进货策略优化模型.docVIP

进货策略优化模型 摘要 本文利用概率统计解决进货策略问题.进货策略要综合考虑产品销售情况与储存费用.当进货不足时，影响产品销售；当进货过多时，增加储存费用.为了解决这个问题，通过建立线性规划模型，运用matlab解决相应问题.先假定销售量为零的天数为断货天数，然后运用统计分析对数据进行处理，做出销售量的概率分布图，A与泊松分布相近，B、C与正态分布相近.与标准泊松分布，正态分布进行比较，得到A、B、C真正断货天数.得到进货周期为16天，从而解决了问题一；求出A、B、C三种产品的日销售量的数学期望，并且对各类产品的不同销售量的变化趋势进行分析，A的日需求量为2.76，B的日需求量为4.6，C的日需求量为7.5，由此我们得到该地区对A的需求量最小，对C的需求量最大，从而解决了问题二；由断货天数以及日销售量的数学期望，求出缺货量，A、B、C的缺货量分别为144、239、390，从而解决了问题三；建立每个周期内剩余量与时间的变化函数f（t），图形中f（t）为负值时为缺货，通过改变进货时间使缺货损失减半.提前两天进货恰使缺货减半，从而解决了问题四 关键词 泊松分布 正态分布 数据拟合 数学期望 二次曲线拟合 二、问题重述 某商店取得了某物在该区域的市场经销权，销售该物的三类产品，附表1给出了该店过去连续800多天的三类产品销售记录。 根据附表1数据，解决如下问题： （1）该店三类产品的进货策略是什么？800多天内共进了多少次货？ （2）该三类产品在该区域的市场需求如何？ （3）分析现有进货策略下，该店的缺货情况（包括缺货时间及缺货量）。 （4）如果现有进货策略已经充分考虑了该店的产品存贮能力，如何改进进货策略，将缺货损失减半，且进货次数尽可能少？ 三、问题假设 1、假设销售的时间是平均的（相同的时间销售相同的产品）. 2、假设每次进货量相同 3、假设下一次货物运来是上次货物已售完。 4、假设三种货物一起进货 问题分析 由于数据较多，我们将数据绘制成图. 但是数据绘制成图后，仍然没有明显的变化趋势. 所以我们要对数据进行进一步的分析处理.通过对数据进行统计分析，发现A与泊松分布相近，B、C与正态分布相近.通过与标准泊松分布与正态分布对比来研究该问题. 在问题（一）中，我们先找到销售量为0的天数，假定销售量为0的天数就是断货天数.通过与标准泊松分布、正态分布函数对比，就可以得到实际断货天数.每次断货都要进货，然后用825除周期，就得到825天内要进多少次货. 在问题（二）中，我们已经找到了A、B、C日销售量的概率分布曲线，通过求数学期望的方法，来得到居民对A、B、C的日需求量. 在问题（三）中，我们用缺货天数以及日销售量的数学期望计算缺货量 在问题（四）中，建立每个周期内剩余量与时间的变化函数f（t），当缺货时f（t）为负值，通过改变进货时间与进货数量是缺货损失减半 五、符号说明 P 概率分布（泊松分布和正态分布） λ 泊松分布中为平均值（方差） μ 正态分布中的平均值 σ^2 正态分布中的方差 f（t） 销售量随时间的变化函数 T 进货周期 t 时间 模型建立与求解 对A产品的日销售量进行统计分析，把数据导入MATLAB,画出的日销售量的概率分布图，A的日销售量的概率分布与标准泊松分布很相近.如图粗线所示.(横坐标表示日销售量，纵坐标表示概率).泊松分布的概率分布函数为 用MATLAB求出平均值=2.76，方差=3.06，然后做出标准泊松分布图，如图细线所示（横坐标表示日销售量，纵坐标表示概率）. 通过图形对比，A的日销售量的概率分布服从泊松分布.由标准图形可以求出断货天数概率为0.06329，断货天数为052天. 同样对B、C产品的日销售量进行统计分析，把数据导入MATLAB，对数据进行分析.由图形我们知道B、C日销售的概率分布与正态分布相近.标准正态分布的概率分布函数为 对B数据进行分析，用MATLAB求出标准正态分布的参数，平均值为=4.6，方差=2.5，B的日销售量的概率分布粗线与与标准正态分布细线如下图所示 由图形对比，可知B的日销售量的概率分布服从正态分布. 用同样的方法对C的数据进行分析，求出平均值=7.5,方差=3.1，C的日销售量的概率分布粗线与标准正态分布细线如下图所示 通过图形对比，可知C的日销售量的概率分布服从正态分布. 在问题（一）中： 对A建立了泊松分布模型，对B、C建立了正态分布模型.通过模型的求解得到缺货天数为52天，进货周期为825/52=16天