Моделирование в логистике

Оглавление

1.    Методы сглаживания экспериментальных данных    2
Задача 1. Моделирование времени выполнения заказа клиента методом Монте-Карло    11
Задача 2. АВС – анализ прибыльности товаров    16
Задача 3. Определение вероятности отказа в поставке товара клиенту методами схемной надёжности    22
Задача 4. Прогнозирование спроса на товары методом                   наименьших квадратов (МНК) с учетом сезонности    23
Список литературы    27

1.    Методы сглаживания экспериментальных данных

Результативность деятельности любой организации, любой организационно-правовой формы и видов деятельности в условиях рыночных отношений характеризуется способностью приносить достаточный доход или прибыль.
Активное применение математических методов и моделей позволяет повысить эффективность анализа деятельности посредством сокращения сроков проведения аналитических процедур, возможности оценить влияние на результативный показатель широкого круга факторов и точностью расчета.
...
Задача 1. Моделирование времени выполнения заказа клиента методом Монте-Карло
Выполнение заказа включает три операции: 1 - прием и обработка заказа; 2 -документирование и отгрузка товара; 3 - доставка. Время выполнения каждой операции ti случайно и определено соответствующим законом распределения  f(ti). Общее время, затрачиваемое на выполнение заказа, также случайно и определяется в виде суммы:
t0 = t1 +t2+ t3.
Необходимо смоделировать последовательность из 10 случайных значений t0, используя данные из таблицы 1 и формулы генераторов случайных чисел для разных законов распределения.
Таблица 1
Выбор данных для моделирования

Послед.­ цифра шифра	Параметры распределения времени выполнения операций
	t1 , ч			t2 , ч			t3 , ч
			закон			закон			закон
9	0.7	0.2	Н	1.9	0.4	Р	3.3	3.3	Э

Исходные последовательности псевдослучайных чисел для генерации ti следующие:
Нормально распределенные случайные числа η

Предпос­лед­няя  цифра	Последняя цифра шифра
	9	8	7	6	5	4	3	2	1	0
5	0,300	-0,302	0,064	1,101	-0,568	-0,370	-2,769	-0,732	0,035	-0,298

Случайные равномерно распределенные в интервале [0,1] числа ξ

Предпос­лед­няя  цифра	Последняя цифра шифра
	9	8	7	6	5	4	3	2	1	0
5	0,704	0,181	0,127	0,517	0,605	0,079	0,183	0,456	0,861	0,042

...
Задача 4. Прогнозирование спроса на товары методом                   наименьших квадратов (МНК) с учетом сезонности
По данным, представленным в виде динамического ряда поквартальных продаж, необходимо построить траекторию тренда и сделать прогноз на два квартала вперед. Особенностью динамического ряда является явно выраженная сезонность, которая учитывается с помощью тригонометрической функции. Модель тренда имеет вид
 ,  j= 1,2,….8,
гдеZj – объем продаж; h – частота колебаний; tj – текущее время (квартал); a, b – искомые коэффициенты модели:
Номер квартала, с которого начинаются наблюдения k
k=1

Динамический ряд продаж, начиная с k-го квартала

Последняя цифра шифра	Объем продаж/квартал
	1	2	3	4	5	6	7	8
9	180	241	280	230	182	250	285	248