Модели трендов в логистике

МИНИСТЕРСТВО ОБРАЗОВАНИЯ  И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное бюджетное  образовательное учреждение высшего  профессионального образования

«Сибирский  государственный аэрокосмический  университет  
имени академика М.Ф. Решетнева»

 

Инженерно-экономический факультет

Кафедра Логистики

 

КУРСОВАЯ РАБОТА

 

по дисциплине «Экономико-математические методы и модели в логистике»

на тему: «Модели трендов в  логистике»

 

 

 

                                                                Выполнила студентка  группы Л-92

                                                                                   Очной формы обучения

                                                                 Перетолчина К.

                                                                                                                                          

       Проверил  преподаватель:

                                                            Товстоношенко Валентина Николаевна 

 

 

Дата сдачи: «_____»________20___г.

Дата защиты: «____»_________20__г.

Оценка:__________________                                        _______________

                                                                                                                                                          (подпись преподавателя)

 

Красноярск 2012 г.

 

 

 

Содержание:

 

 

Введение………………………………………………………………………….3

1. Модели трендов в логистике …………………………………..…………..…..4
1. Характеристика метода……………………………….………….…...4
2. Применение метода в логистике…………………….……………….6
2. Экономико-математические методы, применяемые в логистике….……….17

  2.1.Определение оптимального  размера заказа комплектующих  изделий………………………………………………………………………….17

  2.2.Прогнозирование объема продаж  готовой продукции до 2015 года…19

Заключение……………………………………………….…………………......25

Библиографический список……….……………………...……………………26

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ВВЕДЕНИЕ

 Рынок логистических услуг в России находится в стадии формирования, и мировые тенденции в сфере логистики служат для отечественных предпринимателей отправной точкой для поиска новых технологий, способов и форм обслуживания клиента в условиях растущей конкуренции. Поэтому, в данной курсовой работе мы рассмотрим, насколько важна роль логистических трендов для российских компаний, а также какие важные задачи они выполняют.

Объектом данной работы являются логистические товаропотоки промышленного предприятия.

Предмет работы – экономико-математические методы и модели.

Цели курсовой работы заключаются в следующем:

– закрепить теоретические основы по дисциплине «Экономико-математические методы и модели в логистике»;

– научиться хорошо разбираться в экономико-математических методах и моделях;

– приобрести навыки практического применения экономико-математических методов для моделирования реальных экономических ситуаций, возникающих в различных логистических системах, что способствует повышению эффективного управления логистическими цепями поставок и является условием успешной деятельности предприятия.

Основная задача курсовой работы заключается в возможности применения различных экономико-математических методов и моделей для совершенствования показателей логистической деятельности предприятия.

 

 

 

 

 

 

1.Модели трендов в логистике

1.1Характеристика метода

В настоящее время  деятельность в любой области  экономики тесно связана с  применением эконометрических методов, позволяющих осуществлять моделирование и прогнозирование различных экономических процессов.

Прогнозная информация необходима как для планирования деятельности любого социально-экономического объекта, так и для предварительного оценивания последствий принимаемых решений с целью их оптимизации.

В экономике широкое  распространение получили процессы логистической динамики, которые сначала растут медленно, затем ускоряются, а затем снова замедляют свой рост, стремясь к какому-либо уровню насыщения. Например, по логистическим законам изменяется спрос на товары, обладающие способностью достигать некоторого уровня насыщения, рост систем разнообразной природы в зависимости от их возраста или масштаба, развитие тех или иных показателей технологических нововведений и т.д. На рисунках 1-3 приведены примеры процессов, изменяющихся по логистическим законам. Разнообразие и сложность реальных экономических процессов требует создания более сложных, многокомпонентных моделей, способных передать сезонную (см. рис. 2-3) или линейную (см. рис. 1) компоненты,а также логистический тренд. Под логистическим трендом понимается характеристика основной закономерности движения во времени, в некоторой мере свободной от случайных воздействий. Тренд - это длительная тенденция изменения экономических показателей. При разработке моделей прогнозирования тренд оказывается основной составляющей прогнозируемого временного ряда, на которую уже накладываются другие составляющие. Результат при этом связывается исключительно с ходом времени. Предполагается, что через время можно выразить влияние всех основных факторов.

Под тенденцией развития понимают некоторое его общее  направление, долговременную эволюцию. Обычно тенденцию стремятся представить  в виде более или менее гладкой траектории.

 Анализ показывает, что ни один из существующих  методов не может дать достаточной  точности прогнозов на 20-25 лет.  Применяемый в прогнозировании  метод экстраполяции не дает  точных результатов на длительный  срок прогноза, потому что данный метод исходит из прошлого и настоящего, и тем самым погрешность накапливается. Этот метод дает положительные результаты на ближайшую перспективу прогнозирования тех или иных объектов не более 5 лет.

 

 

 

 

 

 

 

 

 

 

 

 

 

1.2 Применение в логистике

В литературе принципиально  отмечается целесообразность усложнения трендовых моделей для передачи эволюционного характера процессов и явлений - задача, не нашедшая решения с использованием известных методов параметризации моделей логистической динамики.

Рис. 1. Динамика изменения цены 1кв.м жилья в жилищном комплексе «Ассоль»

 

 

кол.месяцев

дата

 

Рис. 2. Динамика изменения стоимости одного литра бензина (А-76) с 2000 г. по 2004 г.

Рис.3 Динамика изменения  объемов кредитования филиала ЦБ РФ

 

В качестве логистического тренда примем относительно мало известную модель Рамсея, которая позволяет с использованием аппарата Z-преобразования достаточно просто и на коротких выборках осуществить параметризацию многокомпонентных рядов динамики. Последнее обстоятельство особенно важно, так как на коротких выборках можно считать справедливыми предположения о стационарности компонент принятых моделей по виду и параметрам.

Модели логистической  динамики, рассматриваемые в данной статье, описывает следующий ряд выражений:

Y_k = С(1 - (1 + акА) ехр(-огА:А)) + 0_к

Y_k — С(1 - (1 + акА) ехр(-акА)) + А_хкА + в_к

Y_k = С(1 - (1 + акА) ехр(-акА)) + А₁ sin(&>A:A + q>) + в_к

Y_k = С( 1 - (1 + акА) ехр(—ar&A)) + Д sin(<»A:A + (р) + А_пкА + в_к

Графики данных моделей  при различных сочетаниях параметров представлены на рисунках 5-8.

Г рафики функции вида У(1)=С*(1-(1+а!*к*ф*ехр(-а!*к*ф)

16

14

12

10

>■8

6

4

 

 

Рис. 5. Графики функции (1) при различных сочетаниях параметров

 

Графики функции вида Y(t)=G*(1-(1+al*k*d)*exp(-al*k*d))+A1*k*d

 

 

 

 

 

 

 

 

 

 

>

отсчеты (к)

 

Рис. 6. Графики функции (2) при различных сочетаниях параметров

 

 

Графики функции вида Y(t)=C*(1-(1+al*t)* *exp(-al*t))+Al*sin(w*t+fi)

отсчеты(k)

Y1(t)

— - -Y2(t)  ▲ Y3(t)

 

 

 

Рис. 7. Графики функции (3) при различных сочетаниях параметров

 

Графики функции вида Y(t)=С*(1-(1+al*t)*exp(-al*t))

+A1*t+A2*sin(w*t+fi)

 

 

 

 

отсчеты(k)

Рис. 8. Графики функции (4) при различных сочетаниях параметров

Из рисунков видим, что  для моделирования процесса, изображенного на рисунке 1, скорее всего подойдут модели (1) или (2), т.к. в них отсутствуют явно выраженные колебательные процессы, а для моделирования процессов, изображенных на рисунках 3-4, лучше использовать модели (3) или (4), учитывающие наличие колебательной составляющей.

Параметризация моделей.

Здесь мы рассмотрим только случай логисты с аддитивной линейной компонентой (формула (2)). Параметризация остальных моделей выполняется аналогично.

Для проверки работоспособности  предложенного метода параметризации был разработан программный комплекс, позволяющий осуществлять моделирование и прогнозирование временных рядов.

Программный комплекс можно  условно разделить на два модуля: модуль тестирования предложенных моделей  для получения их метрологических характеристик и модуль моделирования и прогнозирования временных трендов на основе реальных статистических данных.

Первый модуль используется при проверке работоспособности  программного комплекса на тестовых выборках с задаваемыми параметрами модели и генерацией шума. По результатам тестирования автоматически создается отчет в виде файла формата Exсel, в который заносятся все необходимые для анализа данные, а также результаты автоматической обработки полученных данных. Процедура исследования моделей и выявления области их применения подробно описана в [2].

Второй модуль осуществляет моделирование и прогнозирование  временных рядов. Результаты моделирования  также могут быть экспортированы в файл Excel.

При исследовании области  применения предложенных моделей осуществлялась генерация детерминированных компонент моделей (1)-(4) с параметрами, представленными в таблицах 1-4.

Назначавшиеся параметры  генерации детерминированных компонент моделей (1)-(3) сведены в таблицы 1-3.

 

Параметры генерации выборок детерминированных компонент модели (1) 

№ теста	1	2	3	4	5
C	15	15	15	450	150
alph	0,4	0,2	0,8	0,2	0,4

Таблица 2

Параметры генерации выборок детерминированных компонент модели (2)  

 

№ теста	1	2	3	4	5	6
С	1000	10000	100	100	100	100
alph	0,01	0,01	0,01	0,1	0,1	0,001
A1	0,005	0,005	0,005	0,05	0,005	0,005

Таблица 3

 

Параметры генерации выборок

№ теста	1	2	3	4	5	6	7	8
C	70	35	140	70	70	140	140	70
alph	0,4	0,4	0,4	0,4	0,4	0,04	0,4	0,4
A1	3	3	3	3	3	3	5	9
w	0,5235	0,5235	0,5235	0,2618	0,3491	0,5235	0,5235	0,5235
fi	0,1	0,1	0,1	0,1	0,1	0,1	0,1	0,1

Таблица 4

 

Параметры генерации выборок

№ тес та	1	2	3	4	5	6	7	8	9	10
C	70	35	140	70	70	70	70	140	70	70
alph	0,4	0,4	0,4	0,05	0,4	0,4	0,4	0,4	0,4	0,4
A1	3	3	3	3	0,3	9	3	5	3	3
A2	0,01	0,01	0,01	0,01	0,01	0,01	1	0,5	0,01	0,01
w	0,5235	0,5235	0,5235	0,5235	0,5235	0,5235	0,5235	0,5235	0,2618	0,3491
fi	0,1	0,1	0,1	0,1	0,1	0,1	0,1	0,1	0,1	0,1