第五章 构建有竞争力的供应链网络

学习目标1掌握供应链网络的构建理论和方法；学习了解供应链环境、经营主体与基础网络以及供应链网络的类型等基本知识。2掌握区域物流网络构成，正确理解设施网络选址方法和供应链网链城镇布局方法。第五章构建有竞争力的供应链网络第一节供应链网络构建的基础一供应链环境、经营主体与基础网络1.供应链环境建设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2.供应链经营主体3.供应链基础网络（1）制造商与供应链网络（2）分销商与供应链网络（3）零售商与供应链网络（4）物流商与供应链网络二供应链网络构建的要点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1供应链的核心内容（1）监控整条供应链上的库存（2）有效控制物品流动成本（3）订单整个执行过程的管理2供应链的运作机制（1）供应链过程信息反馈（2）供应链商品供应控制（3）供应链管理动态联盟（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）共用物流资源三供应链网络构建急需解决的问题（1）相关企业集成（2）物流集成第二节确定供应链网络节点一供应链网络类型1设施网络类型（1）产品行设施网络（2）市场型设施网络（3）工艺型设施网络2功能网络类型（1）运输网络（2）仓储网络（3）组织网络（4）信息网络二供应链网络节点的确定1制造企业供应网链的节点2销售商连锁经营网络节点3第三方物流网络节点4供应链网络节点的确定（重中之重）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）商店第三节供应链设施网链布点方法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。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。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。2.二次移动平均法NMMMMNtttt1)1(11102...二次移动平均数发的线性预测模型为：TbaYttTtˆtatbTtYˆTt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:)2()1(2tttMMa)(12)2()1(tttMMNb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92.6548.562.6122)2(10)1(1010MMa36.2)48.562.61(152)(12)2(10)1(1010MMNb月12345678910运输量Xt45526048525558626467一次移动平均值━━━━51.453.454.65558.261.2二次移动平均值━━━━━━━━54.5256.48因此，预测模型为：TYT36.292.65ˆ1075436.292.65ˆˆ71236.292.65ˆˆ4101421012YYYY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。3.指数平滑预测法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：1111tttFxF11tF10tx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1120077155187.42213520088130158.233195141.599220132.844197189.71010277211.355310196.71111235270.966175298.71212238.6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。1tF1tF2002001.02009.0111112FxF5.1412001.01359.0112213FxF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。1tF1tF10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。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：ixnx1iyny1xbya22xnxyxnyxbiiittbxay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。回收站1234567运输距离Xi3108126911运输成本Yj51614221118？126()6ixxxxxN126()6iyyyyyN112266iixyxyxyxy2222126ixxxx22iiixynxybxnxaybx86486)(621xxxNxxi126()8614.366iyyyyyN779662211yxyxyxyxii4342622212xxxxi2227796814.392.61.8524346850iiixynxybxnx14.31.85280.516aybxxy852.1516.0预测函数为：21888.2011852.1516.0852.1516.077xy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。nnyxyxyx,,...,,,,2211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：])(][)([2222iiiiiiiiYYnXXnYXYXn当γ=0时，表示X，Y没有线性关系；当0γ1时，表示X，Y正线性相关；当-1γ0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。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。2019/8/131预测新方法、新方向1.神经网络预测2.支持向量机预测3.灰色系统理论预测4.组合预测（模糊+灰色，聚类+灰色，神经+支持向量机……）5.离散预测……