10. Прогнозирование материальных потоков

Прогноз - предсказание стоимостного объема или количества единиц продукта, которые с известной вероятностью будут произведены, отгружены или проданы. Задача прогнозирования – предсказать пространственные (где), ассортиментные (сколько и чего) и временные (когда) параметры спроса для планирования на их основе логистической деятельности.

Планирование и координация логистических операций требуют точной оценки будущего спроса на определенные продукты на конкретных рынках сбыта.

1. Метод наивного прогноза. В этом случае прогнозируемый материальный поток принимается равным материальному потоку ближайшего временного периода.

2. Метод простого среднего. Значение прогноза рассчитывается как среднее арифметическое материальных потоков за предшествующие периоды

3. Метод скользящего среднего. Прогнозируемый материальный поток рассчитывается как среднее значение материальных потоков за несколько предыдущих периодов с учетом их значимости для прогноза. Метод предполагает, что значения анализируемой величины в конце предшествующего периода имеют большое влияние на прогнозируемое значение и должны иметь больший вес, а сумма весов за прогнозируемый период должна быть равна единице. При таких условиях значения прогноза рассчитывается по методу скользящего среднего.

4. Метод регрессивного анализа. Прогнозируемое значение материального потока рассчитывается как значение математической функции, наиболее точно описывающей изменение значений материального потока за несколько предыдущих периодов. В общем виде уравнение искомой функции может быть записано следующим образом: N(t)=F(t)±δ , где F(t)- значение функции в t-й год; δ- погрешность, показывающая величину отклонения теоретических значений от экспериментальных. Функция может иметь любой вид: прямая, парабола и т.д. Выбор функции, наиболее точно описывающей заданные изменения материального потока, осуществляются на основании минимизации значения погрешности δ.

11. Методология и логистическое моделирование

Методология – учение о структуре, логистической организации, методах и средствах деятельности.

К основным методам относят: 1.методы системного анализа; 2.методы теории исследования операций; 3.кибернетический подход; 4.прогностику.

Применение этих методов позволяет: 1.прогнозировать потоки ресурсов; 2.создание интегрированной системы управления и контроля их движения; 3.разрабатывать системы логистического обслуживания; 4.оптимизировать запасы и решать др. задачи.

Моделирование основывается на подобие систем/процессов, которые м.б. полным/частичным. Основная цель: прогнозировать поведения системы/процесса. Ключевым вопросом выступает: «что будет, если..». Существенной характеристикой модели является степень полноты подобия модели моделируемому объекту.

Модели систем: 1.изоморфные - модели, включая все характеристики объекта оригинала, способные по существу заменить его.

2.гомоморфные - в их основе лежит неполные, частичное подобие модели изучаемому объекту.

2.1 абстрактные: 2.1.1 математич-ие (аналитич-ие и имитационные), 2.1.2 символич-ие (языковые – словесные модели, в основе кот лежат знаки);

2.2 материальные – воспроизводят основные геометрические, физ-ие, динамические, функцион-ые хар-ки изучаемого явления 1ого О-та: макеты, технологич-ие планировки, схемы грузопотоков, др виды матер моделей.

Математическое моделирование – процесс установления соответствия данному реальному О-ту некоторого математич-ого объекта, называемого математической моделью.

Аналитическое – математич-ий прием исследования логистических систем, позволяющий получать точные решения.

1ый этап – формирование математических законов, связывание объектов системы. Записываются эти законы в виде некоторых функциональных соотношений. 2ой – решение уравнений, полученных теоретических результатов. 3й – сопоставление полученных теоретических результатов с практикой (проверка на адекватность).

Имитационное – закономерности, определяющие хар-р количеств-ых отношений внутри логистических процессов, остаются неопознанными.

1ый эт – конструирование модели реальной системы. 2ой эт – постановка экспериментов на этой модели.

	Преимущества	Недостатки
Аналитическое моделирование	Большая сила обобщения, многократность использования	Могут применяться для простых систем
Имитационное моделирование	Могут применяться для решения сложных задач	Дороговизна исслед-ий, возможность имитации