物流運(yùn)作管理--需求預(yù)測(cè)-在線瀏覽
2025-04-04 20:25本頁(yè)面
【正文】 對(duì)于簡(jiǎn)單移動(dòng)平均預(yù)測(cè)方法，關(guān)鍵是選擇移動(dòng)時(shí)間區(qū)間的大小，即 n的大小。如果管理者追求穩(wěn)定性 n的值應(yīng)該選擇大一些，如果管理者的目標(biāo)是體現(xiàn)響應(yīng)性，則應(yīng)選擇小一點(diǎn)的 n。 20 南京理工大學(xué)經(jīng)濟(jì)管理學(xué)院 2023/3/22 三、一次指數(shù)平滑法 (Single exponential smoothing) Ft = Ft1 + ?(At1 Ft1) = ?At1 +（ 1 ? ） Ft1 ?Ft 新的預(yù)測(cè)值， Ft1前期預(yù)測(cè)值 ， ?At1前期的實(shí)際需求， ? 平滑系數(shù) 21 南京理工大學(xué)經(jīng)濟(jì)管理學(xué)院 2023/3/22 月銷售額一次指數(shù)平滑預(yù)測(cè)表 單位：千元 月份 實(shí)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(xué)經(jīng)濟(jì)管理學(xué)院 2023/3/22 ?與上面的問題的類似，預(yù)測(cè)的關(guān)鍵是選擇 ?的大小。 ?如果管理者的目標(biāo)是體現(xiàn)響應(yīng)性，則應(yīng)選擇大一點(diǎn)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(xué)經(jīng)濟(jì)管理學(xué)院 2023/3/22 四、 時(shí)間分解預(yù)測(cè)模型 解決季節(jié)性預(yù)測(cè)問題(Seasonal variations) – 常用季節(jié)性預(yù)測(cè)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(yù)測(cè)方法 24 南京理工大學(xué)經(jīng)濟(jì)管理學(xué)院 2023/3/22 時(shí)間序列分解模型計(jì)算示例： 有一個(gè)公司記錄了 1997和 1998兩年的銷售數(shù)據(jù)， 見下表。 時(shí)間 銷售額 (萬元 ) 時(shí)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(xué)經(jīng)濟(jì)管理學(xué)院 2023/3/22 Step 1: 求出趨勢(shì)值的直線方程。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。最小二乘法還可用于 曲線擬合 。 27 南京理工大學(xué)經(jīng)濟(jì)管理學(xué)院 2023/3/22 Step 2: 計(jì)算季節(jié)因子 時(shí)間 實(shí)際值 趨勢(shì)值 實(shí)際值 /趨勢(shì)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
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1