物流系统分析优化与整合2

《物流系统分析优化与整合2》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、物流系统规划与设计主讲:罗建锋物流系统设计与仿真1第六章物流系统分析优化与整合掌握物流系统分析的要点和实质了解物流建模的方法步骤,能够提出对物流系统优化的方案物流系统设计与仿真26.1物流系统分析6.1.1系统分析与物流分析的概念所谓系统分析就是利用系统科学的分析工具和方法，分析和确定系统的目的、功能、环境、费用与效益等问题物流系统分析是一种有目的、有步骤地探索过程，一项研究问题的方法，解决问题的途径，优化的技术，决策的工具物流系统分析是物流系统规划和设计的最重要组成部分，任何物流系统规划设计方案的最终选择都依赖于物流系统分析这一过程的可靠和准确。通过对现有系统的调查和分析，以确

2、定新系统的目标的极为重要的阶段，是系统工程的技术前导。物流系统分析目的就是以整体为目标、以特定问题为对象、而且还要采用定量方法。物流系统设计与仿真36.1物流系统分析一般来说,对物流系统分析需要回答以下几个问题:(1)我们为什么要进行这项工作(2)进行这项工作能增加什么价值(3)为什么要按照现有程序进行该项工作(4)为了提高效率,能否改变作业步骤的次序(5)为什么要由某一个小组或个人来完成这些工作物流系统设计与仿真46.1物流系统分析（6）其他人可以完成这项工作吗？（7）还有更好的系统运行方式吗？物流系统设计与仿真56.1物流系统分析6.1.2一个物流系统是由各个功能环节构成，由

3、于环节多、流程长、范围广且错综复杂，因此，在物流系统分析中要依据以下原则：（一）整体效益原则局部效益要求服从整体效益（二）总成本观原则物流总成本观是指在保持一定的服务水平的条件下，应同时考虑所有的有关成本项目（三）避免次优化原则（四）当前与长远效益相结合原则如果只顾当前利益而忽视长远利益，就容易发生物流系统短期之内达到饱和，发展后劲不足;（五）内部分析要与外部环境因素相结合原则内部的分析要与社会经济发展动向、产品的市场状况等各种大环境因素相结合，才能顺应发展，取得成功。物流系统设计与仿真66.1物流系统分析物流系统分析常用方法:物流一体化分析方法：所谓物流一体化，就是以物流系统为

4、核心的，从生产企业、物流企业、销售企业直至消费者供应链的整体化和系统化。可分为三个层次：物流自身一体化、微观物流一体化和宏观物流一体化它是物流业发展的高级和成熟阶段。数学分析方法:运筹学法、统筹法（网络分析法）、系统优化法系统仿真：物流系统设计与仿真76.1物流系统分析6.1.4物流系统分析的内容：（一）数据收集数据收集包括确定数据需求、数据来源，分析可得数据的充分性和准确性、数据聚类、建立收集辅助数据的方法，对得不到的数据进行估计等。数据来源依赖于物流项目的性质，数据来源则根据数据需求而定。物流系统设计与仿真86.1物流系统分析6.1.4物流系统分析的内容：（一）数据收集数据充

5、分性和准确性数据的充分性：包括数据完整性和样本容量。对于研究范围内没有丢失的数据就认为数据流是完整的，当一些数据特性丢失时就认为数据是不完整的（数据特性是指数据的各个组成部分）例如货物的日需求数据包括日期、货物的重量和体积。样本容量：是指为了在分析中得到一个较理想的准确度而需要的数据点数量。物流系统设计与仿真96.1物流系统分析6.1.4物流系统分析的内容：（一）数据收集数据充分性和准确性数据的准确性：是指数据的可靠性。数据的准确性可通过扫描那些超过可接受范围的过大或过小的数值来证实，比较不同数据来源的同数据也可助于证实数据的准确性。数据采集：就用具体方法和系统来收集数据。样本容

6、量：物流分析结果的有效性取决于样本容量及在分析中所使用的数据点数量。物流系统设计与仿真106.1物流系统分析异常数据审查：异常数据是指非正常数据代表的数据点。例如体积大而又很轻的偶然一次运输、某一次特殊高费率运输、在节日期间铁路工作情况统计等都不能代表正常数据。如果计算平均装货密度，只要有一次体积大而又很轻的货物就会使密度下降，同样高费率的特殊货物会使平均费率上升，可用百分数法和基于数值的方法。百分数法：把在一定百分点之上或之下的数据删除，如密度低于5%或高于95%的数据点被认为是异常数据点而被去除。物流系统设计与仿真116.1物流系统分析基于数值方法：低于或高于某一特定值的数据

7、点将被去除，这种方法需要指定截止数值。数据汇总。聚类方法用来对相似产品或地点进行分类，以缩小问题的范围，聚类的关键是根据特定的特征值定义的相似性测量。例如，产品相似度可用产品的大小、形状、颜色、重量、密度等来定义。常用聚类方法有最近距离、最远距离和均值距离方法。这几种方法基本步骤都相同，这里只介绍最远距离聚类算法。物流系统设计与仿真126.1物流系统分析对丢失的或得不到的数据进行估计：在数据流中间丢失的数据可用插值法进行估计。现行插值是相当简单。例如9月和11月需求数值分别是20