第章支持物流决策的定量模型PPT课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第8,章 支持物流决策的定量模型,与信息分析方法,教学目的,利用信息分析技术、物流信息技术和物流定量模型等来进行科学的物流管理决策；,掌握基本的概念和基本的方法和科学的决策思维。,教学内容,8.1,物流决策支持的特点与系统组成,8.2,物流决策的定量模型,8.3,物流预测的定量模型,8.4,物流决策支持系统的空间分析,8.5,支持物流决策的信息分析技术,8.6,物流系统模拟技术,8.7,物流配送调度支持系统的定量算法,8.1,物流决策支持的特点与系统组成,支持物流决策的种类与特点,支持物流决策的种类,运输决策,储存决策,物流加工决策,配送决策,支持物流决策的特点,产品差异性,客户差异性,地理差异性,模型支持的复杂性,信息技术支持的集成性,在物流决策中运用定量模型与定量方法的必要性及可行性,必要性,提高了物流系统的管理水平，促进了传统物流的现代化,为决策者提供了强大的知识信息处理能力，协助解决了大量耗时、复杂的问题，提高了物流决策的有效性与科学性,推动了现代科学技术如地理信息系统、射频技术等在物流系统中的运用。,可行性,沃尔马：数据驱动型的决策支持系统,加拿大卡普国际系统,(,Carp Systems International of,Kanata,.Ontario),销售的高级策划系统（,APS）,LDSS,的,应用实例,应用实例,组织,LDSS,的应用,美洲航空公司,价格和航线选择,艾柯（,Equico,）,投资资本集团,投资评估,通用意外保险,顾客购买模式和欺骗行为调查,美洲银行,顾客概况,百事食品公司,定价、广告、促销选择,伯灵顿棉花工厂,存储选地核存货混合,西南铁路,火车分配与路线选择,德克萨斯石油汽油公司,潜在钻点评估,联合航空公司,航班计划,返回,物流决策支持系统的组成与功能,组成,数据库、模型库、方法库、知识库、人机接口,主要功能,基于定量模型与方法的物流决策支持系统的主要功能,8.2,物流决策的定量模型,序号,问题,相关,模型,使用效果,使用条件,主要相关数据,求解方法,1,运输问题,线性规划问题,运输是明显合理或可能，运输成本最小化,固定发点，固定收点和固定收点和固定道路的问题,运杂费，运费，装卸费，储存费，损耗，调拨的数量，到各地、市的单位运输成,单纯形法、表上作业和图上作业法,2,指派问题,整数规划,有效安排人力、物力、财务资源，以达到降低成本,将有限的资源等指派给多项任务或工作,工作成本或工作时间等价值系数,整数规划求解和表上作业法求解,3,选址问题,规划问题,物流费用达到极小,选址问题，是一类收点或发点待定的问题。,物流费用与商品通过量呈非线型关系。,原材料、燃料、半成品及供应地，销售地点及销售量，运输条件及费用。规模经济量，工厂到配送中心的运输、配送成本,不确定性，需要采用统计和预测的方法进行分析确定。非线性规划问题,4,库存问题,订货问题,最佳订货次数，最佳订货批量,能够获取库存等费用,库存费用包括订货费、保管费和缺货费安全库存量,库存模型，动态规划、模拟,5,装卸,调配问题,减少汽车的空驶里程，循环运输,汽车、工人和货物特点,m,个装卸点，装卸工人人数，汽车数目,规划论,6,配装,货物组合,配装的优化,物品的重量运费,动态规划，货区分区组合法,7,铁路配车,运输的有向图,零担运输最优,铁路有关营运规则，整担和集装箱运输、零担运输,流向、流量、运距、集结时间和车站的作业能力,最短路径原则，降低流通费用,8,其他问题,信息分析、预测等,其他优化,依问题而定,相关数据,模拟、数据分析、系统动力学,8.3,物流预测的定量模型,物流预测的基本概念,什么是物流预测？,预测理论和方法在物流中的具体运用，它利用各种物流统计资料和其他情报信息,(,过去和现在,),，预测未来，根据经验、教训等数据，揭示物流业务变化的规律，从而减少物流经营的盲目性，以指导物流企业的生产经营。,作用：科学地编制物流经营计划和物流业务计划、调度提供参考,预测的基本步骤,(1),确定预测目标，包括预测对象、目的、对象范围；,(2),收集分析内部和外部资料；,(3),数据的处理及模型的选择；,(4),预测模型的分析，修正；,(5),确定预测值。,预测的方法,定性分析预测法,集合意见法,(,三种估计加权预测法):一种加权综合判断法,用户意见调查法,(,设计调查表),员工意见法,专家意见法,类推法,定量预测法,时间序列分析法,回归预测,非线性模型,组合预测,时间序列分析法,时间序列的四种变化特征,趋势性,(,T)、,季节性,(,S)、,周期性,(,C)、,不规则性,(,I)，,可以利用散点图，识别变化特征。,时间序列分析方法,简单平均、移动平均、加权移动平均、指数平滑、一元线性回归、相关比例推算。,例,：一元线性回归（趋势外推）,Y=a0+a1*X,系数,a0,与,a1,可以用最小二乘法确定,相关比例推算,某第三方物流企业市场的需求预测,（如下表）,主要预测依据,预测量,(,万家,),社会潜在容量,国内企业总数约,1000,万家,1000,配送求,占总企业的比例数,(80%),800,需要外包物流意向,占总企业的比例数,(20%),160,物流业务预测,市场占有率,10%,16,返,回,非线性模型,Y=A+B*LOG(X),Y=1/(A+B*EXP(-X),Y=1/(A+B*X),Y=X/(A+B*X),Y=A*XB，(A0),Y=A*EXP(B*X)，(A0),Y=A*EXP(B/X)，(A0),Y=A*EXP(B*X2)，(A0),将以上模型进行线性处理再转化为一元回归模型，来确定系数,A,和,B。,返回,预测模型选取的原则,模型选择的原则,要在数据识别上建模、建立何种模型，并不取决于预测者意图；,应考虑适用、数据易采集和时效的原则；定量与定性相结合的原则等,数据选取选用的原则,数据应该具有代表性，有一定客观规律；,对于异常的数据可采用比例法，移动平均，指数平滑等方法进行适当的修正,8.4,物流决策支持系统的空间分析,作用,物流空间分析的重要性：,物流的主要目的之一是实现物品的空间转移,GIS,的空间分析功能可用于分析和解释的地理特征间的相互关系及空间模式,说明空间分析方法中哪些是,GIS,能够实现的？,GIS,的应用是否能真正地提高空间分析能力？,空间分析层次,第一：空间检索,包括从空间位置检索空间物体及其属性和从属性条件集检索空间物体。,“空间索引”是空间检索的关键技术，如何有效地从大型,GIS,数据库中检索出所需信息，将影响,GIS,的分析能力。,空间物体的图形表达也是空间检索的重要部分。,第二：空间拓扑叠加分析,空间拓扑叠加的本质是空间意义上的布尔运算。目前，空间拓扑叠加被许多人认为是,GIS,中独特的空间分析功能。,实现输入特征属性的合并以及特征属性在空间上的连接。,第三；空间模拟分析,刚刚起步,GIS,与空间模型分析,问题：,如何将,GIS,与空间模型分析相结合,？,种类,第一类：,GIS,外部的空间模型分析,将,GIS,当做一个通用的空间数据库，而空间模型分析功能则借助于其他软件；,第二类；,GIS,内部的空间模型分析,利用,GIS,软件，提供空间分析模拟以及发展适用于问题解决模型的宏语言，这种方法一般基于空间分析的复杂性与多样性，易于理解和应用，但由于,GIS,软件所能提供的空间分析功能极为有限，这种紧密结合的空间模型分析方法在实际,GIS,的设计中较少使用；,第三类：混合型的空间模型分析,尽可能地利用,GIS,所提供的功能，同时也充分发挥,GIS,使用者的能动性。,8.5,支持物流决策的信息分析技术,数据仓库技术,定义,支持管理决策过程的、面向主题的、集成的、稳定的、不可更新的、随时间变化的、分层次的数据集合,作用,从各信息源提取决策需要的数据，加工处理后，存储到数据仓库中,用户的查询和决策分析的基础,分析,主题与面向主题,主题：对应企业中某一宏观分析领域所涉及的分析对象,面向主题的数据组织方式：在较高层次上对分析对象的数据的一个完整的、一致的描述，能完整、统一地刻画各个分析对象所涉及的企业的各项数据，以及数据之间的联系。,数据的集成性,从原有的分散的数据库数据中抽取来的,数据的不可更新性,主要供企业决策分析之用，所涉及的数据操作主要是数据查询，一般情况下并不进行修改操作。,数据的时态性,随时间的变化而不断变化的,增加新的数据内容,过期数据就要被删除,综合数据中的很多都跟时间有关,联机分析处理（,OLAP）,定义,通过专门的数据综合引擎，辅之以更加直观的数据访问界面，力图统一分散的公共应用逻辑，在短时间内响应非数据处理专业人员的复杂查询要求。,共享多维信息的、针对特定问题的联机数据访问和分析的快速软件技术。,通过对信息的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。,特点,操作型数据和分析型数据的区别,灵活的分析功能、直观的数据操作和分析结果可视化表示等突出优点；,使用户对基于大量复杂数据的分析变得轻松而高效，以利于迅速做出正确判断。,可用于证实人们提出的复杂的假设，其结果是以图形或者表格的形式来表示的对信息的总结。,它并不将异常信息标记出来，是一种知识证实的方法。,OLAP,的基本术语,变量：,数据的实际意义，描述数据“是什么”。一般情况下，变量总是一个数值度量指标。,维：,人们观察数据的特定角度。,例如，企业常常关心服务收入随着服务水平提高而产生的变化情况，这时他是从服务水平的角度来观察产品的服务收入的，所以服务水平就是一个维（服务维）。企业也时常关心自己的服务产品在不同地区的销售分布情况，这时他是从地理分布的角度来观察商品的销售，所以地理分布也是一个维（地理维）,OLAP,的核心概念，是主题的基础，是对主题的一种类型划分。,维的层次：,观察数据的特定角度（即某个维）还可以存在细节程度不同的多个描述方面，我们称这多个描述方面为维的层次。,一个维往往具有多个层次,例如：描述维时间，可以从日期、月份、季度、年等不同层次来描述，那么日期、月份、季度、年等就是时间维的层次；同样，城市、地区、国家等构成了一个地理维的多个层次。,维成员：,维的一个取值称为该维的一个维成员。,如果一个维是多层次的，那么，该维的维成员是在不同维层次的取值的组合。,多维数组：,（维1，维2，维,n,，,变量）。,例如，日用品销售数据可以按时间、地区和销售渠道组织起来的三维立方体，加上变量“销售额”，就组成了一个多维数组（地区，时间，销售渠道，销售额）。如果我们扩展一个维，如产品维，就得到了一个四维的结构。,数据单元：,多维数组的取值称为数据单元。,当多维数组的各个维选中一个维成员，这些维成员的组合就惟一确定了一个变量的值。那么数据单元就可以表示为：（维1维成员，维2维成员，维,n,组成员，变量的值）。,OLAP,的基本分析方法,多维分析方法,对以多维形式组织起来的数据，采取切片、切换、旋转等各种分析方法，以求剖析数据，使最终用户能从多个角度、多侧面地观察数据库中的数据，从而深入地了解包含在数据中的信息、内涵。,特点：符合人的思维模式，使分析人员能够迅速、一致、交互地从多个角度、多个侧面来剖析反映企业维的特性数据，使人们在观察数据时减少混淆与错误，发现数据后面隐藏的有价值，并能被用户理解的信息、内涵，能更深刻地反映企业的真实面目和企业所处的环境，因此减少了混淆，降低了出现错误解释的可能性。,方法,切片（,Slice）：,多维数组（维1，维2，维,n,，,变量）中选一维，变量称为在维,I,上的一个切片。,选定多维数组的一个二维子集的方法,选定多维数组（地区，时间，客户，运输额）中的地区维与客户维，在另外一维：时间维，选取一个维成员（如“2004年1月”），就得到了多维数组（地区，时间，客户，运输额）在客户和地区两维上的一个切片（客户，地区，运输额）。这个切片表示2004年1月各地区、各客户的运输情况。,例如：一