物流運作管理--需求預測(編輯修改稿)
2025-03-21 20:25 本頁面
【文章內容簡介】 經(jīng)濟管理學院 2023/3/22 月銷售額一次指數(shù)平滑預測表 單位：千元 月份 實際銷售 α ＝ 0 . 4 α ＝ 0 . 71 1 0 . 0 0 1 1 . 0 0 1 1 . 0 02 1 2 . 0 0 1 0 . 6 0 1 0 . 3 03 1 3 . 0 0 1 1 . 1 6 1 1 . 4 94 1 6 . 0 0 1 1 . 9 0 1 2 . 5 55 1 9 . 0 0 1 3 . 5 4 1 4 . 9 76 2 3 . 0 0 1 5 . 7 2 1 7 . 7 97 2 6 . 0 0 1 8 . 6 3 2 1 . 4 48 3 0 . 0 0 2 1 . 5 8 2 4 . 6 39 2 8 . 0 0 2 4 . 9 5 2 8 . 3 910 1 8 . 0 0 2 6 . 1 7 2 8 . 1 211 1 5 . 0 0 2 2 . 9 0 2 1 . 0 412 1 4 . 0 0F2 ＝ αA1 ＋ （ 1－ α） F1 ＝ ＋（ 1－ ） ＝ 22 南京理工大學經(jīng)濟管理學院 2023/3/22 ?與上面的問題的類似，預測的關鍵是選擇 ?的大小。 ?如管理者追求穩(wěn)定性， ?的值應該選擇小一些 。 ?如果管理者的目標是體現(xiàn)響應性，則應選擇大一點的 ? 5006007008009001 2 3 4 5 6 7 8 9 10W e e kDemand D e m a n d0 . 10 . 623 南京理工大學經(jīng)濟管理學院 2023/3/22 四、 時間分解預測模型 解決季節(jié)性預測問題(Seasonal variations) – 常用季節(jié)性預測模型 (P87 圖 37) ? 加法模型 (Additive Model) ? TF=T+S+C+I ? 乘法模型 (Multiplicative model) ? TF= ? 用得較多的是 基于乘法模型的預測方法 24 南京理工大學經(jīng)濟管理學院 2023/3/22 時間序列分解模型計算示例： 有一個公司記錄了 1997和 1998兩年的銷售數(shù)據(jù)， 見下表。請根據(jù)這些數(shù)據(jù)預測 1999年的銷售情況。 時間 銷售額 (萬元 ) 時間 銷售額 (萬元 ) 1997年 1季度 300 2季度 200 3季度 220 4季度 530 1998年 1季度 520 2季度 420 3季度 400 4季度 700 25 南京理工大學經(jīng)濟管理學院 2023/3/22 Step 1: 求出趨勢值的直線方程。 趨勢值 Step1: 可以用最小二乘法，求出： Tt=170+55*t 26 南京理工大學經(jīng)濟管理學院 2023/3/22 有關最小二乘法 請自學 最小二乘法（又稱最小平方法）是一種數(shù)學優(yōu)化技術。它通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配。利用最小二乘法可以簡便地求得未知的數(shù)據(jù)，并使得這些求得的數(shù)據(jù)與實際數(shù)據(jù)之間誤差的平方和為最小。最小二乘法還可用于 曲線擬合 。其他一些優(yōu)化問題也可通過最小化能量或最大化熵用最小二乘法來表達。 27 南京理工大學經(jīng)濟管理學院 2023/3/22 Step 2: 計算季節(jié)因子 時間 實際值 趨勢值 實際值 /趨勢值 季節(jié)因子 97年 1季度 2季度 3季度 4季度 300 200 220 530 225 280 335 390 (300/225)= (+)/2 = (+)/2= 98年 1季度 2季度 3季度 4季度 520 420 400 700 445 500 555 610 (+)/2= (+)/2 = Step 3: 計算 199
教學課件相關推薦
鄂ICP備17016276號-1