CN102955978A - 一种基于周期性灰色系统的时装生产控制方法 - Google Patents

一种基于周期性灰色系统的时装生产控制方法 Download PDF

Info

Publication number
CN102955978A
CN102955978A CN2011102546079A CN201110254607A CN102955978A CN 102955978 A CN102955978 A CN 102955978A CN 2011102546079 A CN2011102546079 A CN 2011102546079A CN 201110254607 A CN201110254607 A CN 201110254607A CN 102955978 A CN102955978 A CN 102955978A
Authority
CN
China
Prior art keywords
production
value
fashion
sales
control method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011102546079A
Other languages
English (en)
Other versions
CN102955978B (zh
Inventor
夏旻
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN201110254607.9A priority Critical patent/CN102955978B/zh
Publication of CN102955978A publication Critical patent/CN102955978A/zh
Application granted granted Critical
Publication of CN102955978B publication Critical patent/CN102955978B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及时装生产产量管理领域，特别是涉及具有周期特性的时装生产控制方法。为了有效利用时装销售的周期性，提供一种高准确性和高可靠性的时装销售额预测方法，并有效利用数据的周期性指导时装企业生产，本发明公开了一种基于周期性灰色系统的时装生产控制方法。这种方法采用对历史数据进行周期截断整合的方式对数据进行处理，然后构建灰色系统对未来的销售进行预测，从而有效提高了时装零售的预测精度和预测的可靠性，为时装企业的生产决策提供参考。不仅能有效的解决历史样本过短的问题，而且能提高预测的准确性和可靠性。

Description

一种基于周期性灰色系统的时装生产控制方法
技术领域
本发明涉及时装生产产量管理领域，特别是涉及具有周期特性的时装生产控制方法。
 
背景技术
对时装销售的预测是时装企业做预算和规划的重要参考，对提高企业的竞争力和利润有重要的意义。因此，近年来对时装销售的预测的方法在理论研究和应用研究越来越受到时装企业的广泛重视。但是，对于时装企业来说，由于各种原因，有效的历史数据往往会很少，这就造成了时装企业在生产控制中难以制定合理的生产量，要么不能满足市场需求，减小了企业利润，要么就是生产过剩，不仅造成了原材料的极大浪费，而且降低了企业的竞争力。究其原因，主要是历史销售数据的短缺造成了模型构建以及销售规律提取的难度，同时也使得传统的方法无法满足预测的准确性和可靠性。而且传统的时间序列预测法包括自回归模型、人工神经网络模型、K近邻模型、灰色系统等都不能很好的描述时装销售的周期性特性，导致目前这些方法的预测效果都不理想。对于时装销售的预测，利用周期性特性可以很好的提高预测的准确性和稳定性。因此非常有必要寻找一种高准确性和高可靠性的时装销售额预测方法，并有效利用数据的周期性指导时装企业生产。
 
发明内容
本发明的目的是有效利用时装销售的周期性，提供一种高准确性和高可靠性的时装销售额预测方法，并有效利用数据的周期性指导时装企业生产。
为了实现上述发明目的，我们提出了一种基于周期性灰色系统的时装生产控制方法。所述的生产控制方法是利用经周期截断整合法处理后的历史销售数据，构建离散型灰色预测系统，进而预测未来销售数据，并将预测销售数据与生产计划进行比对，从而控制生产的方法。该方法有效的解决了历史数据比较短（一般少于5年即认为比较短）的问题，能从有限的数据中提取更多的有效信息，并且有效的利用了时装销售的周期性的特性，提高了时装销售预测的准确性和可靠性。
本发明所采用的技术方案如下：
步骤1  构建灰色预测系统；
（1）以月份或者季度作为历史数据点，将时装历史销售数据定义为一个时间序列                                                
Figure 2011102546079100002DEST_PATH_IMAGE001
 ，其中
Figure 263642DEST_PATH_IMAGE002
代表第
Figure 999385DEST_PATH_IMAGE004
个月或者第
Figure 25110DEST_PATH_IMAGE004
个季度的销售额；
（2）采用周期截断整合法(cycle truncation accumulated generating operation (CTAGO))对历史的销售数据进行处理；
Figure 2011102546079100002DEST_PATH_IMAGE005
这里
Figure 918242DEST_PATH_IMAGE006
为数据序列的截断整合的周期。对于按月份为历史数据点的
Figure 2011102546079100002DEST_PATH_IMAGE007
；对于按季度为历史数据点的
Figure 924332DEST_PATH_IMAGE008
；
（3）基于
Figure 2011102546079100002DEST_PATH_IMAGE009
构建离散型灰色预测系统：
（4）定义
Figure 2011102546079100002DEST_PATH_IMAGE011
，；
Figure 2011102546079100002DEST_PATH_IMAGE013
；
Figure 216270DEST_PATH_IMAGE014
；
Figure 2011102546079100002DEST_PATH_IMAGE015
；
将上述定义值代入（3）中离散型灰色预测系统，得到
Figure 579381DEST_PATH_IMAGE016
的初步预测值：
Figure 2011102546079100002DEST_PATH_IMAGE017
Figure 165083DEST_PATH_IMAGE018
；
步骤2 根据步骤1中得到的预测结果，与原生产计划进行比对；
a. 如果预测值大于预期生产值，增加计划生产量；
b. 如果预测值等于预期生产值，保持原计划生产量不变；
c. 如果预测值小于预期生产值，减少计划生产量。
 
为了进一步提高预测的准确度，本发明公开了采用最接近的时装销售历史数据对未来销售额进行预测，即
Figure 221026DEST_PATH_IMAGE017
Figure 321706DEST_PATH_IMAGE018
；
中m取值为0，得到预测结果：
Figure 2011102546079100002DEST_PATH_IMAGE019
此时预测得到的数据准确性更高，指导价值更好。
基于上述的更为准确的预测结果，我们进一步引入修正项
Figure 319135DEST_PATH_IMAGE020
，得到预测结果为：
Figure 2011102546079100002DEST_PATH_IMAGE021
使用无约束的最小二乘方法求修正项
Figure 87239DEST_PATH_IMAGE020
的最优化值，得到修正项
Figure 360089DEST_PATH_IMAGE020
最优化值：
Figure 777426DEST_PATH_IMAGE022
将
Figure 793924DEST_PATH_IMAGE020
的最优化值代入
Figure 478852DEST_PATH_IMAGE021
，得到修正后的预测结果：
Figure 2011102546079100002DEST_PATH_IMAGE023
根据上述预测结果，与原生产计划进行比对；
a. 如果预测值大于预期生产值，增加计划生产量；
b. 如果预测值等于预期生产值，保持原计划生产量不变；
c. 如果预测值小于预期生产值，减少计划生产量。
 
附图说明
图1  是本发明方法的预测流程图
具体实施方式
下面参照说明书附图，对本发明的具体实施方式做出更为详细地说明：
本发明周期性灰色系统的时装零售预测方法可通过四个阶段来实现，一是历史数据的预处理阶段，二是利用周期性灰色系统进行初步预测阶段，三是对初步预测结果进行修正的阶段，四是对生产进行修正。本方法的流程图如图1所示。
1.    历史数据的预处理
历史数据的预处理分两步完成：
（1）从服装销售企业的数据库中提取历史销售数据，将这些销售数据按照不同的种类（例如外套、裤子、裙子等）分类，并把分类好的销售数据按照月份或季度汇总形成一个时间序列。汇总数据后形成的时间序列为
Figure 611018DEST_PATH_IMAGE001
 ，其中
Figure 764919DEST_PATH_IMAGE002
代表第
Figure 834375DEST_PATH_IMAGE004
个月的销售额（若为季度数据则代表第个季度的销售额）。
（2）周期截断整合法对历史销售数据进行处理：
Figure 687329DEST_PATH_IMAGE005
这里
Figure 249898DEST_PATH_IMAGE006
为数据序列的截断整合的周期。对于按月预测，有
Figure 358930DEST_PATH_IMAGE007
；对于按季度预测，有。
2．利用周期性灰色系统进行初步预测
（1）基于
Figure 804004DEST_PATH_IMAGE009
构建灰色预测系统，初步预测
Figure 355333DEST_PATH_IMAGE016
：
Figure 517324DEST_PATH_IMAGE010
为了方便运算，把公式上式改写成：
Figure 969034DEST_PATH_IMAGE024
其中：
Figure 941801DEST_PATH_IMAGE011
，
Figure 292011DEST_PATH_IMAGE012
。把
Figure 241381DEST_PATH_IMAGE009
，
Figure DEST_PATH_IMAGE025
带入，可以得到以下公式：
Figure 980886DEST_PATH_IMAGE026
。
上述公式组用矩阵表示为：
Figure DEST_PATH_IMAGE027
，其中
Figure 560772DEST_PATH_IMAGE028
，，和
Figure 273644DEST_PATH_IMAGE030
分别表示为：
Figure 439625DEST_PATH_IMAGE014
Figure 252730DEST_PATH_IMAGE015
。
由
Figure 265947DEST_PATH_IMAGE027
可得，
Figure DEST_PATH_IMAGE031
，从而有
Figure 115042DEST_PATH_IMAGE032
。将
Figure DEST_PATH_IMAGE033
，带入到公式
Figure DEST_PATH_IMAGE035
 可以得到
Figure 943638DEST_PATH_IMAGE016
的初步预测值：
Figure 490157DEST_PATH_IMAGE036
（2）一般来说，越近的历史数据能够更好的反应未来的趋势。所以在预测的过程中仅使用如下公式以便取得更好的预测效果：
Figure 352065DEST_PATH_IMAGE019
4．对初步预测结果进行修正
为了减少方法中的重复迭代影响预测结果准确性，在公式中增加一个修正项
Figure 455336DEST_PATH_IMAGE020
，则
Figure 489151DEST_PATH_IMAGE019
变为：
Figure 561275DEST_PATH_IMAGE021
   针对上式，使用无约束的最小二乘方法求修正项
Figure 878992DEST_PATH_IMAGE020
的最优化值。即求解如下的优化方程：
Figure DEST_PATH_IMAGE037
Figure 974027DEST_PATH_IMAGE038
Figure DEST_PATH_IMAGE039
由上面的方程可求得修正项
Figure 682088DEST_PATH_IMAGE020
最优化值：
Figure 869487DEST_PATH_IMAGE022
将修正项
Figure 543176DEST_PATH_IMAGE020
的最优化值带入公式，并用公式
Figure 48293DEST_PATH_IMAGE021
的结果对公式
Figure 39383DEST_PATH_IMAGE019
进行修正，并以此去预测下一个月或下一个季度的销售额。由公式
Figure 505261DEST_PATH_IMAGE021
可以得到的预测值为：
Figure DEST_PATH_IMAGE041
。
5．参考上面得到的预测结果，与原来的生产计划进行比对，然后指导调整生产计划，如果预测值小于计划生产值，则减少产量；如果预测值大于计划生产值，则增加产量；如果刚好预测值和计划生产值相等，那么就维持原来的生产计划不变。在上面经过修正得到的函数式中，由于
Figure 91412DEST_PATH_IMAGE042
代表的就是上一周期同期销售额，也就是我们一般的计划生产量，所以只需要考察
Figure DEST_PATH_IMAGE043
的值，如果
Figure 73143DEST_PATH_IMAGE043
的值大于零，那么代表销售额呈上升趋势，所以应该调整生产计划，提高生产量；如果的值小于零，那么代表销售额呈下降趋势，所以为了规避风险，应该减少生产量；如果刚好
Figure 976913DEST_PATH_IMAGE043
的值为零，说明销售额基本维持不变，可以参考原来的同期销售额，制定生产计划。
采用上面的技术方案后，可以有效的利用时装销售的周期性对销售额进行预测，并且根据预测结果及时调整生产计划，从而保证能够准确生产，既能满足市场对于所预测时装的需求，又不会产出过剩，造成产品积压。

Claims (3)

1.一种基于周期性灰色系统的时装生产控制方法，其特征是所述的生产控制方法是利用经周期截断整合法处理后的历史销售数据，构建离散型灰色预测系统，进而预测未来销售数据，并将预测销售数据与生产计划进行比对，从而控制生产的方法，其具体步骤如下：
步骤1  构建灰色预测系统；
（1）以月份或者季度作为历史数据点，将时装历史销售数据定义为一个时间序列                                                
Figure 2011102546079100001DEST_PATH_IMAGE001
 ，其中
Figure 887293DEST_PATH_IMAGE002
代表第个月或者第
Figure 502219DEST_PATH_IMAGE004
个季度的销售额；
（2）采用周期截断整合法(cycle truncation accumulated generating operation (CTAGO))对历史的销售数据进行处理；
Figure 2011102546079100001DEST_PATH_IMAGE005
这里
Figure 429724DEST_PATH_IMAGE006
为数据序列的截断整合的周期。
2.对于按月份为历史数据点的
Figure 2011102546079100001DEST_PATH_IMAGE007
；对于按季度为历史数据点的；
（3）基于构建离散型灰色预测系统：
Figure 902742DEST_PATH_IMAGE010
（4）定义
Figure 2011102546079100001DEST_PATH_IMAGE011
，
Figure 778556DEST_PATH_IMAGE012
；
Figure DEST_PATH_IMAGE013
；
；
Figure DEST_PATH_IMAGE015
；
将上述定义值代入（3）中离散型灰色预测系统，得到
Figure 948955DEST_PATH_IMAGE016
的初步预测值：
Figure DEST_PATH_IMAGE017
Figure 826869DEST_PATH_IMAGE018
；
步骤2 根据步骤1中得到的预测结果，与原生产计划进行比对；
a. 如果预测值大于预期生产值，增加计划生产量；
b. 如果预测值等于预期生产值，保持原计划生产量不变；
c. 如果预测值小于预期生产值，减少计划生产量。
3.如权利要求1所述的一种基于周期性灰色系统的时装生产控制方法，其特征是采用最接近的时装销售历史数据对未来销售额进行预测，即
Figure 817959DEST_PATH_IMAGE017
Figure 283837DEST_PATH_IMAGE018
；
中m取值为0，得到预测结果：
Figure DEST_PATH_IMAGE019
如权利要求2所述的一种基于周期性灰色系统的时装生产控制方法，其特征是引入修正项
Figure 577546DEST_PATH_IMAGE020
，得到预测结果为：
Figure DEST_PATH_IMAGE021
使用无约束的最小二乘方法求修正项
Figure 932304DEST_PATH_IMAGE020
的最优化值，得到修正项
Figure 477818DEST_PATH_IMAGE020
最优化值：
Figure 296738DEST_PATH_IMAGE022
将
Figure 506221DEST_PATH_IMAGE020
的最优化值代入
Figure 738488DEST_PATH_IMAGE021
，得到修正后的预测结果：
Figure DEST_PATH_IMAGE023
根据上述预测结果，与原生产计划进行比对；
a. 如果预测值大于预期生产值，增加计划生产量；
b. 如果预测值等于预期生产值，保持原计划生产量不变；
c. 如果预测值小于预期生产值，减少计划生产量。
CN201110254607.9A 2011-08-31 2011-08-31 一种基于周期性灰色系统的时装生产控制方法 Expired - Fee Related CN102955978B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110254607.9A CN102955978B (zh) 2011-08-31 2011-08-31 一种基于周期性灰色系统的时装生产控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110254607.9A CN102955978B (zh) 2011-08-31 2011-08-31 一种基于周期性灰色系统的时装生产控制方法

Publications (2)

Publication Number Publication Date
CN102955978A true CN102955978A (zh) 2013-03-06
CN102955978B CN102955978B (zh) 2016-05-04

Family

ID=47764762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110254607.9A Expired - Fee Related CN102955978B (zh) 2011-08-31 2011-08-31 一种基于周期性灰色系统的时装生产控制方法

Country Status (1)

Country Link
CN (1) CN102955978B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862415A (zh) * 2017-11-30 2018-03-30 成都飞机工业（集团）有限责任公司 一种产量预测方法
CN116894510A (zh) * 2023-06-06 2023-10-17 扬州云易信息技术有限公司 一种基于mes的多功能调控生产系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1815498A (zh) * 2005-02-04 2006-08-09 台湾积体电路制造股份有限公司 需求预测系统及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1815498A (zh) * 2005-02-04 2006-08-09 台湾积体电路制造股份有限公司 需求预测系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
TZU-LI TIEN: "A new grey prediction model FGM(1, 1)", 《MATHEMATICAL AND COMPUTER MODELLING》 *
谢德明: "运用灰色系统理论进行市场预测", 《中国矿业大学学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862415A (zh) * 2017-11-30 2018-03-30 成都飞机工业（集团）有限责任公司 一种产量预测方法
CN107862415B (zh) * 2017-11-30 2021-11-30 成都飞机工业（集团）有限责任公司 一种产量预测方法
CN116894510A (zh) * 2023-06-06 2023-10-17 扬州云易信息技术有限公司 一种基于mes的多功能调控生产系统

Also Published As

Publication number Publication date
CN102955978B (zh) 2016-05-04

Similar Documents

Publication Publication Date Title
Kück et al. Forecasting of customer demands for production planning by local k-nearest neighbor models
CN104700152B (zh) 一种融合季节销售信息与搜索行为信息的烟草销量预测方法
Feng et al. Smart meter data-driven customizing price design for retailers
CN105023066B (zh) 一种基于季节调整的业扩报装分析预测系统及方法
CN106779859A (zh) 一种移动终端产品实时销量预测方法
CN101551884A (zh) 面向大规模样本的cvr电力负荷快速预测方法
CN104699890B (zh) 一种城网配变重过载短期预警模型的建模方法
CN107609289A (zh) 基于bim模型的结构加固工程的建材成本管控方法以及系统
CN109784984A (zh) 一种生鲜门店智能订货系统
Kara Does US monetary policy respond to oil and food prices?
CN106897803A (zh) 一种基于组合灰色模型预测管理复烤烟叶原料需求的方法
CN109088742A (zh) 一种业务预测方法及网元设备、计算机可读存储介质
Wen et al. Daily sales forecasting for grapes by support vector machine
CN102663128B (zh) 一种大规模协同过滤的推荐系统
US20150134395A1 (en) Planning system for crop production, planning method for crop production, and non-transitory computer-readable recording medium
Behera et al. XGBoost regression model-based electricity tariff plan recommendation in smart grid environment
CN102955978A (zh) 一种基于周期性灰色系统的时装生产控制方法
CN105741143A (zh) 一种基于负荷特性及其聚类分析的电力商品定价模型建立方法
CN109767037A (zh) 一种夏季日最大负荷的预测方法
CN104657429A (zh) 基于复杂网络的技术驱动型产品创新方法
CN104809546A (zh) 一种新型多目标智能加权灰靶决策方法
Yang et al. Fuzzy TOPSIS-based supply chain optimization of fresh agricultural products
Pan et al. Market liberalization and crop planting decision: a case of China
Qian et al. Automated Vegetable Pricing and Replenishment Decisions based on PSO
CN109325861A (zh) 采用经验回放机制的目标股票选择方法、装置及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160504

Termination date: 20180831

CF01 Termination of patent right due to non-payment of annual fee