《供应链数据分析》项目指导书.docx
供应链数据分析项目指导书课时分配供应链数据分析项目内容课时安排是否重点是否难点理论实训供应链数据分析基础2项目1物流需求数据分析与物流预测26*项目2采购数据分析与采购管理24*项目3生产数据分析与生产管理24*项目4库存数据分析与库存管理24*项目5配送资源数据分析与调配26*项目6运输路网分析与运作优化26*项目7供应链节点定位分析与决策24*项目8供应链绩效评价42*综合实训4机动4合计2044课程考核供应链数据分析项目内容分值项目1物流需求数据分析与物流预测8项目2采购数据分析与采购管理8项目3生产数据分析与生产管理8项目4库存数据分析与库存管理8项目5配送资源数据分析与调配8项目6运输路网分析与运作优化8项目7供应链节点定位分析与决策8项目8供应链绩效评价8综合实训I16常规20合计100项目1物流需求数据分析与物流预测一、项目目标了解物流需求数据分析与预测的涵义了解常见的物流需求预测的定性预测法掌握移动平均预测模型、指数平滑预测模型、回归分析预测模型二、项目任务1 .运用一次、二次移动平均模型预测2 .运用一次、二次指数平滑模型预测3.运用一元回归分析模型预测三、项目步骤STEP1：教师理论讲授。STEP2：教师讲授演示实训内容。STEP3：学生商院C课堂下载完成课堂练习。STEP4：教师查看评分。四、项目考核商院C课堂练习。五、项目基础知识（一）物流需求预测的概念和程序1 .物流需求预测的概念物流预测是根据客观事物的过去和现在的发展规律，借助科学的方法和手段，对物流管理发展趋势和状态进行描述、分析，形成科学的假设和判断。物流预测是物流运筹的基础和前提。2 .物流需求预测的程序（1）确定预测的任务、对象范围和目标（2）选择预测方法（3）调查收集有关资料（4）预测结论的确定（二）物流需求预测的原则和类型1 .物流需求预测的原则（1）惯性原则（2）类推原则（3）相关原则（4）概率推断原则（5）定性、定量分析相结合原则2 .物流需求预测的类型（1）按预测时间长短分类：短期预测、近期预测、中期预测和长期预测（2）按预测的空间范围分类：宏观预测、中观预测和微观预测（3）按预测的方法分类：定性预测和定量预测（三）物流需求预测的常用方法1 .定性预测法（1）专家会议法：也称为头脑风暴法，主要是通过组织专家会议，激励全体与会专家参加积极的创造性思维。（2）德尔菲法：德尔菲法是专家会议预测法的一种发展。它以匿名方式通过几轮函询，征求专家们的意见。预测领导小组对每一轮的意见都进行汇总整理，作为参考资料再发给每个专家，供他们分析判断，提出新的论证。如此多次反复，专家的意见渐趋一致,结论的可靠性越来越大。2 .定量预测模型1）平均数预测模型（1）算术平均数预测法（2）加权平均数预测法2）移动平均预测模型（1）一次移动平均模型“=即=骁+'式中，时期序号第/时期的一次移动平均数%:第f时期的实际值N：计算移动平均数所选定的数据个数(2)二次移动平均模型yf+=a,+4T4=2M-M2)仇=系(M-M)N-IMM+M1+M口'N式中，少+丁：f+T时期的预测值r：时期序号Ti由目前时期f到预测7时期的时间间隔M*:第/时期的一次移动平均数Mz<2)：第，时期二次移动平均数N：计算移动平均数所选定的数据个数外线性模型的截距bl:线性模型的斜率3)指数平滑预测模型移动平均法存在两个不足之处。一是存储数据量较大，二是对最近的N期数据等权看待，而对t-T期以前的数据则完全不考虑，这往往不符合实际情况。指数平滑法有效地克服了这两个缺点。它既不需要存储很多历史数据，又考虑了各期数据的重要性，而且使用了全部历史资料。因此它是移动平均法的改进和发展，应用极为广泛。指数平滑法根据平滑次数的不同，又分为一次指数平滑法、二次指数平滑法和三次指数平滑法等。(1)一次指数平滑模型=SZ(1)=yz+(l-)SS,7第2时期的一次指数平滑值a：加权系数，也叫平滑常数%：第C周期的实际观察数据(2)二次指数平滑模型yl+=al+/al=2S-S"=4(三)-Sy)-a5，=町+(1-口)SwSF)=网D+(>)Sf?式中，少+丁：f+T时期的预测值r：时期序号T：由目前时期Z到预测，+7'时期的时间间隔ST：第1时期一次指数平滑值SfL第，时期二次指数平滑值：第，一1时期二次指数平滑值4、bl:平滑系数a：加权系数4)回归分析预测模型一元线性回归分析预测模型人y=a+bx其中：a=y-bxniiyi-li'iyi=-i-i=it/=|WXj)2Z=If=l力、方为回归方程的参数1n1n=-x=V"看几/-I七、项目任务内容项目1物流需求数据分析与物流预测任务1.1移动平均分析预测模型（一次移动）习题Ll已知A物流公司2017年112月份牛奶出货数据如表1.1。试用一次移动平均模型预测2018年1月的牛奶出货量。（N=3）表LI2017年112月份牛奶出货数据（单位：万箱）月份123456789101112出货量23.521.826.423.522.723.822.924.32528.124.826习题1.2汽车销售企业2017年前三个季度每月配送的汽车数量如表1.2所示。试用一次移动平均模型在N=4的条件下预测第四季度各月的配送数量。表1.2汽车销售企业2017年前三个季度每月销售配送的汽车数量月份123456789销售量453455626051465972参考：一次移动平均模型G_历.%+>j-+Yu-N式中，：时期序号M）:第f时期的一次移动平均数%：第/时期的实际值N：计算移动平均数所选定的数据个数项目1物流需求数据分析与物流预测任务1.1移动平均分析预测模型（误差分析）习题1.3己知A物流公司2017年1一12月份牛奶出货数据如表1.1。试用一次移动平均模型预测2018年1月的牛奶出货量。（N=4）请比较N=3,N=4下哪个方法预测更精确？表1.12017年112月份牛奶出货数据（单位：万箱）月份123456789101112出货量23.521.826.423.522.723.822.924.32528.124.826习题L4汽车销售企业2017年前三个季度每月配送的汽车数量如表1.2所示。试用一次移动平均模型在N=3的条件下预测第四季度各月的配送数量。比较：n=3,N=4下哪个方法预测更精确？表1.2汽车销售企业2017年前三个季度每月销售的汽车数量月份123456789销售量453455626051465972参考：一次移动平均模型G_历.%+>j-+Yu-N式中，时期序号第f时期的一次移动平均数M：第f时期的实际值N：计算移动平均数所选定的数据个数项目1物流需求数据分析与物流预测任务Ll移动平均分析预测模型（二次移动）习题1.5已知A物流公司2017年112月份牛奶出货数据如表1.1。试用二次移动平均模型，t=12,t=8情况下，预测2018年1月、2月、3月的牛奶出货量。（N=3,N=4,二选一）表1.12017年1一12月份牛奶出货数据（单位：万箱）月份123456789101112出货量23.521.826.423.522.723.822.924.32528.124.826习题L6汽车销售企业2017年前三个季度每月配送的汽车数量如表1.2所示。试用二次移动平均模型在N=4,廿9的条件下预测第四季度各月的配送数量（单位：台）。表1.2汽车销售企业2017年前三个季度每月销售的汽车数量月份123456789销售量453455626051465972参考：一次移动平均模型篇=Ms=g%产包式中，入时期序号第1时期的一次移动平均数y：第f时期的实际值N：计算移动平均数所选定的数据个数（2）二次移动平均模型yt+=a,+/at=2M-M2N-I(M-M)MM+砒+蛆九式中，无+7：f+T时期的预测值r：时期序号T：由目前时期Z到预测时期的时间间隔M；0：第1时期的一次移动平均数M；2）：第1时期二次移动平均数N：计算移动平均数所选定的数据个数4：线性模型的截距bl:线性模型的斜率项目1物流需求数据分析与物流预测任务1.2指数平滑预测模型习题L7B物流公司承担运输任务如表1.3所示，试用一次、二次平滑指数分别预测2018年、20182022年B物流公司的运输量（单位：千箱）。（a=0.3）表1.3某外向型企业历年产品出口量（单位：千箱）年份20102011201220132014201520162017时序012345678出口量2.33.45.17.29.010.612.014.3习题L8B物流公司积累了6个年度的货物运输量的实际值如表1.4所示。试用二次指数平滑法取平滑系数=0.4,预测第七、八、九年度的货物运输量（第一年度的预测值，根据专家估计为3800吨）表1.4B物流公司货物运输量年度序号123456货运量/吨397044503980510052105420参考:指数平滑预测模型(1)一次指数平滑模型凡+1=s；D=知+(1-)s:2S；n：第1时期的一次指数平滑值a：加权系数，也叫平滑常数%：第C周期的实际观察数据(2)二次指数平滑模型yf+=al+674=2S*-S,2=4(三)-Sy)-aSf)=以+(1a)S£1=2+(1F)SE)式中，无+7：f+T时期的预测值r：时期序号T：由目前时期Z到预测7时期的时间间隔,：第f时期一次指数平滑值S,：第,时期二次指数平滑值：第，一1时期二次指数平滑值4、bl:平滑系数a：加权系数项目1物流需求数据分析与物流预测任务L
