论文总字数：31024字

摘 要

本文以安徽省A企业为例，研究A企业现有生产管理模式，分析了其在现有模式下预测不准确、库存及生产计划混乱等问题，结合现有先进预测与管理方法进行需求预测改进，在现有数据基础上，经过多种方法的预测误差比较，最终确定一个适用的BP神经网络进行预测，之后结合生产能力、以A企业利益最大化为指标设计库存及生产计划，为企业进行科学管理、降低成本、提高收益提供理论支持。本文通过对A企业2017年的订单数据进行试算，在收益方面证明了再设计方案的优越性，在此基础上，进一步简化了方案实际操作流程，设计出一套切实可行的滚动生产计划并提供了完整的支撑性程序或代码，企业只需按指示更新订单及库存数据，依次运行各程序或代码，即可直接得到建议的未来具体生产计划。对其他许多企业而言，生产过程也基本类似，本文实际也为如何将现有先进理论具体应用到企业、提高企业生产及管理效率提供了一种实践参考。

关键词：BP神经网络，库存设计，滚动生产计划

Abstract

The author takes A factory as an example to analyze the problems of which A factory are suffered from and turn out to be mainly unreliable forecast and unreasonable production plans. Then the author researches the way to improve the exist management by using advanced theories. After a series of tests of different forecast methods such as neural network prediction model, genetic algorithm and grey system theory, a BP neural network is selected. Since the demand is obtained, the inventory can be managed in a reliable way after the applying of some management theory and so as the production plan. After a test using the order data of 2017 of A factory, the advantages of new solution are proved. In addition, the author has managed to simplify the process of applying the new methods. In this process, the only thing the entrepreneur needs to do is inputting the order data and run the codes in order and then he will get a table which the production plan is suggested. Besides, in consideration of the similarity of these factories in production, the solution the author gives can also be a reference for other factories for strategy-making.

KEY WORDS: BP neural network, inventory plan, rolling production plan

目录

摘要 I

Abstract II

目录 i

第一章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 1

1.3 本文主要内容及结构安排 2

第二章 库存管理相关理论基础 4

2.1 传统库存管理策略 4

2.2 BP神经网络预测方法 5

第三章 A企业销售品库存管理的现状与问题分析 7

3.1 A企业概况 7

3.2 A企业销售品库存管理的现状与问题分析 8

3.3 A企业库存管理问题的解决思路 10

第四章 A企业销售品库存及生产方案再设计 12

4.1 引言 12

4.2 销售品需求预测 12

4.2.1 预测样本选择与数据处理 12

4.2.2 神经网络层次设计 13

4.2.3 神经网络激活函数的选取 14

4.2.4 销售品需求预测模型的实现 15

4.3 销售品库存及生产计划 20

4.3.1 基于企业主对预测结果置信度的库存范围设计 20

4.3.2 考虑全局协调的生产计划 24

4.4 临时任务干扰及其应对 29

4.4.1 临时任务及其特征 29

4.4.2 临时任务干扰实验 31

4.4.3 基于工时预留的干扰应对 32

4.5 本章小结 35

第五章 结论与展望 37

5.1 结论 37

5.2 后续研究与展望 37

致谢 39

参考文献 40

附录 42

绪论

研究背景及意义

近年以来，随着建筑业的飞速崛起，我国木材市场波诡云翳，供需关系已经逐步由过去的供不应求转变为按需生产。

市场需求起伏变化，为了缓冲企业外部环境变化给企业带来的影响，以及提高企业响应能力、交付能力，大多数企业不得不选择保持一定的库存水平。库存物料占用大量的资金、人力和场地等资源，不仅增加了成本，还严重影响到企业的资金周转及场地利用。据调查结果显示，供应链成本在企业的运营费用中占有很高的比重，在某些行业，该比例甚至达到75%以上。其中，库存成本，作为供应链重要组成部分，一般会占到总成本的30%^[1]。尽管当前关于零库存和JIT等高级库存管理模式的研究趋于完善，但对现实中大多数企业来说，实际上由于企业主风险偏好和资源约束等原因，零库存只是空中楼阁，他们不得不暂时保持传统的库存管理模式。

以上现象说明相关领域存在理论与实践脱离的情况，如何充分应用企业已有信息与资源，均衡库存水平与交付能力、有效降低企业库存成本，同时减少缺货、保持收益，一直是企业主们关注的难题。尤其对于中小企业，由于提前期和生产能力的约束，需要解决的不仅是需求预测，还有基于此的库存及生产计划问题。为了解决这类问题，我们需要走进具体企业，发现问题、分析问题。更进一步，若要将现有纷繁复杂的理论应用于具体实践，还需要对症下药。

国内外研究现状

自古至今，人类生产生活都离不开库存，近几十年来，随着牛鞭效应概念的普及，人们对库存问题愈发重视，相关研究也层出不穷。

无论过去还是现在，无论制造企业还是销售企业，预测始终是贯穿企业生命线的重要一环，乃至最重要的一环。为了解决预测问题，以指数平滑法和移动平均法为代表的统计学预测方法争相问世，而它们也确实在一段时间内大放光彩，给予预测科学的属性。但随着时代的变化，许多领域需求多样化、不稳定的特点凸显出来，传统预测方法已经难以适应这类问题。Lapedes^[2]提出基于神经网络的非线性信号处理，他的神经网络预测方法可以很好地通过训练数据模拟出预测模型，较传统方法有更好的精准度。在他之后，刘豹和胡代平^[3]进一步介绍了神经网络在预测中的一些应用，比如BP预测、神经模糊网络预测等，在不同领域各自具有良好的适应性。除了神经网络预测，遗传算法也是今天机器学习所青睐的一种先进方法。Masaru和Masahiro^[4]就遗传算法在多目标规划中的应用做了研究，以某电子设备制造商为例，平衡收益与风险，论证了遗传算法的实践性。近年来，我国邓聚龙教授^[5]又提出一种灰色系统理论，在某些方面其优良性质已不输于前两种方法。但随后吉培荣等^[6]论证了灰色预测模型是有偏的，并在此基础上提出了无偏灰色预测模型；同时在应用领域，谢乃明和刘思峰^[7]进一步提出了灰色系统离散GM（1,1）模型。其他相关预测理论也有很多，但以这三类为当代经典。

剩余内容已隐藏，请支付后下载全文，论文总字数：31024字