Тема: “логистический анализ жизненного цикла продукции”

Введение

Теоретическая часть. Классификация продукции с позиций логистики. Продуктовые характеристики: цена, ассортимент, номенклатура, габаритные размеры упаковки, восприимчивость к повреждениям и т.д. и их влияние на логистические издержки. Жизненный цикл товара. Значение кривой 80-20 для логистики.

Аналитическая часть. Оценка влияния характеристик продукции, выпускаемой предприятием, на логистические

24

издержки. Анализ влияния жизненного цикла товара на логистический цикл. Классификация продукции предприятия на основе кривой 80-20.

Расчетное задание. Прогнозирование объема продаж методом экспоненциального сглаживания.

Рекомендации

Список литературы /9, 26, 28, 34, 45, 59, 61/.

Данные для выполнения расчетной части курсовой работы

Исходный ретроспективный ряд объема продаж за период с 1997 по 2000 гг. представлен в табл. 10:

Таблица 10

Годы, t	Объем продаж (млн. р), y по вариантам						i
	1	2	3	4	5
1997 г.	50	62	45	64	51	1
1998 г.	53	65	47	68	54	2
1999 г.	56	68	49	72	57	3
2000 г.	58	71	51	76	60	4
2001 г.	Прогноз						5

Задание:

1. Сделать прогноз продаж готовой продукции с помощью линейной модели Брауна на 2001 г.

2. определить ошибку прогноза на 2001 г.

Методические указания к выполнению задания

1. предварительно необходимо найти оценки коэффициентов линейного тренда:

25

, (8)

где b₀, b₁ - коэффициенты, определяемые по методу наименьших квадратов, используя формулы:

, (9)

, (10)

где D₀, D₁, D₂ - определители, вычисляемые по формулам:

, (11)

, (12)

. (13)

Подставляя в полученное уравнение значения t=1, 2, 3, 4, получим расчетные значения аппроксимирующей зависимости. Расчет сводим в табл.11, графы 3 - 7:

26

Таблица 11 - Расчет прогноза объема продаж на 2001 г.

i	Годы	Период времени, t		Объем продаж (млн. р), y	Расчетные значения
					t2	ty	y(t)	∆y	S[1]		S[2]		y*
1	2	3		4	5	6	7	8	9		10		11
1	1997	1							-		-
2	1998	2
3	1999	3
4	2000	4
	Итого						-	-	-		-		-
5	2001 прогноз		y*

2. находим разности ∆y_i = y_i - y(t_i) и подставляем их в формулу (14) для определения ошибки аппроксимации метода наименьших квадратов:

. (14)

3. Вычисляем параметры сглаживания α по формуле:

. (15)

27

4. рассчитываем начальные приближения для определения экспоненциальных средних по формулам:

, (16)

. (17)

5. Формируем рекуррентную процедуру вычисления экспоненциальных средних и прогноза по формулам:

(18)

(19)

6. находим значения коэффициентов прогноза по формулам:

(20)

(21)

7. Определяем новое значение (инверсный прогноз) по формуле:

(22)

8. Ошибка прогноза определяется по формуле:

28

.(23)