基于工商協同的卷煙月度投放量預測模型

華勇

紅塔煙草（集團）有限責任公司，工藝質量部，云南省玉溪市紅塔區紅塔路118號 653100

基于工商協同的卷煙月度投放量預測模型

華勇

紅塔煙草（集團）有限責任公司，工藝質量部，云南省玉溪市紅塔區紅塔路118號 653100

為準確預測卷煙月度投放量，采用時間序列模型中的季節變動預測法，根據實際情況改進算法，設定了“下月日均銷量”和“目標月存銷比”這兩個定量調控預測手段，通過存銷比管理，建立了卷煙月度投放量預測模型。實證檢驗表明該模型能夠進行較為準確的月度預測，可以據此在工商協同營銷系統中創新、優化工商月度網上配貨工作。

工商協同；卷煙投放量；預測模型；市場；計劃

工商協同營銷是我國煙草行業改革和發展的必然要求。卷煙需求預測是工商協同營銷的重要業務起點，一直以來工商企業各自預測，缺乏用于協同的預測模型。基于工商協同的卷煙月度投放量預測模型，預測對象是“工業企業”供應“商業公司”各卷煙牌號規格的月度投放量，預測主體是工、商企業聯合使用，能夠為工商企業提供一致的組織貨源、組織生產、組織配送和品牌經營的信息導向，提高工商協同營銷業務的效率?！氨M管已有數十篇的文章研究我國卷煙需求預測，但是許多研究結論尚存爭議[1]”，很難找到一種能協同工商雙方、并把市場與計劃結合起來的預測模型。

“構建卷煙需求預測模型的方法有三種。一是采用回歸模型。二是采用時間序列模型。三是采用組合預測方法。其中組合預測方法不是一種經濟預測模型，只是一種試圖提高預測精度的方法[1]。”回歸模型需要的宏觀信息和微觀信息比較難以獲得全面、一致的信息，數據粒度到月度就更困難了，而且，至今為止有關卷煙需求預測的研究，對卷煙需求的確切影響因子到底有哪些缺乏共識。同時，消費者和零售戶需求信息的真實性、可靠性難以保障[2-3]。因此基于工商協同的卷煙投放量預測模型，宜采用時間序列模型，利用各卷煙牌號規格的商業歷史銷量信息，對商業公司的未來銷量時間序列進行推斷，再逐步推算出相應的工業企業的未來投放量。

1 預測方法

1.1 時間序列模型方法的選取

時間序列模型的方法有移動平均法、趨勢外推法、指數平滑法、季節變動預測法、神經網絡模型等，前四種是傳統預測方法。在預測卷煙需求的很多研究中，神經網絡模型大多用于結合各種方式對傳統預測方式進行改進[4-6]。移動平均法和指數平滑法常出現滯后誤差[7]。趨勢外推法比較適合預測年度、半年度的卷煙銷售，如趙輝等[8]利用2004-2009年河北省某市卷煙年度銷售量，建立一元線性模型預測2010年銷售量。月度銷量預測中，季節變動預測法采用得較多,例如文獻[7-10]所闡述的。

卷煙銷售的時間序列具有整體趨勢變動性和季節波動性的二重趨勢變化特點。觀察近5年的全國卷煙銷售數據，可以看到，隨著GDP和人口的增長，卷煙年銷售總量逐年增加；春節、中秋等節日前后出現銷售高峰，隨后明顯減少。這些是長期趨勢和季節變動的體現。但是，季節變動預測方法并沒有考慮如何把計劃控制總量和市場季節變動結合起來，選取“季節變動預測方法”需要對預測算法進行改進。

1.2 確定商業公司銷量預測模型

時間序列可以分解成如下幾個部分[11]：

式中，Y：某個時間序列；T：長期趨勢項，長期時間序列逐漸增加或逐漸減少的變化；C：循環變動項，時間超過一年的周期性變動；S：季節變動項，一年內的周期性變動；E：隨機變動項，不可預期的偶然因素對時間序列的影響。

形成時間序列變動的4類構成因素，按照它們的影響方式不同，可以設定為不同的組合模型，其中常用的有乘法模型和加法模型：

乘法模型Y=T·C·S·E

加法模型Y=T+C+S+E

如果數值偏離趨勢部分的大小不隨時間的改變而改變，用加法模型；如果數值偏離趨勢部分的大小隨時間的改變而改變，用乘法模型。

宏觀經濟的發展趨勢決定了卷煙銷售的長期趨勢。工商企業根據對宏觀經濟形勢的判斷以及對當地卷煙市場的分析，雙方協商后簽訂“卷煙銷售協議”，“卷煙銷售協議”約定了未來一個較長時期內卷煙銷售的總量，協議總量可以作為“長期趨勢項T”；在季節變動影響下，各個月的卷煙銷售量會出現某種反長期趨勢的變化程度，這種變化程度是在一年內的周期性變動，可以作為“季節變動項S”。時間超過一年的周期性變動為循環變動項，對于年內的月度短期預測，“循環變動項C”識別比較復雜，通常把它合并到長期趨勢項里，而“隨機變動項E”是不可預測的。選擇乘法模型，商業公司卷煙月度銷售量的時間序列模型為：

式中，Y：卷煙月度銷售量時間序列；T：“卷煙銷售協議”總量；S：各個月卷煙銷售量的季節變動項。

1.3 基于存銷比計算出卷煙月度投放量

存銷比是指某一時點庫存量與期間銷量的比值。存銷比反映了庫存和銷售之間的關系，當銷量增大時，庫存也會增加。合理的存銷比可以有效滿足需求，既避免斷貨，又控制庫存過大?；诖驿N比的卷煙庫存管理技術，其基本約束是工業企業供貨后商業公司的目標存銷比不能大于最高投放存銷比，也不能低于最低投放存銷比[12]。根據工商雙方共同協商確定的目標存銷比，就可以計算出工業企業的卷煙投放量。

煙草行業常用的存銷比有“日存銷比”、“周存銷比”、“月存銷比”。月存銷比經常用于考核商業公司庫存控制水平，用于判斷某牌號規格卷煙是否滯銷要停止進貨，用于階段性地分析和反映問題。因此，采用“月存銷比”測算月度投放量。

1.4 預測的步驟

第一步，根據商業公司歷史銷售數據，預測商業公司卷煙月度銷售量，并計算出商業公司下月的兩個日均銷量：“季節日均銷量”和“近期日均銷量”。然后通過加權平均，預測確定商業公司的“下月日均銷量”?！凹竟澣站N量”和“近期日均銷量”的權重可以由工商雙方根據市場變化，共同協商確定，這是模型提供的一種定量調控手段。

第二步，根據預測日的“商業公司庫存”、“近期日均銷量”、工業企業調撥商業公司的“在途庫存”，預測下月1日商業公司的“下月期初庫存”。

第三步，根據“下月日均銷量”、“下月期初庫存”和“目標月存銷比”，預測得出工業企業供貨的“下月投放量”?！澳繕嗽麓驿N比”的設置是模型提供的又一種定量調控手段。

“下月投放量”，可作為下月工商月度需求銜接的預測參考。逐月預測后半年的“累計月度投放量”，與“半年協議量”進行比較，可作為工商雙方半年補貨協議的預測參考。

2 算法設計

2.1 商業公司日均銷量的確定

2.1.1 季節日均銷量

取商業公司各年度半年同期的每月銷量數據作為時間序列：y1、y2、…、yn，它由m年數據組成（m≥3），季節長度為L，L=6個月，則n=m×L。例如：2009年1月銷量，2009年2月銷量，…，2009年6月銷量，2010年1月銷量，2010年2月銷量，…，2010年6月銷量，2011年1月銷量，2011年2月銷量，…，2011年6月銷量。

（1）建立季節預測模型：

用各期的觀測值除以趨勢值，剔除趨勢，得出季節指數和隨機變動的混合值

再對同季節的這個混合值求平均，得到季節指數的估計值

（2）上面的算法不能實現“把計劃控制總量和市場季節變動結合起來”的模型的目標。需要改進算法，把工商半年協議量和市場季節變動因素結合起來：

把③代入④后，再把④代入①，得到：

把第t+1期到第t+L期的預測值累加，即半年預測銷量累計為：

⑤除以⑥后，經過整理得到新的預測算法：

設：

則新的預測算法表示為：

小學生的年齡小，抽象思維能力較差。而小學數學教師可以運用多媒體教學法架起學生與教材之間的橋梁，進而降低其學習坡度。與此同時，教師要充分地結合自身的教學特點，從而提升小學數學教學的教學有效性。

（3）設預測月份的天數為Dλ，那么預測月份的季節日均銷量為：

2.1.2 近期日均銷量

2.1.3 下月日均銷量

式中，w1：季節日均銷量權重；w2：近期日均銷量的權重。

權重w1、w2按下面方法求?。?/p>

權重w1、w2可以上下做一些調整。調整原則是：w1+w2=1；市場季節變動最大的那個月，w1最大可以調整為1；同類卷煙設置同等的權重。

2.2 下月商業公司期初庫存的確定

卷煙從工業企業調撥到商業公司的過程中，未入商業公司庫存的卷煙數量為在途庫存量。

下月商業公司期初庫存IO預測如下：

式中，IO：下月商業公司期初庫存；Id：預測日的商業公司庫存；II：在途庫存。

2.3 工業企業供應商業公司的月度投放量Tm計算

庫存控制是連結供需的紐帶。根據下月商業公司目標月存銷比B，可以計算出下月工業企業月度投放量Tm：

對于商業公司的目標月存銷比B的設置，基于工商協同營銷，需要遵循以下原則：工商相互協調、共同確定目標月存銷比的水平和控制策略；以客戶滿意度和成本費用水平綜合最佳為目標；同類卷煙設置同等的目標月存銷比。

3 實證分析

下面以銷售比較穩定的玉溪(軟)品牌規格卷煙為例，提取2009年至2011年玉溪(軟)品牌規格在某城市的上半年工商半年協議量、每月商業銷量、每月工業投放量等數據。預測2012年上半年該城市的工業卷煙月度投放量。以下圖表，涉及卷煙數量的，單位均為“箱”。

3.1 銷量數據分析

首先，觀察玉溪(軟)商業銷量時間序列，畫散點圖，如圖1所示。

從圖1可以看出玉溪(軟)上半年銷量時間序列總體呈緩慢持續增長的趨勢，同時時間序列在每年內呈季節性波動起伏，在1月份即元旦、春節的節日期間達到年內峰值，隨后2月份銷量銳減，3月份銷量反彈，以后各月份上下波動總體向上緩慢增長。

3.2 預測結果

第一步，首先按照預測模型中⑧計算商業銷量預測值y19、y20,…,y24，即2012年1月商業銷量預測值、2012年2月商業銷量預測值、…、2012年6月商業銷量預測值。計算過程如表1所示。

表1 預測模型中⑧的計算過程Tab.1 Calculation process of forecast model ⑧

續表1

然后按照預測模型中⑨和⑩，計算商業公司的兩個日均銷量：季節日均銷量和近期日均銷量（每月20日為預測日）。按照預測模型中?，計算得出商業公司的下月日均銷量。計算過程如表2所示。

表2 預測模型中⑨⑩?的計算過程Tab.2 Calculation process of forecast model ⑨⑩?

計算w1、w2后，做調整，其中1月份卷煙銷售的季節變動最大，把季節日均銷量權重w1設置為1，近期日均銷量權重w2設置為0。其他月份均做幅度基本一致的調整。

第二步，按照預測模型中?，計算商業公司的下月期初庫存。

第三步，按照預測模型中?，計算得到工業企業供應商業公司的月度投放量。3月份商業公司對市場進行調控，商業公司的目標月存銷比調整為0.2。第二步和第三步的計算過程如表3所示。

表3 預測模型中??的計算過程Tab.3 Calculation process of forecast model ??

預測值與實際值的相對誤差很小。預測值累計后與半年協議量比較，有63.17箱計劃未完成，不足半年協議量的0.4%，符合煙草行業“總量控制，稍緊平衡”的調控原則。

3.3 比較分析

（1）不做調控，即不調整權重w1、w2

上面步驟、算法、目標月存銷比均不變，但計算w1、w2后，不做調整，得到預測值與實際值的比較如表4所示。

表4 不調整權重，預測值與實際值比較Tab.4 Comparison between predicted value and actual value without adjusting w1 and w2

預測值與實際值的相對誤差較大。預測值累計后與半年協議量比較，超過半年協議量2.92%，可得到工商半年補貨協議的預測量為465.63箱。符合煙草行業“總量控制，稍緊平衡”的調控原則。

（2）不把工商半年協議量和市場季節變動因素結合起來

權重w1、w2目標月存銷比B的設置一致的條件下，按照預測模型中①計算商業銷量預測值，得到預測值與實際值的比較如表5所示。

表5 權重、商業目標月存銷比不變，預測值與實際值比較Tab.5 Comparison between predicted value and actual value when the weight and the monthly inventory-to-sales ratio are unchanged

預測值與實際值的相對誤差非常大。預測值累計后與半年協議量比較，僅僅完成半年協議量的43.8%。而且無論如何調整權重w1、w2，預測結果都不能令人滿意。

（3）趨勢比率模型預測

“季節變動預測法”中趨勢比率模型應用最為廣泛[7-10]，下面用趨勢比率模型計算商業公司月銷量，其他算法不變，目標月存銷比B設置不變。

按照趨勢比率模型方法，以直線模型擬合長期趨勢：T=a+bt。用最小二乘法估計參數，得到長期趨勢模型回歸方程：T=599.84+87.2t。剔除趨勢，消除隨機干擾，計算調整系數，得到各季節指數：S19=1.8193，S20=0.7611，S21=0.9074，S22=0.9286，S23=0.8284，S24=0.7612。建立季節模型：計算得到商業公司月銷售量。最后得到預測值與實際值的比較如表6所示。

表6 趨勢比率模型預測，預測值與實際值比較Tab.6 Comparison between predicted value and actual value under Trend-Ratio model

預測值與實際值的相對誤差較大。預測值累計后與半年協議量比較，只完成半年協議量的81%。

通過實證和對比分析，基于工商協同的工業卷煙月度投放量預測模型，其經濟模型的意義符合實際情況，預測效果更佳。

4 結束語

基于工商協同的工業卷煙月度投放量預測模型，以工商半年協議量、商業歷史銷量、商業庫存量、工商在途運輸數量等行業大數據為基礎，能夠協同工商雙方進行準確、一致的月度預測，從而提高工商協同月度需求銜接的效率；能夠提供計劃與市場結合的方法和參數調控的手段，預測市場驅動下的多種調控結果，使得計劃與市場的協調性更好地達成。在預測商業公司銷量時，算法進行了科學創新，其特點是，“季節變動預測法的長期趨勢項有多種計算方法，季節指數計算方法唯一；而該模型算法不計算長期趨勢項，長期趨勢項的數值已經確定，季節因子可以有多種算法?！边@里提供了一種季節因子最簡單的算法。

[1]王毅輝.我國卷煙需求預測研究述評[J].中國煙草學報,2012,18(4)：88-93.

[2]秦前浩,李穗明,王宏,金亦斌,張士剛,朱明權.煙草行業工商協同營銷模式研究與探討[J].中國煙草學報 ,2010,16(2)：73-77.

[3]孫永河,段萬春,傅紅.基于決策支持系統的卷煙需求預測模型優化研究[J].中國市場,2011(10)：64-66.

[4]仲東亭,張玥.BP神經網絡對煙草銷售量預測方法的改進研究[J].工業技術經濟,2007(9)：115-118.

[5]謝星峰,謝東風,鄒平.基于CBP的卷煙銷售二重趨勢時間序列預測模型研究與應用[J].控制理論與應用 ,2007(6)：1015-1020.

[6]關雷.神經網絡在卷煙銷量預測及營銷策劃中的應用[D].內蒙古大學計算機學院碩士論文,2012.

[7]向美英,何利力.趨勢比率模型在卷煙預測中的應用[J].工業控制計算機,2011,24(9)：74-75.

[8]趙輝,王輝.基于多種時序模型的河北省某市卷煙需求預測比較[J].經濟研究導刊,2011(8)：142-145.

[9]鄒亮.懷化市卷煙市場需求時間序列分析[J].中國煙草學報,2007,13(6)：51-56.

[10]王森,吳春明.煙草系統卷煙需求預測模型的探討[J].現代機械,2007(2)：4-9.

[11]潘紅宇.時間序列分析[M].北京：對外經濟貿易大學出版社,2005：39-40.

[12]江濤,鄒平.基于存銷比的卷煙庫存管理方法[J].中國物流與采購,2009(15)：66-67.

Monthly cigarette supply forecasting model based on coodination of producdtion and marketing

HUA Yong
Technical Quality Department, Hongta Tobacco (Group) Co., Ltd, Yunnan 653100, China

This paper established a monthly cigarette supply forecasting model to achieve good balance between manufacturing and sales so as to make market-oriented plans. Time series method was used to determine commercial sales forecast model. An innovative algorithm based on seasonal variation forecast method, and two quantitative regulatory forecasting measures were designed. Monthly cigarette supply amount was determined by inventory-to-sales ratio management. Compared with other models the model proved to have good accuracy and consistency. It could synchronized production and sale well and optimize goods distribution and delivery.

synchronized production and sale; cigarette supply; forecast model; market; plan

華勇. 基于工商協同的卷煙月度投放量預測模型[J]. 中國煙草學報，2015,21（4）

華勇（1970—），碩士，工程師，主要研究方向：供應鏈管理、數據中心，Email：huayong@hongta.com

2014-05-09

:HUA Yong. Monthly cigarette supply forecasting model based on coodination of production and marketing [J]. Acta Tabacaria Sinica, 2015, 21(4)