基于市场预测的生产计划优化研究

发布时间：2017-10-09 21:26

  本文关键词：基于市场预测的生产计划优化研究

  更多相关文章： 市场预测 ANN定性预测法 产能—库存成本 计划产能 生产计划 能力需求计划

【摘要】：随着时代的进步,人们对产品的需求逐渐从功能层面转变至更多的追求个性化、质感和使用舒适度方向,并且随着流行元素与新颖的设计渐渐的融入至产品中,产品的样式也越来越多样化。大批量的生产模式已经无法满足人们的个性化需求,大批量制造型企业已纷纷向多品种、小批量的生产模式转变。 这类企业以市场为牵引,市场需求决定生产,但市场的需求存在很大的波动性。假如被动的迎合市场来决定生产,那么将会出现市场需求高峰期疲于奔命,而市场需求低谷期资源闲置翘首以待的局面。并且以市场需求为牵引的生产模式,产能的配置也是企业一个比较为难的事情,假如产能设置过低,将无法应对市场需求高峰期所需；产能设置过高,又将产生大量的人力物力资源的浪费。那么如何化被动生产为主动呢?与此同时如何设置一个最优的产能值使得满足市场需求高峰期的同时成本最小? 本文通过预测销售额掌握市场需求走势,进而根据市场趋势在需求低谷期提前生产一部分库存应对需求高峰期所需。如此一来就能将需求低谷期的闲置资源转变为利润,同时降低了市场高峰期对产能的需求,可以有效降低企业配置产能所需成本。但是产能配备成本投入低了,必将导致库存成本的增加,库存除了库存持有成本还有库存风险成本。那么如何在库存成本风险与产能配置成本间进行最优折中,是本文将重点讨论的内容。 首先一切的计划起点都要以需求预测数据为依据,所以精确的市场预测尤为重要。本文结合定量与定性预测对市场进行预测,在提取历史销售额数据信息的同时紧跟市场动态。定量预测采用自适应性能和泛化性能都优于传统定量预测方法的BP神经网络进行定量预测,在设计BP网络模型的时候针对传统BP网络收敛速度慢与容易陷入局部极小值的缺点引入牛顿法与竞争BP算法对传统BP网络进行优化。最终将改进后的BP神经网络与定性预测方法进行结合,简称ANN定性预测法,并讨论了ANN定性预测法的几种实现形式。 本文基于市场需求预测值构建了一个关于产能—库存成本的数学模型,在满足市场高峰期需求的前提下,求解出使得产能和库存总成本最低时的计划产能。在以总成本最低为目标的计划产能基础上,进一步研究在库存补足产能模式下的生产计划制定,并得出相应的能力需求计划。 最后,本文以某企业为例验证了ANN定性预测法与产能—库存数学模型的有效性,并结合实例对生产计划与能力需求计划的制定加以说明。
【关键词】：市场预测 ANN定性预测法 产能—库存成本 计划产能 生产计划 能力需求计划
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH186
【目录】：

• 摘要4-6
• ABSTRACT6-8
• 目录8-11
• CONTENT11-14
• 第一章 绪论14-20
• 1.1 研究背景和意义14-15
• 1.2 国内外研究现状15-18
• 1.2.1 市场预测国内外研究现状15-17
• 1.2.2 产能—库存配置国内外研究现状17-18
• 1.3 研究内容和思路18-19
• 1.4 本章小结19-20
• 第二章 市场预测20-30
• 2.1 市场预测综述20
• 2.2 定性定量预测方法概述20-23
• 2.2.1 定量预测20-22
• 2.2.2 定性预测22-23
• 2.3 改进的BP神经网络市场预测模型23-26
• 2.3.1 BP神经网络设计24-25
• 2.3.2 网络学习过程25-26
• 2.4 ANN定性预测法的具体实现模式研究26-27
• 2.5 市场预测实例27-29
• 2.6 本章小结29-30
• 第三章 产能——库存概述30-36
• 3.1 产能30-33
• 3.1.1 生产能力核算31-32
• 3.1.2 生产能力计划32-33
• 3.2 库存33-35
• 3.2.1 库存的分类33-34
• 3.2.2 库存的功能34
• 3.2.3 库存的配置34-35
• 3.3 本章小结35-36
• 第四章 以成本最小化为目标的产能——库存配置36-48
• 4.1 配置产能——库存时所遵循的原则36-37
• 4.2 产能与库存的成本数学模型37-42
• 4.2.1 成本最小化为目标的数学模型38-39
• 4.2.2 产能成本39-40
• 4.2.3 库存成本40-42
• 4.2.4 总成本42
• 4.3 应急措施42-43
• 4.4 产能——库存配置实例43-47
• 4.5 本章小结47-48
• 第五章 生产计划与能力需求计划48-59
• 5.1 生产计划48-54
• 5.1.1 企业生产计划定义48
• 5.1.2 生产计划研究48-52
• 5.2.2.1 按市场需求的分布情况分类讨论48-50
• 5.1.2.2 按库存的准备情况分类讨论50-52
• 5.1.3 生产计划实例52-54
• 5.2 能力需求计划54-57
• 5.2.1 企业能力需求计划定义54-55
• 5.2.2 编制能力需求计划方法研究55-56
• 5.2.3 能力需求计划实例56-57
• 5.3 本章小结57-59
• 第六章 全文总结与展望59-61
• 6.1 研究成果总结59
• 6.2 不足之处与未来研究展望59-61
• 参考文献61-64
• 攻读硕士期间发表的论文64-66
• 致谢66

【参考文献】

中国期刊全文数据库 前10条

1 薛冰;马卫东;;基于ARMA模型的建材装备订单预测研究[J];机械工程师;2014年02期

2 李西兴;徐增师;;基于GM(1,1)-Markov链模型的汽车企业订单预测[J];武汉理工大学学报(信息与管理工程版);2013年04期

3 王重彬;李益兵;;基于改进粒子群和神经网络的订单预测研究[J];机械工程师;2013年05期

4 葛彦强;汪向征;王爱民;;改进灰色神经网络的冰箱订单需求预测研究[J];计算机仿真;2012年05期

5 王珂达;;库存与订单预测管理[J];现代商业;2011年27期

6 宫蓉蓉;;基于OLS与EPSO算法的RBF企业订单预测模型研究[J];计算机工程与应用;2011年22期

7 刘樝;戴敏;张志胜;史金飞;;基于滑动平均订单预测的半导体生产库存模型[J];计算机集成制造系统;2010年02期

8 戴宝印;;基于层次分析法及BP神经网络的我国船舶订单预测研究[J];物流科技;2010年02期

9 戴宝印;谭家华;;改进灰色预测模型在我国船舶订单预测中的应用[J];物流科技;2009年06期

10 谭勇;陈建华;;空调企业库存管理与产能分配模型的实证[J];统计与决策;2007年21期

中国硕士学位论文全文数据库 前5条

1 肖忠良;进化神经网络及其在企业订单预测中的应用研究[D];湖南大学;2010年

2 刘乐;改进BP网络及其在预测问题中的应用研究[D];山东师范大学;2009年

3 宋作玲;卷烟配送中心订单预测及系统实现[D];山东大学;2007年

4 高智;基于协同规划预测与补货模型（CPFR）的梦洁公司成品库存管理模式研究[D];中南大学;2007年

5 金旭星;ERP环境下先进生产计划及产能平衡的研究[D];浙江大学;2005年

，

本文编号：1002518