于天池[1]2008年在《移动商务环境下服装行业动态销售预测技术研究与实现》文中研究指明我国服装行业的分销网络存在多模式、跨地域、多层级的特点,分销信息十分庞杂,导致供应链中分销计划的制订具有很大的盲目性;另外由于服装产品本身生命周期较短,其季节性、地域性、流行性等特点要求企业必须能够对市场变化做出快速正确的反应。因此快速精准的销售预测成为现代服装行业供应链管理中正确分销决策的关键。本文以提高服装行业销售预测准确性及快速性为目标,在分析服装销售预测技术现状、发展趋势基础上,提出了基于平差改进模型的精确销售预测方法,结合移动商务相关技术建立了动态销售预测模型,开发了相关预测系统,并以实际服装销售企业为例进行了应用验证。本文主要研究内容如下:1.提出了基于平差改进模型的服装行业销售预测方法。该预测方法首先对自动回归树模型进行了优化,并论证了其误差的可预测性;然后在此基础上引入影响服装销售的主要因素,基于神经网络方法建立多变量误差预测模型,从而形成了带误差反馈的动态闭环预测方法改进了传统的平差方法,提高了服装销售预测的准确度。2.提出了基于移动终端的服装行业动态销售预测技术。该技术基于移动终端快速对实时分销数据进行采集、交换和发布,然后针对服装销售短期预测的特点,引入实时数据,对平差预测模型再次进行了改进研究,从而建立多阶段的动态预测模型,综合提高了服装销售预测的准确度和速度。3.开发了服装行业动态精准销售预测系统,并在实际服装销售企业进行了验证。制定了系统的设计目标、实现方案,解决了WebService、移动页面开发和预测模型建立方法等技术难题,并以实际服装销售企业为例对系统进行了实现和验证。结果表明,该系统较大地改进了销售预测质量,能够对服装行业的供应链管理提供更加科学的决策支持。
王丽娜[2]2004年在《短期销售预测方法研究》文中指出经济预测为经济决策服务，是为了提高经济管理的科学水平，减少经济决策的盲目性，提高决策的正确性。因此，通过预测可以把握经济发展和了解未来市场变化的动态，预见社会、经济发展趋势，减少未来的不确定性，降低决策可能遇到的风险。随着国民经济的发展和社会购买力的提高，市场需求在数量上是不断增长的。为了充分发挥市场信息的反馈作用，从而使商业经营活动适应千变万变的市场需要，市场预测工作必须做到经常化和多样化。市场预测，从最终结果来说，就是预测市场需求量(从企业的角度来说，则就预测市场销售量)。短期销售预测及时反映市场发展变化的实际，研究短期销售对于市场预测有实际意义。 短期销售预测就是从历史销售额数据中总结商品销售中的规律性，并用这个规律动态地预测未来的销售额。许多对象具有复杂的不确定性和时变性，给预测及提高预测精度等方面带来了一定的难度，短期销售额预测分析是一个不规则的、复杂的非线性系统，因此对短期销售预测方法的要求更高。 本文较为全面地、深入地研究了短期销售额预测的理论和方法。在综合介绍了常用的预测理论在预测分析中的应用现状之后，详细阐述了神经网络预测理论的研究及应用情况。从实际分析要求出发，运用时间序列模型、灰色预测模型以及BP神经网络叁种预测方法进行分析，在经济发展可能增长方式下预测销售目标，采用灰色预测进行相关因素的预测和时间序列模型进行趋势预测，充分利用灰色预测要求资料少、不考虑分布规律、不考虑变化趋势、运算方便等优点以及时间序列模型能够考虑销售所受的多种因素影响，模型参数估计技术成熟，预测过程精确等特点。针对神经网络具有强大的非线性映像能力，建立叁层BP网络进行预测分析。在此基础上，初步建立了基于神经网络、符合销售额预测需要的组合预测模型，并给出了详细的理论方法和设计步骤。为了考察本文提出的方法的有效性，本文结合了传统的预测方法及神经网络预测方法等，并将其应用于我国月份社会消费品零售总额的规划预测中。
刘剑[3]2006年在《办公用品采购决策系统的研究》文中指出采购决策是企业经营管理的一项重要内容，其关键问题是如何制订最佳的采购方案，确定合理的商品采购数量，为企业创造最大的经济效益。传统的采购决策模式往往依赖于人工估计，采购行为与销售情况和经营效益脱节，特别是对现有的进销存历史数据信息不能科学有效地进行处理和利用，缺乏综合分析决策和对未来发展趋势进行科学预测的能力。因此，本文针对国内一家办公用品销售企业——办公伙伴公司，进行了采购决策支持系统的研究，即通过建立采购决策数学模型，设计实现办公用品采购决策系统。其过程主要分为以下两步：首先，运用人工神经网络技术对办公伙伴公司的短期销量进行销售预测。销售预测的关键问题是如何提高预测的精度。主要难点在于两个方面：如何选用合适的算法及如何克服运用的技术、算法本身的局限性。本文在分析和研究预测技术特点、神经网络原理及BP网络训练算法的基础上，提出了用引入动量因子及运用批处理训练样本集的方法来提高BP神经网络泛化能力和收敛速度，通过实际应用结果表明：采用动量的BP神经网络，网络的收敛速度和预测精度有大幅提高。接着，本文利用销售预测的结果，运用线性规划中的单纯形法建立了办公用品采购决策数学模型和算法，并采用Dephi7完成了可视化采购决策系统的设计。此系统在公司经过一段时间的运行，证明是适用和可靠的，并为企业创造了可观的经济效益。
朱卫华, 唐向宏, 张福洪[4]2005年在《小波分析在短期销售预测中的应用》文中指出由于影响销售的因素很多,销售的变化显示出越来越多的不确定性,使得一般的预测方法难以奏效。该文提出一种基于小波分析的短期销售预测方法。通过小波分解,将原时间序列依尺度分解成不同层次,对各层分别进行建模预测,最后合成得到原时间序列的预测值。实例验证该方法是可行的。
张志辉[5]2008年在《基于数据仓库的餐饮销售预测系统研究及应用》文中指出随着餐饮企业信息化系统的建立,企业的各个业务系统积累了大量的数据,但这些数据缺乏组织性并且数据的利用率太低,餐饮企业决策者急需了解隐藏在这些数据背后的重要知识以辅助企业的决策制定,数据仓库技术的出现为决策支持系统的开发提供了一条全新的途径。本文通过充分了解用户需求的基础上,提出一种基于数据仓库技术建立销售预测系统,其主要工作如下:1)餐饮数据仓库建模的研究:对某一具体餐饮企业的需求进行分析,提出数据仓库的叁阶段规范化模型描述的集成化建模方法,即概念模型的设计、逻辑模型的设计、物理模型的设计叁个阶段;为了保证数据转换、加载等有效进行,提出基于元数据主键映射代理的清洗过程,以解决企业内部异构数据源的问题。2)基于时间序列的决策树分类移动平均预测模型建立:依据餐饮企业预测数据频繁、预测量大和季节性等特点,设计一种基于时间序列的决策树分类移动平均预测模型,该模型将历史销售数据利用决策树算法和依据餐饮销售实际生成分类规则,随后将预测时间点对应的销售数据依据其他特征进行自动归类,在具有相同特征的历史销售数据类内进行移动平均计算,得出预测时间点菜肴销售量,从而消除了波动性、季节性因素等影响,同其他复杂时间序列预测方法相比具有简单、符合行业特征、操作实际性强等优点。3)通过对某一餐饮企业的预测系统设计和应用,对其预测数据与实际销售数据以及移动平均预测得出数据进行实际比较,验证了基于时间序列的决策树分类移动平均预测方法适用性、有效性和先进性。通过本文的研究将进一步提高决策系统在餐饮企业信息化中的理论和应用水平,并且提出利用时序分类数据挖掘来对销售预测进行预测,具有一定的理论意义和应用推广价值。
张燕萍[6]2016年在《基于同步流程计划的CTT公司销售预测和生产计划冲突协调策略的研究》文中指出我国商用车正处于走新型工业化道路的关键时期,随着产业的发展成熟,企业之间的竞争已经扩展到先进的管理技术领域,供应链管理已然成为企业的核心竞争力之一。CTT是国内商用车关键零部件的生产制造商,销售预测和主生产计划之间的冲突和矛盾一直是CTT内部长期存在的问题,且由于这样的冲突长期存在导致了CTT客户的满意度的下降,库存成本的不断上升,不断丧失其原来在供应链上的竞争优势。本文在综合分析国内外研究现状的基础上,以CTT公司销售预测和生产计划之间的冲突为主要研究对象,在CTT公司建立同步流程计划的管理方式和管理流程,帮助CTT缓解和消除销售预测和生产计划之间的冲突。本文的研究主要从以下叁个方面展开：(1)首先在已有关于销售预测、生产计划的研究基础上,通过了解CTT所处行业包括公司本身发展状况,以及CTT内部销售预测和生产计划的主要做法,深入分析CTT公司销售预测和生产计划之间冲突的表现和主要原因。(2)依据同步流程计划理论,建立和补充CTT公司在销售预测管理和生产计划管理上的缺失流程,建立产品计划与预测和生产计划的关联,建立控制体系确保信息和数据的同步性,通过管理流程的优化,关注过程和提高流程能力来保障理想结果的输出,同时建立管理层决策平台进一步平衡和协调,从而达到缓解销售预测和生产计划冲突的目的,从公司层面达到销售和生产的同步。(3)在同步流程计划的基础上,建立销售预测和生产计划的衡量体系和关键指标,通过绩效考核来促使流程回顾和持续改进优化。本文是跨越营销、销售、生产等多部门管理的实践总结,并基于同步计划流程在CTT公司应用的实际结果,从管理的视角协调冲突,具有较强的可操作性,同时也为商用车行业内上下游销售和供应链之间的冲突协调策略提供了一定的借鉴意义。
刘俊[7]2013年在《林纸供应链原料供应优化与仿真研究》文中进行了进一步梳理造纸术是中国古代的“四大发明”之一，在人类历史留下了灿烂的一页。二十一世纪信息时代、电子时代的来临也没能动摇纸产品在社会各方面发展中的重要地位。中国的森林资源比较有限，由于长期的砍伐和利用，全国不少地区的可利用资源已经濒临枯竭。传统林、浆、纸叁个环节分离的模式已经造成了原材料供应需求很大，这必然造成木材资源供应的缺口。纸张生产和林木资源一体化的模式可以抵御由于原材料价格的波动带来的企业生存危机，保证林木资源长期稳定供应；同时，一体化集团内部进行利益的再分配，实现整体利益的最大化，能够抵御外部经济的波动给集团企业带来的冲击。林纸一体化供应链原料供应管理是林纸供应链管理最核心的部分，原料供应管理的目标是能保证造纸使用的植物纤维稳定可持续地供应，避免原料价格出现剧烈的波动和原料供应的短缺。目前林纸集团木片库存积压严重，造成原料时间性损耗严重和原料质量下降；纸产品的库存不能在短期内消化，造成资金的大量占用；产能在纸产品的品种上分配不合理，不能最大限度的满足客户对纸产品的需求；不能实现均衡生产，导致生产运作成本较高。针对这些情况，本文提出了林纸供应链原料供应短期优化的综合性解决方案。林纸供应链原料供应短期优化首先是对纸产品的销售进行预测，然后基于销售预测的结果进行排产优化，使产能合理分配，最后基于排产优化的结果，制定木材纤维原料的供应策略和供应计划。通过林纸供应链原料供应的短期优化，实现造纸原料的需求与供给平衡，既保证企业生产的平顺性，又实现节约型生产，降低林纸集团的生产运作成本，提高纸产品的收益率。文中以HF公司为例，进行了林纸供应链原料供应短期优化的应用研究，取得了较好的效果。为了规避了中长期木材原料的供应短缺、产能过剩等风险，保证林纸集团造纸用木材的供应安全，实现造纸木材原料的可持续供应；实现林木的经济价值、生态效益、社会效益相统一，促进林业经济和区域生态的可持续发展，在此前提下实现林木经济价值的最大化，即采取合理的采伐方案和林地种植面积实现林地木材产出的最大化。为了实现以上目标，本文建立了林纸供应链原料供应的中长期仿真控制系统。首先，完成仿真计算前的准备工作，包括建立仿真运算约束环境（纸张销量预测模型、木材采购预测模型和林木生长模型），设置仿真控制目标（战略规划期，可控林地形成稳定木材供应的目标过度期和木材过度期之后木材的对外依存率），输入仿真控制变量（林地的种植面积，林木的砍伐方案和林木战略储备水平）；然后，进行林纸供应链原料供应中长期仿真计算，并输出仿真结果（战略规划期内每年林地砍伐的木材量，战略规划期内每年采购的木材量，战略规划期内每年缺口的木材量，仿真结束时活立木的蓄积量，单位林地平均参考经济价值，战略规划期内可控林地形成稳定木材供应的过渡期，战略规划期内每年木材的对外依存率）；分析仿真结果，对于部分年度出现木材自给供应不足和市场供应短缺的情况，仿真控制系统提供建议解决方案，即通过增加虚拟林地的供应，解决了木材原料供应短缺的问题；比较仿真输出结果，调整仿真控制变量，再次进行仿真运算；最后，遴选优秀仿真方案作为决策备选方案。林纸供应链原料供应的短期优化和中长期仿真与ERP系统的集成解决了优化和仿真可重用性和柔性差的难题。对于ERP系统来说，优化和仿真的功能是其决策支持的重要组成部分，随着企业对战略决策和优化的越来越重视，以及仿真和优化的理论和方法越来越成熟，ERP中决策支持模块将成为判断ERP竞争能力的重要指标。
李必辉[8]2008年在《基于神经网络的销售分析预测研究与应用》文中提出在世界范围内,CRM(Customer Relation Management)自1997年以来一直迅速发展,成为了企业信息化建设的重要组成部分。同时CRM的广泛应用也积累了海量的客户数据。随着企业竞争得加剧,企业管理对决策支持的需求日益迫切。客户关系管理与数据挖掘技术的结合已成为一种发展趋势。论文针对CRM系统对决策支持方面的需求,将数据挖掘技术应用到销售预测中。结构化的CRM系统设计基于模块,模块间功能独立,数据交互功能复杂。论文在设计CRM时采用基于业务流程管理(Business ProcessManagement)的方法,通过完成业务流程实现系统功能,同时可以让管理人员管理和优化企业业务流程。有效融合了企业内部的不同信息系统,同时也为数据仓库的构建和数据挖掘提供了便利。基于数学统计的销售预测方法往往只考虑了一部分影响销售的因素,无法表达影响需求的各种因素之间的复杂的相互作用,建立的模型相对简单。论文通过对比传统的统计学预测方法和人工神经网络,认为人工神经网络具有良好的非线性映射能力和自学习能力,可以通过学习把基本需求、季节、周期、市场活动等因素以及它们之间的相互作用以权值的形式固化在神经网络中,用来预测销售趋势。论文分析了基于BP(Back Propagation)网络进行销售预测的原理,利用叁层前馈神经网络建立预测模型,详细探讨了网络的拓扑结构、隐节点个数确定的原则、样本数据的选取和预处理、初始参数的确定、激活函数的选取等问题。仿真结果表明,该模型预测精度较高,具有较好的泛化能力。论文提出并实现的适用于中小型企业的销售分析预测系统,基于企业不同信息系统搭建数据仓库,通过数据挖掘实现销售预测,同时也包括其他数据分析模型。在系统设计构架上,考虑到对不同类型的神经网络类型的扩展需求,论文将不同神经网络的共同特征提取、设计成接口,便于以后将不同类型的神经网络应用集成到该框架中来,具备更好地可扩展性,为日后的功能增强提供了支持。
孙利辉[9]2015年在《基于灰色理论的服装销售预测及库存优化研究》文中指出服装零售在我国商品批发零售业中占据支柱性的重要地位,对国民经济的发展有着重大的推动作用。随着行业的不断发展与日渐成熟,服装行业经历了从总量扩张到结构转型的升级,服装生产由大批量、少批次转变成小批量、多批次。服装行业的这些变化不可避免地造成库存积压或缺货,为了合理解决这些问题,企业需要对服装进行销售预测,并基于预测结果进行合理的服装配货与调补货。基于预测结果制定的配货与调补货决策,能够提高企业的整体收益、提升企业品牌的知名度和改进企业的服务水平。本文在前人研究基础上,对各种预测方法进行系统性的研究学习,结合服装行业生命周期短,产品种类繁多,时尚性强,产品贬值风险大的特点,发现GM(1,1)模型能够很好的解决服装行业由于行业特点带来的少数据问题。但GM(1,1)模型本身存在一定的缺陷,为了解决这个问题,本文对GM(1,1)模型的初始值及背景值进行优化,并引入已销售产品的影响因子、销售过程的干扰因子,建立改进GM(1,1)销售预测模型。本文基于改进GM(1,1)预测模型,建立服装配货模型,以服装品类为研究对象,根据产品已销售情况决定服装配货的品类以及各个品类的配货量。文中运用改进GM(1,1)模型对服装的销售动态进行合理的预测,在预测的基础上,结合行业本身的特点,建立了服装配货模型;结合配货模型对门店服装进行合理配货。论文还结合实际算例说明依据销售预测制定的配货决策能够更好满足消费者的需求,更快地抢占市场份额,提高企业的服务水平,达到库存管理最优化。消费者在购买服装的过程中,时常会遇到服装缺货的现象,而在遇到缺货的情况,绝大部分消费者不会选择等待,而是选择替代服装或放弃购买该款服装。为了达到较高的消费满意度,获得更高收益,企业应尽量避免缺货现象的发生,在确保收益的基础上保持合适的库存量。为了解决缺货问题,本文基于服装的历史数据,运用改进GM(1,1)模型进行销售预测,结合销售预测结果和服装的库存量,同时考虑服装的调补费用,建立了服装调补货模型,并对其合理性及普遍实用性进行说明。结合调补货模型,根据区域内畅销服装每周的销售情况,对区域内服装进行合理的调补货,可以提高企业的服务水平,使企业获得最大收益。为进一步说明模型的合理性与实用性,文中统计分析了2014年杭州某女装品牌某门店11月之后10周的销售数据,以每2周的销售数据作为统计单元,选取单裙、单裤、毛衫、羽绒服、连衣裙5个品类进行配货模型的算例验证。算例表明:在服装销量预测中运用改进GM(1,1)进行预测,取得预测效果较好,能够为企业的配货决策提供理论依据和技术支持;文中还采用杭州某服装品牌公司2015年5月初到6月中旬的销售数据为样本,采用改进GM(1,1)模型对单款服装的销售量进行预测,结合预测值和库存值对产品进行调补货模型的算例验证。研究表明:基于服装销售预测的服装调补货模型有较好的普遍性与实用性,能够为企业对产品的调补货决策提供理论依据和技术支持。
池可[10]2009年在《服装销售预测方法及RBF神经网络模型研究》文中进行了进一步梳理随着经济的发展,服装企业面临复杂多变的市场环境,只有保证对未来销售量的正确预测,才能做出正确的决策,适应经营环境的变化。销售预测在服装领域的研究时间还不长,在实践中对预测程序和预测方法的准确性、适用性等缺乏比较全面的了解,在实际预测时遇到不少问题。因此本文以服装销售量为对象,对其进行了系统的研究。首先,本文针对服装行业的特点,分析影响服装销售量的产品因素和环境因素,研究各个因素的影响指标,为数据的采集建立理论基础。然后提出了数据分析中服装分类和数据分类的方法,并且在理论上分析了不同的服装销售预测方法。其次,本文针对服装销售预测的要求,构建了服装销售的预测程序,通过循环结构的设计克服了预测对象的不确定性、迟滞和时变等因素的不利影响,在理论上规范了预测的程序。然后对建立的程序进行实验验证,并在此基础上对服装预测方法的相关适应性和预测精度进行对比分析,与各种方法的理论分析相结合,以探究各种方法在不同预测条件下的实际应用性,据此提出了预测方法选择表。最后,本文针对统计学模型预测中非线性现象的固有缺陷,提出了基于RBF神经网络的服装销售预测模型。研究了RBF神经网络在服装销售预测中的实现,包括研究建模步骤和网络参数的优化。然后在服装销售实例预测中根据建模步骤建立了RBF神经网络预测模型,并基于样本聚类和主成分分析提出了去处离群点和降维的可行性,分别进行了仿真实验,将结果比较得出最优解。将该模型与统计学预测方法进行比较,判断该模型在克服预测对象的不确定性、非线性变化等不利影响和预测精度上明显优于统计学方法,证明了基于RBF神经网络的服装销售预测是可行的。将本文研究得到的结论用于实际应用中,可为企业提高服装销售预测效率和准确度提供参考。
参考文献：
[1]. 移动商务环境下服装行业动态销售预测技术研究与实现[D]. 于天池. 上海交通大学. 2008
[2]. 短期销售预测方法研究[D]. 王丽娜. 南京气象学院. 2004
[3]. 办公用品采购决策系统的研究[D]. 刘剑. 中南大学. 2006
[4]. 小波分析在短期销售预测中的应用[J]. 朱卫华, 唐向宏, 张福洪. 杭州电子科技大学学报. 2005
[5]. 基于数据仓库的餐饮销售预测系统研究及应用[D]. 张志辉. 叁峡大学. 2008
[6]. 基于同步流程计划的CTT公司销售预测和生产计划冲突协调策略的研究[D]. 张燕萍. 东南大学. 2016
[7]. 林纸供应链原料供应优化与仿真研究[D]. 刘俊. 南京林业大学. 2013
[8]. 基于神经网络的销售分析预测研究与应用[D]. 李必辉. 东华大学. 2008
[9]. 基于灰色理论的服装销售预测及库存优化研究[D]. 孙利辉. 浙江理工大学. 2015
[10]. 服装销售预测方法及RBF神经网络模型研究[D]. 池可. 苏州大学. 2009
标签：企业经济论文; 服装销售论文; 服装行业论文; 销售预测论文; 神经网络模型论文; 预测模型论文; 销售分析论文; 系统仿真论文; 供应链系统论文; 采购公司论文; 采购流程论文; 模型公司论文; 决策能力论文;