欢迎来到天天文库
浏览记录
ID:9639121
大小:50.50 KB
页数:3页
时间:2018-05-04
《数学建模思想在物流管理教学中的运用》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、数学建模思想在物流管理教学中的运用数学建模思想在物流管理教学中的运用1.数学建模在物流管理教学中运用的意义 (1)改变教学方式,丰富教学内容。传统的物流管理教学方式对课程内容的讲授都比较狭隘,教师一般只是单纯地按照课本知识点进行讲解,讲解的内容也不会太深入。学生在这种授课方式下学习,很容易对课堂内容感到疲劳,提不起学习的兴趣,就算是比较认真听讲的学生,也往往因为教师授课内容的狭隘和不深入而得不到真正的提高,只是学习到了课本上的基础内容。鉴于此,教师应当对传统的教学方式进行改变,并适当地拓展教学内容。教师可以在教学中引入数学建模的思
2、想,以改变单纯讲授课本的教学方式。数学建模重在过程,物流管理学习中,学生需要主动地利用所学的数学知识去分析问题数据以及建立起解决问题的模型,而非只是一心地听讲。这样的教学过程能把学生从听讲中解放出来,既锻炼了学生实际运用知识的能力,又可以拓展课堂内容,也能让学生的知识体系更为健全。 (2)培养学生探索精神,提高学生解决问题的能力。数学建模的最终目的在于提供解决实际问题的可行性方案,这对以往只是简单从书本上获取知识的学生来说是一项挑战,但同时也是增强学生创新能力和提升自己解决实际问题能力的机会。数学建模是建立在实验基础上的,这需要学
3、生不断地搜集数据和资料,建立合适的数学模型,以反映出实际问题的数量关系,并对分析出的数据进行检测,最后交流结果。数学建模的引入,能够培养学生自身初步的科研能力,让学生能够以科学的态度对待解决实际问题,不仅能够激发学生的学习兴趣,对促进学生的能力提高有积极作用,也能培养学生探索的精神和解决实际问题的能力,这对于学生来说具有重要的意义。 2.数学建模在物流管理教学中的具体运用 数学建模思想在解决实际问题的过程中能起到非常重要的作用,通过建立模型得出的数据和结论对企业的发展有借鉴和参考意义。因此,在物流管理教学中,教师应该重视数学建模
4、思想的引入,将数学模型和物流管理中的知识内容结合起来,以问题设计为基础、以建立和运用模型为主线、以培养学生的能力为目标开展教学工作。 数学建模具有广泛的应用,在物流管理教学中也有许多内容都能适用到数学模型,例如,物流管理课程中的运输管理、物流配送中心设计的内容可以引入最小二乘法的数学模型进行讲解,最小二乘法可以通过最小化误差的平方,减本文由.L.收集整理小模拟的数据和实际数据之间的误差,可以提供交通运输中最优化的方案;又如,物流管理课程中关于仓储管理的内容,可以运用指数平滑法的数学模型进行讲解,指数平滑法可以通过模拟数据得出的图式
5、来对仓储量进行预测,以解决仓储管理中进库量和出库量之间的矛盾,并使得的库存量达到最理想化的状态。在物流管理教学中适当地引入数学模型,能对教师教学和学生学习起到非常大的作用。 下面笔者以对物流管理课程中物流成本内容的分析为例,阐述线性回归的数学建模思想在物流管理教学中的具体运用。 (1)准备模型,明确现实意义。在教学物流成本的内容时,由于降低企业的物流成本是企业发展过程中最关键的要素之一,企业为了更好地发展会寻求降低物流成本的最优化方案,而线性回归分析是解决最优化问题而运用最多的方法,因此,教师可以先建立起线性回归模型来讲解物流成
6、本的课程内容。通过数学模型的引入,不仅能让学生感受到数学建模在现实生活中的具体运用,让学生对课堂内容充满兴趣,而且能让学生对物流成本的分析更加清楚,也便于学生以后的职业发展。 (2)建立模型。线性回归分析可以分为一元线性回归分析和多元线性回归分析,由于多元线性回归分析涉及的影响因素较多,学习讲解起来较为复杂,而高职学生的数学基础和理解能力又比较差,基于这一点,教师在选择线性回归模型时应选择较为简单易懂的一元线性回归模型,如果学生有兴趣拓展,也可以让学生在课后尝试多元线性回归分析。一元线性回归通常只和两个因素有关,即因变量和自变量,
7、这种分析方法和初中所学的一次函数极为相似,因此对于学生来说较为容易理解和掌握。一元线性回归模型可以用式子:Y=α+βX+t来表示,其中Y表示因变量,X是自变量,α和β都是回归系数,α一般为常数项,t是随机误差项,α+βX是非随机部分,而t是随机部分,其变化不可控。 (3)分析影响因素,确定预测目标。影响物流成本的因素是比较多的,其中最主要的有物流运输的空间距离、物流运输的派出车辆、物流货物的重量和数量,等等,分析这些因素对物流成本造成的影响,找出其中对物
8、流成本影响最大的因素,以及如何才能降低物流成本,是教师的教学重点,也是教师需要让学生学会分析的地方。通过分析可以知道,其中运输距离和运输车辆是影响物流成本最主要的因素,因此,可以将这两个主要的因素作为预测的对象。结合之前建立起来的线性
此文档下载收益归作者所有