基于服装产业需求预测的决策支持系统.ppt

基于服装产业 需求预测的决策支持系统 姓 名： 指导老师： 完成时间：2015年12月19日 目录 2.研究现状分析 4.应用案例 3.建立模型方案 5.讨论和结论 1.产业背景 6.展望 服装企业在经济发展中占据重要的地位，但在发展前景中存在机遇与挑战。 生命周期短 高波动性 低可预测性 高购买冲动 需求预计在服装制造到出售的各方面，是对未来可能发生的情况的预计与推测。 1 图2服装产品的生命周期 图1服装的商业周期 服装商业周期和产品的生命周期呈现出波动的趋势，需求预测在这中间能够更好地把握每个关键点。 图片来源：/link?url 2 长期战略性决策的重要输入，短期日常活动的重要依据 预测为编制各部门的计划提供了基础，使得各部门能够协调一致的开展工作 减少成本 提高在不断波动的环境中商业竞争优势 提高商户信誉 增加战略机遇，提高企业活力 3 图片来源：/link?url=-5AuKl6 图3需求预测的影响因素 4 1 库存水平——无法预测物流系统的可靠性——物流管理与供应链同步 2 生产成本——无法预测一级二级制造商的可靠性 3 客户满意程度——无法预测客户需求——需求动态模式 影响需求预测误差的因素——服装行业的不确定性： 5 图片来源：/link?url=5AuKl6Z0bx7LH2mAqtXZgJsJwOhIxLb4UPVTQHwTpsxEedlTKRc_Abvjsd7Iem32H0E2ceGvZ2ZkL4CiOQcPAsKiCi905BzqTAUpCGI1hu 图4需求预测的分类 6 文献研究 研究方法 需求预测系统研究 专家访问 7 研究方法 本质——建立数学模型 困难——经济环境的不稳定 回归模型和ARIMA只对季节性和周期性数据有效，但不准确，不能准确地捕捉和管理所需求的随机变异的组件 —— 郭（2002） 缺乏一定的专业知识，需要大量的数据，其非线性图案难以捕捉异常值可以偏置模型参数的估计 ——Garetti和Taisch（2009） 更加精确，糊神经网络系统产生更精确的结果相比其他两种方法重点在于牛鞭效应 对特殊情况影响的数据有效，如促销或极端危机 统计方法 定量方法 模糊逻辑 人工神经技术 8 针对性具体项目的研究方法： 针对数据的方法： 基于神经技术的多层次供应链结构不确定客户需求的比较预测方法——Efendigil等（2009） 应用蒙特卡洛模拟方法解决了市场需求预测问题——黄（2009） 基于相结合的统计预测方法和改进的遗传算法进行建模——Sayed等（2009） 相结合的智能模式——Sayed等（2009） 聚类程序和决策树的方式——Thomassey和Fiordaliso（2006） 9 针对性具体项目的研究内容： 国内相关研究内容： 郭等（2002）模糊神经网络解决在推广销售预测问题上的智能预报系统 Frank等（2003）使用三种不同的方法预测的需求：指数平滑法、冬天的方法和神经网络使用相同的历史数据方法 homassey等（2005）针对纺织市场发展了一种特殊的需求预测工具 Petrovic等（2006）为产品需求预测（DSS_DF）提出了一个新的模糊逻辑为基础的决策支持系统 等（2008）应用一种新的神经网络技术，名为极端学习机（ELM）来调查销售金额和影响时尚零售需求有所显著因素之间的关系。 Thomassey（2010）对经销商的服装行业销售预测研究。该文件还包括模糊逻辑，神经网络和数据挖掘方法的比较。 倪冬梅、赵秋红、李海滨联合发表《需求预测综合模型及其与库存决策的集成研究》建立了时间序列分析与多元回归整合的需求预测综合模型进行需求预测。 张秀美、孙永剑、郭亮伟联合发表《面向大批量定制的基于改进的 LS-SVM服装需求预测模型》建立了以改进的二乘支持向量机(LS-SVM) 方法为主、多方法融合为辅的预测模型，对服装销售量进行动态预测。 10 结合方法性能结果优于使用单个方法，例如神经网络和模糊系统的组合，提高了预测的准确性 尽管需要准确的预测来提高商业竞争优势，但这没有标准的方法 没有需求预测在服装行业和我们所知的共同的任何分析方法，也没有足够数量的研究文献与服装厂商的ANFIS的需求预测。 11 12 和ANN相比，ANFIS所需的实验数据更少，通用性更广。 13 图4 ANFIS的结构框架 14 15 16 Sugeno模糊模型：Sugeno 模糊模型也称TSK 模糊模型，旨在开发从给定的输入输出数据集产生模糊规则的系统化方法。Sugeno 型模糊推理将去模糊，也结合到模糊推理中，其输出为精确量。 一阶Sugeno 模型规则的形式为: if x is A and y is B then z = px +qy +r. 17 规则