《支持物流决策的定量模型与信息分析方法bkcs.pptx》由会员分享，可在线阅读，更多相关《支持物流决策的定量模型与信息分析方法bkcs.pptx（43页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第8章 支持物流决策的定量模型与信息分析方法 教学目的 利用信息分析技术、物流信息技术和物流定量模型等来进行科学的物流管理决策；掌握基本的概念和基本的方法和科学的决策思维。教学内容8.1 物流决策支持的特点与系统组成8.2物流决策的定量模型 8.3 物流预测的定量模型8.4 物流决策支持系统的空间分析8.5 支持物流决策的信息分析技术8.6 物流系统模拟技术8.7 物流配送调度支持系统的定量算法8.1 物流决策支持的特点与系统组成 支持物流决策的种类与特点 支持物流决策的种类 运输决策 储存决策 物流加工决策 配送决策 支持物流决策的特点 产品差异性 客户差异性 地理差异性 模型支持的复杂性
2、信息技术支持的集成性 在物流决策中运用定量模型与定量方法的必要性及可行性 必要性 提高了物流系统的管理水平，促进了传统物流的现代化 为决策者提供了强大的知识信息处理能力，协助解决了大量耗时、复杂的问题，提高了物流决策的有效性与科学性 推动了现代科学技术如地理信息系统、射频技术等在物流系统中的运用。可行性 沃尔马：数据驱动型的决策支持系统 加拿大卡普国际系统(Carp Systems International of Kanata.Ontario)销售的高级策划系统（APS）LDSS 的应用实例 应用实例 组织 LDSS 的应用美洲航空公司 价格和航线选择艾柯（Equico）投资资本集团投资评估
3、通用意外保险顾客购买模式和欺骗行为调查美洲银行 顾客概况百事食品公司定价、广告、促销选择伯灵顿棉花工厂 存储选地核存货混合西南铁路 火车分配与路线选择 德克萨斯石油汽油公司潜在钻点评估联合航空公司 航班计划返回 物流决策支持系统的组成与功能 组成 数据库、模型库、方法库、知识库、人机接口 主要功能 基于定量模型与方法的物流决策支持系统的主要功能 8.2 物流决策的定量模型序号问题相关模型使用效果 使用条件 主要相关数据 求解方法1 运输问题线性规划问题运输是明显合理或可能，运输成本最小化固定发点，固定收点和固定收点和固定道路的问题运杂费，运费，装卸费，储存费，损耗，调拨的数量，到各地、市的单位
4、运输成单纯形法、表上作业和图上作业法2 指派问题整数规划 有效安排人力、物力、财务资源，以达到降低成本将有限的资源等指派给多项任务或工作工作成本或工作时间等价值系数整数规划求解和表上作业法求解3 选址问题规划问题 物流费用达到极小选址问题，是一类收点或发点待定的问题。物流费用与商品通过量呈非线型关系。原材料、燃料、半成品及供应地，销售地点及销售量，运输条件及费用。规模经济量，工厂到配送中心的运输、配送成本不确定性，需要采用统计和预测的方法进行分析确定。非线性规划问题4 库存问题订货问题 最佳订货次数，最佳订货批量能够获取库存等费用 库存费用包括订货费、保管费和缺货费安全库存量库存模型，动态规划
5、、模拟5 装卸 调配问题 减少汽车的空驶里程，循环运输汽车、工人和货物特点m 个装卸点，装卸工人人数，汽车数目规划论6 配装 货物组合 配装的优化 物品的重量运费 动态规划，货区分区组合法7 铁路配车运输的有向图零担运输最优 铁路有关营运规则，整担和集装箱运输、零担运输流向、流量、运距、集结时间和车站的作业能力最短路径原则，降低流通费用8 其他问题信息分析、预测等其他优化 依问题而定 相关数据 模拟、数据分析、系统动力学8.3 物流预测的定量模型 物流预测的基本概念 什么是物流预测？预测理论和方法在物流中的具体运用，它利用各种物流统计资料和其他情报信息(过去和现在)，预测未来，根据经验、教训等
6、数据，揭示物流业务变化的规律，从而减少物流经营的盲目性，以指导物流企业的生产经营。作用：科学地编制物流经营计划和物流业务计划、调度提供参考 预测的基本步骤(1)确定预测目标，包括预测对象、目的、对象范围；(2)收集分析内部和外部资料；(3)数据的处理及模型的选择；(4)预测模型的分析，修正；(5)确定预测值。预测的方法 定性分析预测法 集合意见法(三种估计加权预测法):一种加权综合判断法 用户意见调查法(设计调查表)员工意见法 专家意见法 类推法 定量预测法 时间序列分析法 回归预测 非线性模型 组合预测 时间序列分析法 时间序列的四种变化特征 趋势性(T)、季节性(S)、周期性(C)、不规则
7、性(I)，可以利用散点图，识别变化特征。时间序列分析方法 简单平均、移动平均、加权移动平均、指数平滑、一元线性回归、相关比例推算。例：一元线性回归（趋势外推）Y=a0+a1*X 系数a0与 a1可以用最小二乘法确定 相关比例推算某第三方物流企业市场的需求预测（如下表）主要预测依据 预测量(万家)社会潜在容量国内企业总数约1000万家1000配送求占总企业的比例数(80%)800需要外包物流意向占总企业的比例数(20%)160物流业务预测市场占有率10%16返回 非线性模型 Y=A+B*LOG(X)Y=1/(A+B*EXP(-X)Y=1/(A+B*X)Y=X/(A+B*X)Y=A*XB，(A0)
8、Y=A*EXP(B*X)，(A0)Y=A*EXP(B/X)，(A0)Y=A*EXP(B*X2)，(A0)将以上模型进行线性处理再转化为一元回归模型，来确定系数A和B。返回 预测模型选取的原则 模型选择的原则 要在数据识别上建模、建立何种模型，并不取决于预测者意图；应考虑适用、数据易采集和时效的原则；定量与定性相结合的原则等 数据选取选用的原则 数据应该具有代表性，有一定客观规律；对于异常的数据可采用比例法，移动平均，指数平滑等方法进行适当的修正 8.4 物流决策支持系统的空间分析 作用物流空间分析的重要性：物流的主要目的之一是实现物品的空间转移 GIS的空间分析功能可用于分析和解释的地理特征间
9、的相互关系及空间模式 说明空间分析方法中哪些是GIS能够实现的？GIS的应用是否能真正地提高空间分析能力？空间分析层次 第一：空间检索 包括从空间位置检索空间物体及其属性和从属性条件集检索空间物体。“空间索引”是空间检索的关键技术，如何有效地从大型GIS数据库中检索出所需信息，将影响GIS的分析能力。空间物体的图形表达也是空间检索的重要部分。第二：空间拓扑叠加分析 空间拓扑叠加的本质是空间意义上的布尔运算。目前，空间拓扑叠加被许多人认为是GIS中独特的空间分析功能。实现输入特征属性的合并以及特征属性在空间上的连接。第三；空间模拟分析 刚刚起步 GIS 与空间模型分析 问题：如何将GIS与空间模
10、型分析相结合？种类 第一类：GIS外部的空间模型分析将GIS当做一个通用的空间数据库，而空间模型分析功能则借助于其他软件；第二类；GIS内部的空间模型分析 利用GIS软件，提供空间分析模拟以及发展适用于问题解决模型的宏语言，这种方法一般基于空间分析的复杂性与多样性，易于理解和应用，但由于GIS软件所能提供的空间分析功能极为有限，这种紧密结合的空间模型分析方法在实际GIS的设计中较少使用；第三类：混合型的空间模型分析尽可能地利用GIS所提供的功能，同时也充分发挥GIS使用者的能动性。8.5 支持物流决策的信息分析技术 数据仓库技术 定义 支持管理决策过程的、面向主题的、集成的、稳定的、不可更新的
11、、随时间变化的、分层次的数据集合 作用 从各信息源提取决策需要的数据，加工处理后，存储到数据仓库中 用户的查询和决策分析的基础 分析 主题与面向主题主题：对应企业中某一宏观分析领域所涉及的分析对象面向主题的数据组织方式：在较高层次上对分析对象的数据的一个完整的、一致的描述，能完整、统一地刻画各个分析对象所涉及的企业的各项数据，以及数据之间的联系。数据的集成性从原有的分散的数据库数据中抽取来的 数据的不可更新性主要供企业决策分析之用，所涉及的数据操作主要是数据查询，一般情况下并不进行修改操作。数据的时态性随时间的变化而不断变化的 增加新的数据内容 过期数据就要被删除 综合数据中的很多都跟时间有关
12、 联机分析处理（OLAP）定义 通过专门的数据综合引擎，辅之以更加直观的数据访问界面，力图统一分散的公共应用逻辑，在短时间内响应非数据处理专业人员的复杂查询要求。共享多维信息的、针对特定问题的联机数据访问和分析的快速软件技术。通过对信息的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。特点 操作型数据和分析型数据的区别 灵活的分析功能、直观的数据操作和分析结果可视化表示等突出优点；使用户对基于大量复杂数据的分析变得轻松而高效，以利于迅速做出正确判断。可用于证实人们提出的复杂的假设，其结果是以图形或者表格的形式来表示的对信息的总结。它并不将异常信息标记出来
13、，是一种知识证实的方法。OLAP的基本术语 变量：数据的实际意义，描述数据“是什么”。一般情况下，变量总是一个数值度量指标。维：人们观察数据的特定角度。例如，企业常常关心服务收入随着服务水平提高而产生的变化情况，这时他是从服务水平的角度来观察产品的服务收入的，所以服务水平就是一个维（服务维）。企业也时常关心自己的服务产品在不同地区的销售分布情况，这时他是从地理分布的角度来观察商品的销售，所以地理分布也是一个维（地理维）OLAP的核心概念，是主题的基础，是对主题的一种类型划分。维的层次：观察数据的特定角度（即某个维）还可以存在细节程度不同的多个描述方面，我们称这多个描述方面为维的层次。一个维往往
14、具有多个层次例如：描述维时间，可以从日期、月份、季度、年等不同层次来描述，那么日期、月份、季度、年等就是时间维的层次；同样，城市、地区、国家等构成了一个地理维的多个层次。维成员：维的一个取值称为该维的一个维成员。如果一个维是多层次的，那么，该维的维成员是在不同维层次的取值的组合。多维数组：（维1，维2，维n，变量）。例如，日用品销售数据可以按时间、地区和销售渠道组织起来的三维立方体，加上变量“销售额”，就组成了一个多维数组（地区，时间，销售渠道，销售额）。如果我们扩展一个维，如产品维，就得到了一个四维的结构。数据单元：多维数组的取值称为数据单元。当多维数组的各个维选中一个维成员，这些维成员的组
15、合就惟一确定了一个变量的值。那么数据单元就可以表示为：（维1维成员，维2维成员，维n组成员，变量的值）。OLAP的基本分析方法 多维分析方法对以多维形式组织起来的数据，采取切片、切换、旋转等各种分析方法，以求剖析数据，使最终用户能从多个角度、多侧面地观察数据库中的数据，从而深入地了解包含在数据中的信息、内涵。特点：符合人的思维模式，使分析人员能够迅速、一致、交互地从多个角度、多个侧面来剖析反映企业维的特性数据，使人们在观察数据时减少混淆与错误，发现数据后面隐藏的有价值，并能被用户理解的信息、内涵，能更深刻地反映企业的真实面目和企业所处的环境，因此减少了混淆，降低了出现错误解释的可能性。方法 切
16、片（Slice）：多维数组（维1，维2，维n，变量）中选一维，变量称为在维I上的一个切片。选定多维数组的一个二维子集的方法 选定多维数组（地区，时间，客户，运输额）中的地区维与客户维，在另外一维：时间维，选取一个维成员（如“2004年1月”），就得到了多维数组（地区，时间，客户，运输额）在客户和地区两维上的一个切片（客户，地区，运输额）。这个切片表示2004年1月各地区、各客户的运输情况。例如：一个按产品维、地区维和时间维组织起来的产品销售数据，用多维数组表示为：（地区，时间，产品，销售额）。如果在时间维上，选定一个维成员（设为“2002年1月”），就得到了在时间维上的一个切片。切块（Dice
17、）：定义1：在多维数组的某一维上，选定某一区间的维成员的方法 定义2：选定多维数的一个三维子集的方法 旋转（Rotate）：改变一个报告或而面显示的维方向。例如：旋转可能包含了交换行和列；把某一个行维移到列维中去；把页面显示中的一个维和页面的维进行交换（令其成为新一行或列中的一个）把一个横向为时间、维向维产品的报表旋转成为横向为产品、维向为时间的报表；把一个纵向为时间和产品、横向为地区的报表变成一个纵向为产品、横向为地区和时间的报表；把一个横向为时间、纵向为产品的报表，变成一个横向仍为时间和纵向为地区的报表。钻取（Drill）获得更详细的信息 OLAP的衡量标准 E.F.Codd提出的有关OL
18、AP的十二条准则操作型数据和分析型数据的区别 操作型数据 分析型数据细节的 综合的，或提炼的在存取期间是准确的 代表过去的数据可更新 不更新操作需求事先可知道 操作需求事先不知道生命周期符合SDLC 完全不同的生命周期对性能要求高 对性能要求宽松一个时刻操作一单元 一个时刻操作一人集合事务驱动 分析驱动面向应用 面向分析一次操作数据最小 一次操作数据量大支持日常操作 支持管理需求返回切块（Dice）北京武汉手机电脑图8-4 三维立方体切块（Slice）返回旋转（Rotate）2003年 2004年部门 1季度 2季度 3季度 4季度 1季度 2季度 3季度 4季度部门一 20 12 18 27
19、 22 16 19 29部门二 23 11 24 17 22 31 12 34部门三 26 21 34 33 21 23 26 321季度 2季度 3季度 4季度部门 2003年 2004年 2003年 2004年 2003年 2004年 2003年 2004年部门一 20 22 12 16 18 19 27 29部门二 23 22 11 31 24 12 17 34部门三 26 21 21 23 34 26 33 32旋转前旋转后返回钻取（Drill）部 门 销 售部门一 163部门二 174部门三 216返回2003年部 门1季度2季度3季度4季度部门一 20 12 18 27部门二 23
20、 11 24 17部门三 26 21 34 33按时间维向上钻取 按时间维向下钻取 E.F.Codd 提出的有关OLAP 的十二条准则 准则1 OLAP模型必须提供多维概念视图。准则2 透明性准则。准则3 存取能力准则。准则4 稳定的报表性能。准则5 客户/服务器体系结构。准则6 维的等同性准则。准则7 动态的稀疏矩阵处理准则。准则8 多用户支持能力准则。准则9 非受限的跨维操作。准则10 直观的数据操纵。准则11 灵活的报表生成。准则12 不受限维与聚集层。返回 数据挖掘 定义 一个从大型数据库中抽取隐含的、从前未知的、潜在有用的信息或关系的过程 一种深层次的数据分析方法 一种决策支持过程
21、一种新的技术，它的目标是从数据库中发现隐藏在大量数量记录中的未知知识 OLAP和DM在DW系统中占有相当重要的地位 DM技术的研究开发，将涉及数据库系统、决策支持系统、人工智能与计算机智能、知识工程、分布式处理、多媒体网络技术、计算可视化等多种理论与技术 作用 自动智能地分析数据库中的大量数据、以获取信息，是推动数据挖掘型工具产生并发展的强大动力 决策者提供重要的、极有价值的信息或知识，从而产生不可估量的效益 在信息服务的运用上大致可分为两个层次：验证驱动层次 发现驱动层次 信息服务的发展方向随着挖掘技术的发展而向深度、广度发展 DM与知识发现的关系 知识发现：一个过程，包括数据选择、预处理、
22、数据转换、DM、模式解释和知识评价等多个步骤，是应用特定DM算法和评价解释模式的一个循环反复过程，并要对发现的知识不断求精和深化，使其易于理解；DM：该过程中的一个特定的、关键的步骤，利用特定的DM算法从数据中抽取模式，不包括数据的预处理、领域知识结合及发现结果的评价等步骤，所以DM也称为数据库中的知识发现。数据挖掘的特点 处理的数据规模十分庞大 响应快速，提供决策支持信息 规则需要适时更新 一项新兴的高新技术，面临着许多理论上或技术上的难点和挑战 DM的技术 人工神经网络方法 遗传算法 决策树方法 中间层信息输入信息输出输入层输出层图8-5 神经网络模型 DM常用的分析方法 关联分析（Ass
23、ociations）：挖掘出隐藏在数据间的相互关系 序列模式分析（Sequential Patterns）：挖掘出数据之间的联系，侧重点在于分析数据间的前后（因果）关系。分类分析（Classifiers）：按照已有的分类标准，根据新事物的特征，将其划分到一定的类别中。聚类分析（Clustering）：与分类分析不同 四种DM方法虽然有着不同的适用范围，DM系统中经常是综合地利用之。DM系统的实施 数据准备（Data Preparation）挖掘（Mining）表述（Presentation）评价（Assess）数据准备表述 评价挖掘挖掘数据反映数据提供数据 DM与OLAP的区别和联系 DM：一
24、种挖掘型工具，它能有效地从大量数据中自动地发现隐藏在数据中的模式 可以发现OLAP所不能发现的更为复杂而细致的信息 OLAP 一种自上而下、不断深入的分析工具，更多地依靠用户输入问题和假设 OLAP、DM的数据来源于MIS，是其数据的汇总和提炼 8.6 物流系统模拟技术 模拟的定义与特点 定义 在建立数字逻辑模型的基础上，通过计算机实验，对一个系统按照一定的决策原则或作业规则由一个状态变换为另一个状态的动态行为进行描述和分析 特点 具有一种数值技术 一种“人工”实验手段 以计算机作为工具 对系统状态在时间序列中的动态写照 大多属于随机性系统模拟 物流系统中模拟技术应用的方法 系统动力学方法（S
25、D:Systems Dynamics）建模思路与理论依据 模型结构 因果关系图：用来描述系统因果反馈结构的一种关系图形，它的主要任务有：确定系统的边界，定义系统的主要变量；表明变量间的因果关系，应用因果关系链表示各变量的作用方向；标识主要反馈回路。系统流图 SD数学模型 SD的建模思路与理论依据 SD模型结构 因果关系图 系统流图 构造数学模型 8.7 物流配送调度支持系统的定量算法 进化算法 蚁群算法 基本思想：模仿蚂蚁依赖信息素进行通信而显示出的社会行为。由于大规模的并行计算，使蚁群避开了局部最优，采用了正反馈机制，收敛速度加快，使用构造性的贪婪算法能在搜索的早期阶段找到较好的可行解。核心
26、的部分：对痕迹强度的处理，随着算法的进行，较短路径上痕迹的浓度增加，其相对应的路就更有可能被蚂蚁选中。进化计算方法 模拟生物（包括人类）和各种自然现象解决高度非线性问题，包含遗传算法、进化策略和进化规划。许多组合优化问题，如旅行商（TSP）问题和调度问题（作业调度问题和时间表问题）都能得到较好的解决。物流系统中的配置问题模拟 模拟服务机构和顾客 物流流程分析工厂甲 客户1车辆配送 配 货客户m客户2 仓 储 工厂乙工厂n 车辆优化调度的启发式算法 车辆优化调度的遗传算法 车辆运输的智能调度 车辆调度总体结构设计 主要系统功能描述 基于GIS的物流决策支持系统 基于GIS的支持系统地图表现 分析查询显示地图 优化路径 客户服务系统 运力资源合理调配WEBGIS 呼叫中心电话 车辆查询运输路径分析客户位置分析 基于GPS的支持系统 基于GPS的支持系统车辆实时监控 车辆跟踪调度 敏感区域监控