• 2022年国赛高教杯数学建模E题小批量物料的生产安排解题全过程文档及程序


    2022年国赛高教杯数学建模

    E题 小批量物料的生产安排

    原题再现

      某电子产品制造企业面临以下问题:在多品种小批量的物料生产中,事先无法知道物料的实际需求量。企业希望运用数学方法,分析已有的历史数据,建立数学模型,帮助企业合理地安排物料生产。
      问题 1 请对附件中的历史数据进行分析,选择 6 种应当重点关注的物料(可从物料需求出现的频数、数量、趋势和销售单价等方面考虑),建立物料需求的周预测模型(即以周为基本时间单位,预测物料的周需求量,见附录(1)),并利用历史数据对预测模型进行评价。
      问题 2 如果按照物料需求量的预测值来安排生产,可能会产生较大的库存,或者出现较多的缺货,给企业带来经济和信誉方面的损失。企业希望从需求量的预测值、需求特征、库存量和缺货量等方面综合考虑,以便更合理地安排生产。
      请提供一种制定生产计划的方法,从第 101 周(见附录(1))开始,在每周初,制定本周的物料生产计划(见附录(2)),安排生产,直至第 177 周为止,使得平均服务水平不低于 85%(见附录(3))。这里假设:本周计划生产的物料,只能在下周及以后使用。为便于统一计算结果,进一步假设第 100 周末的库存量和缺货量均为零,第 100 周的生产计划数恰好等于第 101 周的实际需求数。
      请在问题 1 选定的 6 种物料中选择一种物料,将其第 101 ∼ 110 周的生产计划数、实际需求量、库存量、缺货量(见附录(4))和服务水平按表 1 的形式填写,放在正文中。
    在这里插入图片描述
      问题 3 考虑到物料的价格,物料的库存需要占用资金。为了在库存量与服务水平之间达到某种平衡,如何调整现有的周生产计划,并说明理由。请根据新的周生产计划,对问题 1 选定的 6 种物料重新计算,并将全部计算结果以表 1 的形式填写在 Excel 表中,通过支撑材料提交,将综合结果按表 2 的形式填写,放在正文中。对问题 2 选择的 1 种物料,将其第 101 ∼ 110周的生产计划数、实际需求量、库存量、缺货量和服务水平按表 1 的形式填写,放在正文中。
      问题 4 如果本周计划生产的物料只能在两周及以后使用,请重新考虑问题 2 和问题 3。能否将你们的方法推广到一般情况,即如果本周计划生产的物料只能在 𝑘 (≥ 2) 周及以后使用,应如何制定生产计划。

    整体求解过程概述(摘要)

      论文试图根据某企业产品需求的历史记录,建立数学模型,解决合理安排生产计划问题。
      首先,统计所有 284种不同物料需求出现的频数、数量、趋势、销售单价和销售总额,选择销售总额较大、记录频数较多、需求数量较高的不同趋势(水平型、上升型、下降型)的6种物料进行关注。
      其次,对选择重点关注的6种物料,以周为单位,统计每种物料的周需求量。建立物料需求的周预测模型,采用三次指数平滑预测法,编写程序,进行短期预测。即用前100周数据预测第101周数据,用前101周数据预测第102周数据,以此类推。经过不断尝试,并且考虑到平均服务水平不低于85%的要求,针对不同趋势的数据,采用不同的参数(水平型取参数 ,上升型取参数 ,下降型取参数 ),这样选择的参数可以快速、大幅提高需求量的增长,从而降低缺货量,进而保障服务水平的高质量。
      根据这个原则,分别对6种不同物料进行统计和计算,得到6种物料第101-177周的库存量、缺货量和服务水平,以及综合结果。计算结果发现,6种物料的平均服务水平都超过85%,绝大多数周的服务水平都达到100%,然而,平均库存量也较大。其中物料6004021055平均库存量高达198.63件/周。
      再次,在第2题的生产安排模型中,服务水平高,但是库存量大,为了在二者之间寻求平衡,论文提出“强化参数法”和“联合调整法”。在“强化参数法”中,对于每周需求量计算都按照方案调整一次参数,及时地补充和跟进需求量的增加,以保证服务水平不会连续较低的情况。而“联合调整法”则是联合上周库存量、缺货量和本周需求预测值,极大限度地压缩库存量,减少成本。在这两个方法相继使用之下,很好地平衡了服务水平和库存量的关系。
      根据这个想法,分别对6种不同物料进行统计和计算,得到6种物料第101-177周的库存量、缺货量和服务水平,以及综合结果。计算结果发现,所有物料的平均库存量均有不同程度下降,物料6004021055的平均库存量降到45.51件/周,降幅77.1%,而平均服务水平则降为82.91%。针对其他平均库存量本来就较小的物料,改进方案,使得服务水平达到85%以上的同时,平均库存量也在20件/周以下。
      最后,调整假设条件,延长产品从计划到使用的时间,这必然导致缺货量增加,所以对“强化参数法”和“联合调整法”都进行了改进,倾向于增加库存量来避免持续缺货,严重影响服务水平的情况,针对延长k周(k=2)的情况进行计算,从计算结果来看,效果是很好的,只是对于这两种方法中的参数,需要更多数据和探索,以期获得更多经验。

    模型假设:

      1、假设附件所给数据无遗漏,数值均无误;
      2、假设本周生产计划所生产的产品,本周并不能使用,必须在k(k>1)周之后才能使用。

    问题分析:

      问题1分析
      1.结合物料需求出现的频数、数量、趋势、销售单价和销售总额,利用EXCEL工具排序,选择6种重点关注的物料。
      2.以周为单位,统计周需求量历史数据。
      3.建立时间序列三次指数平滑预测模型,对周需求量进行预测,计算误差。
      问题 2 分析
      1.假设周需求量预测值为生产计划,提出“参数调整法”,即对物料趋势进行分类,利用三次指数平滑预测法,水平型取参数 ,上升型取参数 (为了保障服务水平处于较高的质量),下降型取参数 ,确定生产计划。
      2.梳理生产计划、实际需求、库存、缺货量及服务水平之间的关系,按照一周后才能使用产品的假设,计算6种重点关注物料在第101-177周的库存、缺货量及服务水平。
      3.进一步计算6种物料的综合结果。
      4.分析问题。
      问题 3 分析
      1.将问题2的流程进行调整,增加调整生产计划的步骤;
    确定需求量预测——“强化参数法+联合调整法”调整实际生产计划——计算库存、缺货量、服务水平——计算综合结果。
      2.确定调整实际生产计划的方案,即根据库存、需求量调整生产计划(降低库存成本),根据服务水平、缺货量调整生产计划(提高服务水平),以实现平均服务水平高于80%,且库存量大幅度低于问题2中库存量。最终实现库存量与服务水平之间的平衡。
      3计算6种物料的库存、缺货量及服务水平,及综合结果,并与问题2中的结果进行对比。
      问题 4 分析
      1.更改假设,假设本周计划生产的物料只能在k=2周及以后使用,那么对突然增加需求量的情况就必然导致服务水平极低,所以必须继续调大参数a-0.9并且在需求量基础上数乘β (β≥1),以达到快速增加需求量的目的。k值越大,β值也越大。
      2.计算6种物料的库存、缺货量及服务水平,及综合结果。

    模型的建立与求解整体论文缩略图

    在这里插入图片描述

    全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

    程序代码:(代码和文档not free)

    %三次指数平滑法
    %当时间序列的变动表现为二次曲线趋势时,则需要用三次指数平滑法。
    
    clc,clear
    load touzi.txt	%原始数据以列向量的方式存放在纯文本文件中 yt=touzi; n=length(yt);
    yt=touzi; n=size(yt,1);
    alpha=0.3; st1_0=mean(yt(1:3)); st2_0=st1_0;st3_0=st1_0; 
    st1(1)=alpha*yt(1)+(1-alpha)*st1_0; 
    st2(1)=alpha*st1(1)+(1-alpha)*st2_0;
    st3(1)=alpha*st2(1)+(1-alpha)*st3_0;
    for i=2:n
        st1(i)=alpha*yt(i)+(1-alpha)*st1(i-1); 
        st2(i)=alpha*st1(i)+(1-alpha)*st2(i-1); 
        st3(i)=alpha*st2(i)+(1-alpha)*st3(i-1);
    end
    xlswrite('touzi.xls',[st1',st2',st3'])
    st1=[st1_0,st1];st2=[st2_0,st2];st3=[st3_0,st3];
    a=3*st1-3*st2+st3;
    b=0.5*alpha/(1-alpha)^2*((6-5*alpha)*st1-2*(5-4*alpha)*st2+(4-3*alpha)*st3); 
    c=0.5*alpha^2/(1-alpha)^2*(st1-2*st2+st3);
    %得到拟合值写入excel,并与实际值比较
    yhat=a+b+c; 
    xlswrite('touzi.xls','yhat','Sheet1','D1')
    plot(1:n,yt,'*',1:n,yhat(1:n),'O') 
    legend('实际值','预测值')
    %得到预测值
    m=input('需要预测几期')
    xishu=[c(n+1),b(n+1),a(n+1)]; 
    for j=1:m
         y_pre(j)=polyval(xishu,j);%polyval为多项式求和 (系数,x值)
         str=char(['D',int2str(n+j)]); 
         xlswrite('fadian.xls',y_pre(j),'Sheet1',str)
    end
    %显示预测值结果
    y_pre
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可
  • 相关阅读:
    WPF异步编程
    Azure DevOps (四) 创建第一条流水线
    Python 教程之输入输出(1)—— 在 Python 中接受输入
    win10 LTSC无损升级 win11专业版 记录
    VHOST-SCSI代码分析(1)VHOST SCSI设备模拟
    【python学习】基础篇-常用模块-shutil文件和目录操作
    红细胞膜载近红外荧光染料IR780的壳膜/细胞膜荧光染料CM-Dil标记BMSCs的制备
    传统广电媒体为何选择上云?有何优势?
    2023年中职组“网络安全”赛项 云南省竞赛任务书
    python办公自动化(九)os模块统计文件名、批量重命名、文件压缩
  • 原文地址:https://blog.csdn.net/weixin_43292788/article/details/131082064