钻机销售需求的预测研究

摘 要：钻机生产需求预测中，常见的问题有市场的随机性、趋势和季节性的变动，以及多种复杂因素的组合。不同的情况需选取不同的预测模型，因为钻机生产存在一定的周期性，根据矿方使用工况及销售周期，可以近似认为销售具有一定的连贯性，因此文章采用了数理统计中的移动平均法和指数平滑法对销售需求进行预测，实现了定性预测同定量预测的结合，提高了预测的准确性和科学性。

关键词：需求预测；移动平均法；指数平均法；霍尔特指数平滑法

中图分类号：F426.4;F224  文献标识码：A 文章编号：1005-6432（2024）16-0116-04

DOI：10.13939/j.cnki.zgsc.2024.16.029

1 引言

从MK公司的需求预测来看，销售和采购对客户预测只是基于历史工作经验的简单加工处理，直接应用到供应链计划中，并未对需求预测的准确性进行科学的核算和正确的检验，事后也未对计划执行的进度、效果、质量进行纠偏和提升。另外需求预测全部交予销售部门，销售业务员对全公司的生产能力、物料供应及运营能力不清楚，对信息系统的使用、历史数据的处理、分析能力也有限，预测准确率可想而知。计划人员每天的工作就是对大量数据进行分析、测算，计划人员单纯依赖销售计划会导致需求预测的准确率大大下降。

预测方法不够科学、严谨。现有的计划人员做计划多凭借经验判断，属于定性预测，这种方法人为因素较多，缺乏科学性。从预测管理历史可以看出，预测的准确率只有60%，供货周期超过一年的订单大量存在，在制品和成品都有不同程度的堆积，导致库存金额常在高位运转，物流、生产、销售部门相互埋怨，内耗严重。

2 需求预测理论

钻机定制化生产模式是典型的MTO拉式生产，需求驱动的典型生产组织模式。而需求信息可以提高各主体市场需求预测的准确性，对供应链非常重要。首先，帮助制造商匹配供需，从而降低供应过剩或供应不足的成本。其次，提高了准确率需求预测，更好地实现需求管理和定价决策。因此完善预测同计划流程的结合对离散型制造企业有很强的现实意义［1］ 。

刘宝红从供应链管理的实践经验中总结出了供应链管理是“七分管理，三分技术”的结论，认为大部分的计划管理同组织、流程和信息系统息息相关，现代化的企业管理汇总ERP系统已经成为调动所有企业资源的核心和工具，剩下的问题需要从数据中找答案，从“拍脑袋”向“向数据要答案”转变，比如采取更加合适的需求预测模型、设置更加合理的库存计划等［2］。 可以使用定性预测或定量预测对需求进行预估，也可以两种方法结合［3］。

3 需求预测模型

定性方法主要有德尔菲法、头脑风暴法、销售员评价法等，定性方法主观因素强，受个人所处的环境和背景影响较大，缺乏科学性。

定量方法有两种模型：一种是基于时间序列的预测法，如移动平均法和指数平滑法，以及引入时间因素的霍尔特平滑法；另一种是回归模型，如回归分析法。

常用的基于时间序列的预测方法有移动平均法、指数平滑法、霍尔特预测法等。

移动平均法是时间序列预测中经常使用的方法，当时间的权重一样时，简化为简单移动平均，当时间的权重不一样时，为加权移动平均。 这种方法对最近的N个周期值进行算术平均，N的不同，最终预测的精度也不同。参与计算的期数越多，预测越平缓，计算的期数越少，预测波动程度越大。对实际值同预测值之差求平方，求得一段时间范围内的平均方差，平均方差越小，预测模型准确度越高。通过比较不同期数的预测准确值来选择更合适的移动期数。

4 预测模型模拟

采用适当的预测模型可以提高预测的准确度，下面将采用移动平均法、一阶指数平滑法对同一个关键零部件进行预测，并分别算出这三种预测方法下的平均绝对误差、均方误差和均方根误差。

4.1 利用移动平均法求解

钻机3200分体履带需求量见表1。

第一步，对前N期的实际需求数据取平均值作为下一期的需求预测，用dn表示第n期的实际值，用同样的方法滚动往后面的期数做预测，使用以下公式计算：

Ft+1=1N∑tn=t-N+1dn

依此类推，计算出2期、4期、6期的移动平均预测值，见表2。

第二步，计算以上三组移动平均法的MAE、MSE和MAPE值。选择测试组数据进行MAE、MSE和MAPE的计算，准确度统计结果见表3，后续所有预测模型在计算误差时，全部是以测试组数据进行分析。三种误差统计公式如下：

4.2 利用指数平滑法求解

首先，按指数平滑法方法进行初始化，假设初期预测等于上期实际值。经过几次迭代后，初始值对模型的影响将变得微乎其微，直至衰减到没有影响，所以选择该种方式进行初始化不会影响到第22期的预测。

其次，根据指数平滑法的公式计算不同平滑系数下的预测值，本次用α=0.4、0.5、0.6、0.7、0.8计算五组数据，预测结果详见表4。

最后，计算以上五组不同系数预测模型的MAE、MSE和MAPE，预测数据的准确度统计如表5所示。

从以上数据分析结果来看，当α=0.7，指数平滑法预测结果更加拟合需求变化情况。

4.3 以上三种预测模型对比分析

将以上三种模型的预测结果准确度分析结果同MK公司的定性预测对比，详见表6、表7和图1。定性预测的准确率为45.67%，4期移动平均准确率为55.82%，指数平滑法预测准确率为56.74%。

经过对比分析可知，对于存在随机波动并有一定趋势的计划预测，指数平滑法的误差较其他两种方法要小，定性预测的误差最大，跟随性最明显。

图1 三种需求预测模型曲线

5 结语

离散型制造由于定制化需求较多，对于整体需求的预测往往由计划员定性预测，俗称“拍脑袋”。但钻机生产由于地理差异、市场需求的稳定及模块化生产使需求预测仍有迹可循。文章通过对历史数据的分析、量化，结合移动平均法对钻机生产进行科学预测，有效降低了误差，通过比较选定了合理的核算周期，使定性方法同定量计算结合，有效提高了计划的准确性。

参考文献：

［1］CAO Y，WU K，HU H L.The value of hybrid MTS/MTO supply chain sharing demand forecasts under big data ［J］.Journal of physics（conference series），2021：757.

［2］刘宝红.需求预测和库存计划：一个实践者的角度［M］.北京：机械工业出版社，2020：2，5.

［3］赵晓波，黄四民.库存管理［M］.北京：清华大学出版社，2018：12-14，23-25，32-33.

［作者简介］刘阳（1991—），男，汉族，陕西神木人，硕士，工程师，中煤科工西安研究院（集团）有限公司，研究方向：企业生产管理及数字化。