自适应GM(1．1)灰色模型在成本预测中的应用

自适应GM (1,1)灰色模型在成本预测
中的应用
叶桂英
摘要：文章针对传统GM (1,1)灰色模型中存在的数据发散问题对模型进行了改进,建立了等维约束条件的自适应GM (1,1)模型。

选用某物流企业2003-2007年的配送成本为原始数据，预测结果表明，自适应GM (1,1)模型在中长期物流企业配送成本预测中具有明显优势，为成本预测及相关领域提供理论及方法借鉴。

关键词：物流配送；灰色模型；成本预测一、引言
物流企业成本管理不仅要对物流企业的成本进行分析，更需要在此基础上对物流企业的成本做出科学、合理的预测。

本文在传统GM （1，1）模型不足的基础上进行了改进，对原始数据序列运用滑动平均法和等维动态的约束条件。

最终通过对某企业运输成本实例的计算，验证了改进的GM （1，1）模型在企业运输成本数据长期预测的可行性和有效性。

二、模型构建（一）传统GM （1，1）模型的不足传统GM(1，1)模型精度受以下方面影响：（1）传统GM （1，1）模型原始数据序列受外界影响因素较大，从而使预测数据曲线出现波动，进而影响预测精度。

会造成企业经济效益的损失和社会形象的抹黑。

因此在实际的制造过程中，一定要加强对废品和次品的控制，加大技术改进，确保仪器精度，降低废品和次品的产出率，从而降低制造企业成本。

（四）降低经营管理成本通过加强企业管理，提高管理效果，制定相关的管理体系，提高管理人员的相关知识和职业技能，严格审查运营过程中的消费情况。

制定科学的工时标准和工作标准，促进企业在运营管理过程中的工作效率，从而降低制造企业的运营管理成本。

（五）降低物流成本
想要降低企业物流成本，可以外包给第三方物流服务商来进行，从而降低企业的物流成本。

由于产品的种类多、运输批量小，需求地分布广，如要制造企业进行送货上门服务，在配送的过程中必然会造成大量的成本消耗，降低企业的经济效益。

而第三方物流企业拥有良好的物流设备和物流系统，能够有效的降低企业的物流成本。

对于在制造企业较近的区域，企业为了减少物流成本，可以进行送货服务，但在产品配送的过程中需要制定好相关路线，按照提前设计好的路线进行产品配送，实现小批量、多次、定时性。

能够有效的降低运费的成本，从而提高企业经济效益。

（六）降低库存成本
企业要对产品的生产做出相关的规划，根据客户的
交货期进行产品生产，生产完成后及时发送给客户，降低产品的积压，进而降低产品的库存成本。

而过多的产品积压必然会造成企业资金流转问题，降低企业经济效益，还会增加库存管理的人工费用。

通过规划生产降低库存，从而降低成本提高企业的经济效益。

随着我国国民经济的不断发展，汽车制造业及与汽车相关的配件企业获得了更大的发展空间，而随着企业成本的不断提高，制造企业想要获得更多的经济效益，必须对企业的生产成本和销售成本进行控制，从而降低企业成本，增加企业的经济效益，促进企业核心竞争力的获取，使制造企业持续健康发展。

参考文献：
[1]吴希.中国汽车制造企业物流管理成本控制对策研究[J].价格月刊，2015，（01）
[2]杜青.降低制造企业成本的现时思考———基于价值链的角度[J].会计审计，2013：（02）
[3]熊彩云.探讨制造企业降低产品成本的对策[J].经营战略，2014：（04）
[4]朱张敏，靳光磊.浅析汽车制造企业成本控制[J].技术经济，2013,12，（06）
[5]刘青.制造企业成本控制问题浅析[J].工作研究，2013，（02）:03
[6]邓文博，张森芳.制造企业降低产品成本的思路和方法[J].企业管理，2010，（04）
（作者单位：湖州安达汽车配件有限公司）
144
4
)
()(2)(z 1)0()0(1)0(0+−•++=
i i i i t z t z t z t ）（）
（
（2）传统GM （1，1）模型预测的有效性还受时间序列长短的影响。

（二）模型优化（1）背景值优化
基于滑动平均法对背景值进行预处理，计算公式如下:
(1<i)
（2）等维动态模型
由原始预测序列经传统GM （1，1）模型所得到的预测值依次替换掉最旧的用于预测的序列。

（四）模型精度评定残差大小检验、关联度检验和后验差检验是评定模型精度的三种方法，而灰色模型的精度通常采用后验差检验来评定。

三、在物流企业配送成本预测中的应用（一）资料收集
实验收集某物流企业2003-2012年的物流配送成本数据，考虑到国家工资调整、通货膨胀等外界因素的影响，为了得到可用于预测的数据，本文选取2003年的生产资料价格水平为基数，基于物价指数等对原数据进行调整。

（二）实例建模本文选取前5年（2004-2008年）的数据建立传统GM （1，1）模型，并在此基础上建立自适应GM (1,1)模型，最终与传统GM （1，1）模型的原始数据进行比较。

利用传统GM （1，1）模型和自适应GM (1,1)模型分别进行预测的结果如：下表1和表2。

表1传统GM （1，1）模型预测值
（三）结果分析
由表1和表2可知，改进后的自适应GM (1,1)模型，除用于预测的背景值外的后4项预测值的平均相对
误差大大降低，通过绘制原始数据和两种模型预测值的
拟合曲线（如图1所示）可知，自适应GM (1,1)模型的预测值更加接近原始数据序列，精度明显提高。

四、结语
本文通过对传统GM (1,1)模型和自适应GM (1,1)模型对比，得出以下结论：
（1）通过对原始数据序列运用滑动平均法，有效的弱化了序列的过度波动。

表2自适应GM (1,1)模型预测值
（2）通过对传统GM (1,1)模型的背景值加入等维
动态的约束条件，从而弥补了传统模型受时间序列长短、跨度因数影响的不足。

图1预测的拟合曲线
参考文献：
[1]林万祥.成本论[M].北京：中国财政经济出版社，2001.
[2]邓聚龙.灰色理论基础[M].武汉：华中科技大学出版社，2002.
（作者单位：江西
理工大学经济管理学院）
145。