第2章 物流系统设计与分析的基本理论1.pptVIP

初始值F1是不能直接得到的，应该通过一定的方法选取。当收集到的时间序列数据个数较多且比较可靠时，可以把已有数据中的某一个或已有数据中的某一部分的算术平均值或加权平均值作为初始值F1。若收集到的时间序列数据个数较少或数据的可靠性较差时，可采用定性预测的方法选取F1 ，一般常用专家评估的方法选取F1。 回归分析预测技术就是根据存在于现象之间的内在因果关系和函数关系建立回归模型的方法，用来从某一现象（自变量）的变动，来估计另一现象（因变量）的变化方向和程度，也就是从一种现象变化的因，来推测另一现象变化的果。 3. 回归分析法 可分为以下三个步骤： 第一步：分析预测变量的影响因素，并找出主要影响因素。 第二步：利用历史数据建立预测变量与主要影响因素的回 归方程。 其中，Y为预测； 为主要影响因素 第三步：利用历史数据对模型进行精度检验。 回归分析预测法包括一元线性回归预测法、多元线性 回归预测法和非线性回归预测法等，以下分别介绍： 一元线性回归法 一元回归预测法是处理,X,Y两个变量之间线性相关关系的一种用途很广的方法。公式如下 式中，n为样本容量，即数据点的个数；a，b为回归参数； 为回归剩余项，即不能由 X和Y的线性关系来解释的那部分剩余量。 多元线性回归法 多元线性回归是用来判断某些选定的变量和需求之间的关联程度的统计技术。 处理一个因变量有两个或两个以上影响因素的相关关系进行预测的方法。在明确因变量与各自变量间存在线性相关关系的基础上，给出适宜的线性回归方程 回归模型：?=b0+b1*x1+…+ bm*xm 应用软件：Excel SPSS SAS等 四、物流管理者的特殊预测问题 启动： 在没有足够的、用于预测的历史数据的情况下预测新产品和服务，常用到的方法： 将最初的预测任务交给营销人员，直到积累一定的销售历史数据； 由类似产品的需求模式进行估计； 如使用指数平滑法预测，可将指数平滑系数定得高一点。 不规律需求 需求模式中的随机波动非常大，使得趋势和季节性特征非常模糊。本质上很难用数学方法准确预测不规律需求。三条建议： 寻找导致需求不规律的明显原因，利用这些因素预测。 如果没有找到需求偏移的原因，就不对这类产品或需求模式的变化迅速反应。 由于不规律需求多发生在低需求产品上，因此预测精度并不是最重要，可多保有一些库存来抵消预测的不精确。 地区性预测 预测的地理分解和汇总值得关注。 物流管理者必须决定是否进行总量预测，并按地区（如工厂或仓库的供货范围）分配，或者对某一地区单独进行预测。 地区性预测 分解法 （top-down approach） 先对产品或服务的总需求进行预测，然后根据历史的销售模式把流量分摊到各个地点。这种方法对于稳定的需求环境或者当需求水平在整个市场统一变化时，是一种集中化和适当的预测方法。 汇总法 （bottom-up approach） 在每个地点独立地展开预测，将预测结果进行综合。每次的预测都能更精确地跟踪和考虑在特定市场内的需求波动。经常保持销售纪录。 预测误差 未来物流需求的变化不可能完全重复过去，我们的预测与未来实际需求之间必然会有一定程度的误差。 预测误差指预测和实际需求水平接近的程度。 预测误差=实际需求-预测需求 最后要考虑的是要充分利用现有的预测方法。实际上，没有哪个预测模型在所有的时间都是最好的。相反，综合几个模型的结果可能会使预测值更稳定和准确。 五、 灵活性和快速反应  预测问题的另一种解决方法 坐等收到客户订单比任何预测都要好。 如果供应链流程非常灵活，可以对需求做出快速反应，就没有必要进行预测。 思考与讨论 以下企业的物流管理者在多大程度上对需求预测感兴趣？为什么？ 食品厂 飞机制造厂 大型连锁零售店 医院 调研一企业，看其是否有进行物流需求预测？如果有的话，管理者使用什么方法来进行预测，你认为准确和适用吗？如果不是，你会作出何种改进？ 第四节 物流系统设计评估 物流系统设计运行以后，企业要结合物流系统自身的特点, 从不同角度设计符合实际情况的各种模型, 定性和定量地衡量物流企业的发展水平, 对于提高物流企业领导决策的科学性和准确性, 特别是为研究制定物流企业发展计划提供科学的、量化的依据。通过对物流系统进行综合评估，有助于提高物流系统的运行效率与经济效益；有助于企业了解自身物流系统与同行业其他企业物流系统的优势与差距，为进一步完善物流系统提供依据。对物流系统进行