本人刘冲郑重声明:所呈交的论文”物流需求预测研究分析”,是本人在导师的指导下开展研究工作所取得的成果。除文中特别加以标注和致谢的地方外,论文中不包含任何其它个人或集体已经发表或撰写过的研究成果,对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明,本人完全意识到本声明的法律后果,尊重知识产权,并愿为此承担一切法律责任。
物流作为一个新兴的产业,已经成为社会经济发展的重要建设要素。物流的需求与预测作为物流发展的一个重要的课题,也已经成为众多企业和专家研究的重点。
本文首先阐述了在对国内外研究现状和论文的研究意义进行了一些总结,简单地介绍了物流需求预测相关理论,并探讨简单总结了一些比较常见的预测方法。然后,重点讨论了灰色预测方法的概念和其在物流需求预测中的应用,介绍了几种基本的灰色预测模型。随后,经过对~安民物流公司业务量的系统分析,运用灰色系统理论,建立了一系列的灰色预测模型,对未来五年的业务量进行了预测。最后,经过对不同模型的预测结果的进行了比较分析,得到了公司业务量较为合理的预测模型。实验表明最终的预测模型是合理、有效的。
灰色系统理论应用于物流需求预测,建模方法简单,精度较高,具有一定的理论依据和现实意义。
你的翻译有挺多地方不通顺,调整完中文摘要再翻译一下,然后在疏通疏通就好了。
随着世界经济一体化的深入, 发展物流已成为当代企业提高利润经济效益, 降低内耗的最有效途径之一。现代物流业将成为21世纪中国经济发展的重要产业和新的经济增长点, 推动现代物流发展是已成为中国要融入世界经济、 ,参与市场竞争, 、 改进投资环境, 实现产业整合的需要。
当前, 为止国内外已经就物流需求预测的问题进行了比较深入的研究。比如运用物流需求同经济水平的关系来描述物流量, 物流作业内容角度描述物流量, 物流本源需求规模的大小描述物流量; 经过对甘肃省的物流需求规模的影响因素和省情特征进行的分析, 预测了甘肃省在未来十年内物流总费用规模和第三方物流市场产值的规模, 对推动甘肃省物流产业的发展具有一定的价值非常重要的意义; 运用现代物流学、 物流系统分析原理以及定量分析技术, 在调研和资料收集的基础上, 进行了奥运物流需求分析的理论和方法研究, 并得出奥运物流需求特性及需求量预测结果。
但我们也应该能够看到当前国内对于物流系统的内在规律和规划方法还有待进一步研究, ( 不通顺啊) 物流需求分析和预测方法理论也没有国外一些发达国家完善, 这样导致了人们进行物流规划时经常会南辕北辙。在这种情况下, 本文针对物流规划中存在的问题, 重点研究物流需求分析和合理预测物流需求量的问题, 以求科学地指导物流规划, 使物流规划在新的经济条件下对现代物流系统的完善起到积极的促进作用。为了更好的发展中国经济和提高物流水平, 进行合理的分析物流规划, 寻求解决的方法, 将是一项富有现实意义的课题。
本文中重点研究的是灰色预测法。灰色预测法是由华中理工大学的邓聚龙教授首先提出并加以发展的。她提出灰色预测是一种对含有不确定因素的系统进行预测的方法, 是根据过去的及现在已知的或非确定的信息, 建立一个从过去延伸到将来的灰色模型( GREY MODEL简称GM) , 从而确定系统未来发展变化的趋势, 并为规划、 决策提供依据。
灰色预测法在物流中的应用中的主要任务是探讨开拓出一条新的途径, 克服概率统计的弱点, 从杂乱无章、 有限的、 离散的数据中找出规律、 建立灰色系统模型, 。从而服务于我们的物流需求预测。
论文根据灰色系统理论, 建立了各种不同的灰色模型, 并对烟台市安民物流有限公司进行了分析预测, 以便找出了合适的灰色预测模型, 来预测未来五年安民物流公司的需求。
20世纪中叶以来, 随着世界经济的复苏, 商品的生产规模和流通规模不断扩大, 物流在商品生产流通中的地位也不断提高。然而随着世界经济一体化的深入, 发展物流已成为当代企业提高利润, 降低内耗的最有效途径。因此, 物流又被称做”第三利润源”, ”21世纪最大的行业”。在当今社会, 国外的物流行业已经发展到一定阶段。比如说日本物流的信息化, 美国物流的供应链管理, 欧洲的第三方物流等都已经达到世界水平。物流行业被认为国民经济发展的动脉和基础产业, 其发展程度已成为衡量一个国家现代化程度和综合国力的重要标志之一。
由此可见, 现代物流业必将成为21世纪中国经济发展的重要产业和新的经济增长点, 推动现代物流发展是中国要融入世界经济,参与市场竞争, 改进投资环境, 实现产业整合的需要。
论文认为, 在技术水平受到一定限制, 并在一定时间内不能有效解决问题的情况前提下, 如何更好的实现对物流需求的预测已成为重中之重, 。这也是国内现阶段发展物流的关键。中国的物流行业虽然还处于发展阶段, 但在一些区域已经显示出处强劲的发展潜力。中国许多省份已经相继开始或准备开始进行物流需求规划或城市规划预测工作。
物流预测是一个庞杂的系统工程,涉及到众多的部门,与社会经济的方方面面有着密不可分的联系,规划过程中要运用涉及多个领域的知识和技术。由于中国的物流发展政策、 , 战略和规划尚未成型, 规划者对于现代物流的发展理念与运作模式, 特别是物流需求分析等方面还有一些不同的看法, 对物流需求分析所应考虑的方面和物流需求的相关影响因素的认识也不一致[1]。
当前国内对于物流系统的内在规律和规划方法还有待进一步的研究, 物流需求分析和预测方法理论也没有国外一些发达国家完善, 这样导致了人们进行物流规划时经常会南辕北辙。在这种情况下, 本文针对物流规划中存在的问题, 重点研究物流需求分析和合理预测物流需求量的问题, 以求科学地指导物流规划, 使物流规划在新的经济条件下对现代物流系统的完善起到积极的促进作用。为了更好的发展中国经济和物流水平, 分析物流规划, 寻求解决的方法, 将是一项富有现实意义的课题。
因为物流的供给和需求就像是一对孪生兄弟, 是紧密联系的。因此一般来说, 物流需求预测分析有助于企业物流系统的合理建设和物流设施的合理配备。任何企业要想长期稳定良好的发展, 就必须合理的建设物流系统和设施。其次, 需求预测是企业制定战略计划, 生产安排, 销售计划, 特别是物流管理计划的重要依据, 因为一切物流活动, 都必须从对信息的了解分析和预测入手, 因此它是企业物流管理中重要的环节。换句话说, 需求预测是物流工作的龙头。再次, 有了对物流需求的良好掌握, 不但能够提高企业内物流设施的利用率, 降低库存费用, 还能够使客户对企业产生良好的印象。同时也不会发生生产不足或库存过剩现象。
本文重点研究的是灰色预测法在物流中的应用, 它的任务是探讨开拓出一条新的途径, 克服概率统计的弱点, 从杂乱无章、 有限的、 离散的数据中找出规律、 建立灰色系统模型, 。从而服务于我们的物流需求预测。
在国外, 特别是在一些发达国家, 物流市场总体来说处于供大于求的状况。因为社会人口结构及增长相对稳定, 因此对需求的研究没有国内如此的迫切。但发达国家较早的进入工业化时代, 物流发展起步也较早, 而且取得了很多成功的经验。而且海外的研究人员, 学者以及政府管理部门也很重视对物流需求的研究。在物流理论和应用方面也取得了许多有意义的研究成果。
国外物流研究的重点一般是站在企业的角度, 用数量经济模型对货物, 服务和相关信息的需求进行预测, 强调的是对预测新方法的探索和对旧方法的改进。比如在物流统计方面, 国外早已有了物流费用的统计指标, 美国将物流费用分为三个组成部分, 分别是运输成本, 仓储成本和管理成本。然后经过研究物流费用和GDP的比值关系来衡量物流需求的规模。同时, 从经济和环境的角度出发, 她们建立了原材料流转分析按实物计量的并列的一套国民核算, 提出了一种新的汇总方法或新的指标体系, 即欲将经济指标和次指标结合使用。这套指标不但考虑了经济因素, 同时考虑照顾到了环境的保护。其目的不但是为了减少经济活动对环境的影响, 还要更有效的利用自然资源。
因为中国的经济发展较晚, 物流在中国起步也较晚, 相应的研究成果略显不足, 同发达国家相比存在着比较明显的差距。
中国有关物流的研究大致上可分为宏观和微观两方面。微观方面主要是围绕物流供求和企业物流系统的设计展开的。宏观方面研究主要是围绕物流网点布局和物流配送合理化两个方面展开的。从当前的研究状况来看, 微观物流的研究比较多, 如供应链管理, 库存成本控制等方面。
从国内当前来看, 对物流需求预测的研究还处于初级阶段, 大部分研究还仅仅停留在一定层面上, 没有很深入、 , 系统的研究。当然, 这和中国的国情与发展现状有关。
长安大学孙启鹏, 丁海鹰从三个方面来阐述物流量: 物流需求同经济水平的关系来描述物流量, 物流作业内容角度描述物流量, 物流本源需求规模的大小描述物流量。
北京交通大学王久梗对甘肃省的物流需求规模的影响因素和省情特征进行分析, 预测了甘肃省在未来十年内物流总费用规模和第三方物流市场产值规模, 对推动甘肃省物流产业的发展具有一定的价值。
北京交通大学朱煌、 汝宜红、 徐杰运用现代物流学、 物流系统分析原理以及定量分析技术, 在调研和资料收集的基础上, 进行了奥运物流需求分析的理论和方法研究, 并得出奥运物流需求特性及需求量预测结果。
南开大学杨静蕾采用国内生产总值、 进出口贸易总额、 货运量和货物周转量为指标, 对物流服务需求总体规模进行了分析, 并提出物流服务需求总体发展趋势。
广东工业大学后锐, 张毕西提出了基于MLP神经网络的区域物流需求预测模型, 不但揭示了区域经济与区域物流需求之间的非线性映射关系, 同时也为区域物流需求预测提供了一种新的思路和方法。
华南农业大学林荣天从决定区域物流需求的经济因素出发, 利用BP神经网络的非线性强拟合能力建立两者的非线性映射关系, 针对模型外推预测的能力不足提出改进的方案, 采用灰色模型与神经网络相结合的方法进行预测研究。
(2)对物流需求预测进行概述。分析国内外需求预测的一些方法并进行甄别和对比。
物流是一个发展中的概念, 其定义不是永恒不变的。物流概念产生以后, 随着物流管理理论和物流实践活动的快速发展, 物流概念的内涵和外延也在不断地发展, 各种物流定义不断变化。而根据不同的侧重面, 物流的定义也不尽相同。在本文中, 论文以企业为侧重点, 参考国内外的一些理论, 以物质实体从供应者向需求者的物理移动, 它由一系列创造时间价值和空间价值的经济活动组成, 包括运输、 保管、 配送、 装卸、 包装、 流通加工及物流信息处理等多项基本活动, 是这些活动的统一为物流的定义。
物流需求即指对物流服务的需求。对物流服务的需求是指一定时期内社会经济活动对生产、 流通、 消费领域的原材料、 成品和半成品、 商品以及废旧物品、 废旧材料等的配置作用而产生的对物在空间、 时间和效率方面的要求, 涉及运输、 库存、 包装、 装卸搬运、 流通加工、 配送以及与之相关的信息需求等物流活动的诸方面。总的来说, 物流需求是一种引致需求。( 引致需求是指由于对产品的需求而引起对生产要素的需求)
从物流的发展规律来看, 现代物流的需求包括量和质两个方面, 即从物流规模和物流服务质量中综合反映出物流的总体需求。物流规模是物流活动中运输、 储存、 包装、 装卸搬运和流通加工等物流作业量的总和。当前在没有系统的社会物流量统计的情况下, 由于货物运输是物流过程中实现位移的中心环节, 用货物运输量的变化趋势来衡量社会物流规模的变化趋势是最接近实际的。物流服务质量是物流服务效果的集中反映, 能够用物流时间、 物流费用、 物流效率来衡量, 其变化突出表现在减少物流时间、 降低物流成本、 提高物流效率等方面。为了清晰地反映社会经济活动对物流活动的需求, 在物流需求分析中还应考虑物流需求的地域范围、 渠道特性、 时间的准确性、 物流供应链的稳定性以及顾客服务的可得性、 作业绩效和可靠性等方面[3]。
图2.1表明, 一条供应链上存在诸多物流需求, 物流需求存在于供应链上的各个环节甚至贯穿整条供应链, 它们分别形成最终物流需求或中间性物流需求。物流需求与其它商品需求相比有其特殊性, 这些特性是相互关联、 相互影响的。
预测就是根据过去和现在估计未来, 预测未来。一般来讲, 需求的可预测性根据预测难度可划分为三种: ①有规律需求, 而且具有高度可预测性; ②无规律需求, 但数学上统计特征持续、 统一; ③无规律需求, 且不可预测。
从物流管理角度上讲, 第一种需求模式最简单, 无需复杂的预测模型, 就可能得到较为准确的预计销售额, 直接用于运输安排和库存管理。而对于第二种需求, 就需要借助统计预测的方法, 但也能够获得预测值, 并在一定概率水平下达到预计结果。如果属于第三种需求模式, 则需要完善的库存管理系统, 强调物流系统的柔性, 才能达到企业减少存货, 降低物流成本, 满足客户需要的战略目标[4]。
①明确预测目的: 包括预测结果的用途, 预测的时间跨度等, 据此可确定预测所用的信息, 需要的投入。
②选择预测方法: 应充分考虑预测的目的、 时间的跨度、 需求的特征等因素对预测方法的影响。
在预测的整个过程中, 应该对预测全过程监控, 以便对预测结果进行恰当评估, 必要时可对某些环节进行调整后重新预测。
当前, 预测方法很多, 按预测方法的性质分, 大致能够分为定性预测、 回归预测和时间序列预测。也能够按是否以数学模型为主, 分为定性预测和定量预测。一般我们把预测方法分为定性预测和定量预测两大类。
定量预测是指借助物理原型或数学方法建立定量化模型进行预测。常见的定量预测方法有回归预测法、 灰色预测法、 博克斯一詹金斯法、 指数平滑法和趋势外推法等。
定性预测是以逻辑判断为主的预测方法。这类方法主要是经过预测者所掌握的信息和情报, 结合各种因素对事物的发展前景作出判断, 并把这种判断定量化。它普遍适用于对缺乏历史统计资料的事件进行预测, 或对趋势转折进行预测。比较常见的方法有德尔菲法、 主观概率法、 相互影响分析法、 情景预测法和领先指标法等。
这两种方法相比较来说定性预测的优点在于注重于事物发展在性质方面的预测, 具有较大的灵活性, 易于充分发挥人的主观能动作用, 且简单的迅速, 省时省费用。缺点是易受主观因素的影响, 比较注重于人的经验和主观判断能力, 从而易受人的知识、 经验多少和能力的多少大小的束缚和限制, 特别是缺乏对事物发展作数量上的精确描述。
定量预测的优点在于注重于事物发展在数量方面的分析, 重视对事物发展变化的程度作数量上的描述, 更多地依据历史统计资料, 较少受主观因素的影响。缺点在于比较机械, 不易处理有较动的资料, 更难于事物预测的变化。
定性预测和定量预测并不是相互排斥的, 而是能够相互补充的, 在实际预测过程中应该把两者正确的结合起来使用。
在进行物流需求预测中, 如何选择合适的预测模型是工作的关键, 也是难点之一。因此, 为了使得预测过程没有疏漏, 在预测之前必须了解每种预测方法的特性和适用范围。下面介绍几种常见的预测方法。
回归分析是研究变量与变量之间相互关系的数理统计方法, 指根据预测的相关性原则, 找出影响预测目标的各因素, 并用数学方法找出这些因素与预测目标之间的函数关系的近似表示, 再利用样本数据对其模型估计参数及对模型进行误差检验, 一旦模型确定, 就可利用模型, 根据因素的变化值进行预测。包括一元线性回归、 多元线性回归和非线性回归等。
应用回归预测法时应首先确定变量之间是否存在相关关系。如果变量之间不存在相关关系, 对这些变量应用回归预测法就会得出错误的结果。
①根据预测目标, 确定自变量和因变量。明确预测的具体目标, 也就确定了因变量。如预测具体目标是下一年度的销售量, 那么销售量Y就是因变量。经过市场调查和查阅资料, 寻找与预测目标的相关影响因素, 即自变量, 并从中选出主要的影响因素。
②建立回归预测模型。依据自变量和因变量的历史统计资料进行计算, 在此基础上建立回归分析方程, 即回归分析预测模型。
③进行相关分析。回归分析是对具有因果关系的影响因素( 自变量) 和预测对象( 因变量) 所进行的数理统计分析处理。只有当自变量与因变量确实存在某种关系时, 建立的回归方程才有意义。因此, 作为自变量的因素与作为因变量的预测对象是否有关, 相关程度如何, 以及判断这种相关程度的把握性多大, 就成为进行回归分析必须要解决的问题。进行相关分析, 一般要求出相关关系, 以相关系数的大小来判断自变量和因变量的相关的程度。
④检验回归预测模型, 计算预测误差。回归预测模型是否可用于实际预测, 取决于对回归预测模型的检验和对预测误差的计算。回归方程只有经过各种检验, 且预测误差较小, 才能将回归方程作为预测模型进行预测。
⑤计算并确定预测值。利用回归预测模型计算预测值, 并对预测值进行综合分析, 确定最后的预测值。
博克斯一詹金斯法是一种针对剧烈震荡的平稳随机时间序列进行短期预测的有效预测方法。该方法假定时间序列的变化与自身过去的历史数据有关, 建立自相关的回归模型以及它的变形: 移动平均模型, 将模型外推做出预测。由于真实的时间序列不一定是平稳的, 可能是有线性增加趋势或是循环变化, 能够对原始的时间序列进行差分来解决趋势与循环变化问题对建模的干扰。
博克斯一詹金斯法进行预测时, 不但考察了预测变量的过去值与当期值, 同时模型的过去拟合值产生的误差也作为重要因素进入模型, 这样大大提高了模型的精确度。实践证明, 博克斯一詹金斯法是一种精确度相当高的短期预测方法。由于不需要对时间序列的发展模式做先验的假设, 同时方法的本身保证了可经过重复识别修改, 直至获得满意的模型, 因而博克斯一詹金斯法适用于各种类型的时间序列预测数据。