隨著經(jīng)濟全球化,信息變革時代的到來,客戶更加追求滿足其個性化需求的產(chǎn)品,同時對企業(yè)響應速度的要求也日益提高,這使得以最短的時間滿足客戶多樣化需求成為了企業(yè)競相追逐的目標。為了更好的適應市場,企業(yè)紛紛采取各種先進的生產(chǎn)技術(shù)和管理理念,并逐漸轉(zhuǎn)型為按訂單裝配（Assemble-to-order,ATO）生產(chǎn)模式的企業(yè)。ATO模式下,企業(yè)接到客戶訂單后,按客戶訂單需求將提前采購入庫的零部件裝配成產(chǎn)品,之后交付給客戶。因此,零部件合理庫存控制成為影響ATO模式順利實施的關(guān)鍵因素。論文以ATO模式下制造商零部件庫存管理為出發(fā)點,研究了ATO模式下制造商零部件庫存控制問題。主要結(jié)合ATO模式下零部件需求不穩(wěn)定性的特點,建立了制造商零部件需求預測模型;依據(jù)零部件分類結(jié)果制定了平穩(wěn)需求與非平穩(wěn)需求零部件庫存控制策略。首先,明確了ATO模式的內(nèi)涵和特點、ATO模式下制造商的生產(chǎn)運作模式,分析了ATO模式下制造商零部件需求預測與庫存控制的方法及影響因素。其次,確定了ATO模式下制造商零部件需求量取決于訂單量,從而可以根據(jù)訂單預測結(jié)果結(jié)合產(chǎn)品零部件明細表（Bill of Materials,BOM）匯總出零... 

【文章來源】：西安工程大學陜西省

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

NAR網(wǎng)絡(luò)預測模型結(jié)構(gòu)

西安工程大學碩士學位論文力的優(yōu)劣。ATO 模式下制造商在對訂單的實際需求預測中，誤差影響制造商的零部件庫存策略，直接影響企業(yè)的經(jīng)濟利益。ATO 模式下制造商訂單的需求預測出現(xiàn)的每一次較大誤差，都會對制造商企業(yè)的經(jīng)營現(xiàn)狀產(chǎn)生影響。因此，采用誤差自相關(guān)圖以及誤差圖判斷網(wǎng)絡(luò)模型的預測能力，具有很好的現(xiàn)實意義。（1）誤差自相關(guān)圖誤差自相關(guān)性分析就是檢測時間序列各個預測點需求預測值與實際銷量值誤差的相關(guān)程度，誤差相關(guān)程度越大，說明預測值與實際值之間存在較大的誤差。綜上所述，可以根據(jù)誤差相關(guān)程度來判斷 NAR 網(wǎng)絡(luò)預測模型的優(yōu)劣。如果一個模型的預測性能良好，誤差自相關(guān)性應該在 0 階時最大，其他情況下均保持在 95%的置信區(qū)間內(nèi)，理想狀態(tài)下0階以外的誤差為 0，但是在實際情況下網(wǎng)絡(luò)預測模型不可能達到零誤差。A 型車訂單預測模型的誤差自相關(guān)圖如圖 3-4 所示。由圖可以看出 0 階誤差最大，其余均在 95%的置信區(qū)間之類。

圖 3-5 A 型車訂單預測模型誤差圖3.4.2 模型預測結(jié)果綜上所述，基于 NAR 網(wǎng)絡(luò)的 A 型車訂單預測模型，預測能力較好，預測精度較高，因此，可以通過此模型預測 A 型車 2018 年 1 月的訂單量。模型中各個參數(shù)設(shè)定不變，為了減少預測誤差，選用動態(tài)神經(jīng)網(wǎng)絡(luò)中的循環(huán)預測方法進行預測，結(jié)構(gòu)如圖3-6 所示。圖 3-6 NAR 網(wǎng)絡(luò)模型循環(huán)預測結(jié)構(gòu)由于在需求預測的初期缺乏銷售數(shù)據(jù)，因此只能借助訂單的歷史訂單量進行預測首先，將 2017 年 12 月第 2 周、第 3 周、第 4 周 A 型車的歷史訂單量帶入基于 NA

【參考文獻】：
期刊論文
[1]產(chǎn)能不確定時M型按訂單裝配產(chǎn)品（ATO）的多周期最優(yōu)零部件補貨策略[J]. 陳文博,董明.  工業(yè)工程與管理. 2017(06)
[2]W汽車零部件制造企業(yè)核心物料訂貨策略研究[J]. 劉中元,蔣石梅.  物流工程與管理. 2017(11)
[3]基于NAR網(wǎng)絡(luò)的短生命周期產(chǎn)品需求預測[J]. 趙小惠,張影.  西安工業(yè)大學學報. 2017(07)
[4]基于不穩(wěn)定時間序列分析的設(shè)備備件需求預測方法[J]. 羅薇,符卓,伏愛蘭.  系統(tǒng)工程. 2016(06)
[5]基于指數(shù)平滑法的光纖通信傳輸設(shè)備維修備件需求預測[J]. 吳靜怡,李紅衛(wèi),張居梅,夏貴進,任帥.  物聯(lián)網(wǎng)技術(shù). 2015(12)
[6]基于改進貝葉斯模型的地鐵備件需求量預測實證研究[J]. 孟魁,李成標.  物流技術(shù). 2014(23)
[7]采用灰色GM（1,1）模型的汽車產(chǎn)量預測[J]. 彭巖,鐘經(jīng)廷.  重慶理工大學學報(自然科學). 2014(10)
[8]備件需求預測模型研究[J]. 苗濛.  物流工程與管理. 2013(11)
[9]大規(guī)模定制環(huán)境下ATO供應鏈的混合補貨策略[J]. 但斌,李宇雨,黃波.  計算機集成制造系統(tǒng). 2011(06)
[10]基于LS-SVM的間斷性需求備件預測[J]. 馮楊,尹迪,羅兵.  艦船電子工程. 2010(06)

博士論文
[1]基于控制理論的隨機需求供應鏈多級庫存系統(tǒng)優(yōu)化與仿真[D]. 趙川.對外經(jīng)濟貿(mào)易大學 2016
[2]裝配型制造企業(yè)庫存協(xié)同優(yōu)化理論與方法研究[D]. 李雙艷.中南大學 2012
[3]電子制造業(yè)準ATO模式生產(chǎn)計劃和生產(chǎn)控制方法研究[D]. 葉建芳.浙江大學 2011
[4]ATO環(huán)境下制造商的零部件補貨策略研究[D]. 李宇雨.重慶大學 2010

碩士論文
[1]A汽車4S店零部件需求預測研究[D]. 姜月娜.北京交通大學 2017
[2]多周期非平穩(wěn)庫存控制模型比較分析[D]. 宋芳媛.青島大學 2017
[3]S公司原材料庫存管理優(yōu)化研究[D]. 況婭.重慶理工大學 2017
[4]ATO環(huán)境下摩托車制造業(yè)BOM配置及應用研究[D]. 寇鄭巍.重慶工商大學 2015
[5]電子制造業(yè)服務(wù)備件庫存控制研究[D]. 劉驁揚.太原理工大學 2015
[6]A公司庫存管理優(yōu)化對策研究[D]. 李柳維娜.華東理工大學 2015
[7]SY精密機械公司原材料庫存優(yōu)化及控制研究[D]. 張磊.山東大學 2013
[8]ATO模式下基于收益管理的庫存及能力分配策略研究[D]. 信國芹.上海交通大學 2012
[9]GR電梯公司ATO系統(tǒng)庫存控制與優(yōu)化研究[D]. 華成寧.華南理工大學 2011
[10]非平穩(wěn)隨機需求庫存控制模型研究[D]. 湯雅青.上海交通大學 2011



本文編號：3318215