基于加油站需求预测下成品油配送模式转变的研究

杨睿智 李福宝

【摘 要】当今社会经济发展越来越快，在经济和社会不断发展的背景下，市场对成品油的需求量也越来越大，成品油的配送是成品油供应过程中非常重要的环节，传统的成品油配送方式已经不能满足当前发展的需求，因此我们需要积极探索成品油的配送模式的转变。通过建立加油站需求量预测模型，预测第二日的需求量和汽车配送量，然后整合预测结果，使被动模式配送向主动模式配送转变，提高成品油在配送过程中的效率。

【关键词】需求量;配送;主动模式

【中图分类号】F61 【文献标识码】A 【文章编号】1674-0688（2021）03-0211-03

0 引言

成品油是我国重要的战略性产品，与国家经济发展和人民生活息息相关。许多发达国家的石油企业为了提高市场反应速率，体现竞争优势，降低物流成本，在成品油物流配送方面采用了先进的信息技术。在成品油配送体系中，成品油配送模式的建立至关重要。以配送机制设计理论为指导建立成品油配送模式，可以减少配送体系的消耗，提高整个过程的效率，实现企业效益的最大化 [1]。我国在成品油配送过程中存在很多影响因素，因此无法有效地提升成品油配送效率，其中一个主要的影响因素是需求信息误差大，而规划、控制物流过程中的储存、运输等业务活动都是以预测为运作基础的。因此，要想优化成品油物流配送过程，就需要做好该区域成品油的需求预测。通过对销售点（加油站）的需求预测，改变成品油的配送模式，从而提高配送效率，提升配送过程的信息化程度。

1 成品油主动配送模式

成品油主动配送模式是指通过对销售点的需求量进行一系列科学的预测，让配送中心能及时了解并掌握销售点的消费情况，根据前线情况判断油库的库存量，然后根据库存量决定是否需要对销售点进行配送，如果需要，则派遣油罐车进行成品油的配送 [2]。

主动模式配送相对于被动模式配送存在很大的差异，同时具有几大优势。主动配送模式采用预测方法，根据销售情况、库存情况及需求量，判断哪个销售点会提前销售完产品。根据销售成品油量库存多少的顺序，合理安排配送顺序，大大降低了加油站脱销的风险，提高了整个配送过程的效率，有效地控制了库存成本，降低了物流成本。在运力分配方面，主动配送模式可以更合理地安排油罐车的使用 [3]。根据加油站近期销售情况和市场需求的变动趋势，提前补货，采用大容量或分舱油罐车进行多点配送，可以节省配送成本。采用主动配送模式后，可以有效地解决在配送路径上车辆使用冲突和配送车辆不够的问题。

主动配送模式是一个环环相扣的配送體系，需要各个环节的密切配合与协作，使市场对成品油需求的多变性变为可预见性，降低运营成本和避免脱销的风险，提高配送效率，杜绝运力安排不合理的问题发生。

2 预测需求量模型

在开展油品需求量的预测工作中，一是要做好充足的准备，保证销售点顺利地对接油品;二是要合理地分配资源，安排好配送的顺序等;三是要控制好库存成本，最大限度地降低销售点的库存成本。油品需求量的预测是对成品油的二次配送，采用这样方式能提高整个物流过程的效率和油品的整体竞争力，为企业创造更多的效益。

2.1 问题描述

油品需求预测工作的具体步骤：①在每个月末预测下一个月的需求总量;②基于每日销售点的需求量历史数据，准确地预测下一日的需求量。主要预测对象是民用汽油的3个品种，即92#、95#、98#汽油。收集3种成品油前3个月的历史需求量数据，根据成品油需求量数据的特征，判断油品需求量变化是否属于平稳变化的趋势。本文采用时间序列平滑预测方法进行预测，这种方法考虑了各种因素的综合影响，所有因素都通过时间段内的需求量变化趋势进行表达。

本文将历史数据和时间两个参数按时间序列编制统计资料。通过数据分析发现，加油站不存在较大的随机性，所以时间序列预测法采用确定性模型进行预测。每个加油站都是按照最优库存计算设计的，所以不考虑加油站自身的优化问题。

2.2 数据收集（L城S区域）

本文选出L城S区域的10个具有代表性的加油站，每个加油站都销售92#汽油、95#汽油、98#汽油（见表1）;选择2020年2月1日至4月30日的被动配送模式下的历史需求数据;根据实际调查，确定该区域的油罐车车型为10 t、16 t、22 t、28 t。

2.3 建立模型

通过调查历史数据发现，加油站每天的需求量变化总体趋向于稳定，因此我们选择时间序列平滑预测方法中的一次指数平滑法进行下一日的需求量预测，公式如下：

上式中，Yt+1为下期的预测值;St为一阶平滑值;Xt为第t期实际观测值;a为加权平滑系数，0

加权平滑系数的选择在指数平滑预测中是很重要的。加权平滑系数a的选择决定了（1-a）（i=1，2，…，t）按指数规律递减的速度，规定了新预测值在原预测值所占的比重。通常a值的大小与指数规律递减速度成正比。原则上，a可以任意取值（0.1～0.9），取值不同，得出的预测结果也不同，误差也不同。实际的取值要根据时间序列波动趋势确定。当时间序列呈平稳趋势时，a应取较小值（0.1

初始值的选择由时间序列的数据决定，如果t大于30，初始值对预测值影响较小，可以取t=1时的实际观测值为初始值;如果t较小，则影响很大，一般用前几期实际观测值的平均数作为初始值。

2.4 实际应用计算

以加油站No.3的92#汽油需求量为例，用一次指数平滑法预测2～4月的数据，并与实际观测值对比，从而确定误差相对最小时a的取值。2月份实际数据见表2。

2月份的需求总量为324 t。由于时间数列t小于30，为了方便计算，初始值取前5期观测值的平均数。

从2月7日开始计算一阶平滑值，即

因为实际数据中加油站需求量變化均趋于平稳，所以分别取a=0.1、0.2、0.3、0.4，a=0.1时，S2.7=0.1×0+（1-0.1）×16=14.4;a=0.2时，S2.7=0.2×0+（1-0.2）×16=12.8;a=0.3时，S2.7=0.3×0+（1-0.3）×16=11.2;a=0.4时，S2.7=0.4×0+（1-0.4）×16=9.6。

运用计算机语言进行所有的迭代计算。同理，根据此方法进行迭代推算，将2～4月的每天的一阶平滑值计算出来，然后将每个月求和与实际总量进行对比，求出误差值（见表3）。取误差值最小时的a作为预测加权系数。

通过表3可以得出，当a=0.3时，误差最小，预测符合实际。因为该区域提供加油站销售油品的油库相同，所以各加油站的变化与油库供给无关，无特殊说明时，a的取值为0.3。

加油站每日实际需求量是根据库存的储备量进行配送的，但本文推算出的平滑值是基于不考虑库存量的每天加油站预测的需求量，计算出来的数值是零散值（见表4），不符合加油站实际的配送规律，所以要对预测值进行整数整合，达到真正优化减少配送成本的目标。

通过调查发现，油罐车舱室容量分别为10 t、16 t、22 t、28 t，考虑汽车满载和配送及时的情况，同时考虑油罐车的利用率，将其排列整合。此项运算通过计算机工具py-charm，python语言实现。

设Qi为每日预测需求量，Pi为油品配送量，P为油罐车容量（P=10，16，22，28），△Q=Qi-P，△Q'=△Qi-P，Q'i+1为修正后的下一日的预测需求量。

（1）若丨Qi-10丨<1，当不满足时，Pi=0，Q'i+1=Qi+Qi+1，当满足时，Qi<10，Pi=10，Q'i+1=Qi+1;Qi>10，Pi=10，Q'i+1=△Q+Qi+1。

（2）若丨Qi-16丨<1，当不满足时，Pi=0，Q'i+1=Qi+Qi+1，当满足时，Qi<16，Pi=16，Q'i+1=Qi+1;Qi>16，Pi=16，Q'i+1=△Q+Qi+1。

（3）若丨Qi-22丨<1，当不满足时，Pi=0，Q'i+1=Qi+Qi+1，当满足时，Qi<22，Pi=22，Q'i+1=Qi+1;Qi>22，Pi=22，Q'i+1=△Q+Qi+1。

（4）若丨Qi-28丨<1，当不满足时，Pi=0，Q'i+1=Qi+Qi+1，当满足时，Qi<28，Pi=28，Q'i+1=Qi+1;Qi>28，Pi=28，Q'i+1=△Q+Qi+1。

（5）若0

（6）若Qi-28≥8，将△Q代入前4个条件中进行判断，输出Pi'，则最终输出Pi=28+Pi'，Q'i+1=△Q'+Qi+1。

以No.3加油站的92#汽油的实测数据作为算例代入整合模型，得出整合后3个月的预测配送量（见表5）。

通过表5可以得出，No.3加油站在5月1日时，油库对其不配送。

将该区域10个加油站其中的3种油品的实测数据代入上述模型，可以得出5月1日油库对该区域10个加油站的配送量，从而实现在成品油二次配送中配送模式转为主动配送模式。

3 结论

本文结合L城S区域的实测资料，运用时间序列预测方法，建立对每日需求量的预测模型，得出每日预测需求量，继续建立整合模型，将油品的配送安排更符合实际需求，得出每日的车辆配送计划。由于本文中有一定的假设条件，而实际的配送系统是很复杂的，因此还需要对模型做更细化的研究。

通过本文中的分析，可以推断出在成品油二次配送过程的模型构建中，应以一段时间作为考察单位进行系统的优化，纵向地看待问题。通过对成品油二次配送过程的预测模拟并利用信息系统最终可以实现如下需求。

（1）实现主动模式下的成品油二次配送。通过对需求量的预测，油库及配送中心可及时地掌握销售点的油品消费情况，从而制订配送计划。

（2）实现车辆的合理利用。通过对初始阶段预测值的校对，实现满载装车，合理地利用车辆，降低配送成本。

（3）有效控制库存。根据销售点的每日需求量可以分析出市场对油品的需求量，可以合理地定出销售点库存的上下限值，达到良好的库存控制。

参 考 文 献

[1]王博弘，梁永图，张浩然，等.成品油二次配送研究进展[J].油气储运，2018，37（2）：121-126.

[2]胥锟.企业二次配送模式下提高成品油利润的探索[J].数码设计（下），2019（9）：224-225.

[3]李建伟.成品油配送模式的研究[J].中小企业管理与科技，2015（22）：244.