非参数回归在物流配送中心库存量中的应用，本文主要内容关键词为：库存量论文,配送中心论文,参数论文,物流论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
doi:10.3969/j.issn.1005-152X.2009.11.035
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。
其他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。
2.2.3 非参数K邻近法则。K邻近法则是通过在历史数据中寻找与当前值相似的K个邻近数据点并以这K个数据点为基础对当前值的下一个时刻值进行预测。该方法不需要建立严格的数学模型，关于预测所需要的信息量都包含在历史数据，显然，K取多大能取得最优值就变得尤为重要，经过大量试验，当K=5时，预测结果最为理想[9-10]。本文采用相距距离倒数的加权平均法，公示表达如下：
3.3 预测订货期天数
假设该物流配送中心大米的订货期R=200(t)。由表1可知，大米还余下200t滞留天数必定在[193,238]之间，则取day=200的邻近5个点(day[,i],Inventory')代入式(7)中计算可得大米200t时滞留期为219天。该物流配送中心即可以不必实时的监控库存量，而是在滞留期达到219天时，检查库存量，向上游公司派送订货单。
从表2中可见，非参数估计的平均绝对误差和均方误差比最小二乘法得到的数据要小的多，所以前者的拟合度远高于后者。
4 小结
本文通过在物流配送中心库存量的拟合过程中应用非参数核回归方法，预测过程中应用非参数K邻近法则方法均收到理想效果，改进(R，S)库存决策模型和传统实时监控库存量的方法，减少物流配送中心的工作量。
非参数回归方法描述物流配送中心库存量拟合和预测过程较为简单与灵活，拟合的数据MAE和MSE均达到理想的标准。该方法最大的优点是以历史数据为基础，不需要过多的先验知识与建立严格的数学模型就可以对库存量进行很好的研究。但是，非参数回归与库存量之间的相互关系还有待进一步的研究。