电力物资库存需求定额预测模型的研究

司志坚 毛辉

［摘 要］为解决电网企业周转库现行的配电网备品备件库存管理中存在的物资采购计划的盲目性，物资分类不合理，库存定额不科学和库存管理模式过于传统等问题。采用库存成本分析模型，经济订货批量模型，分析库存管理的总费用和订货量的关系，综合考虑缺货、数量折扣以及其他经济订货批量等问题。本文研究库存需求预测的相关理论以及配电网备品备件的特征，提出适用于配电网备品备件的需求预测模型。模型有效考虑了物资的历史需求量，检修计划，设备故障率以及运行环境这四个影响物资需求的因素。以配网物资设备为例验证需求预测模型的合理性与可行性。

［关键词］配电网备品备件；ABC分类库存管理；库存定额；预测模型

doi：10.3969/j.issn.1673-0194.2023.23.032

［中图分类号］F274 ［文献标识码］A ［文章编号］1673-0194（2023）23-0105-05

0     引 言

针对电力企业配网物资需求具有季节性和区域性的特点，以及电力设备生产企业自身的特点，电力配网设备种类繁多，产地分布广，采购周期及生产周期不一，造成电力物资库存管理的难度大，库存资金压力大，或不能保证电网项目的连续性和均衡性。原则上各区域周转库都需储备一定数量的电力物资，但储备数量必须有个限度，如果数量过多，不仅要占用大量的仓库面积或生产面积，物资的长期积压，也可能损坏变质，造成浪费，更重要的是会影响流动资金的周转。因此，需要加强库存物资的科学管理。要求各区域周转库在具有一定的存储数量配网物资的情况下，占用资金最小。

本文通过历史数据得到各个仓库每种物资的需求量、所占体积、出库频率、运输成本等关键数据，得到各种物资的动态需求模型，从而对未来需求进行预测，并且根据预测结果提前对仓库库存进行调整，调整方式依据仓库的实际库存能力、货架种类及数量、运输成本等进行最优化调整［1］。

1     电力物资库存管理方式

1.1   电力物资ABC控制法

ABC控制法是把配网设备物资按品种使用频次的高低分类，再按各类物资重要程度不同分别控制，抓住重点，抓住主次、进行重点控制。在电力物资库存控制上，根据库存物资库使用频次，可将库存分ABC三类。

A类：库存物资品种使用频次①对于全省全年使用次数超过100次，或某市全年周转库物资使用频次超过10次。②全年使用频次累计数占库存总频次超过50%，定于库存常用存储物资。

B类：库存物资品种使用频次①对于全省全年使用次数超过50次，或某市全年周转库物资使用频次超过5次。②全年使用频次累计数占库存总频次超过20%，定于库存一般存储物资，进行适当控制。

C类：库存物资品种使用频次①对于全省全年使用次数低于50次，或某市全年周转库物资使用频次低于5次。②全年使用频次累计数占库存总频次低于20%，只需进行简单控制［2］。

1.2   库存成本分析

库存控制的目标之一就是对库存成本进行控制，库存成本是决策的主要考虑因素。包括：①库存保管费用；②订货成本；③缺货成本。确定向供应商订货的数量或要求生产部门生产的批量时，应该尽量考虑以上三种成本综合引起的总成本使之达到最小。

1.3   经济订货批量模型

经济订货批量（EOQ）是指库存总成本最小时的订货量。研究经济订货量的方法，用年库存管理的总费用和订货量的公式来表示，根据该公式的解确定最佳订货量。

（1）模型假设，只涉及一种产品，年需求量可知，每次订货的订货量相同，订货提前期固定，需求率固定不变，存货价格不变，不存在相关的折扣问题，生产提前期不变，各批量单独运送接收。

（2）最佳订货批量的确定通过使某项库存物资的年费用达到最小来确定相应的订货批量。

1.3.1   理想的经济订货批量

不考虑缺货、数量折扣以及其他问题的经济订货批量。库存物品的年度总费用=购入成本+订货成本+库存保管费用。即：

TC=DP+DC/Q+QPF/2                    （1）

D/Q：年訂货次数，D：某库存物品的年需求量，件/年；Q：为每次订货批量，件

Q/2：平均库存量

D/Q*C：年订货成本，C：为单位订货成本，元/次

PFQ/2：年存储成本

DP：为购入成本

F：为单件库存保管费与单件库存采购成本之比（年保管费率）

P：为物品的订购单价，元/件

使TC总成本最小，将（1）式求导令其等于0，得到经济订货批量EOQ的计算公式为：

（2）

两次订货的最佳时间间隔=EOQ/D，每年的订货次数=D/EOQ

因素分析：

（1）敏感性：订货数量在EOQ附近轻微变化时，总成本不会有太大的增加。

（2）保存地点的变化对EOQ的影响：在年需求总量不变的情况下，随着存货地点的增加，库存总成本也在增加，这也是大多数企业会采用集中库存的原因。

1.3.2   允许缺货的经济订货批量

在实际生产活动中，订货到达时间或每日耗用量不可能稳定不变，因此有时不免要出现缺货的现象。允许缺货经济批量是指订货量、保管费和缺货费用最小时总费用最小的批量，计算公式如下：

（3）

C1：为保管费

C2：为缺货费

C3：为订货费

D：为需求量

2     电力物资库存定额预测模型

电力物资库存定额预测可以实现电力企业库存的有效管理。通过库存预测得出的数据，可以成为制订电力企业库存计划和采购计划的重要依据，从而防止企业超储和缺货现象的发生，以最低的成本，达到库存保证程度最高的目标，实现电力企业库存的有效管理。电力物资库存定额预测是提高企业竞争能力的重要手段。通过以满足工程服务需求为前提的物资库存定额预测，可以对电力企业的库存水平进行有效控制管理，尽可能降低了物资库存水平，提高周转的效率，强化了企业的竞争力［3-4］。

2.1   移动平均法

移动平均法就是利用时间序列中最近的n个数据的平均值作为下个时期的数据的预测值。移动就是不断地用最近的几个数据来代替老数据，随着预测时期的推进，预测值也不断变化［5］。预测模型如下：

（4）

移动平均法适合于短期水平数据模式，其预测偏差可以利用时间序列的数据来估计。方法是依次求出每次（n=3）的预测值和预测偏差及预测偏差的平方值，求预测偏差的平方值的平均值就是其预测偏差，如表1所示。

表1 控制电缆，KVVP2，2.5，4，不阻燃，22预测结果

周数 时间

序列值（m） n=3时的

预测值（m） 预测偏差（m） 预测偏差

平方值（m）

1 5

2 5

3 1660

4 418 556.67 -138.67 19229.37

5 418 694.33 -276.33 76358.27

合计：-415 合计：95587.64

预测偏差平均值之和的平均值=95587.64/2

=47793.82（m），所以下一次的控制电缆，KVVP2，

2.5，4，不阻燃，22的预测需求值832（m），它的预测

偏差为（m）。

n如何取值，一般n应该使预测偏差最小，即精度最高。但是n越大，丢失的信息就越多，n越大，曲线越平滑，很可能掩盖时间序列的某些变动特征，如果仅仅为了消除不规则性，一般取n为3、4、5合适。

2.2   指数平滑法

指数平滑法是用过去的时间序列的实际值和预测值加权平均来进行预测。预测模型如下［6］：

（5）

式中，为t期的平滑值（本期预测值）；为t-1期的平滑值（上期预测值）；α为平滑系数；Xt-1为t-1期实际发生额。在应用指数平滑法预测时，α为的确定非常重要，一般的经验是，对于趋势型时间序列，0.6≤α≤1；对于水平型时间序列，0≤α≤0.3；对于水平型和趋势型混合性时间序列，0.3≤α≤0.6；与α对应的1-α称为阻尼系数，如表2所示。指数平滑法适用于短期水平型数据模式。

表2 高压熔断器，AC10kV，跌落式，100A需求统计表（指数平滑法）

时间 仓储量（只） 平滑值

（α＝0.3） 平滑值

（α＝0.6）

2017-1 1056

2017-2 351 1056 1056

2017-3 9 845 633

2017-7 33 594 259

2017-10 537 426 123

2017-11 12 459 371

下一次 預测值 325 156

2.3   线性回归法——一元线性回归预测法

全面分析影响预测目标的相关因素，确定自变量。当预测目标y确定后，寻找影响预测目标的主要因素x，确定自变量就是关键。①把影响预测目标变化的所有因素找出来，并通过定性分析和比较，从中找出影响较大的主要因素，初步判定为自变量。②收集数据资料，做相关表和绘制散点图，通过观察散点图的散点分布，粗略判断影响因素与预测目标之间的相关程度和相关形态。如果散点的分布呈直线趋势，则可进行下一步的线性相关系数分析。③测定相关系数及对相关系数进行显著性检验［7］。

相关系数的计算公式为：

（6）

或简捷公式为：

（7）

相关系统r的判断，r的绝对值在0和1之间，r绝对值越大，越靠近1，说明影响因素与因变量之间的相关关系越强；反之，r的绝对值越小，越靠近0，说明x与y之间的关系越弱。当|r|=1时，表明现象之间完全线性相关，是一种函数关系；当|r|=0时，表明现象之间完全没有线性相关关系。r为正数时，x与y是正相关关系，r为负数时，x与y是负相关关系［8］。

确定相关关系的数学表达式，建立回归预测模型

（8）

式中，为因变量的估计值；x为自变量；a为回归直线在y轴上的截距；b为回归直线的斜率，称回归系数。

2.4   线性回归法—季节分析预测

电力物资需求变动受项目需求、气候条件的影响，在一定时间中随季节的变化呈现出周期性的变化规律。季节变动的特点是，每年重复出现，各年同月（或季）具有相同的变化方向。因此，收集的资料一般以月（或季）为单位，以3年或3年以上的资料为好［9］。

季节分析预测法是根据历史数据中所包含的季节变动规律，对预测目标的未来状况做出预测的方法。季节分析预测分为两种情况：一是水平型季节变动分析；二是趋势型季节变动分析。

以年为间隔单位的历史数据在总体上是呈水平发展的，不包含趋势变动因素，只包含季节变动因素和不规则因素。水平型季节分析预测法就是通过平均来消除不规则因素，然后计算出季节指数、季节变动差等指标，以反映季节变动的规律，并据此进行预测的方法。水平型季节分析预测法可以分为季节指数预测法和季节变差预测法。

（1）季节指数预测法，季节指数预测法就是计算时间序列中各季（月）的季节指数，并以此进行近期预测的一种预测方法（表3）。

预测模型，如果已知对象的全年预测值，则该年各季（月）的预测值为

某季（月）预测值=

季节指数=×100%

模型假设，现象不存在长期趋势或长期趋势不明显，适用于短期水平型季节变动数据模式。

（2）季节变差预测法，季节变差预测值是水平型季节分析预测法的另一种形式的预测模型，如果已知预测对象的全年预测值，则该年各季（月）的预测值为

某季（月）预测值=×该季（月）季节变差

其中，某季的季节变差=历年同季的季节平均值-全时期季度平均值

模型假设，现象不存在长期趋势或长期趋势不明显，是测定季节变化的一种最基本方法。适用于短期水平型季节变动数据模式。

表3 2017—2021年的库存季节指数计算表

年度 一季度 二季度 三季度 四季度 年库

存量 全年

平均

2017年 580 780 1 100 460 2 920 730

2018年 660 860 1 200 540 3 260 815

2019年 650 940 1 350 580 3 520 880

2020年 720 1 020 1 380 660 3 780 945

2021年 780 1 200 1 400 800 4 180 1 045

同季

平均 678 960 1 286 608 3 532 883

季节

指数/% 76.78 108.72 145.64 68.86 400 100

季节

变差 -205 77 403 -275 — —

画出全年的折线图，从图上可以看出该公司物资配送量的变动呈水平季节变动，因此选择水平型季节分析预测模型进行预测比较合适。

3     结 论

结合传统及现代的经典分析模型，给出适合电力企业物资管理的分析模型。并給出可持续完善的手段与方法，保障在模型应用的过程中能够及时有效的修正偏差。通过仓储系统运行不断积累的数据，运用人工智能机器学习的技术不断为管理者提供更精准的分析与预测。对比不同预测模型，在不同场合下，采用不同库存定额分析模型。移动平均法适合于短期水平数据模式，指数平滑法适用于短期水平型数据模式，一元线性回归适合于宏观或微观的中、长期预测，季节分析预测模型，适用于短期水平型季节变动数据模式。

主要参考文献

［1］向子权，杨家其，向祖权，等. 模糊集理论在造船企业库存控制优化中的应用［J］. 物流技术，2021，40（11）：40-43.

［2］姜燕宁，郝书池. 云服务模式下配送需求预测与库存配置联合决策模型［J］. 制造业自动化，2021，43（10）：5-9.

［3］谭新明. 供应链管理中库存控制策略研究［J］. 中国航务周刊，2021（34）：56-57.

［4］王闯. 基于改进需求预测方法的多级库存成本优化研究［D］. 长春：吉林大学，2021.

［5］何佳，王子牛，罗刚，等.基于混沌神经网络技术的安全库存预测研究［J］.计算机技术与发展，2007（8）：247-249，253.

［6］张艾荣，张子刚，郭翔.具有随机提前期的库存模型中安全因子的优化［J］. 工业工程，2007（4）：114-118.

［7］纪鹏程，宋士吉，吴澄，等.钢铁企业复杂库存环境下的精确库存成本建模［J］.计算机集成制造系统，2010，16（2）：293-298.

［8］王炬香，王安麟，胡宗武. 供应链管理中的战略库存［J］.制造业自动化，2001（3）：7-8，21.

［9］张启超，张悟移. 供应链中的安全库存优化管理的探讨［J］. 物流科技，2007（6）：98-100.