论文部分内容阅读
在信息技术、网络技术、通讯技术、人工智能等先进技术的深度融合下,供应链在经济发展进程中凸显反映迅速、精准匹配、协同高效、服务强大的能力,助力企业进入降本增效的良性发展过程。供应链的运营过程强调集成管理、各节点企业的有机结合,因此有许多具体的问题需要解决,例如在以制造商为核心节点的供应链中,随着产品零部件生产的标准化及零部件向上游供应商的迁移,要求核心节点与上游供应商节点在零部件生产中实现精准匹配,同时也要求与下游销售订单紧密结合,作为核心节点的制造商在其中兼具保障供应和供应链管理两大职能。产品需求量对于制造商合理安排零部件的采购量具有导向作用,若产品的生产量安排不当,经常出现零部件缺货,零部件库存积压,产品交货日期延迟等现象,则会影响整个供应链的运行效率。因此,研究如何有效地预测一定时间内的产品需求,然后进一步导出各类零部件的采购量,对科学合理地安排零部件的采购、保障产品生产、满足订单需求具有非常重要的现实意义。本文以一个具有供应链特征的制造企业为背景,该企业与国外的供应商自动形成了跨国供应链特性,对核心企业与供应商、销售商之间的协同有着很高的要求。在产品生产方面,同一系列产品下有多种型号产品,受产能及市场容量限制,同系列下多型号产品需求会产生相互影响和限制。基于制造企业的特殊需求,本文首先通过相关性分析法与灰色关联度方法对产品需求影响因素进行分析与筛选,选取出市场占有率、承重系数、季节影响因子等9种来自供应链环境、产品属性及外部环境三方面的影响因素。其次,考虑历史需求数据在时间序列上的相邻关联性,通过数据分析,研究在短期、周期、长期三个不同时间序列上各型号产品相互制约影响下产生的不同需求形态,结合产品需求影响因素,建立GRU-BP组合神经网络预测模型,预测出某型号产品未来一段时间内的需求量。利用Adam优化算法来解决基础随机梯度下降算法中容易陷入局部最优的问题。对模型求解后,通过模型对比评价证明预测结果的可行性。最后,在预测出下一周期产品需求量基础上,分析制造商的零部件采购流程,通过产品的库存量确定产品的净需求量,再结合产品的BOM清单分析从产品生产量到零部件需求量的转化。结合各类零部件的库存分类,进一步制定出向上游供应商的零部件采购计划。通过对实际的A制造商企业中Lily系列下A～E五种型号的座椅产品进行未来一个周期内的需求预测,验证本文提出的预测模型和采购计划的制定方法有效地实现了企业与供应商之间在零部件生产方面的精准匹配,能够很好地保证企业按订单生产和及时供货,具有很强的实用价值,所得到的成果对其它供应链也具有借鉴作用。