基于多种预测模型的小批量物料生产安排.pdf
《基于多种预测模型的小批量物料生产安排.pdf》由会员分享,可在线阅读,更多相关《基于多种预测模型的小批量物料生产安排.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 卷哈尔滨师范大学自然科学学报,第 期 基于多种预测模型的小批量物料生产安排王 静,丁学利(阜阳职业技术学院)【摘 要】利用已有历史数据,研究多品种小批量物料生产首先对数据进行预处理,利用主成分分析,根据综合得分得到排名前 的物料为重点关注物料然后建立多元线性回归、逐步回归以及 神经网络 种预测模型利用这 种预测模型分别对 个重点关注物料需求量进行预测,对比误差率,进而得到 神经网络为最优模型(平均误差率:)此方法能为企业安排合理的生产计划,创造更多的收益【关键词】主成分分析;神经网络;需求量;误差率【中图分类号】【文献标识码】【文章编号】()收稿日期:基金项目:安徽省自然科学重点项目();
2、安徽省高校优秀青年人才支持计划重点项目();阜阳职业技术学院校级科研项目()引言随着全球经济的快速发展,市场经济的需要也在不断变化,小批量、多品种的生产模式正在逐步演化成最主要的生产模式之一其生产特点主要集中体现在产品种类较多、结构复杂,而相比产量较少就目前多品种小批量产品生产企业发展现状来看,在生产管理中依然还存在一些问题,例如,基础设施不完善、制度不健全、信息化生产水平低、生产进度滞后等,严重影响企业的高质量发展现实中大多数企业,更加注重加强生产管理,提高产品生产效率及质量管控上,往往会忽略产品的生产安排生产安排也是影响企业利润率的重要因素,如果能对生产计划进行精准预测,就能为企业节约不必
3、要的人力、物力,从而创造更多收益近年来,对产品的生产控制和预测研究方面,大多建立在快速发展的机器学习方法基础上,神经网络、支持向量机、极限学习机、以及各种群体智能算法是其中的代表更多的研究集中于对智能算法的组合优化,如董海,徐德珉基于加权 的批量产品标准差预测与质量控制,高岩提出组合模型的多品种小批量生产方式质量预测方法研究等该文主要采用主成分分析,根据综合得分先选出 个重点关注物料然后,建立 神经网络模型对需求量进行预测,进而给出物料的生产计划安排,为企业的生产发展更上一层楼 数据来源与分析 数据来源该文以 年“高教社杯”全国大学生数学建模竞赛 题附件的数据为研究对象,见表 哈尔滨师范大学自
4、然科学学报 年 第 卷表 原始信息日期物料编码需求量销售单价将附件数据第 次出现的时间(年 月 日)所在的周设定为第 周,以后的从当周一开始至周日结束,例如,年 月 日为第 周,以此类推 数据预处理利用 透视表对附件进行分析,整理出 个物料 周的信息,如周需求量和销售单价以物料 为例,见表 表 物料 的周信息物料编码周 需求量销售单价从表 中明显发现第 周,第 周等无信息,默认无需求量因此就把当周的需求量记为,销售单价记为平均值表 为处理后的物料 的信息同理,填补出所有物料的 周的数据,利用处理后的数据进行分析,建立预测模型表 处理后的物料 的周信息物料编码周 需求量销售单价 重点关注物料 主
5、成分分析主成分分析是设法将原来众多具有一定相关性(比如 个变量),重新组合成一组新的互相无关的综合指标来代替原来的指标设有 个物料,每个物料有 个变量,写成如下矩阵:|,()先将矩阵标准化,然后建立变量的相关矩阵:|,()其中,(),为对应各数据之间的相关系数 求 的 个特征值及相应的特征向量(,)|,|,|,()求主成分:第 期基于多种预测模型的小批量物料生产安排 ,()精度分析主成分 贡献率:(,),()累计贡献率:(,),累计贡献率大于 的最小,即可对个主成分计算综合得分进行分析 综合得分 ()重点关注物料选取为找到 种重点关注的物料数据,先对附件中数据用 透视表进行整理,得到 个物料共
6、 周,进而整理出每个物料的总频数、总需求量、平均销售单价和周数(周数:物料出现周的数量),见表 表 各物料的总信息物料编码频数总需求量平均销售单价周数 利用表 各个物料的总信息,以物料需求的频数、总需求量、平均销售单价和周频率为条件放入 软件进行主成分分析,见表 表 和巴特利特检验 取样适切性量数巴特利特球形度检验近似卡方自由度显著性由表 可知,的值为,大于阈值,说明变量之间是存在相关性的,符合要求巴特利特球形度检验结果中显著性为 小于,检验结果证明,这份数据是可以进行因子分析的其相关矩阵的特征值及各主成分的贡献率,见表 哈尔滨师范大学自然科学学报 年 第 卷表 总方差解释成分初始特征值提取载
7、荷平方和旋转载荷平方和 总计方差百分比累积 总计方差百分比累积 总计方差百分比累积 从表 中可以看出,前 个成分的累积贡献率为,大于 所以可以选取前 个成分作为主成分,并得到成分得分系数矩阵,见表表 成分得分系数矩阵成分频数总需求量 平均销售单价周数利用表 中所给的数据建立主成分表达式,计算出主成分得分、,()再以每个主成分的方差贡献率构造 和 的线性组合,得到主成分综合表达式,计算出主成分综合得分 ,()计算得到 个物料的主成分得分、综合得分和排序见表 表 主成分得分和综合得分物料编码排序 从表的综合得分中选取出排序前的物料为重点 关 注 物 料,编 码 分 别 是:、和 预测模型模型构建多
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 多种 预测 模型 批量 物料 生产 安排
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。