物流運籌方法與工具（第3版）目錄

CONTENTS物流運籌方法與工具概述物流決策分析物流資源配置規劃物流任務指派運輸方案優化運輸路徑規劃物流項目計劃物流需求預測庫存水平控制模塊八模塊二模塊三模塊四模塊五模塊六模塊七模塊九模塊一模塊八物流需求預測

需求預測概述時間序列預測法回歸模型預測法季節性變動的預測應用舉例單元三單元二單元五單元一單元四知識點本單元知識點知道預測的程序。理解產品或勞務的需求特性。知道對物流管理者有用的預測方法。理解時間序列、時間序列分析法的含義及其基本原理。掌握移動平均法和指數平滑法的計算步驟。理解變量間的相關關系及回歸預測模型法的基本原理。掌握一元線性回歸預測模型參數的計算步驟。能力點、素質點能力點：能夠熟練地運用移動平均法對物流需求問題進行預測。能夠熟練地運用指數平滑法對物流需求問題進行預測。能夠運用一元線性回歸預測模型對物流需求問題進行預測。素質點：1．提高信息資料的收集、處理、應用等信息獲得能力。2．提高自覺認識客觀規律意識，具有戰略眼光和應變能力。單元五應用舉例貨物運輸需求量的預測單元五應用舉例貨物運輸需求量計劃是編制車輛計劃的基礎，而貨物運輸需求量的多少與客戶企業的產品銷售量大小直接相關。北京易通汽車運輸公司為編制來年的貨物運輸需求量計劃，對它的長期合同客戶的來年產品銷售情況分別進行了自己的預估，以便可以盡早地根據自己的運力情況安排運輸。該運輸公司的一個合同客戶（木材公司）的產品銷售數據如表8-9所示，試估算：（1）3個月和4個月移動平均預測值；3個月加權移動平均預測值。（2）α=0.4時指數平滑預測值；α=0.7時指數平滑預測值；分析α=0.4和α=0.7二者的指數平滑預測的結果。單元五應用舉例表8-9某木材公司1-12月份的銷售數據

（萬元）月份123456789101112銷售額101213161923263028181614（一）移動平均預測值和加權移動平均預測值的計算移動平均預測值的計算：表8-10某木材公司3個月和4個月移動平均值預測的銷售額

（萬元）月份實際銷售額3個月移動平均預測值4個月移動平均預測值110

212

313

416（10+12+13）÷3=11.67

519（12+13+16）÷3=13.67（10+12+13+16）÷4=12.75623（13+16+19）÷3=16.00（12+13+16+19）÷4=15.00726（16+19+23）÷3=19.33（13+16+19+23）÷4=17.75830（19+23+26）÷3=22.67（16+19+23+26）÷4=21.00928（23+26+30）÷3=26.33（19+23+26+30）÷4=24.501018（26+30+28）÷3=28.00（23+26+30+28）÷4=26.751116（30+28+18）÷3=25.33（26+30+28+18）÷4=25.501214（28+18+16）÷3=20.67（30+28+18+16）÷4=23.00（一）移動平均預測值和加權移動平均預測值的計算3個月、4個月的移動平均預測量低于正在增加的實際銷售量。這種反應速度減慢的原因，主要受用作預測的前面月份銷售量的影響。結果分析：優化辦法：為此，運輸公司采用加權移動平均的方法，提高了預測值對實際銷售量的反應速度。計算3個月加權移動平均值時，設定：對最近1個月的加權數等于前兩個月的加權數之和，對最近兩個月的加權數等于前1個月加權數的兩倍。（一）移動平均預測值和加權移動平均預測值的計算加權移動預測值的計算：表8-11某木材公司3個月加權移動平均值預測的銷售額

（萬元）月份實際銷售額3個月加權移動平均預測值110

212

313

416[（3×13）+(2×12)+10]÷6=12.17519[（3×16）+(2×13)+12]÷6=14.33623[（3×19）+(2×16)+13]÷6=17.00726[（3×23）+(2×19)+16]÷6=20.50830[（3×26）+(2×23)+19]÷6=23.83928[（3×30）+(2×26)+23]÷6=27.501018[（3×28）+(2×30)+26]÷6=28.331116[（3×18）+(2×28)+30]÷6=23.331214[（3×16）+(2×18)+28]÷6=18.67（一）移動平均預測值和加權移動平均預測值的計算用表8-11與表8-10相比較，我們發現對最近1個月的數據加權越重，就產生更精確的預測值。使用精確的加權數和確定預測中最佳周期的數據，是需要在預測過程中經過多次實驗來決定的兩件事。必須注意，如果對最近1個月的加權太重，引起銷售預測模型隨機干擾反映太快，勢必會陷入預測的風險中。加權移動預測值的計算：（二）指數平滑預測值的計算用指數平滑技術能消除用加權移動平均所帶來的某些預測計算上的缺點。現取α=0.4，

經測算，平滑預測結果如表8-12所示。月份(1)實際銷售額(2)上月實際銷售額(3)α(4)α×上月實際銷售額(3)×(4)(1-α)(5)上月銷售額預測值(6)(1-α)×上月銷售額預測值(5)×(6)本月銷售額預測值(3)×(4)+(5)×(6)110

212100.44.00.611（開始）6.610.6313120.44.80.610.66.411.2416130.45.20.611.26.711.9519160.46.40.611.97.113.5623190.47.60.613.58.115.7726230.49.20.615.79.418.6830260.410.40.618.611.221.6928300.412.00.621.613.025.01018280.411.20.625.015.026.21116180.47.20.626.215.722.91214160.46.40.622.913.720.1表8-12某木材公司產品銷售額指數平滑預測

（萬元）（二）指數平滑預測值的計算在表8-12中，計算了當α=0.4時指數平滑預測的木材公司產品的銷售量。我們發現，這些月來的實際銷售量增加了。而預測銷售量增減的變化卻慢于實際的變化。此外，木材公司盡管9月份實際銷售量已降低下來，而直到11月份預測值方開始降低。經進一步研究后，認為α值可能選得不合適。如果增大α值到0.7，或許可能做出更好的預測。現取α=0.7，

經測算，平滑預測結果如表8-13所示。表8-13某木材公司產品銷售額指數平滑預測

（萬元）月份(1)實際銷售額(2)上月實際銷售額(3)α(4)α×上月實際銷售額(3)×(4)(1-α)(5)上月銷售額預測值(6)(1-α)×上月銷售額預測值(5)×(6)本月銷售額預測值(3)×(4)+(5)×(6)110

212100.77.00.311（開始）3.310.3313120.78.40.310.33.111.5416130.79.10.311.53.512.6519160.711.20.312.63.815.0623190.713.30.315.04.517.8726230.716.10.317.85.321.4830260.718.20.321.46.424.6928300.721.00.324.67.428.41018280.719.60.328.48.528.11116180.712.60.328.18.421.01214160.711.20.321.06.317.5（二）指數平滑預測值的計算表8-13比表8-12中所預測的數據，不僅預測的銷售額更接近實際，而且反應更靈敏。這項預測的下降是在10月份，僅僅慢于實際銷售額下降1個月。觀察表8-13中的預測結果，實際上還不是滿意的指數平滑預測值，還需進一步調整（可用趨勢調整指數平滑預測法進行調整）。一般來說，表8-13，已可作為預測參考。0102本模塊的重點放在物流管理者很可能用到的中短期預測法。主要討論了一些被證明是中短期預測中很有價值的預測方法——移動平均法