集装箱海运需求预测与超订管理分析

《集装箱海运需求预测与超订管理分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、论文题目：集装箱海运需求预测及超订管理研究专业：物流工程硕士硕士生：田红丽指导教师：张斌摘要集装箱海运行业竞争越来越激烈，需求变动随着近年世界经济的变动波动很大，由于产品生命周期缩短，退订情况发生比率越来越高。集装箱海运是资金密集型行业，在此恶劣的环境下，更好利用收益管理思想避免亏损并提高资产的回报率成了必须紧急采取的措施。大多船公司的收益管理还停留在基本的根据收益选货阶段，还有很大的提升空间。目前针对集装箱海运的收益管理研究还很缺乏，尤其是结合运作实践的研究并不多见，另外现有研究成果给出的数学模型非常复

2、杂，不易应用和推广。需求预测是多种决策的基础，随着退订情况严重，超订管理显得更加重要，本文针对这两个方面进行了研究。对于需求预测，中长期预测可以采用定性方法；对于短期航线需求预测可以采用定量分析方法；基于时间序列的滑动预测算法适合集装箱海运短期需求预测。本文对三种时间平滑预测算法进行了比较分析，比较内容是三种预测算法的预测结果，分析数据为基于起运港和卸货港每月货运量1313个真实数据样本，分析工具为SPSS，分析方法为成对T检验和重复测验方差分析。目标是检验三种时间平滑预测方法的预测效果，还有地区和货运量

3、对于预测结果的影响。得出结论为：第一，对于小货运量航线，一次指数平滑算法总体较好，加权平滑算法预测效果较差，简单平滑预测稍好于加权平滑，对于大货运量航线三种预测算法没有显著性差异；第二，对于三种时间滑动预测算法，小货运量航线时间平滑预测倾向于偏低，大货运量航线预测倾向于偏高；第三，三种时间平滑定量预测算法不存在航线或者地区差异。对于超订管理，本文提出了结合启发式算法和滑动预测方法的预订限额计算l方法，具体算法为：首先根据历史实际订单到达率按时间顺序排序，采用基于时间平滑的预测方法，计算下一时间段的到达比率

4、；然后，根据第一步根据预测算法计算的到达率，加上实际舱位容量，采用启发式算法计算预订限额。另外本文对于现有预订限额计算方法，以上提供预测结合启发式算法以及启发式算法的效果进行了分析。分析对象为224组真实订舱数据，使用SPSS分析工具，采用重复测验方差分析方法和配对T检验方法，使用的预测算法是一次指数。目标是对比3种算法的有效性，以及地区因素的影响。结论为：本文所提供预测结合启发式算法设定预订限额方法显著好于现有方法和启发式算法；同时分析结果也表明从改善效果上来看，亚洲线最好，其次是北美线，再次是澳洲线，

5、较差是欧洲线。本文的研究是独特的，对于集装箱海运行业更具有参考价值。首先，该研究基于对于船公司真实数据的分析之上，这是目前所有研究中所未见得；其次，本文的需求分析，考虑了货运量和地区因素，发现了货运量和时间序列预测算法的关系以及预测结果的总体趋势；最后，本文所提供的舱位限额计算方法简单、方便、有效并且可行，不需要进行复杂的工具开发，比较容易应用于运作实践，并且效果显著好于现有算法。improvementspace．Existingresearchisnotmuchespeciallyforresearch

6、esthatbaseonrealoperationpractice,andmostexistingresearchesbuiltupverycomplicatedmathematicsmodel，it’Sdifficulttoapplyandimplement．Demandpredictionisthefoundationofdecisionmaking,andtheoverbookingmanagementbecomesmoreimportantwiththefi'equentbookingcancel

7、andnoshow．Thenthepurposeofthepresentstudyistoofferpracticalmethodsfordemandforecastingandoverbookingmanagement．TimeseriesmethodissuitableforshorttermdemandforecastingofOceancontainershippingindustry．Thisresearchanalyzesthreedifferenttimeseriesmethodsforfo

8、recastingresultsbasedon1313monthlyshipmentsperportspair．Thesedataweresubmittedtopaircomparisonst-testsandanalysesofvariancebyemployingtheStatisticalPackageofSocialSciences(sPss)．Acomparisonoftheforecastingoutcomesag