需求规模（共10篇）
需求规模 篇1
随着社会经济的发展, 社会对专业人才需求的结构和规模也在发生变化, 对会计专业而言, 变化情况也较为明显。为了迎合社会需求, 更为准确的制定招生计划和投入相关的教育资源, 有必要对未来若干年会计专业人才的需求规模及结构进行预测和分析, 本文所研究的问题即是2014至2016年天津区域会计人才需求规模的预测问题。
一、调研问题
1.2014至2016年天津区域会计人才需求规模预测。
二、样本数据来源:
从以下相关网站采集二手数据, 形成样本。
1.2003年-2012年天津市国民经济和社会发展统计公告
2.智联招聘人才网数据
三、数据采集与统计推断的方法:
(1) 汇总历年天津市新增就业人口数据, 做时间序列散点图。
(2) 建立模型对未来三年的数据进行预测, 并对模型的拟合度进行检验。
(3) 抽取大型重点招聘网站天津区域总招聘岗位和会计类招聘岗位数据。
(4) 抽取样本, 测算会计岗位数占总岗位数的比例。
(5) 根据历年新增岗位数和会计类岗位的占比测算本区域会计岗位的需求, 并作区间估计。
四、天津市历年就业情况统计
单位万人
资料来源:2003年-2012年天津市国民经济和社会发展统计公告, 经整理
五、2003年至2012年天津市新增就业岗位时间序列模型
使用EXCEL工具, 建立一元线性时间序列模型, y=3.4875x-6966.6, 拟合度取值为0.9829, 显示拟合情况优良。Significance F取值为2.32832E-08, 根据显著性水平a=0.05, 表明变量之间存在显著的线性关系。
根据模型测算, 未来三年, 即2014、2015、2016年新增就业人口数量的点估计数量分别为
y=3.4875x2014-6966.6=57.22万人
y=3.4875x2015-6966.6=60.71万人
y=3.4875x2016-6966.6=64.2万人
设定置信度为95.4%, 数据分析结果标准误差为1.48万人, 作区间估计, 未来三年天津区域新增就业人口区间估计 (取值范围为两个标准误差) 的取值范围为:
2014年54.26万人---60.18万人
2015年57.75万人---63.67万人
2016年61.24万人---67.16万人
以上区间估计的置信度为95.4%。
六、会计岗位数占总岗位数的比例测算
数据来源:智联人才网http://www.zhaopin.com
智联招聘是行业内有重要影响的典型的招聘网站, 根据检索关键字抽取智联招聘网站2013年11月7日的数据, 分别为当天、最近三天、最近一周和最近一个月的数据, 详见表3 (以“会计”作为检索关键字, 检索条件为全文, 检索结果涵盖了会计、出纳、审计等相关财会岗位, 故以“会计”作为检索关键字作为搜集样本数据的依据) 。实际相当于采集了4个样本, 只是每个样本的样本容量有区别, 详见表2。
观察所采集到的样本, 即使是当天的数据, 样本容量也已经较大, 总岗位条数达到了42, 660条。经过统计, 不同样本会计类岗位 (含相关财务类岗位) 占总招聘岗位的比例稳定在0.039附近, 4个样本成数的均值为0.0397, 标准差为0.000955, 标准差系数为0.02405, 折合成百分数为2.405%, 较小, 提示该比例成数较为稳定可信。基于最近一个月样本容量最大, 因此, 取最近一个月数据0.0411作为推断依据。
七、天津区域会计人才需求规模预测的结论
根据未来三年天津区域新增就业岗位规模的区间估计及会计岗位占总就业岗位比例的估计, 未来三年会计人才需求规模区间的下限和上限分别为 (置信度设定为95%) :
八、小结
1.由于缺乏智联网站的历史数据, 会计岗位占总招聘岗位的比例统计结果和不同岗位的相对比例统计结果是否存在季节影响因素和趋势影响因素不详。
2.网站的会计岗位占总招聘岗位的比例统计和不同岗位的相对比例结构在全市新增就业总人口中的代表性程度不详。
3.来自于智联网站数据的分析结果是否能够代表招聘网站的总体水平存疑。
基于以上问题, 未来如果能够采集到进一步的数据, 则有助于获得更为可靠的结果。
参考文献
[1]2003年-2012年天津市国民经济和社会发展统计公告
[2]王婧.天津滨海新区会计职业能力需求分析.财经界, 2012年07期
[3]智联人才网http://www.zhaopin.com/
需求规模 篇2
中国日用玻璃器皿市场规模及日用玻璃需求量统计
由于国内企业的生产工艺及设备相对落后，高档玻璃器皿需求市场大多是依赖进口和欧美生产商在国内合资企业来提供。据海关统计数据显示，近几年，我国每年从国外进口的玻璃器皿总额在以不低于20%的速度增长，其中高档玻璃器皿占比达90%左右，2010年1-3月，我国进口玻璃器皿2,322万美元，同比增长38.2%，随着我国经济的保持高速发展，未来5年国内对高档玻璃器皿需求量让将保持较高的速度增长。
2009年，世界日用玻璃器皿的总需求量约为1268万吨。其中，亚洲地区需求额约占全球半数总量，其次是欧洲和北美地区，欧洲地区由于玻璃器皿生产商产能基本上能够满足其自身的需求，一般不需要依赖进口；而北美地区的市场尽管有美国Libbey这样的日用玻璃器皿顶级生产厂商，但因其玻璃器皿制造成本高，产能不能满足其自身的市场需求缺口，主要依赖进口来弥补。非洲地区由于玻璃工业产业化进程较慢，生产技术落后，日用玻璃器皿基本依赖进口。亚洲的中东地区由于受制于玻璃生产原料的缺乏，其日用玻璃器皿的需求也基本上依靠进口来满足。
我国日用玻璃器皿制品未来的市场空间巨大，目前的产能还远不能满足国内市场快速增长的要求。随着城镇化水平的提高及第三产业的蓬勃发展，未来几年，我国日用玻璃器皿每年还将以年均15%左右的速度递增。
以上从我国玻璃器皿生产资源优势、全球需求、国内高档玻璃器皿市场需求以及促进行业增长的几大因素分析了我国玻璃器皿行业发展潜力巨大，并将迎来新的发展机遇和增长时期。但同时我们也需要清醒地认识到，和国际高档玻璃制造商相比，还存在着诸多不足之处：
1、目前玻璃器皿行业存在着散、小、差的局面，行业的集中度低，大部分企业在中低端市场进行着无序的竞争；
2、玻璃器皿生产工艺和技术及自动化水平以及玻璃器皿的设计和艺术含量还有待进一步提高；
3、玻璃器皿制造设备技术和模具质量与国际高端水平相比，还有一定的差距；
4、尚待进一步开发玻璃类型以及产品系列的多样性。
规模需求：从团购到换客 篇3
规模需求理论诞生在21世纪的中国，完全起源于经济实践。作为世界经济体系中最活跃的组成部分，中国正在经历着千年等一回的机会，不论经验还是教训，都绝对是一座经济学研究的超级富矿。我一直认为规模需求理论，尚是一块未曾雕琢的璞玉，希望众位大师共同雕刻成一块奇石美玉。
2005年，我的一篇题为《团购：乌托邦游戏》的文章，曾经得到了大家的肯定。文中描述了规模需求理论的微观部分，将传统经济学从资源到需求的单向配置改良为资源和需求的双向配置。
2006年，我续写了《换客：又一个乌托邦游戏?》。大意为：在工业社会，陌生人使用不记名的货币交换标准化的物品；在信息社会，“透明”的人用系列货币购买个性化的商品。文中提到了规模需求理论的宏观部分，即用以子币为代表的多层次货币体系替代传统的单一货币，来解决传统经济学的两个难问题。
也许是由于巧合，这两篇文章，分别代表我的微观经济理论和宏观经济理论的文章，都是从网络现象说起的。所以同学们的提问完全可以理解。从某种意义上讲，规模需求理论是信息时代的新经济学，是未来的经济学理论。
虽然未来学是典型的边缘学科，但决不意味着规模需求理论是边缘经济学。恰恰相反，它一直力求贴近实际。因为我们正处在一个转型的年代，转型的年代必然问题多多。作为一个合格的经济学者，应该及时给出答案。不仅要回答未来方向在哪里，还要具体回答明天该怎么走。
我这样做的理由是，传统经济学对实践不太重视。他们一向只演绎理论，不给现实答案。因此，秉承“原创性理论、建设性解决”的宗旨，规模需求理论特别注重方法论，因为它的根基就来自于实践的真知。理论来自现实问题，最后一定要回头去解决实际问题。不但解决，还要解决得宽泛。不能在某些领域有效，某些领域无效；也不能只在中国有效，在外国就无效。
尽管如此，仍然有不少自称规模需求理论“FANS”的朋友，给我发了很多封电子邮件，呼吁我更多地关注民生。起初我感到非常诧异，过去的几年里，我们一直在努力解决现实问题呀。比如边际效用归零论，比如有限选择论，比如契约化负效用与消费经纪中介，都是和现实生活紧密相关的。
就在2006年，我忽然间意识到，过分重视理论应用的倾向，是我的缺点和疏漏。没有站在更高的角度往更远的前方看。因此，2006年规模需求理论开始研究宏观经济学，我提出了几个元素级的概念，比如货现率，比如子币，比如货权。并且针对传统经济学顾此失彼、左右为难的问题，尝试从一到多的新思路：用以子币为代表的多层次货币体系替代单一货币；用利率和货现率的双重调节工具替代利率。这跟以前我们用资源和需求双向配置替代资源到需求的单向配置，异曲同工。
当然，无论我们怎样重视应用，一切都还只限于文章。虽然方法可行，也有步骤有计划，终还是纸上谈兵。所以，站在2007年的门槛上，我开始计划搞一个试验田，把规模需求理论部分地用于一个商业示范项目，用实践来实验理论。然后中试，推广。不过，微观经济学的实验比较容易操作，而宏观上的很多问题，不是靠一个企业或者某个项目能够完成实验的，必须由政府出台法规、政策和相关配套措施，才能够进行。
正如中央财经大学一位同学问我的，既然规模需求理论能够解决房地产、农民增收、投资过热、内需不足等那么多问题，那政府什么时候才会采纳我的建议并制定相关政策呢?那一天距离我们还有多远?
我记得当时我做了很长时间的回答，但显然答所非问。我不是政策制定者的智囊，我现在能想到的是做一个可广泛复制的商业模型，把它变成一架播种机，至于是从“民生”到“国计”，还是从“国计”到“民生”，我只知道这是我的新长征，我会一直向前不止步，因为方向是正确的。
浅析大规模定制客户需求获取方法 篇4
关键词：大规模定制,客户需求分类,需求获取
0前言
在当今大规模定制的时代背景下，研究者们发现，开发一个完善的快速响应的客户需求管理系统已经成为成功研发新产品和改良已有产品以适应市场需求的必要条件。只有真正满足客户个性化需求的产品，才能在市场上有旺盛的生命力，也才能在竞争中立于不败之地。客户需求信息获取是客户需求管理的第一步，是对产品实施大规模定制的重要环节。能否在规定的时间内有效的获取客户需求信息，对于大规模定制的成功起着至关重要的作用[1,2]。
关于大规模定制，国内外学者提出了多种分类方法。我国学者祁国宁、顾新建和李仁旺提出了客户订单分离点CODP（Customer Order Discoupling Point）的概念。客户订单分离点是指企业生产活动中由基于预测的库存生产转向响应客户需求的定制生产的转换点。客户订单分离点（CODP）在生产过程中的不同位置如图1所示。
他们认为，按CODP在生产过程中的位置不同，大规模定制可分为以下四类：按订单销售（Sale-to-order，STO）、按订单装配（Assemble-to-order，ATO）、按订单制造（Make-to-order，MTO）和按订单设计（Engineer-to-order,ETO)。
（1）按订单销售（Sale to order，STO）。
按订单销售是指对市场进行预测，然后按批量生产产品，实际上就是一种大批量生产方式。在这种生产方式中，CODP在销售或递送活动处，只有销售活动是客户订单驱动的。客户需求的改变仅仅影响到产品库存，对生产活动没有影响。常见的按订单销售的产品有日用品以及家用电器等。
（2）按订单装配（Assemble to order，ATO）。
按订单装配是指接到客户订单后，利用库存零部件装配成客户需要的定制产品的生产方式。在这种生产方式中，装配和销售活动是由客户订货驱动的。模块化程度高的产品（如汽车、计算机和软件等）比较适合采用按订单装配的方式。这也是目前大规模定制企业最常采用的类型。
（3）按订单制造（Make to order，MTO）。
按订单制造（或称面向订单的制造）是指接到客户订单后，根据企业中已有的零部件图样，对已有的零部件进行变型设计、制造和装配，最终向客户提供定制产品。在这种生产方式中，采购、部分零部件制造、装配和销售是由客户订货驱动的。此时产品的制造不再仅仅是企业单方面的事，而是需要客户的参与，有时甚至还需要零部件供应商的参与。例如，客户直接参与产品物料清单（bill of material，BOM）的确定以及服装的定制等。
（4）按订单设计（Engineer to order，ETO）。
按订单设计是根据客户订单的特殊要求，重新设计满足这些特殊需求的新零部件或整个产品，在此基础上向客户定制产品的生产方式。在这种生产方式中，从全部或部分产品设计开始直至采购、零部件制造、装配和销售都是由客户订货驱动的。典型的例子如一些大型设备（如化工设备）、特制的纪念品等[3,4]。
随着CODP向供应链上游移动，产品的可定制化程度逐渐增高。可定制化程度越高，就意味着产品越接近客户的个性化需求。上述4种生产方式下产品的可定制化程度由低到高[5]分别是：按订单销售（STO）、按订单装配（ATO）、按订单制造（MTO）、按订单设计（ETO）。下面按照大规模定制的四种不同模式，分别讨论各种模式下客户需求信息的获取方法。
1 STO模式下客户需求获取方法
本定制化策略在大规模定制中应用较多，也有一些成功应用的案例。产品销售阶段定制也就是说客户在销售点和销售人员进行多次交流，表达自己的定制期望，销售人员按照客户的意愿从定制菜单中选择一系列的定制选项（模块）展示给客户，如果客户满意则进行产品组装并将其提供该客户，如果不满意，则重新选择新的选项（模块）进行组合，直到客户满意为止。
本类型定制的客户需求信息的获取比较简单，一般采用问询式面对面交流方式，客户对这种方式的信任度也较高，获取的定制需求信息也是真实的信息，商品交付时间短，但对商品的要求严格，并不是所有商品都可以采用这种方式，只有经过模块化设计的商品，并且经组装的成品能够满足大多数的客户要求时，才可以采用这种定制策略。另外，随着互联网技术的发展和普及，网上直销越来越受到客户的欢迎，一些商家也借用互联网来加快对客户定制的反应速度和降低定制化的信息获取成本，比如戴尔公司的网上直销系统。网上直销的优点是：方便快捷，客户可以和生产企业直接交流，另外客户的选择自主权更大，对这一家商品不满意可立即转至另一家公司的网页来定制更适合自己的商品。因此，这就要求公司必须既要在产品设计上下功夫，使自己的产品能够满足尽可能多的客户的需求（定制选项菜单丰富），又要在网页布局上下些心思，网页设计简洁明了，并配以适当的图片和文字说明，并能够做到智能化设计，简化客户选择程序[5]。
2 ATO模式下客户需求获取方法
这是目前大规模定制企业最常采用的类型。在这种模式下，说客户购买的商品仍然是标准化的，只是在订单过程中客户可以根据自己的兴趣和爱好，可以对产品进行个性化定制，以达到和其他产品的区别。该方法已经有了不同领域的应用，而且产品在客户中的受欢迎程度也很好。例如有些手机可以让客户根据自己的爱好定制不同的音乐或响铃，甚至可以录制或者编制自己定制的音乐和声音，有的手机还设计成外壳可以更换的不同色彩和型号的外壳，很能突出使用者的个性，市场销售也很好。
3 MTO模式下客户需求获取方法
产品制造阶段进行定制是指客户定制的切入点处在产品制造的各个过程中，企业在制造的某个阶段开始接受客户定制的信息，并根据客户定制要求安排生产流程，大部分情况下，企业根据客户的参与选择和他们的“设计”最相近的模块，并和使用时，对客户个性化设计和标准化模块进行组装，完成最终产品的生产。本阶段客户可以改变的是产品元件的材料、尺寸和外观（如颜色）等参数，并没有对产品作设计上的改变。本阶段的客户定制信息的获取往往是在产品可定制的切入点之前，通过一定的手段，比如通过在代理商处和客户面对面交流，或者客户直接登录到企业的客户订单处理系统中进行和企业直接交流，客户和企业在不断的交互中制定个性化的订单，经客户确认并且企业对定制的可行性认可后，传至企业的数据库中，由企业生产管理部门按照订单安排生产。
4 ETO模式客户需求获取方法
这是大规模定制的最高定制模式，在这个阶段中，客户的个性信息就被企业获取，即客户在设计阶段就参与到企业的生产中来，不过他是否有无意识，如他的个性化信息可能在不知不觉中被大规模定制企业的客户特征信息自动采集系统所获取，如服装的定制；另外他也可能自己主动和大规模定制企业相互交流，共同完成个性化产品的设计工作，比如房屋与家具的设计等。例如，俄亥俄州克利夫兰市的定制裁剪技术公司（CCT，CusotmCut Technologies）却可以做到大规模定制男士套装。进入CCT系统的零售商使用所拥有的电位计技术测量每一个人的身材。测量结果以电子方式传送到克利夫兰市进行处理。在那里，通过CAD软件从数据库中取出图案，并对其进行动态的改变以适应个人的体形。激光系统剪切出式样，传统的缝纫店生产出成衣。这样一个过程所花的时间是3～4个星期。
参考文献
[1]但斌等:《大规模定制:打造21世纪企业核心竞争力》[M];科学出版社,2004(4):12-13。
[2]祁国宁、顾新建、李仁旺:《大规模定制及其模型的研究》[J];《计算机集成制造系统-CIMS》2000(6):102-105。
[3]祁国宁、杨青海:《大批量定制生产模式综述》[J];《中国机械工程》2004(14):1240-1245。
[4]邵晓峰、季建华、黄培清:《面向大规模定制的供应链模型的研究》[J];《制造业自动化》2001(6):22-25。
需求规模 篇5
据了解，本次展会搭建了106000平方米的超大国际交流与贸易服务平台，吸引了全球五大洲上千家参展商及数万名专业观众到来。展会三大板块、五大专业展区、十大重要供应商、食品界院士校长论坛、国际法规标准研讨会、高水平学术报告会和数十场新产品新技术发布会共同构成FIC 2016最亮丽的风景线。
本次展会中，《食品安全导刊》再一次成功举办了问卷调查抽奖活动，吸引了千余名专业观众参与其中。调查问卷结果显示：受访者所在企业多为中小型企业，部分为大型企业；受访者所处行业集中在肉类、饮料类、休闲食品、调味品；受访者主要为企业管理人员和研发人员，其目的以产品销售为主并希望了解业内是否有新品发布，部分企业有采购计划。
需求规模 篇6
企业以顾客的需求为中心, 并结合组织自身的资源, 为一定的目标顾客以一定的价格为其提供产品和服务。产品的定价战略作为企业最主要的赢利手段, 它的制定与实施也必须在企业自身能力的基础上, 以顾客需求为中心, 制定出最优价格, 最大程度地获取赢利。
大规模定制产品相对与其他标准产品, 有几点不同之处[1], 相应地, 顾客对大规模定制产品的需求相对于顾客对标准产品的需求也不一样。现在, 大规模定制产品越来越多, 其个性化服务也越来越得到顾客的认可。因此, 研究顾客对大规模定制产品的需求, 将直接帮助企业对产品的定价[2], 从而最大程度地赢利, 在竞争日益激烈的现在社会取得成功。
1大规模定制产品的顾客需求识别模型构建
1.1顾客需求影响因素
国内外研究表明, 顾客对定制产品的需求同顾客对非定制产品的需求的区别主要有三点, 即定制价格、交货期和个性化程度。
(1) 定制价格。定制价格是指顾客购买定制品时比直接购买标准品所多花的定制部分钱。顾客经常把定制价格与产品的价格做对比, 如果定制价格过高, 顾客就很可能会舍弃购买定制产品, 而直接购买标准产品。同时, 顾客也会将某品牌产品的定制价格同其他品牌产品的定制价格进行对比性价比也是顾客关心的因素, 定制产品是否比非定制产品具有更高的性价比也是顾客所关心的。
(2) 交货期。交货期是指顾客在购买定制品时比直接购买标准品所多花的等待时间。顾客一般不会愿意等待过长的时间, 即交货期越长, 该买该产品的顾客就会越少。同时, 顾客也会将某品牌产品的交货期同其他品牌产品的交货期进行对比。
(3) 个性化程度。个性化程度是指顾客能按自己的意愿选择定制产品的外观、功能等的程度, 主要分为个性化外观和个性化功能。个性化程度是顾客选择购买定制产品的主要原因, 因为顾客能按照自己的意愿去选择产品的外观 (如颜色、大小、款式等) 和使用功能, 而不是在已经做好的标准品之间进行选择, 这给顾客带来了更大的满足感。
1.2研究假设
通过对以上定制价格、交货期和个性化程度三个因素的了解, 作出以下三点重要的假设。
H 1定制产品的定制价格对顾客的购买欲望有负向的显著性影响;
定制产品的定制价格越高, 顾客对购买定制产品的欲望就越弱;定制产品相对于其他定制产品的定制价格越高, 顾客对购买定制产品的欲望就越弱;定制产品的性价比越低, 顾客对购买定制产品的欲望就越弱;定制产品相对于其他定制产品的性价比越低, 顾客对购买定制产品的欲望就越弱。
H 2定制产品的交货期对顾客的购买欲望有负向的显著性影响;
定制产品的交货期越长, 顾客对购买定制产品的欲望就越弱;定制产品相对于其他定制产品的交货期越长, 顾客对购买定制产品的欲望就越弱。
H 3定制产品的个性化程度对顾客的购买欲望有正向的显著性影响。
定制产品的个性化程度越高, 顾客对购买定制产品的欲望就越强;定制产品相对于其他定制产品的个性化程度越高, 顾客对购买定制产品的欲望就越强。
1.3研究模型
根据以上理论分析, 借鉴国内外研究成果和实践经验, 结合我国顾客的实际特点以及调研的实际可操作性, 本人提出了一套符合大规模定制产品的客户需求识别模型。该模型包括四个结构变量, 即“定制价格、交货期、个性化程度和顾客需求”, 它们的结构关系模型如下图1所示。
2 大规模定制产品的顾客需求识别模型的验证
上述大规模定制消费品顾客需求模型的合理性如何?各潜在变量之间的关系及其强度怎么样?以下利用结构方程模型对其进行验证和分析。
2.1观测变量的量化方法
模型中的四个结构变量及对应的观测变量, 共同构成顾客需求识别评价指标体系。本文将对观测变量展开为调查问卷上的问题, 利用消费者对问题的回答, 可得到观测变量的数值。其设计包括两步:第一步是“赋值”, 根据设定的规则对不同态度特性赋予不同数值;第二步是“定位”, 将数值排列或组成一个序列, 把受访者的不同态度定位于序列的不同位置。我们对顾客需求的测评采用5等级李克特 (Likert) 量表, 5个态度等级分别是很不满意较不满意、一般、较满意和很满意, 对应的值为1、23、4、5。数据收集过程中遇到不能直接用李克特量表表示的定量指标, 也将其转化成量表形式, 具体方法是把指标量值划为5个区间, 每个区间对应李克特量表相应等级, 指标值所在区间对应的等级即为指标的李克特量表值[3]。
2.2数据来源
本文的调查对象以学生为主, 根据调研目的和理论模型要求, 设计了顾客需求识别的调查问卷, 问题围绕理论模型的13个观测变量展开, 采用李克特5级量表形式。从购买定制电脑、定制西装和定制家具的实际顾客和潜在顾客入手, 共243份, 其中有效数据问卷218份, 有效率89.7%。数据的描述性统计特征见表1。
2.3结构方程分析结果
运用liserl软件分析[4], 结果如图2所示。
图2中, VAR 1～VAR 13分别是针对定制价格、交货期、个性程度和顾客需求四个变量所设计的调研问卷的问题, 其对应关系如图2所示。
3大规模定制产品的顾客需求识别模型结果分析
结构变量间的系数表示了某一变量的变动将引起其他变量变动的程度。一般系数在0.80以上, 说明两个变量之间具有较强的影响关系。图3所示, 顾客需求同定制价格与交货期的影响系数都在-0.80以上, 说明顾客需求同定制价格和交货期有较强的负影响;顾客需求同个性化程度的影响系数都在0.80以上, 说明顾客需求同个性化程度有较强的正影响。
4 结论
本文通过对大规模定制消费品的研究, 首先分析出了大规模定制消费品不同于其他产品的三个特点, 即价格、交货期和个性化程度。然后根据这三个特点构建了大规模定制消费品的顾客需求识别模型, 最后通过实证调研和liserl软件的分析, 验证了这个模型。充分了解大规模定制消费品的顾客需求特点, 将为公司的产品的定价提供帮助, 从而达到公司收益的最大化。
参考文献
[1]Tseng M, Jiao J X.Design for mass customization.Annuals of the CIRP, 1996;45 (1) :153—156
[2]孟小红, 杨诚.满足顾客需求是企业发展的基础.矿业安全与环保, 2004;6 (31) :151—153
[3]陆军.市场调研.北京:电子工业出版社, 2003
需求规模 篇7
在电力系统中,电力需求侧负荷大小存在随时间分布不均匀的现象,为了满足白天峰荷的需求而配置的装机容量以及输配电设备容量在负荷低谷时被放空,加上随机峰荷时机组频繁启停,给系统造成负面的经济效益[1]。另一方面,电力需求侧作为馈电的末端,当大电网发生稳定性问题或停电事件时, 负荷端供电可靠性将降低。分布式电源如风电、光伏等可再生能源的发展,一定程度上使得负荷就地平衡,缓解了大电网远距离跟踪负荷的压力,成为电力系统节能减排有效途径[2]。但随着系统中风电、 光伏渗透率的增加,其固有的间歇性造成的负荷端供电可靠性问题将被放大[3,4]。
储能系统(ESS)之间运用先进的集成技术进行串并联得到的规模ESS更加高性能化与规模化,具备对一定规模功率和能量的时间迁移能力,成为电力系统满足供需平衡、提高运行效率和经济效益的一种全新思路和有效手段[5]。文献[6]提出了一种电力需求侧规模储能经济评估的方法,考虑到政府补贴和较大的峰谷差价,利用削峰填谷实现经济效益。文献[7-8]提出了一种ESS应用于电力需求侧对峰谷实时电价优化的方法。文献[9]结合ESS性能指标和运行经济指标,讨论分析了规模ESS经济收益判据。以上文献中的电力需求侧ESS经济性研究均未考虑到储能容量的优化配置,且在经济性讨论中考虑的峰谷价差等条件过于理想。在储能容量配置研究中,主要以平滑间歇性电源输出和确保微电网在孤岛下稳定运行为目标,对于电力需求侧储能容量配置研究较少。平滑间歇性电源功率输出中常以平滑效果为目标对储能进行容量计算[10,11,12,13,14]; 微电网中则是以孤岛运行下功率、能量不平衡值为指标,对储能容量进行选择以保证系统在孤岛下的稳定运行[15]。上述方法虽可从技术角度借鉴到电力需求侧的容量配置研究,但不利于经济分析,随着电力市场改革的不断深化,规模ESS作为一种提供辅助服务的设备参与到电力需求侧管理,应给予其经济效益充分的研究。
本文首先分析并建立了规模ESS的净现值计算模型,在储能等效寿命计算和充放电策略的基础上,结合储能的运行约束条件,以其最大功率和最大能量为连续变量,最大净现值为目标函数进行优化, 所得解即为储能的优化配置。在优化算法上,为避免局部最优解及过早收敛的情况,采用量子编码的自适应遗传算法,并引入灾变思想以提高计算速度。 最后通过实际计算对比了几种储能应用于电力需求侧的经济性。
1基于净现值的储能系统经济性分析
规模ESS接入电力需求侧,将提高所在微电网或区域配电网的功率调节能力,既可以应对系统暂、 稳态下稳定性问题,又可以在电力低谷时从电网购电,高峰时将电卖给负荷以达到转移峰荷的效果。 从满足尖峰需求、延缓输配电系统升级的角度来看, 规模ESS对于电力公司是非常有益的。为了量化评估这种经济效益,首先分析ESS的成本费用、运行维护成本和更换成本。
1.1规模储能系统成本费用分析[16]
资本回收系数Cc(r,n)可表示为:
式中:r为年利率;n为ESS运行的期限。
其折算为每天的成本费用、更换成本和运行维护费用分别如式(2)—式(4)所示。
式中:Pmax和Qmax分别为EES功率和容量;CP和CW分别为功率和能量的单位费用;ki为容量因子,以表征ESS单位成本随其容量大小存在略微变化;Ta为ESS年运行小时数;CWrep为ESS单位电量的替换成本;SBAT为ESS的残余容量值;kSFF为偿还基金因子;LBAT为ESS寿命;Co和CM分别为ESS的单位运行和维护费用;Whourly为储能单位时间内的自放电量,为一经验 值,一般情况 下Whourly= 0.02%Qmax,单位时间为1h;P(t)(t=1,2,…,24) 为充放电功率。
kSFF可表示为:
1.2规模储能系统经济收益分析[6,16]
经济收益主要包括峰谷差价收益CeBAT、转移峰荷延缓的发输配建设成本CJ、政府补贴CB,折算为每天的经济收益表达式如式(6)—式(8)所示。
式中:CpBAT和CsBAT分别为ESS在低峰负荷和高峰负荷时的总购电费用;Cg(t)为电力交易市场第t小时的交易电价;P(t)为ESS充放功率;设最小时间间隔 Δt=1h;St为税率。
式中:CJG和CJL为因延缓发电侧、输配侧建设可免成本;Wi为网损因子,将网损容量计入在内;ΔQj为第j年通过储能转移峰荷电量;Afj为输配侧第j年单位可免容量成本;Afj′和Avj′分别为第j年发电侧单位可免容量成本和可免电量成本。
依据《电力需求侧管理城市综合试点工作中央财政奖励资金管理暂行办法》,对实施能效电厂和削峰填谷等技术而永久性节约的电力负荷和转移高峰的电力负荷,东部地区补贴440元/kW,中西部地区补贴550元/kW,具体可表示为:
式中:Pfj和mf分别为第j年减少的峰荷和减少单位峰荷奖励的现金。
ESS折算为每天的净现值fNPV可表示为:
2储能等效寿命计算模型及运行约束条件
2.1ESS运行状态及约束条件
ESS当前存储电量是本研究中每一步计算的关键,ESS输出电量可由两个连续存储状态相减得到。
当ESS充电(P(t)<0)时:
当ESS放电(P(t)>0)时:
式中:ηC和ηD分别为ESS充、放电效率。
当ESS闲置时其 自放电量Whourly计入其內。 ESS每小时充放电量受每小时最大充放电率KC和KD约束,定义为:
Qmax为ESS配置的额定容量,此外还需对ESS每一时刻的荷电状态(SOC)进行严格的约束,以防止ESS寿命快速折损,如式(13)所示。
式中:KSOCmin和KSOCmax分别为ESS荷电状态的下限和上限值,不同的储能类型,其上下限略有不同。
2.2ESS等效寿命计算模型
ESS因其种类不同,满充满放下的总循环次数各异,如铅酸电池(LAB)总循环次数约为800次,锂离子电池(LIB)约为4 000次,钠硫电池(SSB)约为4 500次。若能计算出ESS平均每天等效为满充满放下的循环次数,便可计算出ESS的总运行年限。 但负荷大小实时变化,且变动无规则可循,导致ESS每次充放循环深浅不一,对计算每天循环次数造成一定难度。
本文提出一种ESS等效寿命折损率计算方法用来计算不同循环深度下ESS运行年限。ESS第i次以深度R充放电的 寿命等效 折损率 ΔLi,R如式(14)所示。
式中:Ni,R为ESS第i次以充放电深度R为满充满放循环标准时总循环次数;No为ESS标准满充满放下总循环次数,对于任意储能均为定值。
Ni,R可由式(15)得到:
式中:α1,α2,α3,α4,α5为一组常数,对电池寿命测试数据进行回归模拟获得[17]。
若能计算出ESS平均每天的等效寿命折损率, 则可计算出ESS运行的年限,如式(16)所示:
3量子编码的自适应遗传算法
基于量子位Bloch球面坐标 编码的遗 传算法[18]能克服传统二进制或格雷码编码下出现早熟、 陷入局部最优等问题。建立由ESS功率、容量可能性解组成的种 群M,种群中每 个个体都 包含一组ESS功率和容量如式(17)所示:
通过对个体归一化处理将其取值映射到Bloch球面上并用球坐标表示,每一染色体可由参量θij和 φij表示如式(18)所示。另外,采用交叉概率随适应度自动改变的自适应算法[19],以使算法的行为和性能更加合理,改进后的交叉概率Pc如式(19)所示。
式中:fmax,favg和f分别为种群中最大适应度值、平均适应度值和两交叉个体中较大的适应度值;k1和k2为常数。
基于Bloch球面坐标编码的自适应遗传算法基本流程如下。
1)初始化种群并随机产生个体参量θij和φij集合,设置最大迭代次数,并对个体进行归一化处理。
2)对个体进行适应度评估并记录最优个体适应度值及对应的参量θij和φij。
3)根据式(19)确定交叉概率,通过量子旋转门与量子非门完成种群选择、交叉及变异的遗传过程, 产生新一代的种群。
4)记录最优个体适应度值及对应的参量θij和 φij,判断当前最优个体与之前几代的最优个体是否一致。若不一致,则继续迭代直至最大迭代次数;若一致,则进行灾变处理以增加种群的变异率。
4ESS充放电策略
ESS可分别工作在转移峰荷模式和峰谷电价模式,转移峰荷模式以负荷峰谷值确定ESS充放电起止时间范围[20],如图1所示。在谷荷时 段以直线从下往上以很小步长平移,当其与谷荷曲线围成面积时,横坐标ta和tb即为ESS充电起止时刻,否则继续平移直线 直到满足 判据为止;在峰荷时 段以直线从上往下 以很小步 长平移,当围成面 积时,横坐标te,tg和tf,th即为ESS放电起止时刻,否则继续平移直线直到满足判据为止。当直线与曲线交点的时间坐标超出峰谷时间段时,停止直线的平移。
峰谷电价模式以电价时段确定ESS充放电起止时间范围,如图2所示。 在谷荷时 以直线从上往下 以很小步 长平移,当时,ta和tb即为充电起止时刻,否则继续向上平移直线直到满足判据;在峰荷时段以直线从下往上以很小步长平移,当时,横坐标te,tg和tf,th即为ESS放电起止时刻,否则继续平移。
由图1、图2可知两种模式下确定的储能充放电起止时间各异,而本文目标值fNPV综合考虑了两种模式下的经济效益,因此两种模式权衡下的直线平移方法如图3所示。规定08:00—23:00执行峰时电价,23:00—08:00执行谷时电价,ESS充放电时刻分别落在两区间内。
在谷荷时段,若直线L3满足峰谷电价模式充电判据,此时L3与曲线围成面积记为Q3,按照转移峰荷模式平 移直线L4,与曲线围 成面积Q4。 当Q3= Q4且L4与曲线交 点时间坐 标在23:00— 08:00之内,按照L4与曲线交 点的时间 坐标执行ESS充电的起止时刻,若L4与曲线交点的时间坐标在23:00—08:00之外,则按照L3与曲线交点的时间坐标执行ESS充电起止时刻。同理在峰荷时段,L1和L2与曲线的面积即为Q1和Q2,当Q1= Q2时按照L2与曲线的交点时间坐标执行ESS放电起止时 刻,若L2与曲线交 点时间坐 标超出08:00—23:00范围,则按照L1确定的时间坐标执行放电起止时刻。
5算例分析
对电力需求侧一年的负荷数据进行模糊聚类分析可得到典型日负荷曲线[21],如图4所示。
设峰时电价为0.47元/(kW·h);谷时电价为0.19元/(kW ·h);r为4%;Afn和Afn′分别为0.26元/(kW·h)和0.07kW·h;St为10%;Wi为1.05;mf为550;遗传算法种群个体数NP为40; 最大迭代次数NG为200;杂交、变异概率分别为0. 9和0.05;离散精度keps为0.01。在遗传算法中将解空间进行划分以加快每次计算的速度,将Pmax和Qmax划分为区 间0~10 kW,10~20 kW,…, 80~90kW,90 ~ 100 kW和0 ~ 50 kW · h, 50~100kW·h, 100 ~ 200kW· h, 200~300kW·h,300~400kW ·h。LAB,SSB, LIB部分技术、经济参数如表1所示。
5.1LAB容量及功率优化结果
将Pmax和Qmax划分的若干区间单独运行遗传算法 程序,LAB优化结果 如表2所示,当Pmax= 67kW、Qmax位于200~300kW ·h时,目标函数fNPV出现最大 值171.5元,LAB优化配置 为67 kW/230kW·h。图5、图6分别为LAB最优配置下的削峰填谷结果和ESS充放功率、SOC在一天内的变化曲线。由图6可知LAB最优配置下一天内近似为一充一放,且SOC曲线介于0.3~0.9之间, 一天内折 算到满充 满放下的 等效循环 次数为0.912 5次。最优配置下 折算到全 年fNPV为62 597.5元。
Pmax最优解所 在的划分 区间为60~70kW, Qmax最优解所在的划分区间为200~300kW·h,对比量子编码和二进制编码下的自适应遗传算法寻优效果如附录A图A1所示,采用量子编码的寻优精度及收敛速度均优于二进制编码,体现了量子编码下的遗传算法较二进制编码的遗传算法在基因多样性和引入灾变思想上的优点。
5.2SSB容量及功率优化结果
将Pmax和Qmax划分的若干区间单独运行遗传 算法程序,SSB优化结果 如表3所示,当Pmax= 80kW,Qmax位于区间100~200kW·h时,目标函数fNPV获得最大 值199.8元。SSB最优配置 为Pmax=80kW,Qmax=180kW·h。最优配置下SSB削峰填谷结果及一天内功率、SOC变化曲线分别如图7、图8所示,SSB由于具备更大的循环深度,一天内充 放电情况 为一充两 放,SOC值位于0.15~0.9区间,一天内折算到满充满放下的等效循环次数为0.905次,折算到全年的fNPV值为72 927元。
同理Pmax最优解所在划分区间为80~90kW, Qmax最优解所在划分区间为200~300kW·h,量子编码与二进制编码的自适应遗传算法寻优效果对比如附录A图A2所示。量子编码的寻优精度及收敛速度优于二进制编码。
5.3LIB容量及功率优化结果
当Pmax= 75 kW, Qmax位于区间200~300kW·h时,目标函数fNPV获得最大 值为182.5元,如表4所示。LIB最优配置 为Pmax= 75kW,Qmax=210kW·h。最优配置下LIB削峰填谷结果及一天内功率、SOC变化曲线分别如图9、 图10所示,LIB一天内充 放电情况 为一充两 放, SOC值位于0.2~0.85区间,一天内这算到满充满放下的等 效循环次 数为0.932次,折算到全 年的fNPV值为66 612.5元。
同理对比量子编码与二进制编码自适应遗传算法如附录A图A3所示,采用量子编码的寻优精度及收敛速度优于二进制编码的自适应遗传算法。
上述三种类型储能优化配置中,须说明在采用解空间划分搜索方法时,在某些区间组合中会出现储能功率值高于其容量两倍的情形,这对于小时级别的运用情景存在不合理,鉴于最后优化配置结果均未出现这种不合理配置且为直观呈现优化配置随功率、容量大小变化的趋势,因此也将少数划分中存在的不合理配置列在表格中。
6结语
虽然单从目前的峰谷电价差尚不足以给应用于削峰填谷的规 模ESS带来盈利,但从满足 负荷需求、延缓输配电系统升级、降低网损、节能减排的角度,规模ESS具备较大的经济潜力。本文在此基础上,建立了包括储能初始投资成本、运行维护成本、 设备更换成本、峰谷价差、延缓发输变容量及功率投资成本的fNPV目标函数。在算例中,为计算ESS的周期寿命,提出了一种基于等效寿命损耗改进的储能寿命,该方法较多项式寿命计算方法更简便地计算出电池在不规则充放电循环下的寿命周期。最后通过一种量子编码的自适应遗传算法分别对LAB, SSB,LIB进行了容量优化。结果表明,基于文中设置的边界条件,三种应用于削峰填谷的规模储能具有较好的经济性,且钠硫储能较另外两种ESS在电力需求侧的运用方面更具经济性。
需求规模 篇8
“我们的文化和经济重心正在加速转移, 从需求曲线头部的少数大热门 (主流产品和市场) 转向需求曲线尾部的大量利基产品和市场。在一个没有货架空间的限制和其他供应瓶颈的时代, 面向特定小群体的产品和服务可以和主流热点具有同样的经济吸引力。”——克里斯·安德森在《长尾理论》一书中对长尾理论的解释。
怎样做到边际成本递减呢?在今天的网络时代, 一个很具优势的特点就是初始固定投入高, 而边际投入低, 边际成本递减。
1 需求方的规模经济
新经济的特点在于需求方规模经济, 而传统的大规模生产是生产方规模经济。个性化定制要想成为经济, 它的生命力在于普及。一个不为众人和市场所知的个性化产品, 内容再好, 也不可能成为“经济”。而长尾则是消费者多样化的需求形成的规模优势。
在过去的大规模生产条件下, 总规模很大, 但单品需求量较少的需求长尾, 也就是90%以上的小批量产品, 被生产者砍掉了。而互联网时代, 这个长尾规模成功的“复活”了, 长尾以其总量上的而非单品上的规模巨大、成本极低, 实现了不同质的需求加总后形成的表现在总营业额、利润上的突破。
2 融合创造财富的经济
范围经济就是解决协调问题的经济, 是融合创造财富的经济。从某种意义上说, 需求方规模经济就是范围经济。也就是偏重品种, 区别于传统的规模经济。很多研究经济学的人发现, 安德森的长尾理论与钱德勒的世界名著《规模经济与范围经济》在写法上虽南辕北辙, 但在内涵上却有着惊人的相通之处。可以说, 规模经济就是短头, 范围经济就是长尾。前者是分工, 后者是融合。前者指向单一品种大规模生产, 后者指向小批量多品种的生产。变得越来越大, 协调问题变得越来越严重。因此, 长期平均总成本曲线在生产水平低时下降是因为专业化增加, 而在生产水平高时成本增加是因为协调问题增加。这是曼昆在《经济学原理》第十三章中谈到什么是规模不经济时接触到的实质性问题。所以协调创造的价值在一定条件下, 可以抵消交易费用。
范围经济就是解决协调问题的经济, 是融合创造财富的经济。分工的本质是品种越少, 协调成本越低;融合的本质是品种越多, 协调成本越低。
3 如何抓住长尾市场——抓住相互关联的“冷门”
对于如何抓住长尾市场, 克里斯·安德森提出了三项原则:
(1) 让所有的东西都可以获得。 (Make everything available.)
(2) 将价格减半, 现在让它更低。 (Cut the price in half. Now lower it.)
(3) 帮我找到它。 (Help me find it.)
实际上, “长尾”理论是统计学中帕累托分布特征的一个口语化表达。但它同时也是对传统的“帕累托收入分配定律”即“二八定律”的颠覆。它很好地描述了诸如亚马逊和淘宝网之类网站的商业和经济模式的成功所在。然而, 这种成功是建立在对“冷门”的准确把握。
安德森说的冷门, 实质就是指关联、协调。思路其实是:多品种=冷门;多品种协调是长尾。而这个冷门在一定的深入理解后, 其实并不是单一的, 而是一种集聚后的协同。协调、融合、集聚的对象才是人们说的多品种, 引申成单一品种 (大热门) 之上的所谓的冷门。这个冷门容易被人误认为是不那么需要, 不那么值钱的小量产品。事实上, 个性化和定制化的冷门, 往往是高附加值产品。比如, 一种小批量汽车的车模, 是冷中之冷, 但是对拥有这种车的车主来说, 价值却可以很高。它对不相关的人没有价值, 而对于相关的人却是超值的。接下来就是如何把有价值的小事物融为一炉积攒成大利润, 这就涉及到刚刚谈到的多角化协调的问题了。
波特还将关联具体分为三类:市场关联、技术关联和生产关联, 它们都与专业无关, 而是相反的资源共享, 或者说是打破界限的融合, 是范围经济的效益之源。“市场导向的多角化战略致力于向共同的买主、分销渠道或地理市场推销新产品, 以便获得市场关联的好处。生产导向的多角化战略致力于使用共享的生产价值活动生产出相似的产品”。这与钱德勒有关资源共享的分类异曲同工。
然而, 人们一定会思考:这种从对协调要求较低的单一生产、规模经济, 向对协调要求较高的多种经营、范围经济的转变, 是受到什么压力和挤压才出现的呢?
环境的变化往往减少对现有产品的需求, 并产生密切相关的产品的市场。基本的技术革新 (例如, 电子和内燃机) 、人口统计的变动、战争和经济萧条, 都影响着产品市场。此外, 随着对现有产品需求趋平, 以及随着生产能力变得与现有需求一致或超过了现有需求, 这时, 对于新产品的探索就会加紧了。也就是说, 人们之所以会从大热门的短头, 被挤压到少数热门已经饱和。人们进入长尾这样的范围经济, 除了需求的拉动, 还有供给方面的推动。促进多种经营最通常的激励因素是企业主要职能单位——生产、经销和研究现有范围经济的潜力。而这三个方面与波特分析的关联的三个方面也是对应的。今天看来, 最大的推动力量、导致质变发生 (指范围经济由从属力量变为主导力量) 的力量, 应该还是互联网。
长尾不是让你放弃主流, 而是告诉你应该挖掘那些被忽视的资源, 它不仅仅是一个现象、一类效应, 更是一种有效的战略。畅销商品带来的利润越来越薄;愿意给长尾商品机会的人, 则可能积少成多, 积累庞大商机。长尾理论不只影响企业的战略, 也将左右人们的品味与价值判断。大众文化不再万夫莫开, 小众文化也将有越来越多的拥护者。唯有充分利用长尾理论的人, 才能在未来呼风唤雨。
4 长尾理论在中国商业上的实践
长尾理论至今在中国只是起步阶段, 从以提供增值服务平台的中介行业 (如eBay品牌旗舰专区、淘宝网新推出的“淘宝商城”等等) 到其他行业的应用。在前期对这一新鲜概念的尝试与质疑过后, 它在中国目前的商业圈中还没有产生足够大的影响。
“长尾理论”本来就存在于我们的生活中, 生活中不缺少美, 而是缺少发现美的眼睛, 很多人在自然而然地利用“长尾理论”时, 并没有人将其作为一个观点进行系统化, 进而上升到理论高度。当克里斯·安德森提出这个理论, 我们再来看的时候, 会有一种豁然开朗的感觉, 那些每时每刻发生在我们身边的事情, 确实就是这个样子, 联系实际去感受别人的思想, 这并不是什么困难的事情, 但是怎样透过现象看本质, 将生活中的现象进行抽象和系统化之后形成自己的观点并上升到理论高度, 将是一件困难的事情, 这也是对中国的商业理论界提出了更高的要求。
摘要：从克里斯.安德森的《长尾理论》的内涵谈起, 从需求方规模经济的角度分析了该理论的优势所在, 并阐述了如何通过抓住相互关联的冷门来抓住长尾市场, 最后浅析了长尾理论在中国商业上的实践。旨在通过对长尾理论的浅析, 让读者对前沿营销与管理理论有更深一步的认识, 最终能让理论与实践充分的结合。
需求规模 篇9
而今, 采用大规模定制模式的企业都是具有一定规模的。它们大都生产工艺过程以及供应链环节复杂, 对于企业的需求预测来说, 相应地也变得复杂。而且针对大规模定制生产模式大批量生产方式与定制生产方式相结合的特点, 大规模定制模式下的企业应该是在某些环节采用大批量生产方式, 而在另一些环节应用定制生产的方式的。因此并不是单单的适用预测模型和单一的预测方法就可以对其进行预测。本文就是针对这一问题初步探讨如何针对大规模定制的特点系统的应用需求预测方法, 研究如何进行预测需求确定与预测数据选择。
二、大规模定制模式下企业需求预测预测需求确定与预测数据选择
供应链的驱动模式一般分为两类:生产推动型和需求拉动型。生产推动型供应链中产品生产是根据市场预测和企业计划来进行的, 表现为按库存生产。需求拉动型供应链是指供应链中的产品的生产是根据客户定单来进行的, 表现为按定单生产。在大规模定制模式中, 供应链是以需求拉动为主、推拉相结合的供应链。
在大规模定制供应链中存在着客户定单分离点 (decoupling point) 。在该分离点之前, 供应链的驱动模式为生产推动型的, 而在该分离点之后, 供应链的驱动模式变为定单拉动型。随着个性化需求发生在设计、制造、装配、销售和原材料供应的环节不同, 客户定单分离点在大规模定制供应链中的位置各不相同。
针对不同客户定单分离点的驱动模型, 预测需求不同, 具体实施的需求预测不同, 实现预测所选择的预测数据不同。根据不同的客户定单分离点所在的位置将具体实施的预测需求分为两部分:客户定单分离点前的预测对象, 驱动模式为生产推动型的。采用按库存生产的大规模生产方式, 故只需对需求对象做长期、中期、短期的需求总量预测, 预测数据采用历史数据。客户定单分离点之后的预测对象, 驱动模式变为定单拉动型。采用的是大规模定制的生产方式, 故除了做需求总量预测之外, 还要求对产品做需求变化结构、变化趋势进行预测。预测数据采用定单数据。根据不同的大规模定制的实现策略、不同的模块、参数对定单数据进行定量处理, 选择预测方法进行预测。以此从需求预测的角度研究大规模定制模式下产品需求的变化趋势及变化程度, 从而能够进行参数、模块的调整。
三、示例
对于个性化需求发生在装配环节的产品来说, 其分离点在装配环节处, 则可构建以装配为分离点的供应链模型。图1表示的是以装配为分离点的供应链模型及预测需求确定与预测数据选择。图1
四、小结与展望
(一) 小结
本文参考了供应链的驱动模型——生产推动型和需求拉动型的理论, 引进大规模定制供应链中客户定单分离点的概念, 不同客户定单分离点的驱动模型, 预测需求不同, 具体实施的需求预测不同, 实现预测所选择的预测数据不同。
(二) 展望
当今面向大规模定制生产方式的特点, 研究大规模定制模式下的企业需求预测方法还非常的少, 需要研究及攻克的课题技术难关还很多。
如:1、针对不同客户定单分离点的驱动模型, 进行大规模定制模式下企业供应链模型的研究。
2、针对不同需求对象包括原材料、零部件、半成品、成品等生产过程的特点, 定制的环节不同, 设计适用的需求预测方法。
3、进行具体的对企业产品的需求变化结构、变化趋势进行预测的需求预测方法的研究。
4、也可以探讨一般的需求预测方法与需求变化预测方法之间的联系
5、针对一个实际的大规模定制生产模式的企业进行系统的需求预测研究。
6、将大规模定制模式下需求预测方法的研究成果应用到大规模定制生产模式企业运营管理的其他重要环节, 如库存管理, 生产计划管理等。
参考文献
[1]、邵晓峰, 黄培清, 季建华.大规模定制生产模式的研究[J].工业工程与管理, 2001, 6 (2) :13-17.
[2]、Bonney M C, Zhang Z, Hed M A, et al.Are Push and Pull Systems Really so Different?[J]. Int. J. Production Economics, 1999, 59:53-64.
需求规模 篇10
随着我国经济的不断发展和结构不断调整, 国内对物流的需求日趋提高。2012年我国物流货运量达到5.24亿吨, 比21世纪初增加了两倍以上。在我国货运量的运输方式构成中, 公路运输所占比重最高, 因此我国以公路运输为主导的物流需求潜力巨大。在这样的发展环境下, 如何维持物流供求平衡成为一大重要课题。在扩大内需的大背景下, 如何合理供应物流服务以满足国内物流需求, 成为众多物流企业乃至政府关心的问题。因此, 把握物流需求规模的变化趋势, 并对未来趋势做合理的预测分析, 是解决物流供求均衡的有效途径之一。
二、SPA聚类算法
1. SPA模型基本方法简介
SPA模型 (集对分析模型) 基于同、异、反三个层面, 研究两个事物之间的确定性关系和不确定性关系, 能够充分衡量这两个事物之间的联系程度。也就是说, SPA模型实际上就是一种新型的模糊理论系统, 在该系统中, 事物的确定性与不确定性之间是存在相互联系和相互制约关系的, 而且确定性与不确定性在一定条件下可以互相转化。
集对与联系度是SPA模型中最基本的两个概念, 其中集对的含义就是存在一定联系的两个集合共同构成的信息对。SPA模型中信息对的联系度可表示如下
其中, a为两个集合之间的同一度, b为两个集合之间的差异度, c为两个集合之间的对立度。字母i即为差异度的相应参数, 且有-1≤i≤1;字母j即为对立度的相应参数, 这里定义j的值恒为-1。根据SPA模型的基本定义, 这里同一度、差异度和对立度三者之和应为1, 即有:
这里, a和c是相对确定的, 但b是相对不确定的, 而这种相对性是因为客观对象具有可变性, 而且主体对客观对象的意识存在模糊性而产生的一种不确定性。
2. SPA聚类预测算法
将SPA模型与聚类分析方法进行结合, 对事物进行预测的算法就是SPA聚类预测算法。该方法的具体步骤如下:
假设N为待预测的事物, 对应待预测的系统用B表示。
(1) 设定事物N的分类模式系统, 即设事物N的可能分类集合为:A={A1, A2, …, An}。
(2) 构造可以反映事物N分类模式系统和参照系统之间同、异、反联系的向量, 用数学模型表示如下:
其中, μ表示事物N的第k个分类模式系统Ak与参照系统构成集对后的同、异、反联系向量。该变量也可采用式 (1) 的形式:
如果第k个分类模式系统Ak与m个环境因素存在关联, 记Ak与参照系统构成集对以后关于第t个环境因素的同、异、反联系度为μkt, 那么该分类模式系统对应地就有m个同、异、反联系度, 即μk1、μk2、…、μkm。于是, 分类集合A的同、异、反联系度便可根据以上m个联系度得到。
如果分类模式系统与参照系统的同、异、反联系度对内部要素的依赖度不一, 则以权重来反映对内部要素的重要程度。设权重向量为α= (α1, α2, …, αm) , 那么有
于是, 分类模式系统和参照系统之间同、异、反联系μk=ak+bki+ckj可表示为m个同、异、反联系度的加权组合形式, 即有
(3) 构造待预测系统B和参照系统的同、异、反联系度向量:
其中, u即为待预测系统与参照系统的SPA集对形式的同、异、反联系度向量, 也可以直接由前面的形式表示。
(4) 计算同、异、反联系度向量u与uk之间的距离, 公式如下:
其中, ρk即为同、异、反联系度向量u与uk之间的距离, 简称同异反距离。
(5) 判断待预测系统B的类别。对各个同异反距离ρk (k=1, 2, …, n) 进行比较, 通过距离最小准则, 确定预测系统B的类别。假设ρk0=min{ρ1, ρ2, …, ρn}, 那么就确定待预测系统B和分类模式系统Ak0最为接近。
现设xk0 (k=1, 2, …, n) 表示第k个分类模式系统的中心, 那么待预测系统B的预测值可如下表示:
三、我国物流需求规模预测
1. 数据样本
物流需求规模反映了一个地区经济社会发展对物流业务的需求程度, 一般可用该地区的物流货运量表示。本文采用我国的货运量来表示我国物流需求规模。由于物流需求规模与当地的经济发展水平存在较大关联, 特别是三大产业的发展加速了物流需求规模的增加, 因此本文采用第一、二、三产业的增加值作为物流需求预测的参考系。本文采用2001年~2012年的数据作为参考样本时期, 我国第一、二、三产业的增加值, 以及货运量的数据如表1所示。
资料来源:《中国统计年鉴2013》。
2. 实证分析
(1) 样本聚类分析
根据原始数据, 计算得到我国第一、二、三产业的增加值, 以及货运量的增长速度 (当年数据与上一年数据的比值) , 结果如表2所示。由计算结果可知, 1992年~2012年我国物流需求规模的增长速度在1.055~1.147之间。由SPSS软件, 可将我国物流需求规模的增长速度分为四类, 结果如表3所示。
(2) 建立样本和参照系统之间的联系度
现假设第k个分类样本Ak (k=1, 2, 3, 4) 和参照系统的SPA集对关于第t个因素之间的同、异、反联系度为:
为保持一致性, 统一取同一度为akt=xt/2, 取对立度ckt=0.2/xt。根据b=1-a-c, 即可得到同、异、反联系度中的b值。根据表1的数据, 以及式 (5) , 对我国第一产业、第二产业和第三产业三者赋予相同权重。于是, 可计算得到分类样本Ak (k=1, 2, 3, 4) 和参照系统的同、异、反联系度分别为:
3. 计算我国物流需求预测系统与对照系统的同、异、反联系度和距离
以2012年我国第一产业、第二产业和第三产业的增加值增长速度数值作为我国物流需求预测系统 (即待预测样本) 的观测值, 预测2012年我国物流需求规模的增长速度值, 然后与2012年我国物流需求增长速度的实际值进行比较, 检验SPA聚类算法的预测精度。
计算可得, 待预测系统和对照系统的同、异、反联系度可表示如下:
综合式 (8) 、 (11) 与 (12) , 可计算同、异、反联系度向量u与uk之间的距离, 结果如表4所示。
对各个同异反距离ρk (k=1, 2, 3, 4) 进行比较, 通过距离最小准则, 确定我国物流需求增长速度的类别为A3。因此, 我们认为2012年我国货运量的增长速度区间为[1.10, 1.12]。
根据表4结果, 并结合式 (9) , 可计算得到2012年我国物流货运量的增长速度为1.107, 于是根据2011年我国物流货运量的实际结果, 预测2012年我国物流货运量的值为4092535.8万吨。与2012年我国物流货运量的实际值比较可得, 本次预测的相对误差仅为0.167%。由此可见, 通过SPA聚类算法具有较高的预测精度。
采用该方法, 对未来我国物流需求进行预测。为此, 取2002年至2012年我国第一产业、第二产业和第三产业增加值增长速度的均值作为预测系统的观测样本, 预测未来几年我国物流需求规模增长速度。按照前面的方法计算可得, 待预测系统和对照系统的同、异、反联系度分别为ρ1=0.053, ρ2=0.027, ρ3=0.034, ρ4=0.029。于是, 计算得到我国物流货运量的增长速度为1.082。根据2012年我国物流货运量的实际值进行类推计算, 得到未来五年 (2013年~2017年) 我国物流货运量的预测值分别4435550.8万吨、4799266.0万吨、5192805.8万吨、5618615.8万吨、6079342.3万吨。
将2001年~2012年我国物流货运量的实际值和2013~2017年我国物流货运量的预测值综合绘制成趋势图, 结果如下图所示。
由图可知, 2001年以来, 我国物流需求规模呈平缓抛物线型增长。特别是2008年至2011年期间, 物流货运量的平均增长速度达到1.129。根据2013~2017年物流货运量的变化趋势, 认为未来五年内我国物流需求规模仍然呈现较快的增长态势。
四、结论
采用SPA聚类算法, 对我国物流需求规模在未来的变化趋势进行了预测。综合本文研究结果, 笔者认为, 至少在未来五年内我国物流需求规模仍然呈现较快的增长态势。从本文采用方法的可行性来看, 通过预测和对比分析, 验证了这种算法在预测我国物流需求规模方面是有效的。因此, SPA聚类算法在预测领域具有很高的使用价值。
摘要：采用SPA聚类算法, 对我国物流需求规模在未来的变化趋势进行了预测。从我国物流需求来看, 至少在未来五年内我国物流需求规模仍然呈现较快的增长态势。从SPA聚类算法可行性来看, 本文的实证结果验证了这种方法在预测领域的可靠性。
关键词：SPA聚类算法,物流需求
参考文献
[1]刘源.基于灰色预测模型的物流需求分析[J].物流技术, 2012, (11) :59-61.
[2]平平, 刘大有, 杨博等.组合预测模型在猪肉价格预测中的应用研究[J].计算机工程与科学, 2010, (5) :109-112.