第四章物流仓储管理设计计

第四章物流仓储管理方案设计

主讲：殷延海yyh671227@163.coQ317173460第一节：

物流量的基本知识一、物流量的定义物流活动的各个作业环节产生的实物（物料、零部件、半成品、产成品等），在物流活动的整个过程中(包括静止与运动)的数量的总和。二、物流量的具体内容根据物流的作业环节，在确定物流结点规模时，通常需要的有关业务量有：运输作业量，库存作业量、终端配送作业量、装卸搬运作业量等。1、运输作业量简称运输量，主要包括运量、周转量两个指标，它们可以用来统计铁路、公路、水路和航空等运输方式完成的运输工作量。一般而言，货物运输完成的运量用吨(t)来测量，周转量用吨·公里(t·km)来测量。轻泡货物可以将其体积折算成计费质量吨(t)，并按计费质量统计运输工作量2、库存作业量它通常通过物资仓储的各项指标得以体现，最常采用的有物资的最高储备量、物资平均库存量、仓库物资吞吐量等。通常采用的单位为吨(t)。3、配送作业量它可以用来确定配送中心的规模，确定最优的配送路线以及确定合理的配送数量等。其计算单位为：吨·公里(t·km)。4、装卸搬运工作量各类物流结点(如车站、港口、仓库等)的装卸搬运作业量，有时称为吞吐量，也可以用(t)来测量，例如，港口、货运站装卸设备的作业能力可以用t／d表示。车站、货运站、仓库内的搬运工作量可以用吨·公里(t·km)或吨·米(t·m)表示。9一、预测的概念

是对未来可能发生的情况的预计和推测。科学性：客观事物发展的惯性；随机现象的统计规律性。第二节物流量预测二、预测的作用1、预测是制定物流战略的基础。2、预测是制定库存计划的基础。3、预测是协调各部门工作的依据。4、有助于为尽快满足用户需求做好准备。10

三、预测的内容

---基本需求Bt---季节因素St---趋势因素T---周期因素Ct---促销因素Pt---不确定因素It

假定基本需求是平均销售水平，而其他部分则是乘以基本水平，并进行了正负调整的指数或因素，由此产生的预测模型是：（Ft---时期t的预测数量）

Ft=Bt+St+T+Ct+Pt+I

11趋势因素：Bt+1=Bt*T

式中Bt+1----在时期t+1内的基本需求Bt----在时期t内的基本需求T----趋势指数趋势指数植大于1.0，意味着定期需求是增长的；而趋势指数植小于1.0，则意味着下降趋势。

12四、影响需求预测的因素

1、商业周期：从复苏到高潮到衰退到萧条,周而复始。2、产品生命周期：任何成功的产品都有导入期、成长期、成熟期和衰退期4个阶段。复苏高潮衰退萧条复苏导入期成长期成熟期衰退期13五、预测一般步骤1、决定预测的目的和用途；预测的目的是什么？何时进行预测？2、对产品及其性质分类；产品需求可以分为相关需求产品和独立需求产品。143、决定影响因素；

商业周期产品生命周期154,确定预测跨度必须确定预测跨度，同时应清楚，当预测跨度增大时，预测的精确度将降低。

165、收集分析资料；6、选择预测方法和模型；7、计算并核实预测结果；8、求出预测值；179、应用预测结果；10、预测监控。监控是为了确定预测是否像预期的那样进行，如果不是，要从新检查所用的方法、以及数据的合理性等等，必要时，要做出适当的调整再行预测。

18

第三节定性预测方法五大定性预测方法1,德尔菲法:专家问答收集汇总,闭环重复。2,销售人员估计法:一线销售员预测,逐级上报分析;3,市场调研法:问卷/面谈/电话收集数据,适合R&D(研发）;4,小组共识法

:高级经理/销售经理/顾客代表头脑风暴;5,历史类比法

:类似产品历史销售数据类比,适合R&D;20第四节定量预测方法假设：过去存在的变量间关系和相互作用机理，今后仍存在并继续发挥作用。21预测之前首先应了解什么是时间序列：

1、概念：按一定时间间隔和事件发生的先后顺序排列起来的数据构成的序列。222、时间序列的构成：

1）趋势成分：引起原因（人口的变动，经济的增长，技术的进步，生产力的发展）。T（Trend)2）季节成分：每个年度内成规则性的重复波动形态。起因：季节性的气候变化和风俗习惯。S(Season)3）周期成分：经济成长过程中景气和不景气交替重复发生的波动情况。发展、繁荣、衰退、恢复。诱发因素：社会政治变动、战争、经济形势变化。C(Cycle)4）随机成分：不可控因素引起的，没有规则的上下波动。I（Irregularity)23趋势成分季节成分周期成分随机波动成分时间序列构成：8大定量预测方法1,简单平均法2,加权平均法3,简单移动平均法4,加权移动平均法5,指数平滑法6,季节性预测7,回归模型8,需求趋势预测法定量预测方法之一：简单平均法第四周的预测值=(140+156+184)/3=160周次实际需求量1140215631844定量预测方法之二：加权平均法周次实际需求量权重11401/621562/631843/64第四周的预测值=1/6X140+2/6X156+3/6X184=16727时间实销平均预测1月A12月A23月A3SMA3SMA34月A4SMA4SMA45月A5SMA5SMA5简单移动平均（Simplemovingaverage）定量预测方法之三：库存的平均移动预测方法月度销量合计均量下月预测误差％116021503175485161.64168493164.3161.66.45165508169.3164.30.76170503167.6169.30.729月份实际销量（百台）n=3n=412022132342421.3352522.6721.7562724.0023.3372625.3324.7582526.0025.5092626.0025.75102825.6726.00112726.3326.25122927.0026.50

预测值同简单移动平均所选的时段长n有关，具有滞后性。n越大，对干扰的敏感性越低，预测的稳定性越好，滞后性越强，响应性就越差。

简单移动平均法对数据不分远近，同样对待。为了反映最近的趋势，可采用加权移动平均。30定量预测方法之四：加权移动平均（Weightedmovingaverage）加权移动平均预测法是在移动平均预测法的基础上，进一步赋予时间序列中各期实际值以不同的权重，距离预测期较近的数据以较大的权重。

为实际需求的权系数。31月份实际销量（百台）n=3120221323424(0.5×20+1.0×21+1.5×23)/3=21.83525(0.5×21+1.0×23+1.5×24)/3=23.1762724.3372625.8382526.1792625.67102825.67112726.83122927.17

若对最近的数据赋予较大的权重，则预测数据与实际数据的差别较简单移动平均法的结果要小。

近期数据的权重越大，则预测的稳定性就越差，响应性就越好。可以同时改变n和α。

简单移动平均和加权移动平均需要的数据量大，计算量非常大，当产品很多时计算工作繁重。32

[公式]Ft+1=aAt+(1-a)Ft定量预测方法之五：指数平滑法（Singleexponentialsmoothing）α值的确定选择α，一个总的原则是使预测值与实际观察值之间的误差最小。从理论上讲，α取0–1之间的任意数据均可以。具体如何选择，要视时间序列的变化趋势来定。（1）当时间序列呈较稳定的水平趋势时，应取小一些，如0.1–0.3，以减小修正幅度，突出以往资料中长期趋势对预测值的影响。（2）当时间序列波动较大时，宜选择居中的α值，如0.3–0.5。（3）当时间序列波动很大，呈现明显且迅速的上升或下降趋势时，α应取大些，如0.6–0.8，以加重近期实际观察值对预测值的影响，使预测模型灵敏度高些，能迅速跟上数据的变化。（4）在实际预测中，可取几个α值进行试算，比较预测误差（MSE），选择误差较小的那个α值。

[例1]某公司2001年前8个月销售额资料见表5–11，用指数平滑法进行长期趋势分析。已知1月份预测值为150.8万元，α分别取0.2和0.8。

表5–11某公司2000年各月销售额预测表（单位：万元）月份实际销售额一次指数平滑预测数α＝0.2α＝0.8123456789154148142151145154157151－150.800.2×154+（1–0.2）×150.8＝151.440.2×148+（1–0.2）×151.44=150.750.2×142+（1–0.2）×150.75=149.000.2×151+（1–0.2）×149.00=149.40148.52149.62151.10151.08150.80153.36149.07143.41149.48145.90152.38156.08152.02从例1中可看出，α值和初始值的确定是关键，它们直接影响着趋势值误差的大小。定量预测方法之六：季节性预测时段第一年第二年第三年3年总和占全年%第1季度12514018344821.43第2季度27024529581038.76第3季度18617419055026.32第4季度849610228213.49总计6656557702090100.00

假设下年度总需求预测值为830,那么下年度各季度的需求预测值应是多少？36第1季度的需求预测值=830X448/2090=830X21.43%=178第2季度的需求预测值=830X810/2090=830X38.76%=322第3季度的需求预测值=830X550/2090=830X26.32%=218第4季度的需求预测值=830X282/2090=830X13.49%=11237

定量预测方法之七：一元回归模型YT为一元线性回归预测值；α为截距,为X为自变量X=0时的预测值；b为斜率；X为自变量的取值；38回归分析需求作为函数,影响需求的因素作为变量来预测单一变量:单一线形回归分析,2个以上变量:多重线形回归分析单一线形回归分析

[公式]

Y=函数Y的推定值(即,回归线上值)

X=独立变量(需求对需求影响最大的因素)

a=Y轴的截距

b=回归线(直线)的斜率用最小自乘法求a,b下列式子

^^^b=(E20-B22*B21*C21)/(D20-B22*B21^2)a=C21-B23*B21=$B$24+$B$23*B3定量预测方法之八：需求趋势法如果通过观察时间序列资料，发现其呈现明显的上升或下降趋势,可以采用EXCEL中的预测函数进行趋势预测。第五节最佳物流量的控制一、离散需求一次性订货模型单时期存贮模型就是一种货物的一次性订货，只有在满足特定时期的需要时发生的，即通常所说有“一锤子”买卖。就是说，当存货销完时，并不发生补充进货问题。由于问题在考虑的时期内，总需求量是不确定的，这就形成了两难的局面。因为货订的多，虽然可以获得更多的利润；但如果太多了，将会由于卖不出去而造成损失。反之，如果订货少了，虽然不会出现货物卖不出去而造成的损失，但却会因供不应求而失掉销售机会。报童问题：有一报童每天售报数量是一个离散型随机变量，设销售量r的概率分布P(r)为已知，每张报纸的成本为u元（v＞u）。如果报纸当天卖不出去，第二天就降低处理，设处理价为w元（w＜u）。问报童每天最好准备多少份报纸？这个问题就是要确定报童每天报纸的订货量Q为何值时，使赢利的期望值最大或损失的期望值最小？设Ｍ为临界点概率，即M==k/(k+h)订购的最优数量Q*可由以下不等式确定：其中：r:销售量K：每单位产品获利水平h：每单位产品销售不掉的损失额P(r)销售量为r的概率。销售量（r）

567891011概率

P(r)0.050.100.200.200.250.150.05例题某种报纸当天如果能销售掉，则能获利数是：k=150元／百张；如果当天销售不掉，将产生亏损，亏损数是：h=200元／百张；根据以往的销售情况，销售概率如下表1所示。表1销售量及对应概率问题：每日订购多少张报纸可使赚钱的期望值最高？解：k/(k+h)=150/(150+200)=0.4286，n=8时，p(5)+p(6)+p(7)=0.35p(5)+p(6)+p(7)+p(8)=0.550.35≤0.4286≤0.55故最优订货量n*=8百张时，赚钱的数学期望值最大。二、期望损失最小法：比较不同订货批量下的期望损失，取期望损失最小的订货量作为最佳订货量：

其中：EL(Q)：期望损失单位超储损失Co=C-S单位缺货损失Cu=P-CP:单价Q：订货量d:需求量C:单位成本P(d)：需求量为d时的概率S：预定时间卖不出去的售价

三.期望利润最大法比较不同订货量下的期望利润，取期望利润最大的订货量作为最佳订货量设订货量为Q时的期望利润为Ep(Q)。

此时，EP(Q)：期望利润Cu：代表每