（运筹学与控制论专业论文）mrpⅡ系统中关于销售预测与mrp算法的研究.pdf

g ! 、at h e s i si no p e r a t i 。n a ll ；【e s e a 心ha n dc y b e r n c ! t i c s l l llli lli i i ir il l i tiii ；y 18 4 3 0 9 9 a n a l y s e s o fs a l ef o r e c a s ta n dm r p a l g o r i t h m si nm r p i i s y s t e m ， b ym e n g l i s u p e r v i s o r ：p r o f e s s o ry a n gd o n g m e i n o r t h e a s t e r nu n i v e r s i t y d e c e m b e r2 0 0 7 嚆 、一bl。，尸 一一4r卅 嚣x ，_， f t t l 独创性声明 本人声明，所呈交的学位论文是在导师的指导下完成的。论文中 取得的研究成果除加以标注和致谢的地方外，不包含其他人已经发表 吣或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材 料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了 明确的说明并表示谢意。 ， 学位论文作者签名： 日 期：勿曰7 f 弓 学位论文版权使用授权书 本学位论文作者和指导教师完全了解东北大学有关保留、使用学 位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的 复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学 位论文的全部或部分内容编入有关数据库进行检索、交流。 ( 如作者和导师不同意网上交流，请在下方签名；否则视为同意。) 学位论文作者签名： 签字日期： 导师签名： 签字日期： y 卜a 【 u b i ， ， ， h 、t 一， 一 东北大学硕士学位论文 摘要 m r p i i 系统中关于销售预测与m r p 算法的研究 摘要 在企业的成长过程中，受到信息化迅速发展和生产规模不断增大的影响，企 业再也不能依靠手工和经验来进行生产管理，而需要一种信息化的科学的管理手 段，m r p i i 系统正是为了满足企业的这种需要而诞生的。经过几十年的发展， m r p i i 系统已经为企业提供了一种比较完善的管理思想和科学的处理逻辑，在企 业的现代化管理中显示了重要的作用。 销售预测和m r p ( 物料需求计划) 是m r p i i 系统中两个重要的模块，它们 的算法设计是m r p i i 系统的需要解决的关键性问题，一种好的通用强的算法对 于m r p i i 系统的成功有着至关重要的作用。本文完成的任务是研究m r p i i 系统 中销售预测和m r p 两个模块的算法设计方法，最后给出了比较完善并能适应于 企业实际应用的算法。 第一章引言部分介绍了m r p i i 系统的基本知识，详细介绍了其中的销售预 测模块和m r p 模块，最后介绍了本文的主要工作和意义。 第二章中通过b p 神经网络模型和遗传学习算法来实现销售预测的算法，分 别设计了b p 神经网络的遗传学习算法中每个步骤，最后通过实例详细设计了基 于遗传神经网络的按单生产型企业的销售预测算法。 第三章中建立了m r p 算法的基本模型，分析了其中的每个步骤中需要考虑 的影响因素，分别设计了每种影响因素的计算逻辑和实现方式，最后设计出了考 虑多种因素的m r p 算法。 第四章结论部分对本文设计的销售预测算法和m r p 算法进行了总结，分别 对两个算法进行了评价并给出了它们的局限性。 关键词：m r p i i ；神经网络；遗传学习算法；销售预测算法；m r p 算法 i i 】，留， v f。 i跏 舅，“一 、- h i 东北大学硕士学位论文a b s t r a c t a n a l y s e so f s a l ef o r e c a s ta n dm r p a l g o r i t h m s i nm r p i i s y s t e m a b s t r a c t w i t ht h ed e v e l o p m e n to fe n t e r p r i s e s ，a f f e c t e db yt h es p e e d yd e v e l o p m e n to f i n f o r m a t i o na n dt h ei n c r e a s i n gp r o d u c t i o ns c a l eo fe n t e r p r i s e s ，e n t e r p r i s e sh a v en o t p r o c e s s e dt h ep r o d u c t i o nm a n a g e m e n tb yh a n d w o r ka n de x p e r i e n c ef o re v e r ，b u tn e e d a ni n f o r m a t i o n a la n ds c i e n t i f i cm a n a g e m e n tm e t h o d m r p i is y s t e mi sa p p e a r e db y t h er e q u i r e m e n to fe n t e r p r i s e s d u r i n gt h et e n sy e a r so fd e v e l o p m e n t ，m r p i is y s t e m h a sa l r e a d ys u p p l i e dac o m p a r a t i v e l yc o n s u m m a t em a n a g e m e n ti d e aa n ds c i e n t i f i c s o l u t i o n1 0 9 i c ，s h o w i n gt h ei m p o r t a n to p e r a t i o ni nt h em o d e r n i z a t i o nm a n a g e m e n to f e n t e r p r i s e s s a l ef o r e c a s ta n dm r p ( m a t e r i a lr e q u i r e m e n t sp l a n n i n g ) a r et w oo ft h em o s t i m p o r t a n tm o d e li nm r p hs y s t e m t h e i ra l g o r i t h m sa r ea l s ot h ei m p o r t a n tp r o b l e m s w h i c hm r p h s y s t e mn e e d s t os o l v e e x c e l l e n c ea n dc o n m m o n a l g o r i t h m st a k eav e r y i m p o r t a n ta f f e c tt oas u c c e s sm r p i is y s t e m i nt h i sp a p e rii n v e s t i g a t et h ea l g o r i t h m s d e s i g ns c h e m eo ft h es a l ef o r e c a s tm o d e la n dm r p m o d e li nm r p i is y s t e m ，a tl a s t g i v ea v a i l a b l ea n dp r a c t i c a la l g o r i t h m st oe n t e r p r i s e s c h a p t e ro n ei n t r o d u c t i o ns e c t i o ni n t r o d u c e st h eb a s i cc o n c e p t i o no ft h em r p i i s y s t e m ，i n t r o d u c e si t s s a l ef o r e c a s tm o d e la n dm r pm o d e lp a r t i c u l a r l y , f i n a l l y h i n t r o d u c e st h em a i nw o r ka n ds i g n i f i c a n c eo ft h i sp a p e r c h a p t e rt w or e a l i z e st h ea r i t h m e t i co ft h es a l ef o r e c a s tb yb pn e u r a ln e t w o r k m o d e la n dg e n e t i cl e a r n i n ga l g o r i t h m ，d e s i g n se v e r ys t e po fb pn e u r a ln e t w o r ka n d g e n e t i cl e a r n i n ga l g o r i t h m ，a tl a s td e s i g n st h ef o r e c a s ta l g o r i t h mo fp r o d u c t i o nf o r o r d e re n t e r p r i s e sw i t ha l li n s t a n c e c h a p t e rt h r e ec o n s t r u c t st h e b a s i cm o d e lo fm r pa l g o r i t h m ，a n a l y z e st h e c o n s i d e r a t i o no fe v e r ys t e po fi t , a n dd e s i g n st h ec o m p u t a t i o nl o g i co fe v e r y c o n s i d e r a t i o n ，a tl a s td e s i g n st h em r pa l g o r i t h m sw i t hk i n d so fc o n s i d e r a t i o n s ， i i i 东北大学硕士学位论文a b s t r a c t c h a p t e rf o u rc o n c l u d e st h es a l e f o r e c a s ta l g o r i t h m sa n dm r pa l g o r i t h m s d i s c u s s e di nt h i sp a p e r , g i v ea l le v a l u a t i o nf o rt h e ma n dt h e i rl i m i t a t i o n k e yw o r d s ：m r p i i ；n e u r a ln e t w o r k ；g e n e t i cl e a r n i n ga l g o r i t h m ；s a l ef o r e c a s t a l g o r i t h m ；m r pa l g o r i t h m i v l ， i ， ? 毒。 ，： 妒 i ， 爹 东北大学硕士学位论文 目录 目录 独创性声明i 摘要 ， a b s t r a c t n l 第一章引言1 1 1m r p i i 系统介绍1 1 1 1m r p i i 简介1 1 1 2m r p i i 系统的主要模块1 1 1 3 销售预测的重要性2 1 1 4m r p m r p i i 系统的核心3 1 2 本文的主要工作和意义4 第二章基于遗传神经网络的销售预测算法5 2 1 预测的技法和过程5 2 1 1 预测的技法5 2 1 2 预测的过程6 2 2b p 神经网络模型7 2 2 1 神经网络介绍7 2 2 2 神经网络模型和学习方式7 2 2 3b p 神经网络模型1 0 2 3b p 神经网络的遗传学习算法1 2 2 3 1 遗传算法简介1 2 2 3 2 遗传算法描述：1 2 2 3 3b p 神经网络遗传学习算法设计。1 4 2 4 遗传神经网络的销售预测算法实例1 6 2 4 1 确定输入输出数据16 2 4 2 确定网络结构。：1 7 v 一 东北大学硕士学位论文目录 2 4 3 算法设计18 2 4 4 程序设计和运行结果2 0 第三章考虑多种因素的m r p 算法设计忽 3 1m r p 基本模型2 2 3 2m r p 考虑因素2 3 3 2 1 物料计算方式2 3 3 2 2 销售订单消耗预测2 3 3 2 3m r p 计算顺序物料低层码算法2 4 3 2 4 物料净需求算法2 6 3 2 5 订货日期算法2 7 3 2 6 订货策略算法2 8 3 2 7 替代物料。3 4 3 2 8 虚拟物料3 4 3 2 9 物料订货方式3 5 3 3m r p 算法设计3 5 3 4m r p 算法实例3 7 3 4 1 实例描述3 7 3 4 2 程序运行结果3 8 第四章结论。4 0 参考文献4 1 致谢4 4 附录4 5 v i 。 “ 盖- 釜 _ ， 东北大学硕士学位论文第一章引言 1 1m r p i i 系统介绍 第一章引言弟一早ji 百 任何企业生产经营活动的最终目的只有一个，就是如何才能获取最大利润。 为了达到此目的，企业必须合理的组织和有效地利用企业设备、人员、物料等制 造资源，以最低的成本、最短的制造周期和最高的质量生产出满足客户需求的产 品。因此，必须采取先进且十分有效的生产管理技术来组织、协调、计划与控制 企业的生产经营活动，m r p h 正是由此而发展起来的一种科学的管理思想和处理 逻辑，它是企业进行现代化管理的一种科学方法。随着当代信息技术的迅速发展， 使用m r p i i 系统已经成为生产制造型企业发展的必然趋判1 一。 1 1 1m r p i i 简介 m r p i i ( m a n u f a c t u r i n gr e s o u r c e sp l a n n i n g ，制造资源计划) 是在m r p 的基 础上集成了采购、销售、财务等功能，形成了以m r p 为核心，生产、采购、销 售、财务为一体的生产管理模式。这种管理模式共享企业生产过程中使用的所有 资源，实现了物流、信息流、资金流的集成。m r p i i 可以为企业提供一个完整的 制造计划，提高企业的整体效率，现在m r p i i 已经成为制造业所公认的管理标 准系统1 3 l 。 1 1 2m r p i i 系统的主要模块 m r p i i 系统中包括了生产过程中预测、计划、生产控制、物料管理、成本管 理等方面的管理。它的主要模块有：销售预测模块、主生产计划模块、物料需求 计划模块、能力需求计划模块、生产作业控制模块、生产成本管理模块。图1 1 显示了m r p i i 系统的模块结构h 3 。 东北大学硕士学位论文第一章引言 图1 1m r p i i 系统的模块结构 f i g 1 1m r p i is y s t e mm o d e ls t r u c t u r e 其中的销售预测模块和m r p 模块是本文所要研究的重点。 1 1 3 销售预测的重要性 企业为了提高自身的竞争力，随时准备满足客户潜在的需求，就必须从现状 出发为未来做准备，为此就有必要去猜测、假设或估计从现在开始将发生什么。 这种从现状出发估计将来的需求的过程叫做预测。只有进行有效的销售预测，才 可以制定有效的生产计划，可以避免生产不足或生产过度的情况的发生，可以及 时、有效的满足客户的需求。准确的销售预测是提高企业竞争力的有效手段，它 可以让企业最大限度的争取客户。可以这样说，当两个企业其它情况相同时，具 有准确的销售预测可以有效的提高企业的竞争力。 在m r p i i 系统中，销售预测是其中的一个重要模块。销售预测是m p s ( 主 生产计划) 需求的主要来源，也是m r p 中最终物料需求的主要来源。在依靠销 售预测作为驱动的m r p i i 系统中，准确的销售预测是m r p i i 系统准确、有效运 行的前提条件【引。 选择合适的销售预测技法对销售预测的成功有至关重要的作用，本文第二章 使用遗传学习的b p 神经网络来进行对按单生产型企业的销售预测算法的设计。 2 ， 扣 印 r i 矗 爹“ _ h 僵 东北大学硕士学位论文第一章引言 m r p ( m a t e r i a lr e q u i r e m e n t sp l a n n i n g ，物料需求计划) 是整个m r p i i 系统 中的核心模块，它是m r p h 系统的最基本的组成部分。m r p 的输入输出结构图 如图1 2 所示： 图1 2m r p 输入输出结构图 f i g 1 2m r p i os t r u c t u r e 由图1 2 所示，m r p 是m p s 需求的进一步展开，m p s 是企业的生产人员根 据销售预测，销售订单、采购订单等因素制定出的关于最终产品的主生产计划。 m r p 所涉及的不仅是最终产品的生产计划，还包括对生产最终产品所需物料的 计划。m r p 是根据m p s 、物料清单和可用库存，计算出企业要生产的全部加工 件和采购件的需求数量和需求时间，并给出推荐的生产订单或者采购订单。企业 可以根据m r p 计算的结果来制定生产计划和采购计划。m r p 将m r p h 系统中 的生产、采购、销售、库存紧密地结合在一起，它是m r p i i 系统中最重要的组 成部分，是m r p i i 系统的核心模块【6 】。 m r p 在m r p i i 系统中具有至关重要的作用，它涉及到的考虑因素又有很多， 所以m r p 的算法一直都是m r p i i 系统中关心的要点，一个好的m r p i i 系统需 要可以满足多种影响因素的m r p 模块。本文的第三章设计了考虑多种因素的 m r p 算法。 - 3 - 东北大学硕士学位论文 第一章引言 1 2 本文的主要工作和意义 m r p i i 给出了企业进行现代化生产和管理的基本理论，将m r p i i 的理论转 化为计算机中使用的用户程序需要设计出相应的算法。本文的主要工作是对 m r p i i 系统中的两个关键模块，销售预测模块和m r p 模块的算法进行研究，设 计出了基于遗传神经网络的销售预测算法和考虑多种因素的m r p 算法，这两种 算法都是比较完善而且严密的算法，已经用于企业的实际应用。 在目前许多大型的e r p 系统( m i 心i i 系统的扩展) 中，如s a pr 3 、o r a c l e e r p 等都有自己的销售预测算法和m r p 算法，但是这些算法都是封闭的而且是 针对于自己本身的系统而设计的，如果需要开发新的系统或对原有系统进行二次 开发，就需要重新设计算法。本文设计的算法没有针对特定的系统，是一种用普 遍适用的算法理论，具有良好的性能，可以为大多数的m r p i i 系统的开发所使 用。 4 矿。 1 i 印 0 r 蠢 审 一 j _ 受 东北大学硕士学位论文第二章基于遗传神经网络的销售预测算法 第二章基于遗传神经网络的销售预测算法 m r p 是以计划为中心的系统，销售预测是主生产计划和物料需求计划的 主要需求来源，预测是否准确直接关系到计划制定的好坏，这关系到了m r p 系统的可靠程度，而为了做出准确的销售预测需要选择合适的销售预测技法。销 售预测是通过过去的销售数据对企业未来的销售状况进行预测，企业实际的销售 数据通常呈现出一种非线性关系，很难建立出一种确定的数学模型。神经网络在 逼近非线性函数上有很好的效果，所以本文采用神经网络作为销售预测的技法， 并使用遗传算法作为神经网络的学习算法。 + 2 1 预测的技法和过程 0 1 1 预测的技法 预测的技法是进行预测时选择的预测方法，预测技法的选择对预测的合理程 度和准确度有重要的作用，不同的预测技法适用于不同类型的预测。下面介绍销 售预测中常用的几种技法。 1 专家估计法 ； 专家估计法是一种定性的预测方法，它根据市场专家根据多年累积的经验来 预测未来的销售数量。这种预测方法根据专家经验和当时的市场情况给出预测， 是一种很有效的预测方法，适合于多种情况下的销售预测。 2 平均值法 平均值法是销售预测中很有用的技法，它适用于水平与间歇的需求模式的情 况。其中有两种比较常用的技法：移动平均值法和加权平均值法。 移动平均值法可在任意数据期间之上计算出来，期间个数越多，平均值越稳 定，但预测越不灵敏。移动平均值法的计算方法为： ，：生旦兰生丛生业 ( 2 1 ) 刀 ：其中d 为每一期间内的需求，刀为期间的个数，f 为预测值。 。 加权平均法是对过去的销售预测和过去的销售数据分别赋予不同权值作为 - 5 东北大学硕士学位论文第二章基于遗传神经网络的销售预测算法 将来的预测，可以避免预测的数量受过去销售数据的影响过大，加权平均值的算 法为： f = 彤幸f o + 幸d( 2 2 ) 其中，为过去预测和过去实际销售数量的权值，e 为过去的销售预测，d 为 实际的销售数量【羽。 3 神经网络法 神经网络具有很好的逼近非线性函数的特性，因此使用神经网络作为预测的 技法可以取得不错的效果，神经网络已经在许多领域的预测中取得了很好的效 果。神经网络用于销售预测时需要有明确的输入样本数据，它主要用于影响销售 预测的因素明确的情况下，同时要具有一定数量的已知样本数据。对于按单生产 型企业，企业实际的销售数量在一定程度上与销售订单的数量有关，并且存在一 定历史时期已知销售订单数据的样本。本文采用神经网络作为按单生产型企业的 销售预测技法【9 】。 2 1 2 预测的过程 预测的过程是进行预测所需要的步骤，在一般的预测技法中，预测的过程主 要分为以下6 个步骤。 s t e p l ：确定预测目标，首先明确预测需要达到一个什么样的目标，这个目 标体现为预测算法中选用的目标函数。 s t e p 2 ：收集分析资料，收集预测算法中所使用的样本，样本数越大，得到 的预测结果越精确。 s t e p 3 ：预测方案的选择，预测方案的选择即为预测技法或者预测模型的选 择，本文选择的是神经网络模型。 s t e i m ：进行预测，根据所选择的方案和所建立的数学模型，输入样本数据 进行预测。 ， s t e p 5 分析预测结果，对得到的预测结果进行分析。将预测结果和预测目 标进行比较，如果预测结果满足预测目标则预测结束，如果结果不满足预测目标 则要继续进行预测。 - 6 争。 知 耳 0 譬 羹 东北大学硕士学位论文 第二章基于遗传神经网络的销售预测算法 s t e p 6 ：确认预测结果，如果存在满足预测目标的预测结果，确认预测结果 并且输出。 _ 预测的基本模型如下所示i 刀： 2 2b p 神经网络模型 2 2 1 神经网络介绍 合理 ， 图2 1 预测基本模型 f i g 2 1f o r e c a s tb a s i cm o d e l 神经网络( n e u r a ln e t w o r k ，简称n n ) 是一种模拟人脑功能而建立的一种 复杂的、非线性的、并行处理的信息处理系统。它可以弥补现代计算机在模式识 别、感知和在复杂环境中作决策等问题的不足。目前神经网络已经在预测，模式 识别，图像处理，控制和优化等方面起到了很好的效果。 在销售预测问题中所考虑的模型是一种根据以往销售数据建立起的一种非 线性模型，由于市场的复杂和不确定性，很难建立起一种有效的数学模型。而神 经网络可以很好的模拟非线性系统，所以用神经网络作为销售预测模型可以取得 很好的效果【l o l 。 2 2 2 神经网络模型和学习方式 神经网络模型的基本组成单元是神经元，整个神经网络是由许多个神经元所 7 - 东北大学硕士学位论文第二章基于遗传神经网络的销售预测算法 组成的。图2 2 显示了作为神经网络基本单元的神经元的模型。 图2 2 基本神经元模型 f i g 2 2b a s i cn e u r a lc e l lm o d e l 神经元模型具有多个输入和一个输出，它有三个基本要素： ( 1 ) 一组连接，连接强度由各连接上的权值表示。 ( 2 ) 一个求和单元，用于求取各输入信号的加权和。 ( 3 ) 一个非线性激活函数，它可以起到非线性映射作用并将神经元的输出 幅度限制在一定范围内。 此外还有一个阈值，阈值可以看作权值为1 的一个输入，它对某些神经网络 模型有重要的作用。 神经元输出的表达式如下： y = 厂( m 而一d ( 2 3 ) i l l 其中y 表示神经元的输出，刀表示输入个数，毛表示神经元的输入，w 表示各连 接上的权值，厂( ) 表示非线性的激活函数。 下面介绍建立神经网络模型的几个关键问题，确定在销售预测问题中使用的 网络模型。 d 1 非线性激活函数的选择 神经网络中的激活函数可以选用多种类型的函数，下面介绍常用的几种激活 函数类型。 ( 1 ) 阈值函数 - 8 砷 f _ k 东北大学硕士学位论文 第二章基于遗传神经网络的销售预测算法 八叻刊按： 阈值函数可以看作一个分组函数，它常用于模式识别问题中。 ( 2 ) 分段线性函数 f 1 , v 乱 ( v ) = v , - 1 的销售订单数量 和 11 , 1 2 的销售数量作为测试样本。 s t e p 2 ：数据归一化 因为双曲正切函数将函数值确定在【一1 ，1 】内，所以需要使用数据归一化将所 有的输入输出数据映射到【- 1 ，1 】区间内。 数据归一化的公式如下【2 3 】： 而= 2 ( 而一m i n ( x ) ) 恤( x ) 一l i l i n ( x ) ) ( 2 1 3 ) o j = 2 ( q - r a i n ( o ) ) ( m a x ( o ) - r a i n ( o ) ) 一l 、7 数据归一化之后的销售数据和销售订单数据如下： 表2 2 数据归一化后实际销售和销售订单数量 t a b l e2 2a c t u a ls a l eq u a n t i t ya n ds a l eo r d e rq u a n t i t ya f t e ru n i t a r i l y s t e p 3 ：初始化种群 输入层到隐层的连接权为w ；，1 a i s 2 ，l 4 ，隐层到输出层的连接权为 v ：i ，l j 4 ，隐层的阈值为嘭，l j 4 ，输出层的阈值为y ，共有1 7 个参数。 1 8 - 东北大学硕士学位论文第二章基于遗传神经网络的销售预测算法 设置每个个体的基因个数为1 7 ，种群数量为1 0 0 。 初始化种群时首先生成1 0 0 个个体对象，每个个体的基因用c 0 6 表示。使 用随机函数将每个对象的数组初始化为【一1 ，1 】之间的实数，用可变长度的链表表 示种群，将1 0 0 个个体对象加入到链表中。 s t e p 4 ：计算个体适应度 ， 分别计算每个个体对象的适应度，个体适应度计算方法为： 1 根据所有输入样本计算实际输出值y ( n ) ，1 ，l 8 。 2 计算网络平均误差e = 丽1 刍4 ：- , 9 ( 刀) 一y ( 刀) ) 2 ，= 8 3 计算适应度f = - i _ l + 占 将计算出的个体适应度保存在每个个体对象中，将最大的个体适应度保存在 全局变量中。 s t e p 5 ：杂交操作 根据杂交概率和离散杂交算子对种群链表中的两个个体对象进行杂交操作。 这里选择杂交概率为o 7 ，离散杂交算子是在每次杂交操作之前根据随机函数产 生的1 7 位的0 1 串。选择个体适应度与最大适应度之比小于o 7 的两个个体对象 进行杂交，杂交的过程是将个体对象的数组按