库存与控制.pptVIP

7.4因果预测7.4.2 决定系数 决定系数通常表示“r2”， “决定系数0.989”，即98.9%的因变量围绕平均值的波动都可以通过线性关系得到解释。只有1.2%的波动是由干扰造成的，误差非常小。 SS项下的数据显示了平方和：围绕平均值的平方差之和为732.5，其中724.609可以通过回归分析来解释，剩下只有7.891是由于误差造成的。 决定系数就是724.609/732.5=0.989. r2的值大于等于0.5就说明所包含的误差较小，属合理的范围之内。 7.4因果预测7.4.3 相关系数 回归分析中另一标准就是相关系数，用来回答x和y是否线性相关。决定系数和相关系数的关系： 决定系数=（相关系数）2 相关系数r，其值介于+1和-1之间 当r=1时：两个变量有完美的不含任何干扰的线性相关关系。 r是较小的正值：两个变量之间有弱的线性关系。 当r=0时：两个变量间没有任何关联，也没有线性关系。 r是较小的负值：两个变量之间有弱的线性关系。 7.4因果预测7.4.3 相关系数 当r= -1：两个变量之间有完美的不含任何干扰的线性相关关系，一个的值增加另一个的值相应降低。 相关系数接近±1时，表示有很强的线性关系。 当r值介于0.7和-0.7之间时，决定系数就小于0.49，即不超过一半的波动能够通过回归分析来解释。当相关系数介于0.7与-0.7之间的时候线性回归关系就变得不可靠了。 7.5射影预测 射影预测:使用历史需求数据来预测未来的需求，即将历史需求模式用于未来需求的预测上。 主要有简单平均法、移动平均法，指数平滑法以及季节和趋势模型等四种方法． 7.5射影预测7.5.1简单平均法 想知道某种产品未来的需求量，最简单的方法是找出这种产品过去的平均需求量。 7.5射影预测7.5.1简单平均法 简单平均法在需求稳定的情况下预测很准确。 需求模式改变时，就不再适用：最新的数据会被旧的数据淹没，预测的结果不能及时反映实际变化。 设某物品过去一年中的需求量一直维持在每周50个产品单位的水平，使用简单平均法预测出第53周的需求为50个产品单位；假如第53周的需求突然增加到100个产品单位，使用简单平均法预测出的第54周的需求数量是： (52×50+ 100)/53=50.94个产品单位 7.5射影预测7.5.1简单平均法 实际需求高达两倍的增长，而预测值却增长了不到2%；假如接下来几周的实际需求维持在每周100个的水平，相应的预测需求量是：51.85、52.73、53.57、54.39、55,17。 预测的需求量在增加，但是反应非常滞后。 简单平均法只适用于需求长时间保持稳定的情况下。在实际应用中，很少能有需求保持稳定状态。 7.5射影预测7.5.2移动平均法 简单平均法的问题是关联性更高的新数据被旧数据淹没。忽略旧的数据，只使用最新的数据进行预测。 如使用过去12个月的需求数据来进行预测，忽略此前的任何数据，即移动平均法。 6.3有关供应和需求的信息6.4.2仓库设计 ·考虑货物存放的相邻区域（如高周转率的货物存放在靠近运输站台的位置，冷冻货放在同一区域，高值货放在安全区域）及哪些货物要分开存放。 ·规划设备的整体布局，比较各种方案并挑选出最佳方案。 ·添加细节以得到最终方案。 6.3有关供应和需求的信息6.4.2仓库设计 详细规划的细节取决于储存和搬运设备的种类。基本的仓库用网格划出不同的区域，用叉车搬运的大、重货存放在专门区域；先进的仓库用普通货架或带有过道的货架，货物置于托盘上，为减少占地面积，过道往往很高很长，而货架必须很浅，方便取放货物。 典型的设计中，货架很长，高、窄。重力货架允许货架做得更深而增加存放密度。后部装填的带有坡度的货架，前端取走货物，后面的货物就向前滑动。 6.3有关供应和需求的信息6.4.2仓库设计 搬运的设备，有三种主要选择： (1)人工仓库（最简单的设置）。物品放置于货架或箱子中。工作人员从货架上挑选货物，放入推车样的容器中，再移动到别的地方。其他搬运货物的工具如搬运托盘的人力搬运车，把货物带到搬运工面前的传送带。 人工仓库只适用于货物较轻较小，能够人工搬运，货架高度在可触及的范围之内，货架间尽可能靠近以减少走动等前提之下。 6.3有关供应和需求的信息6.4.2仓库设计 (2)机械仓库，机械代替人力工作，典型的机械设备： ·堆高机，通过电力驱动，把托盘或其他货物提升到储存位置，该机器可将货物垂直提升到相当高的地方。 ·高位拣选叉车，堆高机的变种，特点是司机可随着货物上升到高位进行存