物流经济分析模型.ppt

《物流经济分析模型.ppt》由会员分享，可在线阅读，更多相关《物流经济分析模型.ppt（129页珍藏版）》请在三一办公上搜索。

1、第三章：物流经济分析模型,模型分类,实务模型基本不涉及图式模型掌握（viso绘图）模拟模型了解（适于研究生学习）数学模型了解并学会应用简单模型（研究生研究 重点）,掌握模型,1、图式模型（自学VISO绘图）2、数学模型（1）预测模型（2）线性规划模型 物流目标优化 物流网络优化 车辆调度优化（3）层次分析模型（AHP）,课外作业,图示模型用VISO画图1、图2-6（P42）2、图2-8（P43）3、图2-16（P61）4、图3-3（P81）5、图3-8（P100）6、图4-3（P117）7、图4-4（P122）8、图4-5（P123）,第一节：预测模型,一.理论知识预测的相关概念,物流预测是根

2、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。,原材料市场,生产厂家,配送中心,用户,需求预测,市场预测,供应预测,订购预测,订单预测,需求信息,物流领域中的预测,一.理论知识预测的作用,预测的实质掌握变化的原因；了解变化的状态；从量的变化中找出因果关系；从变化中找出规律性的东西对未来进行判断。预测就是要从变化中，找出使事物发生变化的固有规律，寻找和研究各种

3、变化的背景及其演变的逻辑关系，去揭示事物未来的面貌，对事物的未来做出判断。,一.理论知识预测的作用,预测的作用预测是编制计划的基础 物流系统的存储、运输等各项业务计划都是以预测资料为基础制定的。预测是决策的依据 决策的前提是预测，正确的决策取决于可靠的预测。,一.理论知识预测的概念模型,输入需要处理的信息。（如市场的调研和收集的数据资料）扰动各种主客观因素的影响。（随机因素与偶然因素的影响）输出预测的结果，即对未来目标的判断。（该判断要经过主观努力的争取并接受客观实践的检验，如此不断循环，不断逼近）,预测概念模型,一.理论知识预测的理论基础,1.惯性原理（连续性原理）惯性:指事物发展变化主要受

4、内因的作用，事物的过去，现在的状态会持续到将来。事物的发展变化具有某种程度的持续性、连贯性。利用这一原则掌握事物变化的内在原因，就能根据已知推测未知，根据过去、现在推测未来。,一.理论知识预测的理论基础,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。事物惯性的大小，取决于事物本身的动力和外界因素的作用。(生产资料、消费资料),2类推原理（因果关系原则）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。事物的存在、发展和变化都受有关因素的影响和制约，事物的存在和变化都有定的模式。特性相近的事物，在其变化发展过程中，常常有相似

5、之处。于是可以假设在有些情况下、事物之间的发展变化具有类似的地方，依此进行类比，可以由先发事物的变化进程与状况，推测后发类似事物的发展变化。,一.理论知识预测的理论基础,一.理论知识预测的步骤,1.预测的基本步骤,2.各步骤说明（1）确定预测目标 预测目的、对象和预测期间。预测目的：明确为什么要预测；预测对象：对什么事物进行预测；预测期间：对哪个时期进行预测；（1年内为短期，25年为中期，510年为长期）,一.理论知识预测的步骤,2.各步骤说明（2）收集、分析有关资料 包括影响预测对象的各种资料，如预测对象本身发展的历史资料，对预测对象发展变化起作用的各种因素的资料，形成这些资料的历史背景，以

6、及各种影响因素在未来可能出现的情况。预测必须占有大量的、系统的、适用于预测目标的资料；预测资料可以分为两类：纵向资料（预测对象的历史数据资料）横向资料（作用于预测对象的各种影响因素的数据资料）,一.理论知识预测的步骤,一.理论知识预测的步骤,（3）选择预测方法进行预测 选择预测方法，建立预测模型、模型评估和利用模型进行预测。选择预测方法要考虑以下几个因素：预测对象的特点；预测范围；预测期限的长短；预测要求精度；占有数据资料的多寡、适应性；企业愿为预测支付的费用的大小；企业要求得到预测结果所花时间的长短等。,（4）分析评价预测方法及预测结果分析预测误差，对结果进行评估。（5）修正预测结果在误差计

7、算的基础上，通过定性、定量分析，以及预测人员的知识和经验对结果进行修正，使之更加适用于实际情况。,一.理论知识预测的步骤,一.理论知识预测的步骤,（6）提交预测报告 预测报告的内容包括：预测的主要过程；预测目标、预测对象及预测要求；预测资料的收集方式、方法及其分析结果；阐述选择预测方法的原因及建立模型的过程；对预测结果进行评价与修正的过程及结论；预测结论。,一.理论知识预测技术分类,预测技术的种类繁多，据统计有150多种。所有的预测技术可以分为三类：判断预测技术(定性预测)时间序列预测技术（定量预测）因果预测技术（定量预测）,二.判断预测方法简介,判断预测就是在一种有组织的形式下，搜集个人对预

8、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。常用方法 德尔菲法、主观概率法、市场调查、历史类比法等。,（一）部门负责人评判意见法,预测方法召集企业相关部门居于第一线的专家或负责人，请他们对预测对象在未来某个时间内的情况做出自己的估计。将所有人的估计结果交给业务部门进行分析，得出预测结论。特点简便迅速。该方法包含了大量的主观因素和个人因素，其预测的可信度，主要取决于预测人员的经验、知识和对情况的

9、掌握。适用范围产品选型、确定产品的发展方向等预测。,（二）销售人员估计法,预测方法制定销售计划时，让销售人员根据自己对市场和客户的了解，提出自己的预测估计值。（每个人都独立进行）将每个人的估计值，进行一定的数学处理（如算术平均、加权平均），然后作为预测值。,（二）销售人员估计法,特点简单易行，能对市场变化迅速做出反应。预测中个人主观因素的影响较大，特别是易受到预测者声望的影响，导致预测结果出现较大误差。例题 某公司对明年销售量的预测 根据三个销售员、两位经理的估计对明年的销量作出预测。,（二）销售人员估计法,2.销售人员估计值处理 假设三个销售人员预测的权重相同，取三者的平均值作为预测值（算术

10、平均值），即：销售人员预测值=（730+900+570）/3=2200/3=733.3（单位）3.两位销售经理的预测及处理（1）估计值：经理甲：1000；经理乙：800（2）假设估计结果的权重相同。取平均值，得到 经理预测值=（1000+800）/2=900（单位）,（二）销售人员估计法,4.将经理预测值与销售人员预测值作加权平均，结果作为最终预测结果（因经理是部门负责人，经验更丰富，意见的权威性大些，其预测值的比重可大一些，假设采取2:1加权），得到 明年销售预测值（1733.3+9002）/3=844.4（单位）,（二）销售人员估计法,（三）德尔菲法（Delphi）,德尔菲法（Delphi

11、）简介德尔菲法是由美国兰德公司研提出的一种预测方法。德尔菲法也叫专家调查法。该方法的主要思想：依靠专家小组背靠背的独立判断，来代替面对面的会议，使不同专家意见分歧的幅度和理由都能够表达出来，经过客观的分析，达到符合客观规律的一致意见。预测方法确定预测课题并编制咨询表。选择参与预测的专家。进行四轮次左右的函询与反馈。处理专家们的意见并给出预测结果。,（三）德尔菲法（Delphi）,德尔菲法的具体步骤挑选专家。进行函询。发放预测问卷和预测资料，要求专家们根据预测资料；针对预测目标，独立作出自己的回答，提出个人独立的预测结果。,（三）德尔菲法（Delphi）,函询修正。将专家预测结果进行综合编辑，将

12、不同的专家预测结果整理成新一轮预测的参考资料。把新的参考资料和修改后的预测问卷提供给专家做新一轮的分析和预测。经过多次的重复，直至问题能得到相对集中、意见能相对统一为止。得出预测结果。根据专家们提供的预测结果作出最终的预测结果。,咨询结果整理,图3.1 德尔菲法法流程图,（三）德尔菲法（Delphi）,德尔菲法的特点优点：简明直观，避免了专家会议的许多弊端。缺点：专家的选择、函询调查表的设计、答卷处理等难度较大。预测方法 通过对类似产品、可替代产品、或国外同类产品发展规律的分析，来进行相关的预测。特点 缺少必要数据资料的新生事物，但能找到可进行对比分析的产品。,三、时间序列预测,预测依据 事物

13、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、连续性原理）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；（不能直接从历史数据得到未来的趋势）,三、时间序列预测,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，并以此预测未来。,（一）时间序列的概念,某企业彩电销售资料（1月8月）,某物流公司962003年的货物运输量,按月排列的销量,按年排列的运输量,时间序列，指观测或记录到的一组按时间顺序排列的历史

14、数据（又叫时间数列）。,时间序列预测，根据预测对象的历史数据资料，按时间进程组成动态数列，进行分析，预测的方法。,（一）时间序列的概念,时间序列预测的分类,（二）常见时间序列,销售量,（1）水平变动趋势,时间,（二）常见时间序列,销售量,（2）上升变动趋势,时间,（二）常见时间序列,销售量,（2）下降变动趋势,时间,（二）常见时间序列,销售量,（2）变速上升趋势,时间,销售量,时间,（5）周期变动趋势,（二）常见时间序列,预测指标,时间,（6）不规则变动趋势,（二）常见时间序列,准确、完整的历史数据资料时间序列所代表的时间周期必须一致时间序列中的各项数字的计算方法、计量单位、数据内容必须一致。

15、,（三）时间序列预测应注意的问题,简单移动平均法,公式,式中：是t+1时的预测数，n是在移动平均值时所使用的历史数据的数目，即移动时段的长度。为了进行预测，需要对每一个t计算出相应的预测值，所有计算出的数据形成一个新的数据系列。经过两到三次同样的处理，历史数据系列的变化模式将会被揭示出来。,例题1 某物资企业统计了某年度1月至11月的钢材实际销售量，统计结果见表，请用移动平均预测法预测其12月的钢材销售量。,计算结果图表显示,简单移动平均法,从图上可以看出：（1）用移动平均法计算出的新数列的变化趋势与实际变化情况基本一致；（2）新数列数据波动的范围变小了，并且随参与平均值计算的n值的增加，平均

16、值的波动范围越小。(修匀能力、抗干扰能力)（3）当n值增大，移动平均值对时间序列变化的敏感性降低。,移动平均法对时间序列数据变化的抗干扰能力叫修匀能力。移动平均法对时间序列数据变化的反应速度叫 敏感性。,当n值增大，移动平均值的修匀能力增加，但同时移动平均值对时间序列变化的敏感性降低。要根据时间序列的特点来确定n值的大小。,移动平均预测法,移动平均法的修匀能力与敏感性相互矛盾。,n值的一般选择原则是：（1）由时间序列的数据点的多少而定。数据点多，n可以取得大一些；（2）由时间序列的趋势而定。趋势平稳并基本保持水平状态的，n可以取得大一些；（3）趋势平稳并保持阶梯性或周期性增长的n应该取得小一些

17、；,移动平均预测法,特点：（1）简便易于使用；（2）一次移动平均法能较好地适应水平型历史数据的预测，但不适应带有明显上升或下降的斜坡型历史数据的预测。,从图上可以看出，一次移动平均值滞后于历史数据，而二次移动平均值又落后于一次移动平均值。,启示：根据历史数据、一次移动平均值、二次移动平均值三者间的滞后关系，可以先求出一次移动平均值与二次移动平均值之间的差值，然后将此差值加到一次移动平均值上，再考虑其趋势变动值，得到接近实际情况的预测值。（二次移动平均预测法的基本思想）,移动平均预测法,2.二次移动平均预测法二次移动平均预测法是在求得一次移动平均数的基础上，对有线性趋势的时间序列所作的预测。步骤

18、如下：（1）计算一次移动平均值（2）计算二次移动平均值,其中：Mt(1)t时刻的一次移动平均值 Mt(2)t时刻的二次移动平均值；n：参与二次平均计算的一次移平均值的个数,移动平均预测法,移动平均预测法,（3）对有线性趋势的时间序列做预测,其中：,移动平均预测法,例2：某物资企业某年度1月至11月的钢材实际销售量，用二次移动平均预测法预测其12月的钢材销售量。,移动平均预测法,移动平均预测小结（1）在外界环境变化较少的情况下，移动平均法是一种有效的预测方法；（2）短期预测效果很好。适用于需求、销售预测、库存管理预测等；（3）需要较多的历史数据，并且计算量较大。,指数平滑法,指数平滑预测法，是在

19、移动平均预测法的基础上发展起来的一种特殊的加权平均预测法。包括一次指数平滑预测法，二次指数平滑预测法和高次指数平滑法。特点：计算简单，需要的历史数据较少思路：对离预测期较近的历史数据给予较大的权数，离预测期较远的历史数据给予较小的权数。,一次指数平滑法计算公式,式中：Ft+1(1)在t+1时刻的一次指数平滑值(t时刻的下期预测值)；Ft(1)在t时刻的一次指数平滑值(t时刻预测值)；xt 在t时刻的实际值；平滑常数，规定01；,指数平滑法,指数平滑法,例题：某企业对某年度l11月某种物资的价格情况进行了统计，用一次指数平滑法对该年12月份该物资的市场价格进行预测。,指数平滑法,解：设0.9，F

20、1(1)x1=200(假定)依次代入公式得到：,（1）初始值F1(1)的确定方法由历史数据得到（算术平均值、加权平均等）；定性预测估计。（2）合理选取平滑系数 取值大小体现了不同时期数据在预测中所占的比例；,指数平滑法,下期预测值 本期实际值的一部分 十 本期预测值的一部分平滑系数的大小则表明了新、老数据在下期预测计算中的比重。越大，现实测定值在预测中占的比重就越大，这就越能体现预测对象当前的变化趋势而忽视它的历史趋势。越小，历史数据在预测中占的比重就越大，这就越能反映预测对象的历史演变趋势而忽视了当前的变化。,指数平滑法,例题 某物资企业2002年每月的物资运输量统计如下，用指数平滑法预测2

21、003年一月份的运输量（用不同的平滑常数）解：设 F1(1)=(x1+x2+x3)=38,=0.1,0.5,0.9,计算结果见下表：,指数平滑法,由上图可知：值越大，近期数据对预测值的影响越大，模型灵敏度越高；值越小，近期数据对预测值的影响越小，消除了随机波动性，只反映长期的大致发展趋势。合理确定值，是用指数平滑模型的进行预测的关键。,作业,已知六安市物流业增加值的历史数据，完成以下任务：（1）试计算新形成的一次移动平均值和二次移动平均值数据系列，并预测2015年六安市物流业增加值。（n=3）。（2）指数平滑法预测2015年六安市物流业增加值。（取0.4）,平滑预测方法趋势、季节预测法,计算各

22、季节历史年平均量,计算所有季节平均量,回归历史数据的一条趋势线，通过趋势线来预测未来数据。,季节指数季节历史平均量/所有季节平均量,用季节指数平滑历史数据,预测平滑后的数值,用季节指数换算成相应的预测值,二、回归预测,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。,（一）回归预测法,回归分析是一种对于

23、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。,（一）回归预测法,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,（二）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 变量间是线性相关关系。只有一个自变量（影响因素），一个因变量。,（二）一元线性回归预测法,（二）一元线性回归预测法,

24、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,（二）一元线性回归预测法,（二）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,（二）一元线性回归预测法,求回归方程：ya+bx，并进行预测,式中,（二）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,（二）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,由散点图得出运输距离与运输时间基本成线

25、性关系,（二）一元线性回归预测法,（2）计算回归系数,（二）一元线性回归预测法,（二）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）,（三）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）,四、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。,R的变化范围：-1，1R=0，表示零相关（不相关）R=+

26、1或R=-1表示完全相关R越接近于正负1表示相关程度越强,四、回归效果分析,2.归方程和回归系数的显著性检验用显著性检验来考察回归方程能否揭示变量间的数量规律，即判断回归方程的拟合程度如何。回归方程的显著性检验用F检验。回归系数的显著性检验用t检验。,第二节：线性规划模型,1解决问题的目标函数是多个决策变量的线性函数，通常是求最大值或最小值；2解决问题的约束条件是一组多个决策变量的线性不等式或等式。,线性规划数学模型的特征：,线性规划概念,线性规划数学模型的三要素：,决策变量(Decision variables);目标函数(Objective function);约束条件(Constrain

27、ts);,线性规划概念,线性规划步骤,建立一个问题的线性规划模型的一般步骤：,（1）确定决策变量；（2）确定目标函数；（3）确定约束条件；（4）确定变量是否有非负约束。,目标函数：Max(Min)z=c1x1+c2x2+cnxn,约束条件：a11x1+a12x2+a1nxn(=,)b1a21x1+a22x2+a2nxn(=,)b2.am1x1+am2x2+amnxn(=,)bm x1，x2，xn 0,线性规划模型一般形式,目标函数：Max z=c1x1+c2x2+cnxn,约束条件：a11x1+a12x2+a1nxn=b1a21x1+a22x2+a2nxn=b2.am1x1+am2x2+amn

28、xn=bm x1，x2，xn 0,线性规划模型标准形式,某物流中心 能提供运输、仓储、包装、深加工四种物流服务,目前提供物流服务的对象可以是A、B、C三种商品，单位产品对资源的需求量见下表，试求最优的商品服务数量。,例题,例题,最优解X=(50,30,10);Z=3400,【解】设x1、x2、x3 分别为A、B、C三种商 品的服务数量,则数学模型为：,线性规划在物流技术经济中的应用,目标优化模型（P55）物流网络优化模型（P62）车辆优化调度问题（P66）,第三节：层次分析模型（AHP）,层次分析法,层次分析法（Analytical Hierarchy Process,简称AHP)是美国匹兹堡

29、大学教授A.L.Saaty于20世纪70年代提出的一种系统分析方法。,目前，AHP应用在能源政策分析、产业结构研究、科技成果评价、发展战略规划、人才考核评价、以及发展目标分析的许多都取得了令人满意的成果。,二 AHP的步骤,用AHP分析问题大体要经过以下五个步骤：建立层次结构模型；构造判断矩阵；层次单排序；层次总排序；一致性检验。其中后三个步骤在整个过程中需要逐层地进行。,建立层次结构模型,例：假期旅游，现有三个目的地可供选择（方案）：风光绮丽的杭州（），迷人的北戴河（），山水甲天下的桂林（）。有5个行动方案准则：景色、费用、居住、饮食、旅途情况。,建立层次结构模型,目标层,选择旅游地,景色,

30、费用,居住,饮食,旅途,准则层,方案层,图3.2 选择旅游地的层次结构,构造判断矩阵,通过相互比较确定各准则对于目标的权重，即构造判断矩阵。,设准则层5个准则 景色，费用，居住，饮食 旅途。相对于目标层：选择旅游地，两两比较打分。,景色,费用,居住,饮食,旅途,构造判断矩阵,相对于景色,相对于费用,相对于居住,相对于饮食,相对于旅途,构造判断矩阵,层次单排序,所谓层次单排序是指，对于上一层某因素而言，本层次各因素的重要性的排序。具体计算是：,对于判断矩阵B，计算满足,的特征根于特征向量，式中 为 的最大最大特征根，为对应于 的正规化的特征向量，的分量 即是相应元素单排序的权值。,自上而下，先求

31、判断矩阵A的最大特征值与特征向量。,层次单排序,和法,a)将A的每一列向量归一化得,b)对,c)归一化,按行求和得,d)计算,根法,步骤与和法基本相同，只是将步骤 b 改为对,按行求积并开n次方，即,e)计算,，最大特征值的近似值。,例如：,相对于景色,经计算,对应于 的正规化的特征向量为,对应于 的正规化的特征向量为,同理算出 的最大特征值分别为：,所对应的特征向量分别为,判断矩阵一致性指标C.I.(Consistency Index),C.I.=,max-nn-1,当CI0.10时，认为判断矩阵的一致性是可以接受的，否则要对判断矩阵做适当的调整。,（4）一致性检验,一致性指标C.I.的值越

32、大，表明判断矩阵偏离完全一致性的程度越大，C.I.的值越小，表明判断矩阵越接近于完全一致性。一般判断矩阵的阶数n越大，人为造成的偏离完全一致性指标C.I.的值便越大；n越小，人为造成的偏离完全一致性指标C.I.的值便越小。,（4）一致性检验,对于多阶判断矩阵，引入平均随机一致性指标 R.I.(Random Index),下表给出了1-15阶正互反矩阵计算1000次得到的平均随机一致性指标,（4）一致性检验,为了检验矩阵的一致性，需要计算它的一致性指标CI，定义,（4）一致性检验,表 平均随机一致性指标Table Index of average random coherence,当,时，我们认

33、为判断矩阵有满意的一致性，否则判断矩阵偏离一致性程度过大，需要调整判断矩阵，使之具有满意的一致性,（4）一致性检验,（4）一致性检验,同理，对于第二层次的景色、费用、居住、饮食、旅途五个判断矩阵的一致性检验均通过。,（4）一致性检验,选择旅游地,景色,费用,居住,饮食,旅途,以 为列向量构成矩阵,层次总排序,各个方案优先程度的排序向量为,首选旅游地为，其次为，再者,一般地，若层次结构由k个层次（目标层算第一层），则方案的优先程度的排序向量为,讨论作业,1、用层次分析法来解决生活中的决策案例。2、层次分析法与线性规划相比，同样是决策模型，存在着什么不同点。2、谈谈层次分析法在物流活动决策中的应用。,