Логистика1лаб

Министерство науки и высшего образования Российской Федерации
Федеральное государственное бюджетное образовательное учреждение
высшего образования
“Санкт-Петербургский государственный лесотехнический университет
имени С.М. Кирова”
Институт технологических машин и транспорта леса
Кафедра промышленного транспорта
ОТЧЕТ
По практическим занятиям по дисциплине
“Основы лесопромышленной логистики”
Выполнил студент:
Факультет ________________ ТМб
курса________________________4
группы ________ТМб-ЛЗЛВ-16-1
Ф.И.О. Комаров Антон Андреевич
№ зач. кн._______________306122
Проверил преподаватель:
Ф.И.О. Антонова Татьяна Степановна
Должность __________ доцент, к.т.н.
оценка _________________________
дата ___________________________
подпись ________________________
САНКТ-ПЕТЕРБУРГ
2020
Расчетно-графическая работа №1.
ПРОГНОЗИРОВАНИЕ РАЗВИТИЯ МАТЕРИАЛОПОТОКА
ЛЕСОПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ
Цель работы: Освоить традиционные и компьютерные методы
статистического анализа производственно-хозяйственной деятельности
лесопромышленного предприятия и методы прогнозирования деятельности
на тактическом уровне.
Задачи: Выполнить анализ деятельности лесопромышленного
предприятия за предыдущий период и обосновать план производства на
первые три месяца следующего периода.
В лесопромышленной логистике основной целью является создание
такой товаропроизводящей и товаропроводящей логистической системы,
чтобы при минимально возможных затратах достичь максимально
возможного эффекта.
Исходные данные: (вариант 2)
Спрос на продукцию лесопромышленного предприятия
за
предыдущие 12 месяцев составляет:
Месяц
1
2
3
4
5
6
7
8
9
10 11 12
Спрос в
условн
ых
250 252 249 247 295 285 247 258 249 252 253 256
единица
х
Выполнить: Установить план производства на первые три месяца
следующего периода. Прогнозирование выполнить методами наименьших
квадратов, экспоненциального сглаживания, скользящего среднего.
Оценить методы и сделать выводы.
1. МЕТОД СКОЛЬЗЯЩЕГО СРЕДНЕГО.
Прогнозные оценки определяются путем расчета
арифметического нескольких последних наблюдений.
среднего
y( m1)   ym  ym1  ym2  ym3  ym4  / 5
𝑦13 = (256 + 253 + 252 + 249 + 250)/5 =252
𝑦14 = (252 + 256 + 253 + 252 + 249)/ 5 = 252,4
𝑦15 = (252,4 + 252 + 256 + 253 + 252)/5 = 253,1
Вывод: Спрос на первые три месяца следующего периода составит: 𝑦13 =
252; 𝑦14 = 252,4; 𝑦15 = 253,1 .
2. МЕТОД ЭКСПОНЕНЦИАЛЬНОГО СГЛАЖИВАНИЯ.
В этом методе акцент ставится на более поздние наблюдения — им
придается больший вес. Прогнозируемые оценки определяются по
формуле:

y( m1)  (1  a)  ym  (1  a)  a  ym1  (1  a)  a 2  ym2  (1  a)  a k  ymk

где y(m+1) - это прогноз на следующий за наблюдаемым отрезок времени;
α- коэффициент сглаживания, 0<а<1;
ym-k - значение исследуемого параметра, наблюдавшееся К периодов назад.
Параметр α обычно выбирается по приближенной формуле:

2
m 1
где m - число наблюдений, входящих в интервал сглаживания (m ≥ 2).
Следует заметить, что небольшое изменение а мало сказывается на
результатах прогноза.
а𝟏𝟑 = 2/(12 + 1) = 0,15
𝒚𝟏𝟑 = ((1 − 0,15) ∗ 256 + (1 − 0,15) ∗ 0,15 ∗ 253 + (1 − 0,15) ∗ 0,152 ∗
252 + (1 − 0,15) ∗ 0,153 ∗ 249 + (1 − 0,15) ∗ 0,154 ∗ 250 + (1 − 0,15) ∗
0,155 ∗ 247 + (1 − 0,15) ∗ 0,156 ∗ 285 + (1 − 0,15) ∗ 0,157 ∗ 295 +
(1 − 0,15) ∗ 0,158 ∗ 247 + (1 − 0,15) ∗ 0,159 ∗ 249 + (1 − 0,15) ∗ 0,1510 ∗
252 + (1 − 0,15) ∗ 0,1511 ∗ 250) = 255,52
а𝟏𝟒 = 2/(13 + 1) = 0,14
𝒚𝟏𝟒 = ((1 − 0,14) ∗ 255,52 + (1 − 0,14) ∗ 0,14 ∗ 256 + (1 − 0,14) ∗ 0,142 ∗
253 + (1 − 0,14) ∗ 0,143 ∗ 252 + (1 − 0,14) ∗ 0,144 ∗ 249 + (1 − 0,14) ∗
0,145 ∗ 250 + (1 − 0,14) ∗ 0,146 ∗ 247 + (1 − 0,14) ∗ 0,147 ∗ 285 +
(1 − 0,14) ∗ 0,148 ∗ 295 + (1 − 0,14) ∗ 0,149 ∗ 247 + (1 − 0,14) ∗ 0,1410 ∗
249 + (1 − 0,14) ∗ 0,1411 ∗ 242 ) = 255,53
а𝟏𝟓 = 2/(14 + 1) = 0,13
𝒚𝟏𝟓 = ((1 − 0,13) ∗ 255,52 + (1 − 0,13) ∗ 0,13 ∗ 255,52 + (1 − 0,13) ∗
0,132 ∗ 256 + (1 − 0,13) ∗ 0,133 ∗ 253 + (1 − 0,13) ∗ 0,134 ∗ 252 +
(1 − 0,13) ∗ 0,135 ∗ 249 + (1 − 0,13) ∗ 0,136 ∗ 250 + (1 − 0,13) ∗ 0,137 ∗
247 + (1 − 0,13) ∗ 0,138 ∗ 285 + (1 − 0,13) ∗ 0,139 ∗ 295 + (1 − 0,13) ∗
0,1310 ∗ 247 + (1 − 0,13) ∗ 0,1311 ∗ 249) = 255,52
Вывод: Спрос на первые три месяца следующего периода составит: 𝑦13 =
255,52 ; 𝑦14 = 255,53 ; 𝑦15 = 255,52. Прогноз на следующий наблюдаемый
отрезок времени, зависит от предыдущего.
3. МЕТОД НАИМЕНЬШИХ КВАДРАТОВ.
Построив график изменения спроса за предыдущий период, делаем
предположение, что эмпирическая линия регрессии имеет вид линейной
функции, которая представлена в виде: y=at+b, где a и b определяются по
формулам:
n
a
 (t
i 1
 mi )( y i  m y )
i
n
 (t
i 1
i
 mi ) 2
b  m y  mi  a
где i- порядковый номер наблюдения
n
mi 
t
i 1
n
n
i
my 
y
i 1
i
n
где yi – фактическое значение спроса; ti- номер периода в наблюдении
(номер i); n- количество рассматриваемых периодов.
Для выполнения расчетов воспользуемся таблицей в программе MS
EXCEL (рис.1).
Определяем α и b по формулам:
α= -9,3
b= 318
Вывод: Так как параметр α=-9,3 делается вывод о том, что спрос в течении
каждого месяца уменьшался в среднем на 9,3 единиц. Параметр b=318
показывает, что средний сглаженный спрос в начале базового периода при
t=0 был 318 условных единиц. Прогнозируемы средний ожидаемый спрос
на 13,14 и 15 месяцы составит: 𝑦13 = 197,5 ; 𝑦14 = 188,3; 𝑦15 = 179;