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(257)
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: