- •Отчет о результатах выполненной практической работы № 1 по дисциплине «Экономические основы логистики и управления цепями поставок»
- •Определение индекса сезонности для параболической модели
- •Задача II: анализ безубыточности предприятия
- •8. Расчет абсолютной величины логистических издержек и уровня издержек обращения от товарооборота
Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования
«САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ ИНЖЕНЕРНО-ЭКОНОМИЧЕСКИЙ УНИВЕРСИТЕТ»
Факультет логистики и транспорта
Кафедра логистики и организации перевозок
Отчет о результатах выполненной практической работы № 1 по дисциплине «Экономические основы логистики и управления цепями поставок»
Выполнил студент группы 2202 Демидов А.Н.
Проверила к.э.н., доцент_________________Воробьева Н.И.
Санкт-Петербург
2012
Вид продукции, подлежащий дистрибьюции: мотоциклы
Объем продаж за 2001-2005 годы, ед.
2001 год |
2002 год |
2003 год |
||||||||||
I квартал |
II квартал |
III квартал |
IV квартал |
I квартал |
II квартал |
III квартал |
IV квартал |
I квартал |
II квартал |
III квартал |
IV квартал |
|
82,8 |
105,8 |
119,6 |
151,8 |
93,1 |
117,6 |
122,5 |
159,6 |
92 |
122,4 |
132,6 |
163,2 |
2004 год |
2005 год |
||||||
I квартал |
II квартал |
III квартал |
IV квартал |
I квартал |
II квартал |
III квартал |
IV квартал |
95,3 |
129 |
151,3 |
185 |
120,1 |
138,1 |
162,2 |
180,2 |
Сезонные колебания объема продаж продукции: минимум продаж в 4-м квартале каждого года, максимум – в 3-м квартале.
Базовые цены и тарифы на услуги, оказываемые логистическими центрами:
Закупочная цена 1 мотоцикла: 320000 руб.;
Продажная цена 1 мотоцикла: 500000 руб.;
Объем постоянных затрат на дистрибьюцию (ежеквартальный): 1200000 руб.;
Величина переменных затрат на дистрибьюцию в расчете на единицу продукции: 15000 руб./ед.
Схемы дистрибьюции продукции: Япония - Россия.
Задача I: Прогнозирование объемов продаж продукции на основе аналитического выравнивания
Рассмотрим 3 модели, выражающие тенденцию развития, с учетом специфики имеющихся данных:
Тригонометрическая: yt = a0 +a1*cos(a2*t)
Параболическая: yt = a0 +a1*t + a2* t2
Линейная: : yt = a0 +a1*t
Рассмотрим оценку параметров аппроксимирующей функции на примере тригонометрической модели.
Для наших данных, представленных в таблице были определены следующие параметры:
а0 = 130,81; а1 = -7,01; а2 = 1,08. Тригонометрическая модель имеет вид:
yt =130,81-7,01*cos(1.08*t)
Прогноз выполнен на 6 кварталов, для соблюдения соотношения: период упреждения/период основания прогноза (20/3).
Показатели тригонометрической модели тренда:
t,кварт. |
y, тыс.ед. |
(у-уср)2 |
f(t) |
(y-f(t))2 |
(f(t)-ycp)2 |
1 |
82,8 |
2330,48 |
127,51 |
1999,16 |
12,70 |
2 |
105,8 |
638,83 |
134,71 |
835,87 |
13,22 |
3 |
119,6 |
131,68 |
137,78 |
330,43 |
44,93 |
4 |
151,8 |
429,53 |
133,46 |
336,21 |
5,71 |
5 |
93,1 |
1442,10 |
126,34 |
1104,76 |
22,44 |
6 |
117,6 |
181,58 |
123,95 |
40,27 |
50,83 |
7 |
122,5 |
73,53 |
128,82 |
39,95 |
5,08 |
8 |
156,9 |
666,93 |
135,80 |
445,21 |
22,33 |
9 |
92 |
1526,86 |
137,49 |
2069,70 |
41,20 |
10 |
122,4 |
75,26 |
132,11 |
94,25 |
1,07 |
11 |
132,6 |
2,33 |
125,35 |
52,62 |
32,82 |
12 |
163,2 |
1032,02 |
124,37 |
1507,94 |
44,99 |
13 |
95,3 |
1279,85 |
130,21 |
1218,67 |
0,75 |
14 |
129 |
4,31 |
136,69 |
59,06 |
31,47 |
15 |
151,3 |
409,05 |
136,94 |
206,27 |
34,37 |
16 |
185 |
2907,91 |
130,70 |
2948,52 |
0,14 |
17 |
120,1 |
120,45 |
124,58 |
20,04 |
42,23 |
18 |
138,1 |
49,35 |
125,05 |
170,24 |
36,27 |
19 |
162,2 |
968,77 |
131,62 |
934,95 |
0,30 |
20 |
180,2 |
2413,27 |
137,33 |
1837,75 |
39,14 |
21 |
|
|
136,13 |
|
|
22 |
|
|
129,30 |
|
|
23 |
|
|
124,06 |
|
|
24 |
|
|
125,97 |
|
|
25 |
|
|
133,00 |
|
|
26 |
|
|
137,71 |
|
|
Сумма |
2621,5 |
16684,04 |
2620,80 |
16251,88 |
481,99 |
Среднее |
131,075 |
|
|
|
|
Рассмотрим оценку параметров аппроксимирующей функции на примере линейной модели.
Для наших данных, представленных в таблице были определены следующие параметры:
а0 = 99,89; а1 = 2,97.
Линейная модель имеет вид: : yt = 99,89+2,97*t
Показатели линейной модели тренда:
t,кварт. |
y, тыс.ед. |
(у-уср)2 |
f(t) |
(y-f(t))2 |
(f(t)-ycp)2 |
1 |
82,8 |
2330,48 |
102,86 |
402,35 |
796,17 |
2 |
105,8 |
638,83 |
105,83 |
0,00 |
637,38 |
3 |
119,6 |
131,68 |
108,80 |
116,66 |
496,23 |
4 |
151,8 |
429,53 |
111,77 |
1602,48 |
372,72 |
5 |
93,1 |
1442,10 |
114,74 |
468,25 |
266,86 |
6 |
117,6 |
181,58 |
117,71 |
0,01 |
178,64 |
7 |
122,5 |
73,53 |
120,68 |
3,31 |
108,07 |
8 |
156,9 |
666,93 |
123,65 |
1105,59 |
55,14 |
9 |
92 |
1526,86 |
126,62 |
1198,53 |
19,85 |
10 |
122,4 |
75,26 |
129,59 |
51,70 |
2,21 |
11 |
132,6 |
2,33 |
132,56 |
0,00 |
2,21 |
12 |
163,2 |
1032,02 |
135,53 |
765,62 |
19,85 |
13 |
95,3 |
1279,85 |
138,50 |
1866,27 |
55,14 |
14 |
129 |
4,31 |
141,47 |
155,51 |
108,07 |
15 |
151,3 |
409,05 |
144,44 |
47,05 |
178,64 |
16 |
185 |
2907,91 |
147,41 |
1412,94 |
266,86 |
17 |
120,1 |
120,45 |
150,38 |
916,94 |
372,72 |
18 |
138,1 |
49,35 |
153,35 |
232,60 |
496,23 |
19 |
162,2 |
968,77 |
156,32 |
34,56 |
637,38 |
20 |
180,2 |
2413,27 |
159,29 |
437,17 |
796,17 |
21 |
|
|
162,26 |
|
|
22 |
|
|
165,23 |
|
|
23 |
|
|
168,20 |
|
|
24 |
|
|
171,17 |
|
|
25 |
|
|
174,14 |
|
|
26 |
|
|
177,11 |
|
|
Сумма |
2621,5 |
16684,04 |
2621,50 |
10817,54 |
5866,51 |
Среднее |
131,075 |
|
|
|
|
Рассмотрим оценку параметров аппроксимирующей функции на примере параболической модели.
Для наших данных, представленных в таблице были определены следующие параметры: а0 = 96,69; а1 = -0,64; а2 =0,06.
Параболическая модель имеет вид: yt = 96,69 -0,64*t + 0,06* t2.
Показатели параболической модели тренда:
t,кварт. |
y, тыс.ед. |
(у-уср)2 |
f(t) |
(y-f(t))2 |
(f(t)-ycp)2 |
1 |
96,3 |
4,5 |
96,11 |
0,0 |
5,3 |
2 |
91,7 |
45,0 |
95,65 |
15,6 |
7,6 |
3 |
93,5 |
24,1 |
95,31 |
3,3 |
9,6 |
4 |
95,8 |
6,8 |
95,08 |
0,5 |
11,1 |
5 |
97,2 |
1,5 |
94,97 |
5,0 |
11,8 |
6 |
95,4 |
9,1 |
94,98 |
0,2 |
11,8 |
7 |
96,3 |
4,5 |
95,10 |
1,4 |
10,9 |
8 |
96,9 |
2,3 |
95,35 |
2,4 |
9,4 |
9 |
100,2 |
3,2 |
95,71 |
20,2 |
7,3 |
10 |
98,3 |
0,0 |
96,18 |
4,5 |
5,0 |
11 |
99,6 |
1,4 |
96,78 |
8,0 |
2,7 |
12 |
100,1 |
2,9 |
97,49 |
6,8 |
0,9 |
13 |
99,3 |
0,8 |
98,31 |
1,0 |
0,0 |
14 |
87,7 |
114,7 |
99,26 |
133,6 |
0,7 |
15 |
91,2 |
52,0 |
100,32 |
83,2 |
3,6 |
16 |
95,6 |
7,9 |
101,50 |
34,8 |
9,5 |
17 |
110,8 |
153,5 |
102,79 |
64,1 |
19,2 |
18 |
105,3 |
47,5 |
104,21 |
1,2 |
33,6 |
19 |
107,4 |
80,8 |
105,73 |
2,8 |
53,7 |
20 |
109,6 |
125,2 |
107,38 |
4,9 |
80,5 |
21 |
|
|
109,14 |
|
|
22 |
|
|
111,03 |
|
|
23 |
|
|
113,02 |
|
|
24 |
|
|
115,14 |
|
|
25 |
|
|
117,37 |
|
|
26 |
|
|
119,72 |
|
|
Сумма |
1968,2 |
687,5 |
1968,2 |
393,4 |
294,1 |
Среднее |
98,41 |
|
|
|
|
3. Для анализа каждой из исследуемых тенденций развития определяется критерий Фишера. Расчеты по формулам приведены в таблице
Модель |
k |
v1 |
v2 |
6ост |
6факт |
Fфакт |
Fтабл |
Линейная |
2 |
1 |
18 |
540,87 |
293,325 |
18,75 |
4,4 |
Параболическая |
3 |
2 |
17 |
537,61 |
296,588 |
18,75 |
3,6 |
Тригонометрическая |
3 |
2 |
17 |
812,594 |
24,09 |
1,008 |
3,6 |
Условиям адекватности удовлетворяют две модели, следовательно, выберем ту, где результат суммы квадратов отклонений трендовых значений от фактических будет наименьшим -параболическую модель.
Учет сезонности для выбранной модели.
Тренд выражен явно, значит, индексы рассчитываются методом переменной средней для одноименных периодов.