我所理解的高等数学与供应链管理的关系-连载之二
-《全面库存管理数学分析》知识点与供应链管理的对应关系-
程晓华
2021-10-30
【马克思说：一门科学只有在成功地运用数学时，才算达到了真正完善的地步】
第二章：正态分布与需求管理的几个关键概念：
1. 标准差（Standard
Deviation， SD，总体标准差一般用σ表示，样本的标准差则是用s表示）- 衡量一组数据偏离平均值的程度，即该组数的离散程度。
结合第一章提到的异常值，这个标准差很容易理解，标准差越大，说明数据的离散程度越高，当然，这是相对而言的，所以标准差除以平均值就是CV（Coefficient of Variance）- 在统计学上，这个CV叫变异系数，而在我们供应链管理上叫“需求波动率”，俗称“上蹦下跳”、“嘚瑟”。
CV首先可以用来衡量市场需求、订单等的波动情况，也可以用来衡量生产产出的稳定性，采购提前期的准确性、稳定性等。
而标准差的典型应用似乎就是那个所谓的安全库存了 – 简单粗暴的理解，你要设多少安全库存其实就是设置几个标准差的问题，而一个标准差就可以理解为是一个西格玛（σ）的水平。
2. 正态分布（Normal
Distribution） - 统计学家告诉我们，自然和社会界的很多事物的分布都符合正态分布，如人的身高、体重、学生考试成绩等等，从供应链管理角度，你也可以不严谨地认为，我们的产品需求，尤其是那些产品生命周期比较长的需求，它们也符合正态分布。这样你就可以放心大胆地用标准差、变异系数等概念去分析、预测、判断我们的产品需求。尽管这不是很严谨，但这没有什么大问题
– 相信我，供应链管理远没有数学那么严谨，也不需要那么严谨。
3. 泊松分布（Poisson
Distribution）- 这是个典型的随机分布，很随机！如单位时间内到达商场、理发店、候车站的人数（速率，通常用λ表示），单位时间内到达收费站的车辆数等等，它们都符合泊松分布。从供应链管理角度，我们单位时间内（每天或每小时）接到的客户订单的个数也可以认为是符合正态分布的。
4. 指数分布（Exponential
Distribution）- 泊松分布谈的是λ，而指数分布则是讲1/λ，或者说是人们到达理发店、商场、候车站的时间间隔；供应链方面，如不同客户的下单间隔等。
关于泊松分布及指数分布，在本书第七章有个仿真，谈的就是订单评审的工作量问题。
第三章：心中有数，其实谈的主要就是两个不等式及一个结论：
1.
切比雪夫不等式：前面提到，自然和社会界的很多事物的分布都符合正态分布，包括市场需求等。但肯定有很多人不相信，说怎么可能呢？现实中到哪去找正态分布那么完美的东西？搞得大数学家高斯就很无奈，但俄国大数学家切比雪夫就说，好吧，你按照我说的那个式子看看你的需求分布怎么样？
2.
马尔科夫公式：你可能既记不住正态分布的密度函数，也记不得契比雪夫不等式，那好吧，切比雪夫的学生马尔科夫说，我给你来个简单粗暴的！你说需求有多大吧！用历史或预测平均值除以你说这个数，这就是该需求发生的概率！
3.
您连这个也记不住吗？那您是不是真的就该回家种地去了？！不急！牛顿的追随者阿布斯诺特说，概率其实是人类无知的产物！还是说这个客户的订单吧！客户下单真的是“随机的”吗？作为一个专业的销售人员，你咋就不能多花点时间去理解、了解客户的真实需求呢？有那么难吗？
-
未完待续 –
作者程晓华（John Cheng），全面库存管理（TIM）咨询独立顾问，《制造业库存控制技术与策略》课程创始人、讲师，《制造业库存控制技巧》、《首席物料官（网络）》、《决战库存》、《制造业全面库存管理》、《全面库存管理数学分析（预计2021年12月出版上市）》著作者，邮箱：johnchengbj@126.com TIM订阅号：ITOOTD
发表于：
2021-10-30 11:08 阅读(268)
评论(0) 收藏 好文推荐
本博客所有内容，若无特殊声明，皆为博主原创作品，未经博主授权，任何人不得复制、转载、摘编等任何方式进行使用和传播。
作者该类其他博文：
网站相关博文：