[工学]物流课程PPT--07-物流系统规划现状调研与需求预测.ppt

Analyst 8.97.ppt 物流需求（教材P175） 需求：独立需求和派生需求。 独立需求：可以采用预测方法来确定。 派生需求：可以采用推导方法来确定。 预测的相关概念（教材P173） 定义：预测就是对未来一些不确定的或未知事件的判断或描述。 物流预测是根据客观事物过去和现在的发展规律，借助科学的方法和手段，对物流管理发展趋势和状况进行分析、描述，形成科学的假设和判断的一种科学理论。 凡是影响物流系统活动的因素都是预测对象。例如，物流系统的人力、物力、财力、以及资源、销售、交通，国家的政策方针，经济发展的形势和自然条件等，都是预测的内容。 预测的理论基础 惯性原理: 事物在其发展变化过程中，总有维持或延续原状态的趋向，事物的某些基本特征和性质将随时间的延续而维持下去。 类推原理：根据事物发展变化的因果关系，推测事物未来的发展变化规律。 预测的步骤 预测方法的分类（教材P175） 所有的预测方法可以分为三类： 专家判断预测法 (定性预测) 时间序列分析法（定量预测） 因果分析法（定量预测） 专家判断预测法（教材P176 ） 专家判断预测法 就是在一种有组织的形式下，搜集个人对预测对象所作的判断，进行综合分析，得出预测结论的方法。 判断预测是一种定性预测方法。 特点 适用于数据奇缺，或难于作定量分析时使用。 预测简单，容易实施。 预测准确度不高，容易受主观因素的影响。 一般用于中长期预测。 比如，新产品的销售量预测；新技术的应用前景等。 例题 教材176页例题7.1。 时间序列预测的相关理论 预测依据 事物发展变化主要受内因的作用，事物过去、现在的状态会持续到将来。（惯性原理） 历史数据的特征 历史数据中隐含着事物发展的基本规律。 历史数据同时又受多种随机因素的影响而呈现出一定程度的波动性和不规则性。 预测的基本思想——从历史数据中揭示发展规律 通过对历史数据进行平均或平滑，消除历史数据中的部分随机波动因素的影响，指示出隐含在事物中的某种基本规律，并以此预测。 简单移动平均法 一次指数平滑法 常见时间序列 常见时间序列 常见时间序列 相关与回归 变量间非确定性的相关关系不能用精确的函数关系式唯一地表达，但在统计学意义上，它们之间的相关关系可以通过统计的方法给出某种函数表达方式，这种用统计方法处理变量间相关关系的方法就是回归分析方法。 回归分析预测法是通过收集统计数据，在分析变量间非确定性关系的基础上，找出变量间的统计规律性，并用数学方法把变量间的统计规律表现出来，并在此基础上进行预测。 回归预测法 回归分析是一种对于变量间非确定性关系的统计分析法。预测步骤如下： 确定预测变量可能的相关因素，并收集这些因素的统计资料； 分析这些因素间是否存在相关关系； 根据统计资料建立回归模型，求出回归方程； 用回归方程进行预测； 对回归方程进行统计检验，并给出预测精度估计值。 分类 一元线性回归预测法 多元线性回归预测法 非线性回归预测法 一元线性回归预测法 例：为了预测汽车薄钢板的年需求量，有关物资企业研究并收集了发达国家汽车制造业近几年间的汽车产量与薄钢板消耗量的数据，见表： 一元线性回归预测法 例：某公司预备购入钢材，根据统计资料估计钢材在途运输时间 一元线性回归预测法 一元线性回归预测法预测流程 判断变量间是否成线性趋势。对n对观察点数据（Xi,Yi）,选取直角坐标系，绘制散点图。 分析变量间是否存在线性相关关系 求回归方程：y＝a+bx，并进行预测 检验相关性 散点图只能表示两个变量之间是否线性相关，而不能表示变量的线性相关程度到底有多大。 对两个变量的线性相关性的检验可以通过数理统计中的F检验和R检验来进行。 一元线性回归预测法 例题：某公司预备购入钢材，下表是一些供货点的路程及运输时间的统计资料，要求根据提供的统计资料估计供货点位于1500公里时钢材的在途运输时间 一元线性回归预测法 解：（1）判断统计数据是否有线性关系，作散点图 一元线性回归预测法 （2）计算回归系数 一元线性回归预测法 （3）代入运输距离1500KM，得到运输时间的预测值为： Y=4.019+0.00897*1500=17.474(小时) （4）相关性检验及预测误差计算（略） 多元线性回归预测法 多元线性回归预测法是一元线性回归预测法的延伸。 多元线性回归预测法研究一个因变量和两个或两个以上的自变量间的关系。 因变量和每一个自变量之间为线性关系。 回归方程 回归系数的计算（略） 回归效果分析 1. 相关性检验 用相关系数r来描述变量间相互关系的密切程度。 平滑预测与回归预测的比较 平滑预测与回归预测都是常用的预测技术，其区别如下： 适用范围不同 平滑预测模型