[理学]仿真课件第二章.ppt

第二章 商贸物流系统建模与仿真 2.1 商贸物流系统概论 商贸流通在社会经济中的地位与作用 商贸活动的内容 商贸活动的内容 商贸活动的内容——商流、资金流 商贸活动的内容——物流 商贸活动的内容——物流 商贸活动的内容——信息流 商贸活动 2.2商贸物流系统预测方法 预测概述 预测概述 物流系统预测的作用 判断预测方法 销售人员估计法 销售人员估计法 销售人员估计法 德尔菲法(Delphi) 德尔菲法是兰德公司研究发展后，进行推广的一种方法，即依靠技术专家小组背靠背的判断，来代替面对面的会议，使不同专家以近分歧的幅度和理由都能够表达出来，经过客观的分析，以求达到符合客观规律的一致意见。 这种方法由主持预测的单位在选定与预测课题有关的领域和专家后，通过函询与这些专家建立直接的联系，以匿名的方式经过几轮的函询，征求并收集专家们的意见，并对每一轮所收集的要素进行汇总、整理、再作为参考资料匿名反馈给各位专家，供他们重新做出分析、判断，以提出新的意见，这样经过多次反复，逐步使专家的意见趋向一致，并以此作为预测的根据。 德尔菲法(Delphi) 其具体做法是，聘请企业内外若干学有专长的专家，对所需预测的问题组成技术专家小组，但组内成员一般没有人是整个问题的专家。决定问题的步骤通常如下： (1)各种独立性预报在明确目标以后，小组内每个专家都用简 明扼要的书面形式，提出每人的独立性预测； (2)由协调人员负责综合编辑，使这些论述通顺易懂； (3)协调人员把一系列综合反映专家意见的书面资料提供给有关专家做更深入的讨论，直至在背靠背的条件下，问题能得到相对集中为止。 时间序列预测技术 时间序列预测技术 移动平均预测法 移动平均预测法 移动平均预测法 移动平均预测法 移动平均预测法 指数平滑预测法 平均、指数平滑预测法 回归分析预测技术 回归分析预测技术—一元线性回归 回归分析预测技术—一元线性回归 回归分析预测技术—一元线性回归 回归分析预测技术—一元线性回归 回归分析预测技术—一元线性回归 回归分析预测技术—多元线性回归 2.3商贸物流系统中的分销需求计划及其仿真 DRP倒排计划原理 DRP倒排计划原理 DRP在分销网络的运作原理 中央供应点运用BOD的处理过程 DRP在分销网络的运作原理 DRP在分销网络的运作原理 DRP运行逻辑 DRP运行逻辑 DRP仿真 DRP的仿真 DRP应用 2.4 商贸物流系统中的物流需求计划及其仿真 LRP的设计思想 LRP的原理及仿真 LRP的应用 变量间最简单的相关关系，就是线性相关关系。在回归分析预测法中，求得变量的关系方程，是进行预测的关键，最常用的求回归直线方程的方法是最小二乘法。 设变量x与变量y之间有相关关系，且当x确定之后，y有某种不确定性，如果在散点图上可以看出x与y之间有线性相关关系，其相关方程为： 式中，a，b——回归系数。 a = －b 序号I 年份t 派车次数x(万辆) 周转量y(万吨.公里) 1 2001 13.98 19180 2 2002 13.52 19937 3 2003 12.54 21719 4 2004 14.91 30262 5 2005 18.60 30399 6 2006 ？ 34000 例5 某汽车运输公司为了预测2006年派车的次数，统计并收集了最近5年的派车次数和年货运周转量(见表2.5)，2006年计划货运周转量为34000万吨.公里，据此估计2006年要派车多少次。 由表2.5可以看出，年货运周转量y随年派车次数x的增加而增加，因而得到第一个结论是：变量y与变量x之间有相关关系，为了进一步明确是什么样的相关关系，将每年的一对xi与yi数据标在坐标平面上，描出散点图，如图。 a＝－b＝-2282.27 则年周转量y与年派车次数的函数关系为：y＝-2282.27＋1807.05x。将2006年预计年周转量34000万吨公里带入求解得到2006年预计派车次数为20.08万辆。 利用公式计算回归系数： 任意一组数据(x1，y1)，(x2，y2)，…，(xn，yn)都可以用来计算参数a、b，因而也都能建立起一个回归方程，并可以进行进一步的预测。如果所收集的这组数据中涉及的变量间属于线性相关的关系，则所建立的回归方程及以此为基础所进行的所有分析都是可行的；如果涉及的变量间不是线性相关的关系，则所建