基于市場預測的生產計劃優(yōu)化研究.pdf

1、隨著時代的進步，人們對產品的需求逐漸從功能層面轉變至更多的追求個性化、質感和使用舒適度方向，并且隨著流行元素與新穎的設計漸漸的融入至產品中，產品的樣式也越來越多樣化。大批量的生產模式已經無法滿足人們的個性化需求，大批量制造型企業(yè)已紛紛向多品種、小批量的生產模式轉變。
　　這類企業(yè)以市場為牽引，市場需求決定生產，但市場的需求存在很大的波動性。假如被動的迎合市場來決定生產，那么將會出現(xiàn)市場需求高峰期疲于奔命，而市場需求低谷期資源閑置翹

2、首以待的局面。并且以市場需求為牽引的生產模式，產能的配置也是企業(yè)一個比較為難的事情，假如產能設置過低，將無法應對市場需求高峰期所需;產能設置過高，又將產生大量的人力物力資源的浪費。那么如何化被動生產為主動呢？與此同時如何設置一個最優(yōu)的產能值使得滿足市場需求高峰期的同時成本最?。?br>　　本文通過預測銷售額掌握市場需求走勢，進而根據(jù)市場趨勢在需求低谷期提前生產一部分庫存應對需求高峰期所需。如此一來就能將需求低谷期的閑置資源轉變?yōu)槔麧?，?/p>

3、時降低了市場高峰期對產能的需求，可以有效降低企業(yè)配置產能所需成本。但是產能配備成本投入低了，必將導致庫存成本的增加，庫存除了庫存持有成本還有庫存風險成本。那么如何在庫存成本風險與產能配置成本間進行最優(yōu)折中，是本文將重點討論的內容。
　　首先一切的計劃起點都要以需求預測數(shù)據(jù)為依據(jù)，所以精確的市場預測尤為重要。本文結合定量與定性預測對市場進行預測，在提取歷史銷售額數(shù)據(jù)信息的同時緊跟市場動態(tài)。定量預測采用自適應性能和泛化性能都優(yōu)于傳統(tǒng)定

4、量預測方法的BP神經網絡進行定量預測，在設計BP網絡模型的時候針對傳統(tǒng)BP網絡收斂速度慢與容易陷入局部極小值的缺點引入牛頓法與競爭BP算法對傳統(tǒng)BP網絡進行優(yōu)化。最終將改進后的BP神經網絡與定性預測方法進行結合，簡稱ANN定性預測法，并討論了ANN定性預測法的幾種實現(xiàn)形式。
　　本文基于市場需求預測值構建了一個關于產能—庫存成本的數(shù)學模型，在滿足市場高峰期需求的前提下，求解出使得產能和庫存總成本最低時的計劃產能。在以總成本最低為目