ATO模式下制造商零部件需求预测与库存控制研究
发布时间：2021-08-02 20:23
随着经济全球化,信息变革时代的到来,客户更加追求满足其个性化需求的产品,同时对企业响应速度的要求也日益提高,这使得以最短的时间满足客户多样化需求成为了企业竞相追逐的目标。为了更好的适应市场,企业纷纷采取各种先进的生产技术和管理理念,并逐渐转型为按订单装配（Assemble-to-order,ATO）生产模式的企业。ATO模式下,企业接到客户订单后,按客户订单需求将提前采购入库的零部件装配成产品,之后交付给客户。因此,零部件合理库存控制成为影响ATO模式顺利实施的关键因素。论文以ATO模式下制造商零部件库存管理为出发点,研究了ATO模式下制造商零部件库存控制问题。主要结合ATO模式下零部件需求不稳定性的特点,建立了制造商零部件需求预测模型;依据零部件分类结果制定了平稳需求与非平稳需求零部件库存控制策略。首先,明确了ATO模式的内涵和特点、ATO模式下制造商的生产运作模式,分析了ATO模式下制造商零部件需求预测与库存控制的方法及影响因素。其次,确定了ATO模式下制造商零部件需求量取决于订单量,从而可以根据订单预测结果结合产品零部件明细表（Bill of Materials,BOM）汇总出零...
【文章来源】：西安工程大学陕西省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
NAR网络预测模型结构
西安工程大学硕士学位论文力的优劣。ATO 模式下制造商在对订单的实际需求预测中，误差影响制造商的零部件库存策略，直接影响企业的经济利益。ATO 模式下制造商订单的需求预测出现的每一次较大误差，都会对制造商企业的经营现状产生影响。因此，采用误差自相关图以及误差图判断网络模型的预测能力，具有很好的现实意义。（1）误差自相关图误差自相关性分析就是检测时间序列各个预测点需求预测值与实际销量值误差的相关程度，误差相关程度越大，说明预测值与实际值之间存在较大的误差。综上所述，可以根据误差相关程度来判断 NAR 网络预测模型的优劣。如果一个模型的预测性能良好，误差自相关性应该在 0 阶时最大，其他情况下均保持在 95%的置信区间内，理想状态下0阶以外的误差为 0，但是在实际情况下网络预测模型不可能达到零误差。A 型车订单预测模型的误差自相关图如图 3-4 所示。由图可以看出 0 阶误差最大，其余均在 95%的置信区间之类。
图 3-5 A 型车订单预测模型误差图3.4.2 模型预测结果综上所述，基于 NAR 网络的 A 型车订单预测模型，预测能力较好，预测精度较高，因此，可以通过此模型预测 A 型车 2018 年 1 月的订单量。模型中各个参数设定不变，为了减少预测误差，选用动态神经网络中的循环预测方法进行预测，结构如图3-6 所示。图 3-6 NAR 网络模型循环预测结构由于在需求预测的初期缺乏销售数据，因此只能借助订单的历史订单量进行预测首先，将 2017 年 12 月第 2 周、第 3 周、第 4 周 A 型车的历史订单量带入基于 NA
【参考文献】：
期刊论文
[1]产能不确定时M型按订单装配产品（ATO）的多周期最优零部件补货策略[J]. 陈文博,董明. 工业工程与管理. 2017(06)
[2]W汽车零部件制造企业核心物料订货策略研究[J]. 刘中元,蒋石梅. 物流工程与管理. 2017(11)
[3]基于NAR网络的短生命周期产品需求预测[J]. 赵小惠,张影. 西安工业大学学报. 2017(07)
[4]基于不稳定时间序列分析的设备备件需求预测方法[J]. 罗薇,符卓,伏爱兰. 系统工程. 2016(06)
[5]基于指数平滑法的光纤通信传输设备维修备件需求预测[J]. 吴静怡,李红卫,张居梅,夏贵进,任帅. 物联网技术. 2015(12)
[6]基于改进贝叶斯模型的地铁备件需求量预测实证研究[J]. 孟魁,李成标. 物流技术. 2014(23)
[7]采用灰色GM（1,1）模型的汽车产量预测[J]. 彭岩,钟经廷. 重庆理工大学学报(自然科学). 2014(10)
[8]备件需求预测模型研究[J]. 苗濛. 物流工程与管理. 2013(11)
[9]大规模定制环境下ATO供应链的混合补货策略[J]. 但斌,李宇雨,黄波. 计算机集成制造系统. 2011(06)
[10]基于LS-SVM的间断性需求备件预测[J]. 冯杨,尹迪,罗兵. 舰船电子工程. 2010(06)
博士论文
[1]基于控制理论的随机需求供应链多级库存系统优化与仿真[D]. 赵川.对外经济贸易大学 2016
[2]装配型制造企业库存协同优化理论与方法研究[D]. 李双艳.中南大学 2012
[3]电子制造业准ATO模式生产计划和生产控制方法研究[D]. 叶建芳.浙江大学 2011
[4]ATO环境下制造商的零部件补货策略研究[D]. 李宇雨.重庆大学 2010
硕士论文
[1]A汽车4S店零部件需求预测研究[D]. 姜月娜.北京交通大学 2017
[2]多周期非平稳库存控制模型比较分析[D]. 宋芳媛.青岛大学 2017
[3]S公司原材料库存管理优化研究[D]. 况娅.重庆理工大学 2017
[4]ATO环境下摩托车制造业BOM配置及应用研究[D]. 寇郑巍.重庆工商大学 2015
[5]电子制造业服务备件库存控制研究[D]. 刘骜扬.太原理工大学 2015
[6]A公司库存管理优化对策研究[D]. 李柳维娜.华东理工大学 2015
[7]SY精密机械公司原材料库存优化及控制研究[D]. 张磊.山东大学 2013
[8]ATO模式下基于收益管理的库存及能力分配策略研究[D]. 信国芹.上海交通大学 2012
[9]GR电梯公司ATO系统库存控制与优化研究[D]. 华成宁.华南理工大学 2011
[10]非平稳随机需求库存控制模型研究[D]. 汤雅青.上海交通大学 2011
本文编号：3318215
【文章来源】：西安工程大学陕西省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
NAR网络预测模型结构
西安工程大学硕士学位论文力的优劣。ATO 模式下制造商在对订单的实际需求预测中，误差影响制造商的零部件库存策略，直接影响企业的经济利益。ATO 模式下制造商订单的需求预测出现的每一次较大误差，都会对制造商企业的经营现状产生影响。因此，采用误差自相关图以及误差图判断网络模型的预测能力，具有很好的现实意义。（1）误差自相关图误差自相关性分析就是检测时间序列各个预测点需求预测值与实际销量值误差的相关程度，误差相关程度越大，说明预测值与实际值之间存在较大的误差。综上所述，可以根据误差相关程度来判断 NAR 网络预测模型的优劣。如果一个模型的预测性能良好，误差自相关性应该在 0 阶时最大，其他情况下均保持在 95%的置信区间内，理想状态下0阶以外的误差为 0，但是在实际情况下网络预测模型不可能达到零误差。A 型车订单预测模型的误差自相关图如图 3-4 所示。由图可以看出 0 阶误差最大，其余均在 95%的置信区间之类。
图 3-5 A 型车订单预测模型误差图3.4.2 模型预测结果综上所述，基于 NAR 网络的 A 型车订单预测模型，预测能力较好，预测精度较高，因此，可以通过此模型预测 A 型车 2018 年 1 月的订单量。模型中各个参数设定不变，为了减少预测误差，选用动态神经网络中的循环预测方法进行预测，结构如图3-6 所示。图 3-6 NAR 网络模型循环预测结构由于在需求预测的初期缺乏销售数据，因此只能借助订单的历史订单量进行预测首先，将 2017 年 12 月第 2 周、第 3 周、第 4 周 A 型车的历史订单量带入基于 NA
【参考文献】：
期刊论文
[1]产能不确定时M型按订单装配产品（ATO）的多周期最优零部件补货策略[J]. 陈文博,董明. 工业工程与管理. 2017(06)
[2]W汽车零部件制造企业核心物料订货策略研究[J]. 刘中元,蒋石梅. 物流工程与管理. 2017(11)
[3]基于NAR网络的短生命周期产品需求预测[J]. 赵小惠,张影. 西安工业大学学报. 2017(07)
[4]基于不稳定时间序列分析的设备备件需求预测方法[J]. 罗薇,符卓,伏爱兰. 系统工程. 2016(06)
[5]基于指数平滑法的光纤通信传输设备维修备件需求预测[J]. 吴静怡,李红卫,张居梅,夏贵进,任帅. 物联网技术. 2015(12)
[6]基于改进贝叶斯模型的地铁备件需求量预测实证研究[J]. 孟魁,李成标. 物流技术. 2014(23)
[7]采用灰色GM（1,1）模型的汽车产量预测[J]. 彭岩,钟经廷. 重庆理工大学学报(自然科学). 2014(10)
[8]备件需求预测模型研究[J]. 苗濛. 物流工程与管理. 2013(11)
[9]大规模定制环境下ATO供应链的混合补货策略[J]. 但斌,李宇雨,黄波. 计算机集成制造系统. 2011(06)
[10]基于LS-SVM的间断性需求备件预测[J]. 冯杨,尹迪,罗兵. 舰船电子工程. 2010(06)
博士论文
[1]基于控制理论的随机需求供应链多级库存系统优化与仿真[D]. 赵川.对外经济贸易大学 2016
[2]装配型制造企业库存协同优化理论与方法研究[D]. 李双艳.中南大学 2012
[3]电子制造业准ATO模式生产计划和生产控制方法研究[D]. 叶建芳.浙江大学 2011
[4]ATO环境下制造商的零部件补货策略研究[D]. 李宇雨.重庆大学 2010
硕士论文
[1]A汽车4S店零部件需求预测研究[D]. 姜月娜.北京交通大学 2017
[2]多周期非平稳库存控制模型比较分析[D]. 宋芳媛.青岛大学 2017
[3]S公司原材料库存管理优化研究[D]. 况娅.重庆理工大学 2017
[4]ATO环境下摩托车制造业BOM配置及应用研究[D]. 寇郑巍.重庆工商大学 2015
[5]电子制造业服务备件库存控制研究[D]. 刘骜扬.太原理工大学 2015
[6]A公司库存管理优化对策研究[D]. 李柳维娜.华东理工大学 2015
[7]SY精密机械公司原材料库存优化及控制研究[D]. 张磊.山东大学 2013
[8]ATO模式下基于收益管理的库存及能力分配策略研究[D]. 信国芹.上海交通大学 2012
[9]GR电梯公司ATO系统库存控制与优化研究[D]. 华成宁.华南理工大学 2011
[10]非平稳随机需求库存控制模型研究[D]. 汤雅青.上海交通大学 2011
本文编号：3318215
本文链接：https://www.wllwen.com/qiyeguanlilunwen/3318215.html
