第五章构建有竞争力的供应链网络

实际上，所有的预测都包含一定的不确定性，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。出现这种现象的原因可能是不确定性 过于复杂，无法进行表示。
即使假定不确定性不存在，也无法消除不确定性， 我们既然无法消除不确定性，只能设法处理不确定性。 有时，通过建立适当的模型，能够减少预测的不确定 性。但大多数情况下，无论如何修改预测模型，都无 法精确地了解某些变量的不确定性有多大。
一次移动 平均值
二次移动 平均值
━ ━ ━ ━ 51.4 53.4 54.6 55 58.2 61.2 ━ ━ ━ ━ ━ ━ ━ ━ 54.5 56.4
28
❖ 因此，预测模型为：
3. 指数平滑预测法
指数平滑预测法是与以前需求水平和预测水
平加权平均数所估计的未来年交通运输量为基
础来进行预测。是在移动平均预测法的基础上 发展起来的一种预测方法。新的预测函数引入 参数α。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。
三 供应链网络构建急需解决的问题 四 （1）相关企业集成 五 （2）物流集成
第二节 确定供应链网络节点
1. 一 供应链网络类型
2.
1 设施网络类型
3.
（1）产品行设施网络
4.
（2）市场型设施网络
5.
（3）工艺型设施网络
6.
2 功能网络类型
7.
（1）运输网络
8.
（2）仓储网络
9.
（3）组织网络
10.
6
175
298.7 12
12
238.6
解: 应用指数平滑公式进行预测，首先应选取
，
并确定
。
设 ＝0.9， ＝ x1 。
应用指数平滑公式进行预测，就应首先确定 ，
被称为初始值。初始值是不能直接得到的，应该通过其他
方法选取或直接选用当期实际值。 称为平滑系数，其
值为
，取值大小体现了不同时期数据在预测中所
二次移动平均数发的线性预测模型为：
式中 t——当前的时间序号；
T——由当前时间到预测时间的时间间隔数；
——线性模型的截距；
——线性模型的斜率；
——第
时间的预测值。
其中:
仍举上例，取N=5，求解二次移动平均预测模 型，并对第12、14月的销售量进行预测
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
一次指数平滑预测法
一次指数平滑预测法就是利用时间序 列中本期的实际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时刻的一次指数平滑值(t时刻预测值)；
——平滑常数，规定
。
——在t时刻的实际值。
实例
某企业对某年度l~11月某种物资的价格情况进行了统
计，见表，试用一次指数平滑法对该年12月份该物资的
4.
2.供应链经营主体
5.
3.供应链基础网络
6.
（1）制造商与供应链网络
7.
（2）分销商与供应链网络
8.
（3）零售商与供应链网络
9.
（4）物流商与供应链网络
1. 二 供应链网络构建的要点
2.
产品从生产者经物流企业及销售商到达消费者手中的
过程，其实质是产品在供应链上的流动过程
3. 1 供应链的核心内容
起的作用， 值越大，越反映近期数据变化趋势，模型灵
敏度越高； 值越小，越反映长期的大致发展趋势。掌
握 值，是用好指数平滑模型的一个重要技巧，一般采
用多方案比较方法，从中选出最能反映实际值变化规律的
值。
1.6 回归分析预测法
回归预测技术就是根据存在于现象之间的内在因果关 系和函数关系建立回归模型的方法，用来从某一现象的变 动，来估计另一现象的变化方向和程度，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。回归预测按所包含的自变量的多少，可分 为一元回归预测法和多元回归预测法。
回收站
1
2
3
4
5
6
7
运输距离 Xi 3 运输成本 Yj 5
10 8 12 6 9 11 16 14 22 11 18 ？
显然：如果已知其中一个变量的未来值，那么可以通过
上述公式预测另一个变量的未来值。问题在于，假设中的线
性关系是否存在，或者说线性相关程度多大？研究两个变量
x与y之间是否存在线性相关关系，通常的办法是将独立的n
4. （1）监控整条供应链上的库存
5. （2）有效控制物品流动成本
6. （3）订单整个执行过程的管理
7. 2 供应链的运作机制
8. （1）供应链过程信息反馈
9. （2）供应链商品供应控制
10. （3）供应链管理动态联盟
11. （4）互联网信息技术利用
3 发展现代物流业对供应链的支持
（1）外包部分业务 （2）共用物流资源
3rew
演讲完毕，谢谢听讲!
再见，see you again
2020/12/11
第五章构建有竞争力的供应链网络
一元线性回归预测法
假设变量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， xt代表t期自变量的值,yt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：
实例：
❖ 已经某废品回收企业从其附近的不同回收站回 收物资，不同的回收站回收的运输成本各不相同， 详情见表，试预测7号回收站的运输成本。
对观测数据
在坐标上画出散点图，
由直观观察进行判断，散点是否沿直线排列。
相关系数是描述两个变量线性关系密切程度 的数量指示（用γ表示），它的计算公式如下：
当γ =0时，表示X，Y没有线性关系； 当0< γ <1时，表示X，Y正线性相关； 当-1< γ <0时，表示X，Y负线性相关。
一般来讲，只有当| γ |较大时，用线性回归模 型描述Y与X的相关关系，才有实际价值。
一般选择的N原则： （1）由所需处理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势而定，趋势平
稳并基本保持水平状态的，可以取得大一些；趋势 平稳并保持阶梯性或周期性增长的，应该取得小一 些；趋势不稳并有脉冲式增减的，应取得大一些。
2. 二次移动平均法
当时间序列有明显线性变化趋势时，上述方法 存在滞后偏差，使预测值偏低。为解决这一问题， 采用二次移动平均法。上面介绍的一次移动平均 数本身也构成一个时间序列，在此基础上再作一 次移动平均，之后建立线性预测模型进行预测， 这就是二次移动平均法。
（4）信息网络
二 供应链网络节点的确定 三 1 制造企业供应网链的节点 四 2 销售商连锁经营网络节点 五 3 第三方物流网络节点 六 4 供应链网络节点的确定（重中之重）
第三节 供应链设施网链布点方法
一 区域物流系统网络结构 1 区域物流网络构成 2 区域物流系统一般运作模式 3 交通运输网对区域物流系统的影响
三 供应网链城镇布局方法 1 选择中心城市或者重点镇 2 选择适当区位设置作业点 3 综合其他因素
移动平均预测法对时间序列中数据变化的反映速 度及对干扰的修均能力，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感性增加，但 修匀能力下降；而N增大，移动平均对时间序列数据 变化的反映敏感性减小，但对时间序列的修匀能力却 上升。因此，移动平均法的修匀能力与时间序列数据 变化的敏感性是矛盾的，两者不可兼得。在确定N的 时候，一定要根据时间序列的特点来确定。
第五章构建有竞争力的 供应链网络
2020/12/11
第五章构建有竞争力的供应链Biblioteka Baidu络
第一节 供应链网络构建的基础
1. 一 供应链环境、经营主体与基础网络
2.
1.供应链环境建设
3.
供应链环境建设包括硬件环境和软件环境建设，对硬件环境建
设的理解可结合供应链商流、物流、信息流、资金流的建设和规划
的需要；对软环境的建设是基于供应链的体制和规则而兴起的
市场价格进行预测。
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
供应链物流网络节点的四个层次 （1）国际物流枢纽（2）区域物流设施（3）城市配送中心（4）商店
二 设施网络选址方法 1 设施网络选址方法 （1）启发式方法 （2）模拟方法 （3）优化方法 （4）聚类布点方法 2 单一选址问题 会出现在以下几种情况 （1）大网络节点已定的设施选址 （2）企业扩大原有的物流设施 （3）企业网络中的部分节点选址 3 定性分析法