本篇主要介紹物流運輸與配送中常用的定量管理分析理論和決.ppt

本篇主要介紹物流運輸與配送中常用的定量管理分析理論和決策方法。包括預測技術(shù)，庫存優(yōu)化問題，運輸問題，車輛路徑問題，連續(xù)點的選址等。,第3篇 數(shù)學方法篇 （MAHTEMETIC METHODS）,第11章 預測技術(shù)（Technique for Forecasting） 第12章 庫存優(yōu)化問題（Inventory Problem） 第13章 運輸問題（Transportation Problem）,第3篇 數(shù)學方法篇 （MAHTEMETIC METHODS）,第11章 預測技術(shù) （Technique for Forecasting）,預測作為一門新興學科，愈來愈廣地廣泛的應用于社會各個領域，如社會預測、經(jīng)濟預測、科學預測、技術(shù)預測和軍事預測等。 所謂預測，是指對生產(chǎn)、裝運或銷售等方面有可能產(chǎn)生的流量或單位數(shù)的一種預示或估計。 在物流運輸與配送實踐當中，許多決策問題能否有效地開展，都依賴于預測質(zhì)量的好壞。如配送網(wǎng)絡設計，運能規(guī)劃，庫存計劃等。,第11章 預測技術(shù)（Technique for Forecasting） 11.1 概述（Introduction） 11.1.1 預測概述（Summary on Forecast） 11.1.2 預測程序（Procedure of forecast） 11.1.3 物流預測方法的分類（Classification of Method for Forecast Logistics） 11.1.4 預測方法的選擇（Selection of Methods） 11.2 時間序列預測技術(shù)（Technique for Time Sequence Forecast） 11.2.1 移動平均預測法（Moving Average Forecast） 11.2.2 指數(shù)平滑預測法（Exponential Smoothing Forecast） 11.3 回歸分析預測技術(shù)（Technique for Regression Analysis Forecast） 11.3.1 一元線性回歸預測法（Single Regression Forecast） 11.3.2 多元線性回歸預測分析（Multiple Regression Forecast）,11.1.1 預測概述,物流預測就是根據(jù)客觀事物的過去和現(xiàn)在的發(fā)展規(guī)律，借助科學的方法和手段，對物流管理發(fā)展趨勢和狀況進行描述、分析，形成科學的假設和判斷的一種科學理論。物流預測技術(shù)可以推動物流信息系統(tǒng)的計劃并加以協(xié)調(diào)，通?？深A測未來出現(xiàn)的事件，也可以是定期對配送中心裝運的某一產(chǎn)品進行預測，也可以對幾個星期的資料進行匯總，做出分析和報告。,11.1 概述,11.1.2 預測程序,11.1 概述,11.1.3 物流預測方法的分類,1. 判斷預測(定性)技術(shù) 在一種有組織的形式下，搜集各個人對分析過程所作的判斷，然后進行預測。 2. 時間序列預測 基于事物發(fā)展具有歷史繼承性這一規(guī)律而進行。 3. 因果預測技術(shù) 從預測對象同其制約因素之間的因果關(guān)系著手進行預測。這類方法注重研究外因?qū)κ挛锇l(fā)展變化的影響。（計量經(jīng)濟模型、投入產(chǎn)出法、回歸模型）,11.1 概述,11.1.4 預測方法的選擇,11.1 概述,時間序列法又稱時間數(shù)列方法，是一種利用包含相對清楚而又穩(wěn)定關(guān)系和趨勢的數(shù)據(jù)統(tǒng)計方法，展示了事物在一定的時期內(nèi)的發(fā)展變化過程，考慮到事物發(fā)展的歷史繼承性，可以通過選擇適當?shù)哪Ｐ托问胶湍Ｐ蛥?shù)，運用慣性原理對事物未來的發(fā)展趨勢進行預測，稱為時間序列預測。 時間序列被用于識別：產(chǎn)生季節(jié)因素的數(shù)據(jù)系統(tǒng)變量；周期變化模式；趨勢值；趨勢增長率。,11.2.1 移動平均預測法,移動平均法的基本思想是，每次取一定周期長度的觀察值的平均值，并按時間次序逐次推進，每增加一個時段時，就去掉前一時段的數(shù)值，再計算平均值。 移動平均法用最近幾期的平均數(shù)來預測下一期的可能值，既可以消除或減少隨機變動的影響，又能發(fā)現(xiàn)數(shù)據(jù)的演變趨勢。 若資料數(shù)據(jù)單純圍繞某一水平作隨機跳動，宜采用一次移動平均數(shù)法；若資料具有持續(xù)的線性增長（或下降）趨勢時，宜采用二次移動平均數(shù)法。,已知數(shù)據(jù)時間序列為：x0，x1，x2，xn，以M(t）(1)表示第t時刻的時間序列的一次移動平均值，以N表示參與“平均”的實際值個數(shù)，也稱數(shù)據(jù)的間距或移動的步長，則有：,1. 一次移動平均法,預測某企業(yè)產(chǎn)品的銷售量。取N=5。計算一次移動平均數(shù):,計算出的移動平均數(shù)也構(gòu)成了時間序列。一般情況下，如果時間序列沒有明顯的傾向變動和周期變動，可用 。,由表中所列的結(jié)果看來，由移動平均計算后所得到的新數(shù)列，其數(shù)據(jù)起伏波動的范圍變小了，異常大和異常小的數(shù)據(jù)值被修勻了。從而異常數(shù)據(jù)對移動平均值的影響不大。因此移動平均預測有較好的抗干擾能力，可以在一定程度上描述時間序列變化的趨勢。,移動平均預測法對時間序列中數(shù)據(jù)變化的反映速度及對干擾的修均能力，取決于N的值。隨著N的減小，移動平均對時間序列數(shù)據(jù)變化的反映敏感性增加，但修勻能力下降；而N增大，移動平均對時間序列數(shù)據(jù)變化的反映敏感性減小，但對時間序列的修勻能力卻上升，所以移動平均法的修勻能力與時間序列數(shù)據(jù)變化的敏感性是矛盾的，兩者不可兼得，因此在確定N的時候，一定要根據(jù)時間序列的特點來確定。,一般，N的選擇原則是： （1）由所需處理的時間序列的數(shù)據(jù)點的多少而定。數(shù)據(jù)點多，可以取得大一些； （2）要由已有的時間序列的趨勢而定，趨勢平穩(wěn)并基本保持水平狀態(tài)的，可以取得大一些；趨勢平穩(wěn)并保持階梯性或周期性增長的，應該取得小一些；趨勢不穩(wěn)并有脈沖式增減的，應取得大一些。,當時間序列有明顯線性變化趨勢時，上述方法存在滯后偏差，使預測值偏低。為解決這一問題，采用二次移動平均法。上面介紹的一次移動平均數(shù)本身也構(gòu)成一個時間序列，在此基礎上再作一次移動平均，之后建立線性預測模型進行預測，就是二次移動平均法。,2. 二次移動平均法,二次移動平均法的線性預測模型為：,式中 t當前的時間序號； T由當前時間到預測時間的時間間隔數(shù)，即超前時間間隔； 線性模型的截距； 線性模型的斜率； 第 時間的預測值。,其中，,仍舉上例。取N=5。計算二次移動平均數(shù):,一次移動平均數(shù)：,11.2.2 指數(shù)平滑預測法,指數(shù)平滑預測法，是與以前需求水平和預測水平加權(quán)平均數(shù)數(shù)所估計的未來年銷量為基礎的，是在移動平均預測法的基礎上發(fā)展起來的一種預測方法。新的預測函數(shù)引入?yún)?shù)。它包括一次指數(shù)平滑預測法、二次指數(shù)平滑預測法和高次指數(shù)平滑法。,一次指數(shù)平滑預測法，利用時間序列中本期的實際值與本期的預測值加權(quán)平均作為下一期的預測值。,式中, 在t+1時刻的一次指數(shù)平滑值(t時刻預測值)； 平滑常數(shù)，規(guī)定 。 在t時刻的實際值。,；,例11-1 某企業(yè)對某年度l11月某種物資的價格情況進行了統(tǒng)計，見表，試用一次指數(shù)平滑法對該年12月份該物資的市場價格進行預測。,解: 應用指數(shù)平滑公式進行預測，首先應選取 ，并確定 。 設 0.9， xt 。,應用指數(shù)平滑公式進行預測，就應首先確定 ， 被稱為初始值。初始值是不能直接得到的，應該通過其他方法選取或直接選用當期實際值。 稱為平滑系數(shù)，其值為 ，取值大小體現(xiàn)了不同時期數(shù)據(jù)在預測中所起的作用， 值越大，越反映近期數(shù)據(jù)變化趨勢，模型靈敏度越高； 值越小，越反映長期的大致發(fā)展趨勢。掌握 值，是用好指數(shù)平滑模型的一個重要技巧，一般采用多方案比較方法，從中選出最能反映實際值變化規(guī)律的 值。,11.3 回歸分析預測技術(shù),回歸預測技術(shù)就是根據(jù)存在于現(xiàn)象之間的內(nèi)在因果關(guān)系和函數(shù)關(guān)系建立回歸模型的方法，用來從某一現(xiàn)象的變動，來估計另一現(xiàn)象的變化方向和程度，也就是從一種現(xiàn)象變化的因，來推測另一現(xiàn)象變化的果。因此，回歸預測也叫因果預測?；貧w預測按所包含的自變量的多少，可分為一元回歸預測法和多元回歸預測法。,11.3.1 一元線性回歸預測分析,假設變量x與變量y是線性相關(guān)的，且有相關(guān)方程為：,式中：a，b回歸系數(shù)。,回歸系數(shù)可用最小二乘法由觀測數(shù)據(jù)計算得知。,顯然，如果已知其中一個變量的未來值，那么可以通過上述公式預測另一個變量的未來值。問題在于，假設中的線性關(guān)系是否存在，或者說線性相關(guān)程度多大？研究兩個變量x與y之間是否存在線性相關(guān)關(guān)系，通常的辦法是將獨立的n對觀測數(shù)據(jù) 在坐標上畫出散點圖，由直觀觀察進行判斷，散點是否沿直線排列。但這是兩個變量的線性相關(guān)程度到底有多大，還要借助于數(shù)理統(tǒng)計分析。,相關(guān)系數(shù)是描述兩個變量線性關(guān)系密切程度的數(shù)量指示（用表示），它的計算公式如下：,當 =0時，表示X，Y沒有線性關(guān)系；當0 1時，表示X，Y正線性相關(guān)；-1 0時，表示X，Y負線性相關(guān)。,一般來講，只有當| |較大時，用線性回歸模型描述Y與X的相關(guān)關(guān)系，才有實際價值。實際檢驗時，需要查相關(guān)系數(shù)檢驗表。 在一元線性回歸中，還可以用F檢驗判斷模型的顯著性，用t檢驗判斷回歸系數(shù)的顯著性，這幾種檢驗是相互等價的。,11.3.2 多元線性回歸預測分析,在實際中，與某一個變量有關(guān)的因素往往不是一個，而是多個。例如企業(yè)生產(chǎn)量的影響因素，除了原材料供應商服務狀況，還有諸如企業(yè)本身生產(chǎn)能力以及最終用戶和需求等因素，多元線性回歸法就是研究對一個因變量有兩個或兩個以上影響因素的相關(guān)關(guān)系進行預測的方法。多元線性回歸分析方法是一元線性回歸理論與技術(shù)在多變量線性關(guān)系系統(tǒng)中的重要延伸，也是預測中常使用的方法。,多元線性回歸分析預測法是對自變量和因變量的n組統(tǒng)計數(shù)據(jù) ， ，進行分析，明確因變量y與各個自變量間存在線性相關(guān)關(guān)系的基礎上，給出適宜的線性回歸方程。并據(jù)此做出關(guān)于因變量y的發(fā)展變化趨勢的預測。,類似于一元線性回歸分析，可以用線性方程 來近似描述y與 之間的線性相關(guān)關(guān)系，它的參數(shù)也可以用最小二乘法進行估計。 設,則參數(shù) 為m元一次聯(lián)立方程組的解：,式中,用矩陣表示,則,例：某企業(yè)分析了某物資的采購量、資源量與價格間的關(guān)系，見表。由此得知它們是線性相關(guān)的，試求出回歸方程并預測資源量為3500噸，價格為1.90元時的市場采購量。,解：因為,所以,回歸