【正文】 它是 1986年由CHARNES和 COOPER創(chuàng)建的 .可廣泛使用于業(yè)績評價。163。 三、綜合評價方法163。163。 163。 因素分析法是將物流系統(tǒng)設(shè)計按所欲完成的重要事項 目標(biāo)因素，由規(guī)劃者與決策者共同討論列出，并設(shè)定各因素重要程度，權(quán)數(shù)比重可采百分比值或分?jǐn)?shù)數(shù)值 (如 1～ 10)，其它每個因素再與這個因素作比較，而分別決定其權(quán)數(shù)值。有時為了使本方法更趨準(zhǔn)確，可對優(yōu)點的重要性及缺點的嚴(yán)重性進一步討論甚至用數(shù)值表示。 優(yōu)缺點列舉法只是將每個方案的配置圖、物流動線、搬運距離、擴充彈性等相關(guān)優(yōu)缺點分別列舉互相比較。 因素評估法是針對方案建立一個完整的且具有邏輯架構(gòu)的能夠衡量方案成效的評價指標(biāo)體系，并依照指標(biāo)屬性，將各指標(biāo)因素分成不同的群組，進行綜合分析，對方案給予總效果評估，以作為決策者選擇的依據(jù)。程序評估法通過對物流系統(tǒng)設(shè)計的各個環(huán)節(jié)進行評估，以判別整個設(shè)計過程是否合理。一、 程序評估法163。對物流系統(tǒng)進行方案評估的目的就是針對備選方案的經(jīng)濟、技術(shù)、操作等層面的可行性做出比較與評價，從而幫助決策者選擇最優(yōu)或最滿意的方案。 物流系統(tǒng)設(shè)計運行以后，企業(yè)要結(jié)合物流系統(tǒng)自身的特點 , 從不同角度設(shè)計符合實際情況的各種模型 , 定性和定量地衡量物流企業(yè)的發(fā)展水平 , 對于提高物流企業(yè)領(lǐng)導(dǎo)決策的科學(xué)性和準(zhǔn)確性 , 特別是為研究制定物流企業(yè)發(fā)展計劃提供科學(xué)的、量化的依據(jù)。以下企業(yè)的物流管理者在多大程度上對需求預(yù)測感興趣？為什么？? 食品廠? 飛機制造廠? 大型連鎖零售店? 醫(yī)院163。如果供應(yīng)鏈流程非常靈活，可以對需求做出 快速反應(yīng) ，就沒有必要進行預(yù)測。坐等收到客戶 訂單 比任何預(yù)測都要好。相反， 綜合幾個模型 的結(jié)果可能會使預(yù)測值更穩(wěn)定和準(zhǔn)確。最后要考慮的是要充分利用現(xiàn)有的預(yù)測方法。預(yù)測誤差 指預(yù)測和實際需求水平接近的程度。未來物流需求的變化不可能完全重復(fù)過去，我們的預(yù)測與未來實際需求之間必然會有一定程度的 誤差 。經(jīng)常保持銷售紀(jì)錄。匯總法 （ bottomup approach）? 在每個地點獨立地展開預(yù)測，將預(yù)測結(jié)果進行綜合。這種方法對于穩(wěn)定的需求環(huán)境或者當(dāng)需求水平在整個市場統(tǒng)一變化時，是一種集中化和適當(dāng)?shù)念A(yù)測方法。地區(qū)性預(yù)測163。163。地區(qū)性預(yù)測163。? 如果沒有找到需求偏移的原因，就不對這類產(chǎn)品或需求模式的變化迅速反應(yīng)。本質(zhì)上很難用數(shù)學(xué)方法準(zhǔn)確預(yù)測不規(guī)律需求。不 規(guī) 律需求163。 應(yīng)用軟件： Excel SPSS SAS等四、物流管理者的特殊預(yù)測問題163。 處理一個因變量有兩個或兩個以上影響因素的相關(guān)關(guān)系進行預(yù)測的方法。 多元線性回歸是用來判斷某些選定的變量和需求之間的關(guān)聯(lián)程度的統(tǒng)計技術(shù)。公式如下 式中， n為樣本容量，即數(shù)據(jù)點的個數(shù)； a， b為回歸參數(shù)； 為回歸剩余項，即不能由 X和 Y的線性關(guān)系來解釋的那部分剩余量。 其中， Y為預(yù)測； 為主要影響因素第三步：利用歷史數(shù)據(jù)對模型進行精度檢驗。 3. 回歸分析法可分為以下三個步驟：第一步：分析預(yù)測變量的影響因素，并找出主要影響因素。若收集到的時間序列數(shù)據(jù)個數(shù)較少或數(shù)據(jù)的可靠性較差時，可采用 定性預(yù)測的方法 選取 F1 ，一般常用 專家評估的方法 選取 F1。值α= α= α=1 1200 975 975 9752 700 3 900 4 1100 5 1400 6 1000 7 公式： Ft+1 = αDt + (1α)Ft 初始值 F1是不能直接得到的，應(yīng)該通過一定的方法選取。測 值 預(yù) 度 觀 分別取 α 的值為 、 ，我們從預(yù)測今年第一季度的需求開始，繼續(xù)計算過程直到我們得到第三季度的預(yù)測需求。將去年四個季度的平均數(shù)作為以前的預(yù)測值。 例：下列季度數(shù)據(jù)代表了某產(chǎn)品需求的時間序列。 （ 3）時間序列雖有不規(guī)則擺動，但其長期趨勢較為平穩(wěn)時， α 宜取小些，以強調(diào)重視總的演變趨勢。 αα 的一般取值原則是：的一般取值原則是： （ 1）初始值 F1 的準(zhǔn)確性小時， α 宜取的大些，以強調(diào)重視現(xiàn)實的變化狀態(tài)。 ? α值 越大， 對 近期 實際 需求情況 給 的 權(quán) 數(shù)越大，模型就能越快的 對時間 序列的 變 化作出反應(yīng) 。注意：? 指數(shù)平滑系數(shù) α的 選擇 。模型的基本公式為 ： Ft+1 = αD t + (1α)F t? t — 本期的時間； α — 指數(shù)平滑系數(shù)? Dt — 第 t期的需求值； Ft — 第 t期的預(yù)測值 ? Ft+1 — 對第 t+1，或下期的預(yù)測值 注意： 所有歷史因素的影響都包含在前期的預(yù)測值內(nèi)，這樣，在任何時候只需保有一個數(shù)字就代表了需求的歷史情況。指數(shù)平滑是根據(jù) 以前的需求水平和預(yù)測水平的加權(quán)平均數(shù) 估算的未來預(yù)測值為基礎(chǔ)的。指數(shù)平滑法在同類預(yù)測方法中被認(rèn)為是 最精確的，當(dāng)預(yù)測數(shù)據(jù)發(fā)生根本性變化時還可以進行自我調(diào)整。該方法只需 很少的數(shù)據(jù)量 就可以連續(xù)使用。163。 總之，隨著 n取值的減小，移動平均值對時間序列數(shù)據(jù)變化的反應(yīng)使敏感度增加，但是修正異常值 (異常大、異常小 )的能力即平滑性就會下降。 “ n ” 到底取何值還要由時間序列的發(fā)展趨勢而定。代入移動平均（ 1）數(shù)的通式中 同理計算出 填入表 44移動平均數(shù) 一欄中。表 1 汽車銷售預(yù)測表移 動 平均數(shù) 移 動 平均數(shù) 月份 實際銷售車輛總數(shù)（臺） n = 3 月份 實際銷售車 輛總數(shù)（臺） n=31 10214 7 15020 115702 9800 8 11830 133533 10359 9 11900 131174 9670 10124 10 16000 129175 12540 9943 11 16800 241336 12500 10859 12 14900例 某汽 車 物流公司是 為 各汽 車 有限公司 進 行汽 車儲 運物流服 務(wù) 的公司，它每月的運 輸 量取決于各汽 車 有限公司 實際銷 售量，表 1列出該 公司 統(tǒng)計 的 111月份各汽 車 公司 實際銷 售的汽 車總 數(shù)， 現(xiàn) 用移 動平均 預(yù)測 法 計 算出各月的汽 車銷 售 預(yù)測 量 總 數(shù)，并 計 入表 1中。 已知一個數(shù)據(jù)時間序列為 ，以 表示第 t時刻的時間序列的移動平均值，以 n表示參與 “ 平均 ”的實際值個數(shù)，也稱數(shù)據(jù)的間距或移動的步長，則有： 第一個移動平均數(shù)由 產(chǎn)生： 第二個移動平均數(shù)由