生产计划人员Word文件下载.docx
《生产计划人员Word文件下载.docx》由会员分享，可在线阅读，更多相关《生产计划人员Word文件下载.docx（29页珍藏版）》请在冰点文库上搜索。
所以销售人员的一项重要才能，就是如何能说服订户乐意接受一个范围变动较大的交货期。
此外，还可以彩一些刺激办法来影响用户，如打折和采用对过早交货与脱期交货处以罚款的条款等。
二、预测方法
为了拟订生产计划中的产量，首先必须进行需求的预测，这是计划的基础。
有了这种预测就可以规划所需人力、材料、生产率和存储水平。
预测方法有两类。
一类是统计方法，它包括数量分析；
另一类是主观的或直觉的判断方法，它主要依靠估计和判断。
统计方法建立在这种假设的基础上；
它认为历史资料可用来预测未来并可运用过去数据预测未来的需求量。
判断的方法要采用这样一些手段，如顾客的调查、销售人员的估计、与经济或消费趋向间的相互关系、技术进步以及舆论方面。
实际上这两类方法是结合运用的。
一种预测的方法是先进行统计预测，然后根据那些导致偏离历史发展趋势的影响因素来作修正。
或者是相反，先撇开企业历史资料进行预测，然后把它与统计分析进行比较，以确认或说明其间的重大差别。
应用过去数据作预测的最通用而又较方便的方法是简单移动平均法，加权移动平均法，指数平滑法与回归分析法。
这些方法使用方便，管理人员只消应用一台计算器就足够了。
即便是技术复杂而又费钱的预测方法，如复杂的曲线拟合、时间序列分析或蒙特卡罗模拟方法，在运用时也同样要依赖于这些因素，如市场的大小、潜在的利润、现有的分析人员。
影响需求的因素
在大多数场合中，对产品或服务的需求可以分解为六个要素：
一段时间的平均需求、趋向、季节影响、周期要素、随机变动和自相关（Autocorrelation）。
图书。
5。
1说明一个为期待年的需求，指出了平均需求量、趋向、季节性影响以及围绕光滑需求曲线的随机变动情况。
周期性的因素比较难于决定，因为间隔的周期长短是求知数，或者是形成周期的原因无法知道。
对需求的周期性影响可能来自这样一些事件，如政治上的竞选，战争，经济情况或社会压力。
随机偏听偏信离是由自然的偶然变动所引起的。
当我们从总需求中把那些已知原因的需求因素剔除以后（如剔去平均、趋向、季节、周期性与自相关），所剩下的无法解释的那部分，就属随机引起的需求。
当无法把引起这一需求的原因归入某特定源由时，那么它就属于自然的随机性。
自相关表示事件的持续性——在任何一时点的期望值是同它的过去值密切相关的。
在排队论里，队的长度是高度自相关的。
也就是说，如果在某一时点上队是相当长的，那么经过很短暂的时间后，可以认为队仍然是很长的。
当需求为随机时，一周的需求量同另外一周的需求量可以相差很大。
如若存在高度自相关时，这现周同下一周的需求量是不能相差很大的。
简单移动平均法
当对产品的需求不具有迅速增长之势和季节影响时，可用移动平均法来消除预测中的随机变动。
虽然移动平均值常常是“有中心的”，但是它可以较方便地运用过去的数据直接作下一时期的预测。
下面来说明。
一月、二月、三月、四月和五月的五个月平均中心在三月份，这就要求具有这五个月份的数据。
如果我们的目标是预测六月份，那么我们须重新安排移动平均值中心，从三月份推移到六月份。
如若平均值不在中心而在前期，那么预测就方便了，当然这时精度可能差些。
因此，我们若要应用五个月的移动平均值来预测六月份的需求，我们可以运用一至五月份的平均值勤。
六月份过后，我们再用二至六月份的平均值来预测七月份的需求。
表6。
1和图书。
2就是用这种方法计算出来的。
1以3周与9周为期用简单移动平均法预测需求
周
需求量
3周
9周
1
800
16
1700
2000
1800
2
1400
17
1833
1811
3
1000
1067
18
2200
1900
1911
4
1500
1300
19
1967
1933
5
1333
20
2400
2167
2011
6
1433
21
2233
2111
7
1533
22
2600
2467
2144
8
1600
23
2333
9
1367
24
2500
2367
10
1567
1467
25
2267
11
26
2433
2311
12
1633
1556
27
13
2300
1644
28
2378
14
2033
1733
29
15
30
2100
2344
虽然在应用移动平均法时选择最优的基期是很重要的，但在选用不同长度的期限时会出现某些相互矛盾的结果：
移动平均期愈长，对随机变动的平滑效果愈好（这是我们所希望的）。
然而，当数据中存在着需求上升或下降的趋向时，平均移动值会表现出迟后于趋向的不良特征。
因此，当期限短时会产生出振荡现象，但却较为接近实际的变化趋向。
相反，取较长的平均期固然能得到平滑的响应，然而却迟后于变化的趋势。
图6。
2是根据表态。
1的数据绘制的，它表明了采用不同移动平均期的结果。
从图中可以看到的第23周时恢复到水平增长趋势。
虽然从总的看来9周的平均值比较平滑，但是3周的移动平均值（比之9周的移动平均值）能更好地反映出变的趋势。
计算移动平均值的主要缺点在于：
所用数据必须包括所有的各个要素，因为计算第每一个新的预测期的平均移动值要加入一个新的数据和删去一个最早的数据。
对于一个3月或6月为期的移动平均值，这还不太严重；
但对于一个长的期间来说，譬如说，纽约证券交易所的为期200天的移动平均值，那就需要费用很大的数据量。
加权移动平均法
在简单移动平均法中，把构成移动平均数据基础的每个要素，都视作为具有修相同的作用（效果），而在加权移动平均法中，允许在每个要素进行加权，当然所有权数之和为1。
例如，一个百货公司根据为期四周（28天）的数据来源作迎期预测，把前四周同一天的销售结果加权势40%，余下24天的平均值加权60%。
可用一个更简单的例子加以计算和说明。
假设在进行一个以四个月为期的最佳预测中，最近月份的实际销售量取其40%，二月以前的取30%，三个月以前的取20%，四个月以前的取10%。
若实际销售额如下
第一个月
第二个月
第三个月
第四个月
第五个月
100
90
105
95
？
对第五个月的预测为：
F5=0。
40（95）+0。
30（105）+0。
20（90）+0。
10（100）
=38+31。
5+18+10
=97。
假如第五个月的实际销售量为110，那么对第六个月的预测将是：
F6=0。
40（110）+0。
30（95）+0。
20（105）+0。
10+（90）
=44+28。
5+21+9
=102。
加权移动平均的优点是肯定的，可以体现历史数据的不同作用，但其缺点是容易“遗忘”过去时期的整个历史。
指数平滑法
上述两种预测方法（简单平均法与加权移动平均法）的主要缺点，是要求不间断地掌握大量历史数据。
下节要讲到的回归分析法也有同样的缺点。
在这些方法中，在进行一次新预测时，必须加进一个新数据和剔除一个最早的数据。
可以说大多数情况下，反映最新情况的资料比之过去的显得最合适，从而最早获了应用。
应用指数平滑法预测未来时，只需要三个数据：
最近期的预测量，预测期的实际需求量及平滑常数（a）。
平滑常数决定平滑的水平和对于预测量与实际数之差的反应速度。
常数的取值是任意的，其值的大小取决于二个因素：
一是产品性质，二是企业经理为了取得良好的响应而作出的判断。
例如企业生产的是一种需求量相对稳定的标准产品，实际需求与预测需求量之差的反应速度趋向于减小——可能只要百分之几。
相反，若是企业根据经验感到需求量要增长，那么就应规定一个较高的增长率，以突出最近的增长趋向。
增长量愈大，反应速度应愈高。
一次指数平滑预测所用的公式很简单，表示如下：
Ft=Ft-1+a（At-1－Ft-1）
式中：
F1=第七月的指数平滑预测值；
Ft-1=前期的指数平滑预测量；
At-1=前期的实际需求量
a=所需的响应速度，或称平滑常数。
这公式表明，一个新的预测量等于老的预测量再加上一个调整量，这个调整量是期所作的预测量和实际量之差的一个比例数。
为了说明这种方法，我们假定对产品的需求从长远来看是相对稳定的，平滑常数（a）取值0。
05比较合适。
如果用指数方法作为持续的决策方法，那末要对一个月作出预测。
假定最近月份的预测（Ft-1）是1050件，如果实际需求量是1000件，而不是1050件，那么这个月的预测为：
F1=Ft-1+a（At-1－Ft-1）
=1050+0.05（1000－1050）
=1050+0.05（－50）
=1047.5件
由于平滑系数小，新预测对一个为数50件的“误差”所作的反应，乃是把下月的预测量减少2。
5件。
实际上，这种方法可以看作是对过去若干时期进行指数平滑加权，用方程式扩展如下：
Ft-1=Ft-2+a（At-2－Ft-2）
Ft-2=Ft-3+a（At-3－Ft-3）
当扩展到七个时期后，一般模型变为：
Ft=a〔At-1+（1－a）At-2+（1－a）²
A（t-3）+（1－a）³
A1-4+…（1－a）t-1A0〕+（1－a）tF0
可见，这议程式是进行指数加权，对过去时期的每一次增量乃是减少（1—a），或者可表示如下：
表示6。
a=0.05时的权数
最近期的权=a（1—a）……………….
……0.0500
早一期的权=a（1－a）1
…….0.0475
早二期的权=a（1－a）2
…….0.0451
早三期的权=a（1－a）3
……..0.0429
线性回归分析法
线性回归分析虽然计算起来比移动平均法难些，但当过去的数据是直线时，它是一种非常有用的预测技术。
不过，这方法中如何估算直线与数据拟合的程度，构成为程序的一个部分。
线性回归法把一个变量“回归”到另一个变量上去。
例如，大家知道消费一收的一个函数。
如果我们以Y表示消费（应变量），以X表示收（自变量），线性模型为：
Y=a+bx
y或Y=消费
a——纵轴上的交点
b——直线的斜率
x——收入
大写的字母Y用来表示由公式计算得出的消费，小写的字母y用来表示由直接观察所得到的消费量。
用来确定最合适的线的方法为最小二乘法。
其方法乃是寻找从每一数据到所取假定直线上相应点的距离的平方和的最小值。
3中五个数据点规定了相当于各特定收入值（x）消费水平（y）。
如果我们通过这些点的范围作出一条直线，我们可以表示出实际消费量（y）与直线上相应点（Y）的距离。
这些数据点与线上点的差距的平方和为：
（y1-Y1）2+（y2－Y2）2+（y3－Y3）2+（y4－Y4）2+（y5－Y5）2
当此值为最小时，就是最佳的直线。
我们不打算深入钻研议程的推导，只准备略加说明。
直线的议程是Y=a+bx，问题在于决定a与b的值。
以数学方法表示，为
a=y－bx
b=∑xy－nxy
∑x2－nx2
a——y轴上的截距；
b——直线的斜率；
y1——y的平均值；
x1——x的平均值；
x——每一个数据的x值
y——每一个数据的y值；
n——数据的点数；
Y——用回归议程计算的应变量的值。
估计值的标准误差，也即直线拟合数据的程度：
下月之用。
所以，二月份的需要量是：
需求预测（1500）+保险储备（375）－期初储备（4500）=1425。
其他月份的计算与此相似。
短缺的数量则通过以后补足或从下月的生产初储备（450）=1425。
短缺的数量则通过以后补足或从下月的生产中来补足。
Syx=∑
这是相同于算术平均值的标准差的公式。
当有多个因素影响到一个我们所关心的变量时（这里所讲座的变量就是销售量），采用多重回归法作预测是非常合适的。
其困难则在于数据的收集，特别是数学上的计算。
在部分计算机都已配备有多重回归分析的标准程序，从而解脱了繁重的手工计算。
三、生产计划方法（技术）
生产综合计划的目的是确定存储的规模、总的劳动力和整个产量（用统一的单位来表示的产量，如产品的吨位、机床小时数）。
最常用的方法仍然包括图表方法。
但也化了很大力量去发展数学方法和直觉推断的方法，以帮助计划人员解决繁难的日常事务。
图表法与图示法
作出了计划期的预测后，生产计划人员可以根据累计的产品需要量建立图卡。
为了满足这个需求量，计划人员可以根据累计的产品需要量建立图卡。
为了满足这个需求量，计划人员可以通过变动劳力、生产率和存储量拟订出不同的策略方案。
选择方案的准则是要求费用最低。
费用包括下述各个方面：
由于储备量变动而发生的费用：
存储费（因储备、陈旧、变质、失窃、利息等所引起的费用）；
由于生产率变动而发生的费用；
工时利用不足（工人有过多的闲余时间）；
加班加点（由于加班加点支付的津贴）；
或开两班、三班而引起的费用；
由于劳动力变化而发生的费用；
增加劳动力（雇佣和训练费用）；
减少劳动力（解雇费，失业保险金支出、因工人间磨擦、与工会或整个社区发生磨擦而引起的费用）；
计划人员有时宁可不增加出产量，而通过外包或从对手或其他承包者那里购入产品，以满足用户的“高峰”需求，从而使本企业的生产稳定的合理的生产率水平上。
外包费用是外购费用超过本厂自制成本之上的增加额。
为了简短起见，我们用了为期六个月的进度安排。
实际上，12个月的进度安排是比较正常而合适的，因为12个月度的计划能够展现出整个一年内的需求变动情况。
假定我们已经得出了每月需求的预测，现有存储量为400个单位产品，对保险储备量所采取的政策是：
维持在月预测值的四分之一的水平上，并得出了每月的有效工作天数。
这些有来计算生产需求量的数据已列入表6。
4。
第4行按每月预测值的四分之一计算。
第5行是每月需生产的数量。
对一月份来说，该月总需求中要扣去期初的存储量400个单位产品：
需求量+保险储备—期初储存=一月份的需要量（1800+450—400=1850）。
从计划目的来看，假定预测需求量是同实际需求量相同的。
在很完美的预测情况下，可以不要保险储备，因而期初储备量可供下月之用。
需求预测（1500）+保险储备（375）—期初储备（450）=1425。
4综合生产进度安排
行次
一月
二月
三月
四月
五月
六月
期初储存量
400
450
375
275
225
预测需求量
1100
900
累计需求量
3300
4400
5300
6400
8100
保险储备
425
生产需要量（行2+行4－行1）
累计生产量
1850
3275
4275
5125
6275
8125
有效工作日
累计工作日
41
62
83
125
现在，我们接着要试评一下能满足需要的不同生产计划方案。
由于不同方案的生产率、存储量、劳动力数量和分包合同各不相同牺牲品个计划草案的费用是不一样的。
假定，有关费用的补充情况如下：
生产成本=100元/单位
存贮费用（陈旧过时、机会成本，等）=每月生产成本的1。
5%（每月每个单位产品1。
5元）
标准工资率=每小时4元
加班费=150%或每小时6元
储备脱节的边际费用=每单位产品每月5元
合同分凶的边际费用=每单位产品2元
（分包费用102元减去生产成本100元）
雇用和培训费=每人200元
解雇费=每人200元
解雇费=每人250元
单位产品所需人一时=5（小时）
因为，最好的生产计划是通过对现有方案进行一毓试验而得出的，我们不想求最优的计划，只拟通过对比这三个可能的生产计划方案来说明这种方法，见表6。
第一个计划方案的策略思想是：
在正常工作班次下，通过增减工人数目来生产出确切的需要量。
第二个计划方案的策略思想：
是固定生产工人数，工人数目则是根据六个月的平均产量来确定〔（8125件X5小时/件）÷
（125天X8小时/天）=41人〕；
允许存储短缺，并通过下月的生产来补足。
第三个计划方案的策略是：
按需求量最低的四月份来确定所需工人数，并稳定在这个水平上〔（850件X6月X5小时/件）÷
（125天X8小时/天=25人），此外，通过外包的方法来解决产量不敷需求的部分。
表6..5.5三种生产计划方案
方案1
月份
（1）生产量
（2）所需工时
（1）X5
（3）每人每月工时数（天数X8）
（4）所需人数
（2）÷
（3）
（5）所雇人数
（6）雇工
支出（5）X200元
（7）解雇人数
（8）解雇费用（7）X250元
9250
176
53
1425
7125
152
47
5000
168
4250
850
1250
1150
5750
33
160
58
50006000
7000元
方案2≠1月份
（1）积计产量
（2）有效生产工时（天数X8X4人）
（3）出产数量
（2）/5
（4）累计出产量
（5）不足的产量
（1）-（4）
（6）缺货损失（5）X5元
（7）过剩产量（4）-
（1）
（8）存贮费用（7）X1.5元
7216
1443
407
2035元
6232
1247
2690
585
2925元
6888
1378
4068
207
1035元
5446
321
482元
6889
614
921元
6560
1312
8201
5995元
76
1141517元
方案3
≠2月份
（2）有效生产工时（天数X8X25）
（3）出产
数量
（2）÷
（4）外包数量
（1）-（3）
（5）外包费用（4）X2元
880
970
1940元
3800
760
665
升级会员 