyunshin ，Hsu Yentseng ，Wu Chwanchia .Gray neural network［J］.IEICE Transactions on Fundamentals of Electronics，Communications and Computer Sciences.1988，81(11):2433-2442.