第五章-构建有竞争力的供应链网络课件

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,0,20 十一月 2024,1,第五章 构建有竞争力的供应链网络,第一节 供应链网络构建的基础,一 供应链环境、运营主体与基础网络,1.供应链环境树立,供应链环境树立包括硬件环境和软件环境树立，对硬件环境树立的了解可结合供应链商流、物流、信息流、资金流的树立和规划的需求；对软环境的树立是基于供应链的体制和规那么而兴起的,2.供应链运营主体,3.供应链基础网络,1制造商与供应链网络,2分销商与供应链网络,3批发商与供应链网络,4物流商与供应链网络,11/20/2024,2,二 供应链网络构建的要点,产品从消费者经物流企业及销售商抵达消费者手中的进程，其实质是产品在供应链上的活动进程,1 供应链的中心内容,1监控整条供应链上的库存,2有效控制物品活动本钱,3订单整个执行进程的管理,2 供应链的运作机制,1供应链进程信息反应,2供应链商品供应控制,3供应链管理静态联盟,4互联网信息技术应用,11/20/2024,3,3 开展现代物流业对供应链的支持,1外包局部业务,2共用物流资源,11/20/2024,4,供应链网络构建急需处置的效果,1相关企业集成,2物流集成,11/20/2024,5,第二节 确定供应链网络节点,一 供应链网络类型,1 设备网络类型,1产品行设备网络,2市场型设备网络,3工艺型设备网络,2 功用网络类型,1运输网络,2仓储网络,3组织网络,4信息网络,11/20/2024,6,供应链网络节点确实定,1 制造企业供应网链的节点,2 销售商连锁运营网络节点,3 第三方物流网络节点,4 供应链网络节点确实定重中之重,11/20/2024,7,一 区域物流系统网络结构,1 区域物流网络构成,2 区域物流系统普通运作形式,3 交通运输网对区域物流系统的影响,供应链物流网络节点的四个层次,1国际物流枢纽2区域物流设备3城市配送中心4商店,第三节 供应链设备网链布点方法,11/20/2024,8,二 设备网络选址方法,1 设备网络选址方法,1启示式方法,2模拟方法,3优化方法,4聚类布点方法,2 单一选址效果,会出如今以下几种状况,1大网络节点已定的设备选址,2企业扩展原有的物流设备,3企业网络中的局部节点选址,3 定性剖析法,11/20/2024,9,三 供应网链城镇规划方法,1 选择中心城市或许重点镇,2 选择适当区位设置作业点,3 综合其他要素,11/20/2024,10,移动平均预测法对时间序列中数据变化的反映速度及对搅扰的修均才干，取决于N的值。随着N的减小，移动平均对时间序列数据变化的反映敏理性添加，但修匀才干下降；而N增大，移动平均对时间序列数据变化的反映敏理性减小，但对时间序列的修匀才干却上升。因此，移动平均法的修匀才干与时间序列数据变化的敏理性是矛盾的，两者不可兼得。在确定N的时分，一定要依据时间序列的特点来确定。,11/20/2024,11,普通选择的N原那么：,1由所需处置的时间序列的数据点的多少而定，数据点多，可以取得大一些；,2要由已有的时间序列的趋向而定，趋向颠簸并基本坚持水平形状的，可以取得大一些；趋向颠簸并坚持阶梯性或周期性增长的，应该取得小一些；趋向不稳并有脉冲式增减的，应取得大一些。,11/20/2024,12,事先间序列有清楚线性变化趋向时，上述方法存在滞后偏向，使预测值偏低。为处置这一效果，采用二次移动平均法。下面引见的一次移动平均数自身也构成一个时间序列，在此基础上再作一次移动平均，之后树立线性预测模型停止预测，这就是二次移动平均法。,2.二次移动平均法,11/20/2024,13,二次移动平均数发的线性预测模型为：,式中 t以后的时间序号；,T由以后时间到预测时间的时间距离数；,线性模型的截距；,线性模型的斜率；,第 时间的预测值。,其中:,11/20/2024,14,仍举上例，取N=5，求解二次移动平均预测模型，并对第12、14月的销售量停止预测,月,1,2,3,4,5,6,7,8,9,10,运输量Xt,45,52,60,48,52,55,58,62,64,67,一次移动,平均值,51.4,53.4,54.6,55,58.2,61.2,二次移动,平均值,54.52,56.48,11/20/2024,15,因此，预测模型为：,11/20/2024,16,指数平滑预测法是与以前需求水平和预测水平加权平均数所估量的未来年交通运输量为基础来停止预测。是在移动平均预测法的基础上开展起来的一种预测方法。新的预测函数引入参数。它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。,3.指数平滑预测法,11/20/2024,17,一次指数平滑预测法,一次指数平滑预测法就是应用时间序列中本期的实践值与本期的预测值加权平均作为下一期的预测值：,式中：在t+1时辰的一次指数平滑值(t时辰预测值)；,平滑常数，规则 。,在t时辰的实践值。,；,11/20/2024,18,实例,某企业对某年度l11月某种物资的价钱状况停止了统计，见表，试用一次指数平滑法对该年12月份该物资的市场价钱停止预测。,月份,期数,市场价格（元/吨）,预测值,月份,期数,市场价格（元/吨）,预测值,1,1,200,7,7,155,187.4,2,2,135,200,8,8,130,158.2,3,3,195,141.5,9,9,220,132.8,4,4,197,189.7,10,10,277,211.3,5,5,310,196.7,11,11,235,270.9,6,6,175,298.7,12,12,238.6,11/20/2024,19,解:运用指数平滑公式停止预测，首先应选取 ，并确定 。,设 0.9，x1。,11/20/2024,20,运用指数平滑公式停止预测，就应首先确定 ，被称为初始值。初始值是不能直接失掉的，应该经过其他方法选取或直接选用当期实践值。称为平滑系数，其值为 ，取值大小表达了不同时期数据在预测中所起的作用，值越大，越反映近期数据变化趋向，模型灵敏度越高；值越小，越反映临时的大致开展趋向。掌握 值，是用好指数平滑模型的一个重要技巧，普通采用多方案比拟方法，从中选出最能反映实践值变化规律的 值。,11/20/2024,21,1.6 回归剖析预测法,回归预测技术就是依据存在于现象之间的内在因果关系和函数关系树立回归模型的方法，用来从某一现象的变化，来估量另一现象的变化方向和水平，也就是从一种现象变化的因，来推测另一现象变化的果。因此，回归预测也叫因果预测。回归预测按所包括的自变量的多少，可分为一元回归预测法和多元回归预测法。,11/20/2024,22,一元线性回归预测法,假定变量x与变量y是线性相关的，且有相关方程为：,式中：,a，b回归系数，,x,t,代表t期自变量的值,y,t,代表t期因变量的值,。,回归系数可用最小二乘法由观测数据计算得知：,11/20/2024,23,实例：,曾经某废品回收企业从其左近的不同回收站回收物资，不同的回收站回收的运输本钱各不相反，概略见表，试预测7号回收站的运输本钱。,回收站,1,2,3,4,5,6,7,运输距离,X,i,3,10,8,12,6,9,11,运输成本,Y,j,5,16,14,22,11,18,？,11/20/2024,24,11/20/2024,25,11/20/2024,26,11/20/2024,27,显然：假设其中一个变量的未来值，那么可以经过上述公式预测另一个变量的未来值。效果在于，假定中的线性关系能否存在，或许说线性相关水平多大？研讨两个变量x与y之间能否存在线性相关关系，通常的方法是将独立的n对观测数据 在坐标上画出散点图，由直观观察停止判别，散点能否沿直线陈列。,11/20/2024,28,相关系数是描画两个变量线性关系亲密水平的数量指示用表示，它的计算公式如下：,当,=0时，表示X，Y没有线性关系；,当0,1时，表示X，Y正线性相关；,当-1,0时，表示X，Y负线性相关。,普通来讲，只要当|较大时，用线性回归模型描画Y与X的相关关系，才有实践价值。,11/20/2024,29,实践上，一切的预测都包括一定的不确定性，我们又往往会低估这种不确定性，有时甚至严重低估了这种不确定性。出现这种现象的缘由能够是不确定性过于复杂，无法停止表示。,即使假定不确定性不存在，也无法消弭不确定性，我们既然无法消弭不确定性，只能设法处置不确定性。有时，经过树立适当的模型，可以增加预测的不确定性。但大少数状况下，无论如何修正预测模型，都无法准确地了解某些变量的不确定性有多大。,11/20/2024,30,