基于Kalman滤波器的服装零售业库存控制策略.pdf

《基于Kalman滤波器的服装零售业库存控制策略.pdf》由会员分享，可在线阅读，更多相关《基于Kalman滤波器的服装零售业库存控制策略.pdf（6页珍藏版）》请在三一文库上搜索。

1、第3 1 卷第5 期纺织学报 V 0 1 3 1 ，N o 5 2 0 10 年5 月 J o u r n a lo fT e x t i l eR e s e a r c hM a y ，2 0 1 0 文章编号：0 2 5 3 9 7 2 1 ( 2 0 1 0 ) 0 5 0 1 3 1 - 0 6 基于K a l m a n 滤波器的服装零售业库存控制策略 李静一，王晓锋 ( 东华大学旭日工商管理学院，上海2 0 0 0 5 1 ) 摘要为帮助服装零售商准确预测市场需求信息，快速响应消费者需求，通过引入K a l m a n 滤波器对服装产品的 需求进行预测。在此基础上，分别对订货提前

2、期小于或大于等于订货周期的订货模式进行讨论，建立相关库存控 制策略模型，同时通过数据仿真分析探讨在一定服务水平下不同库存控制策略对企业利润的影响。研究表明，基 于K a l m a n 滤波器的订货提前期大于等于订货周期的周期性检查策略更加适用于服装零售商“高频率，低数量”的 补货模式，能够使服装零售商在维持服务水平的同时，提高经营利润。 关键词 服装零售业；K a l m a n 滤波器；库存控制；周期性检查策略；仿真分析 中图分类号：F7 2 6文献标志码：A I n v e n t o r yc o n t r o lp o l i c yf o ra p p a r e lr e t

3、a i l i n gs e c t o rb a s e dO i lK a l m a nf i l t e r L IJ i n g y i ，W A N GX i a o f e n g ( G l o r i o u sS u nS c h o o lo fB u s i n e s sa n dM a n a g e m e n t ，D o n g h u aU n i v e r s i t y ，S h a n g h a i2 0 0 0 51 ，C h i n a ) A b s t r a c tI no r d e rt oh e l pa p p a r e lr

4、e t a i l e r sg e ta c c u r a t em a r k e ti n f o r m a t i o na n dm a k eq u i c kr e s p o n s et o c u s t o m e r s d e m a n d ，t h i sp a p e rs u g g e s t sK a l m a nf i l t e r f o rf o r e c a s t i n ga n dd i s c u s s e sr e l a t e d i n v e n t o r y c o n t r o lp o l i c i e s

5、w i t hd i f f e r e n tl e a dt i m ea n do r d e rc y c l et i m e M e a n w h i l e ，s i m u l a t i o ni sc a r r i e do u tt o c o m p a r et h ee f f e c to fd i f f e r e n ti n v e n t o r yc o n t r o lp o l i c i e so nt h ep r o f i to fa ne n t e r p r i s el e v e lu n d e rc e r t a i

6、n s e r v i c el e v e l T h er e s u l t si n d i c a t et h a tu n d e rt h er e p l e n i s h m e n tm o d ew i t hh i g h f r e q u e n c ya n ds m a l l q u a n t i t yc a nb r i n gm o r ep r o f i t st oa na p p a r e lr e t a i l e ru n d e rc e r t a i ns e r v i c el e v e l K e yw o r d s

7、a p p a r e lr e t a i l i n gs e c t o r ；K a l m a nf i l t e r ；i n v e n t o r yc o n t r o l ；p e r i o d i c a lr e v i e wp o l i c y ； s i m u l a t i o na n a l y s i s 当前，人们对于服装产品的需求更加趋向于时 尚化、个性化和多样化，这使得服装零售商难以准确 预测消费者的需求。消费者需要的服装产品在销售 季节结束之前就已脱销，消费者不需要的产品却在 销售季节结束之后还存有大量剩余，导致服装零售 商面临较高的滞销

8、成本和缺货成本，无法提高顾客 满意度。许多文献指出，实现服装供应链各环节快 速响应是解决该问题的有效途径。1 。1 9 9 9 年， A b e m a t h y 提出了快速响应下服装供应链的零售环 节的运作模式“精益零售”( L e a nR e t a i l ) 。这 种模式允许零售商在销售季节中实行“高频率，低 数量”的补货，即在销售季节开始之前只订购少量 的产品，然后根据每周期销售情况决定下一周期的 补货量，这种订货模式需要生产企业的配合。服装 生产企业要与零售商共享销售信息；改善生产流程， 采用模块式、成组技术生产等方式提高生产效率；采 取合理设计模式，根据市场需求及时调整原来的

9、设 计方向；建立信息系统，辅以条形码、射频识别i 数据 仓库等技术，快速处理服装生产销售中的各种信息。 “高频率，低数量”的补货方式有助于快速响应 消费者需求，但是目前服装零售业常用的预测方法 和订购策略不适合于这种运作模式。以往服装预测 使用的时间序列分析法4 6 。7 。需要较多的历史数 据作为参考，并且无法使用本周期的销售数据对预 收疆日期：2 0 0 9 0 5 2 1 修回日期：2 0 0 9 0 9 一1 7 基金项目：国家自然科学基金资助项目( 7 0 7 2 0 7 3 ) ；上海市自然科学基金资助项目( 0 7 Z R l 4 0 0 3 ) 作者简介：李静一( 1 9 8

10、6 一) ，女，硕士生。主要研究方向为物流管理。王晓锋，通讯作者，E m a i l ：x f w a n g d h u e d u 。c n 。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 1 3 2 纺织学报第3 1 卷 测进行更新。服装零售商常使用“报童模型”旧。决 定1 个周期的订货量，但其目标函数是利润最大化， 忽略了服务水平；另外，该模型不考虑销售期内的补 货策略，服装零售商无法及时地根据产品的销售状 况对顾客的需求分布及销售量进行更新和调整。针

11、 对上述问题，本文提出使用K a l m a n 滤波器进行服装 产品的需求预测，并在此基础上探讨适合“高频率， 低数量”运作模式的库存控制策略。 1K a l m a n 滤波器及其应用 1 1 K a l m a n 滤波器 1 9 6 0 年，K a l m a n 在W i e n e r 滤波器的基础上提 出了针对最优随机控制问题的K a l m a n 滤波器。 1 9 7 1 年H a r r i s o n 和S t e v e n s 吸取了控制论中K a l m a n 滤波器的思想精髓，提出了用于时间序列分析的统 计预测工具K a l m a n 滤波器一1 。这2 种K

12、 a l m a n 滤波 器名字虽然相同，但实质上是针对2 门不同学科问 题的2 种用途不同的工具，本文中的K a l m a n 滤波器 指后者，它是由1 个系统方程和1 个观察方程构成 的方程组。 观察方程：x 。= F 。0 。+ e 。 系统方程：0 。= G 。0 川+ M 。 ( 1 ) t = 1 ，2 ，n 。 式中：F 。和G 。都是已知常数矩阵；X 。为t 时期零售 商观测到的销售量；0 。为t 时期的市场需求；X 。和吼 都可以为向量；e 。为t 时期的观测噪声；u 。为t 时期 的系统噪声。初始条件下，日。服从正态分布 ( p 。，盯。2 ) 且与噪声序列互相独立，e

13、 。服从正态分 布( 0 ，矿：) ，u 。服从正态分布N ( 0 ，矿：) 。 K a l m a n 滤波器根据初始条件0 。，利用系统方程 易给出0 。直至预测界限( H o r i z o n ) 的先验分布，然后 利用观察方程和0 ；的先验分布就可以得到X 。直至 预测界限的先验分布。观察到第1 个数据x 后，从 观察方程就可得到似然函数，从而0 。和石。的后验 分布可通过应用B a y e s 定理得到。每得到1 个新的 数据，原来的0 。和X 。的后验分布就成为新的先验 分布，然后用新的似然函数更新0 。和x 。的后验分 布，得到新的预测。 K a l m a n 滤波器模型与各

14、种常用的时间序列分 析预测工具相比有许多优点：H a r r i s o n 和S t e v e n s 【9 1 指出许多时间序列分析预测工具都是K a l m a n 滤波 器的特例，例如令观察方程为X 。= 0 。，K a l m a n 滤波 器就变成了一阶自相关模型A R ( 1 ) ；此外，K a l m a n 滤波器脱胎于控制论和随机微分方程，因此它可以 通过调节F 。和G 。的取值考虑市场、产品价格等变 化，并与专家意见结合以建立比较精确的因果模型； 本文中K a l m a n 滤波器的最大优点在于能分辨需求 和销售量为不同的概念，能利用全部历史数据而不 是部分数据进行预

15、测。 1 2 在服装零售业的应用 在服装零售业，K a l m a n 滤波器中的X 。代表某 款服装的销售量，0 。代表消费者对该款服装的需求 量。需说明的是，销售量和需求量是2 个不同的概 念。销售量是随机的，受各种随机因素影响比较大； 而需求量是系统内部状态，有着其自身的变化规律。 例如，某服装产品原本需求量是1 0 件，但是由于零 售商打出了买一送一的牌子，每个顾客都购买了2 件，结果本期实际销售量为2 0 件。此外，这类促销 活动可能会使服装产品在某一期的销售额猛增而在 下一期的销售中下跌，所以历史的销售数据并不能 真正反映实际的需求。而当前企业所使用的很多预 测方法将这2 个量的概

16、念混淆，这也是导致预测不 准确的一个重要原因。 式( 1 ) 的方程组中，G 。可以描述需求量的变化， G 。的取值主要受到产品生命周期的影响，例如服装 产品在成长期时G 。大于1 ，成熟期时G 。等于1 。衰 退期时G 。小于1 。F 。可以描述销售量的变化，。主 要受到商家广告和销售促进等因素的影响。通过调 节K a l m a n 滤波器模型中c 。和F 。的值，可以使服装 零售商对其销售量的预测更准确。 2 周期性库存检查策略 消费者对服装产品的需求为随机的，但销售量 的分布可以根据历史情况推测，零售商需选择一定 的库存控制策略进行库存管理。库存控制策略可根 据零售商在销售季节内是否重

17、新订购货物分为有补 货机会与无补货机会2 类。在“高频率，低数量”的 模式下，零售商选择有补货机会的库存控制策略更 为适合。一般而言，有补货机会的库存控制策略又 可分为周期性检查策略和持续性检查策略。 持续性检查策略是指零售商一旦发现存货低于 安全库存就必须马上补货，没有固定的订货周期，这 对于服装的生产安排会造成较大的影响，因此并不 适合服装业。周期性检查策略是指零售商每隔一定 时期检查一次库存，并发出一次订货，把现有库存补 充到最大库存水平，但一般情况下这种策略要求订 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWaterm

18、arkR to remove the watermark 第5 期李静一等：基于K a l m a n 滤波器的服装零售业库存控制策略 1 3 3 货周期大于订货提前期。而在“高频率，低数量”模 式下，服装零售商所要求的订货周期越来越短，甚至 可能小于或等于服装产品的提前期，因此传统的提 前期小于订货周期的周期性检查策略也并不完全符 合服装零售商的要求。对此，S i m a 等在其论文中对 提前期大于订货间隔期的周期性检查策略进行了阐 述引。这里将分别阐述2 种不同情况下基于 K a l m a n 滤波器的周期性检查策略。 2 1 订货提前期小于订货周期 基于K a l m a n 滤波器的

19、订货提前期小于订货周 期的周期性检查策略的订购量可采用式( 2 ) 确定。 Y 。= ( r + L ) 移+ ：Xr 而 g = Y 。一s ；( 2 ) 式中：Y 。为库存量控制上限；r 为检查周期也是订货 间隔期；L 为提前期；z 为安全系数；l ，和分别为服 装产品在销售周期内的销售量均值和标准差；q 为 订购量；s 。为服装零售商t 期末的剩余库存。 另外需说明的是：x 。为零售商对t 时期销售量 的预测，为随机变量；茗。为观察到的t 时期销售量， 是销售数据；并。为包括t 时期实际销售量在内的所 有历史数据。 基于K a l m a n 滤波器的销售量分布和订购量计 算包括以下2

20、个步骤。 1 ) 确定销售量的分布：假设根据通过t 时期之 前的销售数据确定服装产品在t 时刻的需求服从正 态分布0 。I x 川一( 以，矿；) ，销售量分布为x 。k 一， N ( g 。，f ：) ；在观察到t 时期销售量戈。后，依据b a y e s 定理，建立似然函数并更新t 时期的需求分布 0 。I x 。一N ( g 。( 髫。) ，1 9 “ 。2 ( 茗。) ) ，利用K a l m a n 滤波器推 导出t + 1 时期内需求0 I 石。一( p 。( 省。) ， 矿2 ( 戈。) ) ，销售量分布为置+ 。J 以N ( p 川( 茗。) ， 7 ；+ 。( 茗。) ) ；

21、t + 1 t + r + 时期的总销售量为各期销 售量之和，在没有观测到t + 1 时期之后的销售量 前，认为t + 1 一t + r + L 各时期的销售量，服从于同 t + 1 销售量相同的分布。最后推出在t + 1 至 t + ，+ 三的时间内销售量服从形+ 。，+ 。一 ( 1 ，m ( 菇。) ，r 2 ，+ 。( 算。) ) 的分布，其中 I + ，+ 工 材。+ - 。+ ，+ 。( 石。) = V t + l ( 髫；) = l + ，+ 工 秽( F 川H ( 戈。) ) = i 。I + I ( r + ) F 。+ 。G 。( F 。x 。盯；+ p 。盯：) l (

22、r ；o r ：+ 仃：) ( 3 ) r 2 + 。一。+ ，+ 。( 并。) = 下；+ ，= F ；+ 。盯：+ 。( 菇。) + 盯：= I = + 1= I + l ( r + ) ( F 2 + 。G 。2 + 。矿。2 矿。2 ( F 2 。矿；+ 盯：) + F 2 + l 矿：+ 盯：) ( 4 ) 2 ) 计算订货量：在期望库存水平需要Y k 满足一定的服务水平1 一a ( 0 a I ) ，即安全系 数为z ，则有下式： Y 1 。l 石= 秽I + 1 1 + ，+ L ( 戈I ) + 石Xr ( 茗。) ( 5 ) t 期末的库存s 。已知，则订货量可计算如下： q

23、 = Y I + 1 。+ I 茗。一s 。( 6 ) 2 2 订货提前期大于等于订货周期 订货提前期大于等于订货周期的周期性检查策 略的基本模式如图1 所示。q 。为零售商在t 期末决 定的实际订购量，即t + 期初的进货量，为确定的 常量；Q 。为零售商在t 期末的可能订购量，是带有不 确定性的随机变量，是在观察到t + 期实际销售量 戈之前根据对t + 期预测销售量x 确定的， Q 。= Y + ；二? ( x 一q + 。) ，q 。一般取( Q 。) 的 均值。其余各符号与上文相同。 f件l心眦什l 吧 什2 + 图1提前期大于等于订货周期的周期性检查策略 F i g 1O p e

24、r a t i o nm o d eo fp e r i o d i c a lr e v i e w p o l i c i e si nt h ec a s eo f r 需说明的是，在上图中L = l 时的情形其实就是 所谓的准时制生产( j u s ti nt i m e ，J I T ) 模式，即在t 期 末的订货在t + 1 期初就可以获得。考虑到现实生 产中服装产品的生产及运送需要一定时间，无法做 到J I T 。所以本文只对2 的情形进行讨论。 当提前期2 时，零售商在t + 1 时期的订购 量可以用下式得出： Y t + L = z f + + 秽“L ( 茗I ) Q。=，

25、+1x一qt-I+iQ) q 。5 ，+ 艺( x I + f 一 ) 一s 。 q 。= E ( Q 。)( 7 ) 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 1 3 4 纺织学报 第3 1 卷 式中：，为t + 期库存量控制上限；z 为安全系数； l P t + 和“ r t + L 分别代表服装产品在t + 工期内的销售量均 值和标准差；x 。为第t + i 期零售商可能的销售量。 基于K a l m a n 滤波器的销售量分布和订购量计 算包括以下2

26、 个步骤。 1 ) 确定销售量的分布：假设根据通过t 时期之 前的销售数据确定服装产品在t 时刻的需求服从正 态分布0 。k 一。( 肛；，盯；) ，观察到t 时期销售量石。 后，可以将需求分布更新为0 ；I 髫。( x 。( 戈，) ， 盯；( 戈。) ) ，利用K a l m a n 滤波器得出在t + i 时刻 0 。k ( p ( 菇。) ，矿2 ( x 。) ) ，销售量X 。I 石。 ( 1 ，( x 。) ，r 2 ( 戈。) ) ，其中 l + x , , i ( x 。) = 兀q ( F 。x t o “ ；+ p 。盯：) ( ，2 。盯；+ 盯：) ( 8 ) l +

27、i 盯；+ ；( 戈。) = 兀q 2 盯。2 盯2 。( F 2 。盯；+ 矿；) + J2 卜 I f + i+ i 兀嘭盯：”+ 兀嘭矿：+ 盯： ( 9 ) ，2 I + zJ 。I + 1 4 V t + i ( x 。) = F 。以。( 戈。) = F 川兀G J ( ，。戈。盯；+ 肛。盯；) ( F ；盯；+ 盯：) ( 1 0 ) 丁2 。+ 。= F ；+ 2 i O “ 。+ 。( 石。) + 旷；=丁l + I2 ，I +I + IL 石，+ 旷c 。 I + j 吃( 丌q 2 盯2 。矿2 。( F + 盯：) + J2 l + I I + if + i 兀g 盯

28、：+ + 兀谚盯：+ 矿：) + 盯；( 1 1 ) 2 ) 计算订购量：给定服务水平为1 一a 即安全 系数z 的情况下，可计算出基于t 时期的销售数据 t + 期的期望库存水平 ，。+ cX 。= 。r 。+ L ( 算；) + 口。+ L ( 茗。) ( 1 2 ) 在t 期末要确定的t + 期可能进货量为 Q 。= Y 。+ 。l 苎，+ ：( x 。+ 一q t - L + i ) 一s 。( 1 3 ) 基于t 时期在内销售数据的t + l 期初的期望库 存水平 q 。= ) ，。+ 。I + ：( E ( x 。+ 。) 一q t - L + i ) 一s 。= ) ，J 兰+

29、? 一：( 。一q + ) 一s 。 ( 1 4 ) 一2 I 3 库存控制策略仿真分析 3 1 仿真条件假设 A 产品属于流行性服装产品，销售季度为8 周， 提前期为2 周，在服装产品的销售周期内不存在影 响消费者销售量的促销活动。该产品售价P 为5 0 0 元，成本C 为2 5 0 元，残值d 为1 0 0 元，服装价格与 成本不受订货次数的影响。顾客的实际需求服从均 值p ，为2 0 0 件，标准差盯，为2 0 件的正态分布，顾 客销售量偏差服从均值肛。为0 件，标准差盯。为1 0 件的正态分布。而服装零售商在季节开始初期预测 该产品服从均值肛。为2 0 0 元，标准差盯。为2 5 件的

30、 正态分布。该产品第l 周处于引入期，消费者的实 际需求为成熟期的1 4 ，第2 周处于成长期，消费者 的实际需求为成熟期的1 2 ，第8 周处于衰退期，消 费者的实际需求为成熟期的1 4 。服装零售商的服 务水平为9 5 。 服装零售商希望在保持服务水平不变的情况下 得到最大化利润，其计算公式如下。 1 ) 当销售量大于订购量时： 服装零售商的利润= 销售量( 价格一 成本) 一( 订购量一销售量) X ( 成本一季末残值) 2 ) 当销售量小于或等于订购量时： 服装零售商的利润= 订购量( 价格一成本) 3 2 仿真过程设计 G 。与服装产品的生命周期有关。在仿真中将 c 。设置为 1 ，

31、2 ，2 ，1 ，1 ，1 ，1 ，1 2 以模拟该产品的生 命周期。影响F 。的主要因素是促销，本文排除了服 装零售商的促销活动，因此，。可以设置为1 。则适 用于本文的K a l m a n 滤波器可以表示如下。 观察方程：X 。= 0 。+ e 。 系统方程：0 。= G 。0 川+ u ， ( 1 5 ) 其中e 。一N ( 0 ，1 ) ，u 。一N ( 0 ，1 ) 。 假设零售商在销售季节内的补货次数分别为 1 、4 、8 次，其库存控制策略如下所示。 1 ) 订货次数为l ，即零售商只在每个销售季度 之前订货，服装零售商使用报童模型进行决策，订货 量为q 。具体模式如图2 所示

32、。 2 ) 订货次数为4 。服装零售商使用周期性检查 策略，其在第1 期初得到订货，第1 期末订货第3 期 初到货，第3 期末订货第5 期初到货，第5 期末订货 第7 期初到货。具体模式如图3 所示。图中：q i 为 第i 期的订购量；s i 为第i 期的库存；r 为订货周期扛 为订货提前期。 3 ) 订货次数为8 。为订货提前期大于订货周期 的周期性检查策略，每期都有订货，每期都有到货， 具体模式可参照图1 。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 第

33、5 期李静一等：基于K a l m a n 滤波器的服装零售业库存控制策略 1 3 5 ：，1 ： 图21 次订货模式 F i g 2O p e r a t i o nm o d ew i t ho n eo r d e r 12345678 图34 次订货模式 F i g 3O p e r a t i o nm o d ew i t h4o r d e r s 3 3 仿真结果分析 P 为产品售价；d 为季末残值；p ，为顾客的实际 需求均值，矿，为顾客实际需求量的标准差；盯。为售 量偏差标准差；p ，为预测的需求量均值，为预测 的需求量标准差。8 次订货与4 次订货较1 次订货 的利润增加

34、比率分别用P 。和P 。表示。 在初始情况下，仿真结果如表1 所示。结果表 明服装零售商能够在使用K a l m a n 滤波器预测需求 的基础上，通过“高频率，低数量”的补货方式得到 较高的利润，验证了在服装零售业实施快速响应的 正确性和必要性。 衰1 初始仿真结果 T a b 1I n i t i a ls h n u l a t i o nr e s u l t 此外，本文还将对上述例子中的某些参数进行 调整，以进一步确定其有效性。 3 3 1 需求分布的标准差仿真分析 其他参数不变，调整服装产品实际需求的标准 差，服装零售商初始预测的标准差也相应调整，仿真 结果如表2 所示。由表可知：

35、当服装产品的需求波 动即需求标准差增大时，使用高频的率订货策略能 够得到较高的利润；当产品的需求波动较小时，高频 订货策略的优势不明显。这是因为如果在销售季节 之前订货，需求标准差越大，服装零售商就需要更多 的安全库存以维持服务水平，从而造成货品的积压， 产生滞销损失，降低其利润。 表2 不同需求分布标准差下的仿真结果 T a b 2S i m n l a t i o nr e s u l t sb a s e do nv a r i o u sd e m a n d s t a n d a r dd e v i a t i o n 3 3 2 零售商初始预溯误差仿真分析 其他参数不变，调整服

36、装零售商初始预测均值， 仿真结果如表3 所示。由表可知，当服装零售商的 预测出现偏差时，高频的订货策略会得到较高的利 润，而且初始预测的偏差越大，快速响应就愈加有 效。在实践中，服装零售商很难对服装产品的需求 做出预测。而K a l m a n 滤波器以及“高频率，少批 量”补货模式能够及时地利用市场信息对先前的预 测进行更改，从而有效地避免了库存的积压与缺货， 提高了服装零售商的利润。 表3 不同初始预罚下的仿真结果 T a b 3S i m u l a t i o nr e s u l t so fv a r i o u si n i t i a lf o r e c a s t 3 3

37、3 季末残值的仿真分析 其他参数不变，将服装产品的残值调低，仿真结 果如表4 所示。由表可知，当产品的季末残值降低 时，其所产生的滞销损失就会越大，而使用高频率的 订货策略能够更好地避免库存积压。因此，季末残 值越低，“高频率，少批量”的订货策略越有效。 3 3 4 边际利润的仿真分析 其他参数不变，将服装产品的零售价格调高，仿 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 1 3 6 纺织学报第3 1 卷 表4 不同残值下的仿真结果 T a b 4S i m

38、u l a t i o nr e s u l t sa tv a r i o u sr e s i d u a lv a l u e 2 真结果如表5 所示。由表可知，当产品的利润增加 时，由于缺货带来的损失会变大，“高频率，少批量” 的订货策略能够更好地避免缺货，因而利润提高。 表5 不同边际利润下的仿真结果 T a b 5S i m u l a t i o nr e s u l t sa tv a r i o u sp r o f i t s 4 结论 本文探讨了基于K a l m a n 滤波器的服装零售业 库存控制策略。与以往预测模型相比，K a l m a n 滤波 器能够区分实际需

39、求与销售量之间的差别，并且使 用近期的销售量对预测进行不断更新，具有较高预 测准确度；通过仿真分析也说明了基于K a l m a n 滤波 器的订货提前期大于等于订货周期策略也更加适用 于快速响应下服装零售商“高频率，低数量”的补货 模式。但是，服装市场的需求预测需要综合分析各 种因素，例如流行趋势、促销策略以及消费者偏好等 对销售量的影响。如何结合具体服装销售过程、策 略以及消费者态度来进一步分析、修改预测模型，赋 予参数G 。和F 。更多实际的含义，将是今后需要进 一步研究的内容。黼 参考文献： 4 5 6 7 8 1 周建亨，刘泳服装业原材料订货零库存方案研 9 究 J 纺织学报，2 0

40、 0 6 ，2 7 ( 9 ) ：5 5 5 7 Z H O UJ i a n h e n g ，L I UY o n g S t u d yo n z e r oi n v e n t o r yo f r a wm a t e r i a lo fa p p a r e le n t e r p r i s e s J J o u r n a lo f T e x t i l eR e s e a r c h ，2 0 0 6 ，2 7 ( 9 ) ：5 5 5 7 徐琪，王晓锋一种基于时尚指数的服装供应连动态 定价策略 J 纺织学报，2 0 0 8 ，2 9 ( 1 1 ) ：1 3 7

41、 1 4 0 X UQ i ，W A N GX i a o f e n g D y n a m i cp r i c i n gs t r a t e g yf o r a p p a r e ls u p p l yc h a i nb a s e d o nf a s h i o ni n d e x e s e J J o u r n a lo fT e x t i l eR e s e a r c h ，2 0 0 8 ，2 9 ( 1 1 ) ：1 3 7 1 4 0 A B E R N A T H YF 。D U N L O PJ ，H A M M O N DJ ，e ta 1 A

42、 S t i t c hi nT i m e ：L e a nR e t a i l i n ga n dt h eF u t u r eo f M a n u f a c t u r i n g ：L e s s o n sf r o mt h eT e x t i l ea n dA p p a r e l I n d u s t r i e s M L o n d o n ： O x f o r d U n i v e r s i t y P r e s s ，1 9 9 9 大卫辛奇一利维供应链：设计与管理概念、战略与 案例研究 M 北京：中国财政经济出版社。2 0 0 4 D a v

43、 dS i m c h i L e v i T h eS u p p l yC h a i no fD e s i g n i n ga n d M a n a g i n g ：C o n c e p t s ，S t r a t e g i e sa n dC a s eS t u d i e s M B e i j i n g ：C h i n a F i n a n c i a l E c o n o m i c P u b l i s h i n g H o u s e ，2 0 0 4 张革侠，徐琪，宋新平基于商务智能的服装供应链 广义快速响应系统 J 纺织学报，2 0 0 8 ，

44、2 9 ( 1 2 ) ： 1 2 6 一1 3 0 Z H A N GG e f u ，X UQ i ，S O N GX i n p i n g A p p a r e ls u p p l y c h a i ng e n e r a l i z e dq u i c kr e s p o n s es y s t e mb a s e do n b u s i n e s si n t e l l i g e n c e J J o u r n a lo fT e x t i l eR e s e a r c h ， 2 0 0 8 ，2 9 ( 1 2 ) ：1 2 6 1 3 0 刘

45、风华纺织品市场预测及其计算机系统实现 J 纺织学报，2 0 0 3 ，2 4 ( 5 ) ：1 0 2 1 0 3 L I UF e n g h u a T h e p r e d i c t i o no ft e x t i l em a r k e ta n di t s i m p l e m e n t a t i o nb yc o m p u t e r a i d e ds y s t e m J J o u r n a l o fT e x t i l eR e s e a r c h ，2 0 0 3 ，2 4 ( 5 ) ：1 0 2 1 0 3 万燕敏，陈胜，戴淑娇基于

46、时间序列和P E R T 的服装 销售预测方法研究 J 丝绸，2 0 0 6 ( 1 1 ) ：6 0 一6 3 W A NY a n m i n ，C H E NS h e n g ，D A IS h u j i a o S t u d yo n f o r e c a s tm e t h o df o rg a r m e n ts a l e sb a s e do nt i m es e r i e s a n dP E R T J S i l kM o n t h l y ，2 0 0 6 ( 1 1 ) ：6 0 一6 3 P E T R U Z Z INC ，D A D AM

47、P r i c i n ga n dt h en e w s v e n d o r p r o b l e m ：ar e v i e w w i t h e x t e n s i o n s J O p e r a t i o n s R e s e a r s c h ，1 9 9 9 ，7 4 ：1 8 3 1 9 4 H A R R I S O NPJ ，S T E V E N SCF Ab a y e s i a na p p r o a c h t os h o r t t e r m f o r e c a s t i n g J O p e r a t i o n a l R e s e a r c h Q u a r t e r l y ，1 9 7 1 ，2 2 ( 4 ) ：3 4 1 3 6 2 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark