第3篇 数学方法篇 物流运输与配送相关管理课件.pptVIP

本篇主要介绍物流运输与配送中常用的定量管理分析理论和决策方法。包括预测技术，库存优化问题，运输问题，车辆路径问题，连续点的选址等。 第3篇 数学方法篇 （MAHTEMETIC METHODS） 第11章 预测技术（Technique for Forecasting） 第12章 库存优化问题（Inventory Problem） 第13章 运输问题（Transportation Problem） 第14章 车辆路径问题（Vehicle Path Problem） 第15章 选址问题（ Location Problem） 第3篇 数学方法篇 （MAHTEMETIC METHODS） 第11章 预测技术 （Technique for Forecasting） 预测作为一门新兴学科，愈来愈广地广泛的应用于社会各个领域，如社会预测、经济预测、科学预测、技术预测和军事预测等。 所谓预测，是指对生产、装运或销售等方面有可能产生的流量或单位数的一种预示或估计。 在物流运输与配送实践当中，许多决策问题能否有效地开展，都依赖于预测质量的好坏。如配送网络设计，运能规划，库存计划等。 第11章 预测技术（Technique for Forecasting） 11.1 概述（Introduction） 11.1.1 预测概述（Summary on Forecast） 11.1.2 预测程序（Procedure of forecast） 11.1.3 物流预测方法的分类（Classification of Method for Forecast Logistics） 11.1.4 预测方法的选择（Selection of Methods） 11.2 时间序列预测技术（Technique for Time Sequence Forecast） 11.2.1 移动平均预测法（Moving Average Forecast） 11.2.2 指数平滑预测法（Exponential Smoothing Forecast） 11.3 回归分析预测技术（Technique for Regression Analysis Forecast） 11.3.1 一元线性回归预测法（Single Regression Forecast） 11.3.2 多元线性回归预测分析（Multiple Regression Forecast） 11.1 概述 11.1.1 预测概述 物流预测就是根据客观事物的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描述、分析，形成科学的假设和判断的一种科学理论。物流预测技术可以推动物流信息系统的计划并加以协调，通常可预测未来出现的事件，也可以是定期对配送中心装运的某一产品进行预测，也可以对几个星期的资料进行汇总，做出分析和报告。 11.1 概述 11.1.4 预测方法的选择 名称 范围 适用情况 需做工作 定性预测法 短、中、长期 对缺乏历史统计资料或趋势面临转折的事件进行预测 需做大量的调查研究工作 时间序列预测法 短、中期 只适于进行短期预测 只需要时间序列历史数据 一元线性回归预测法 短、中期 自变量与因变量之间存在线性关系 需费大量时间为两个变量收集数据 多元线性回归预测法 短、中期 因变量与两个或两个以上的自变量之间存在线性关系 需费大量时间为所有变量收集历史数据，需借助于计算机计算 非线性回归预测法 短、中期 因变量与一个或多个自变量之间存在某种非线性关系 需收集历史数据，并用几个非线性模型试验，需借助于计算机计算 11.2 时间序列预测技术 时间序列法又称时间数列方法，是一种利用包含相对清楚而又稳定关系和趋势的数据统计方法，展示了事物在一定的时期内的发展变化过程，考虑到事物发展的历史继承性，可以通过选择适当的模型形式和模型参数，运用惯性原理对事物未来的发展趋势进行预测，称为时间序列预测。 时间序列被用于识别：产生季节因素的数据系统变量；周期变化模式；趋势值；趋势增长率。 11.2 时间序列预测技术 11.2.1 移动平均预测法 移动平均法的基本思想是，每次取一定周期长度的观察值的平均值，并按时间次序逐次推进，每增加一个时段时，就去掉前一时段的数值，再计算平均值。 移动平均法用最近几期的平均数来预测下一期的可能值，既可以消除或减少随机变动的影响，又能发现数据的演变趋势。 若资料数据单纯围绕某一水平作随机跳动，宜采用一次移动平均数法；若资料具有持续的线性增长（或下降）趋势时，宜采用二次移动平均数法。 11.2 时间