轮胎库存管理中的需求预测研究

【摘要】： 轮胎销售量常常受到市场的制约而频繁的波动,且不同型号的轮胎所耗用的各种原材料数量有差别,管理者很难做出准确的备料计划。因此,要保证以最快的速度把轮胎交付给客户,满足客户的需求,只能增加库存量。而过多库存的堆积,不仅占用资金,而且经常出现库存存放位置和数量不清等情况。为了解决以上问题,本文通过研究库存需求预测的问题,使轮胎原材料和成品基本上达到供需平衡和产销平衡的目的。 目前轮胎行业发展迅速,轮胎库存管理的好坏会影响到公司的经营效率,所以迫切需要对轮胎需求预测进行研究。国内外专家学者对需求预测的研究有很多,却少有针对轮胎需求预测的研究。本文将贝叶斯神经网络用于轮胎需求预测中,并取得了较好的效果。 本文利用BP神经网络模型和贝叶斯神经网络预测模型对轮胎的周/月需求量进行仿真预测,并对比了两种模型的预测结果。仿真结果表明:贝叶斯神经网络模型比BP神经网络模型的泛化能力好、收敛速度快、预测精度高。贝叶斯神经网络模型对轮胎需求预测有良好的预测效果。 本文利用轮胎的预测需求量,再根据轮胎需求量和物料采购量之间的定量关系,并对照现有的库存量,预测下周/月的轮胎生产量和物料采购量。这样可以提高库存管理的科学性,从而达到轮胎生产计划既能满足市场需求,又能有效降低物料库存,减少资金的占用和提高公司的经济效益的目的。 本文利用Visual C++6.0和MATLAB混合编程实现库存需求预测系统。采用Visual C++6.0设计界面,以MATLAB为后台进行基于贝叶斯神经网络预测,最后利用Visual C++6.0调用MATLAB引擎实现预测功能。