BP神经网络预测制造企业安全库存
库存管理中安全库存的预测与优化

库存管理中安全库存的预测与优化作者:王菲来源:《进出口经理人》2017年第10期摘要:库存是企业的一项巨大投资,控制库存成本对于企业具有重要的意义。
尤其是生产企业库存,对其安全库存进行预测与优化,能够使企业资源得到合理地调配与应用,提高企业的经营效益。
基于此,文章主要对安全库存进行了分析,并对其预测及优化进行了探讨。
关键词:企业;库存管理;安全库存;预测;优化工业企业在运营过程中,为了满足企业自身发展需求,其大都会定制相应的库存管理计划,以此来避免因库存不足而导致生产断线或供货不足等问题,安全库存也是由此提出的。
在库存管理过程中,通过对企业实际经营情况进行分析,确定其安全库存管理计划,并依据当前及未来的经营计划,对安全库存进行实时优化是非常有必要的。
一、安全库存概述安全库存(又称保险库存)是指为了防止由于不确定因素(如突发性大量订货或供应商延期交货)影响订货需求而准备的缓冲库存,安全库存用于满足提前期需求。
安全库存的计算,一般需要借助于统计学方面的知识,对顾客需求量的变化和提前期的变化作为一些基本的假设,从而在顾客需求发生变化、提前期发生变化以及两者同时发生变化的情况下,分别求出各自的安全库存量。
即假设顾客的需求服从正态分布,通过设定的显著性水平来估算需求的最大值,从而确定合理的库存。
二、安全库存的预测在库存管理过程中,安全库存预测的科学性直接影响着库存管理水平。
文章主要以BP神经网络模型为理论基础,对安全库存进行了预测分析。
(一)BP神经网络算法BP神经网络的名称来自于BP算法,BP算法属于算法,该由两部分组成信息的正向传递和误差的反向传播。
在正向传递过程中,输入信息从输入层经隐含层逐层计算传到输出层。
根据输出层的输出与期望输出作比较,计算出输出层的误差变化值,然后通过反向传播算法将误差信号延原来的连接通路反传回隐含层,在根据这个误差修改各层权值直到达到期望目的。
(二)训练方法的选取在BP标准算法中,每个样本作用时都会对权矩阵进行修改。
基于BP神经网络的中国制造业生产率预测模型

基于BP神经网络的中国制造业生产率预测模型作者:于向光赵树宽来源:《中国市场》2008年第19期摘要:BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。
因此采用三层BP网络实现制造业工业增加值、制造业全社会固定资产投资和工资向全要素生产率的转换,借助MATLAB神经网络工具箱编写了训练程序、测试程序、预测程序,最终神经网络隐层含有13个节点,传递函数采用tansig函数;输出层传递函数选用purelin函数,得到的训练误差为8.44272×10-6,结果满意,可以认为该神经网络可以用来实现这个关系映射,并对2007年全要素生产率进行了预测。
关键词:神经网络;全要素生产率;预测;生产物流中图分类号:F513.2 文献标识码:A未来经济发展状况一直是人们探讨的问题。
经济预测是在一定的经济理论指导下,以经济发展的历史和现状为出发点,以调研资料和统计数据为依据,在对经济发展过程进行定性分析和定量分析的基础上,对经济发展的未来情况所作出的推测。
由于经济现象纷繁复杂,能获取的统计资料有限,现有的经济预测理论与方法还不能对此给予完全合理的解释和有效的预测,经济预测的实效往往不佳,为此本文引入神经网络方法对中国制造业生产率进行短期预测,获取促进制造业生产率发展的具体途径,同时,也为经济领域同类短期预测准确性的解决提供一种可行的思路和方法。
一、BP神经网络的基本原理BP(Back Propagation)网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。
它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小[1,2]。
BP神经网络模型拓扑结构包括输入层(input layer)、隐层(hidden layer)和输出层(output layer)(如图1所示)。
二、BP神经网络训练程序的编制借助于MATLAB神经网络工具箱[3]来实现多层前馈BP网络的转换,免去了许多编写计算机程序的烦恼。
基于BP神经网络的库存需求预测应用

相关 系数分析 图及差分后的序列趋势 , 并检查差分 后的均值约为零 , 可得 出序列已基本平稳 , 因此可用
于 预测 。
存所满足 , 那么该数据就可正确反映企业每月 的库
存需求水平 。 分别应用 A M R A模型 、P模型以及加 B 入影响因素的 B 模型 , 19 20 年的数据预 P 以 98 0 2
() 2 加入影 响因素 的 B P网络 。 销售决定生产
规模 , 在模 型 中加入 市场 因素 , 故 而该 市场存 在淡 季
和旺季两种情况 , 因此加入季节 因子。 网络输入为 4 维, B 在 P网络基础上加入一个季节因子 , 分为淡季 ( 0表示 ) 用 与旺 季 ( l 用 表示 ) 输 出为 3维 。 ,
各行业领域 的企业都很重视库存管理 , 即库存 数量 的有效控制 , 但如何确定和预测库存需求 , 是亟
待研究解决 的问题 。本文采用 B P网络模型对库存
型来预测原纸使用量。 原始数据的趋势如图 1 所示。 该组数据存在一定 的指数趋势 , 为非平稳序列 ,
而A M R A模型建模要求序列为平稳序列 , 因此先对
2 3 . 8 52
一
; ;9325 7% 24 2 % o_ 8. -A% 274 ・ . 27 808 7.6 9. 2 1 0 4 m 2 4 -7 2 51 8 6 33 7 . 0 8 4 . 95
15 % .5
.
1 .0 1 90  ̄ 9
: 4- 8- 5% 24 2% 308241117 39- .… 26 2996 3.. 38 7 5 40. 9 43 63- 7 5% 4 5 2 3 0 0
个 月 的原 纸用 量 。 增加 网络 权 重对 输 入 数值 变 化 为 的灵 敏 度 , 将 各项 指标 数据进 行 归一化 。 还需 ( ) P网络 。 1B 网络 输入 为 3维 , 为前 一年 3个 月 的原 纸用量 , 出也 为 3维 , 输 为下一 年相对 应 3个
BP神经网络预测制造企业安全库存

BP神经网络预测制造企业安全库存作者:谷冰来源:《科技与企业》2013年第19期【摘要】在企业中一般凭经验来设定安全库存,但实际效果不佳。
应用人工神经网络,建立BP神经网络模型,用多个影响安全库存的指标及安全库存对网络进行训练,以达到对安全库存量预测的目的。
经验证和预测效果十分理想。
【关键字】人工神经网络;BP模型;安全库存一、引言随着ERP系统应用的深入,其分析、预测的功能就突现了出来。
库存关系到一个企业资金的流动,如何能保持一个安全的库存量是企业现在比较重视的问题。
要根据企业实际的生产和销售情况来不断地调整库存,这样才能做到既不影响生产和销售,又避免过多的存货。
从过去的凭经验和通过简单的统计来确定库存量的方法来看,由于影响库存有较多的因素,很难通过简单的公式来建立一个合适的数学模型,所以实际的效果往往很差。
现在的一个解决方案就是通过用神经网络来解决这一问题。
二、人工神经网络介绍人工神经网络理论是20世纪80年代在国际上迅速发展起来的一个前沿研究领域,近年来更是掀起了一股人工神经网络研究、开发应用的热潮,其应用已渗透到各个领域,并在智能控制、模式识别、计算机视觉、故障检测、适时语言翻译、神经生理学和生物医学工程等方面取得了显著成效。
人工神经网络在国民经济和国防科技现代化建设中具有广阔的应用前景。
由Rumelhart提出的BP神经网络,即多层神经网络模型(如图1所示),通常由输入层、输出层和若干隐含层构成,每层由若干个结点组成,每一个结点表示一个神经元,上层结点与下层结点之间通过权联接,同一层结点之间没有联系。
由于采用误差反传的学习算法,被称为BP网络,因其高度非线性映射能力,BP网络的应用极广。
图1 BP神经网络的拓扑结构企业自身方面主要是有使用频率、人为原因造成的破损率、储存成本。
使用频率是指在某段时间内调用物资的次数,次数越多,安全库存就越高。
人为原因造成的破损率是指工人在生产的过程中人为的造成原料的破损的次数,同样的次数越多就需要更多的安全库存。
基于BP神经网络的我国制造业产业安全预警研究

上作 出 预警 和 防范 。 制造业产 业 安全评 价指标 预测
() 劳动 生产率 X4 元 / ) 体 现产 业或企 业 4 ( 人 : 在生 产 中劳动 推 动其 他要 素发 挥作 用 的 能力 以及 其他要 素 , 特别是 技术 要素 在产 品价值 创造 中的贡 献。 劳动 生产 率 ( / =工 业增 加值 / 业人 员 元 人) 从
第 1G 第 l 0 期 2 l ̄ 2 OO l f
北 京 工 业 大 学 学 报 ( 会科学版) 社 J U N L O E J G U I E ST F T C N O Y ( O I L S I N E D T O ) O R A F B I N N V R I Y O E H OL G I S C A C E C S E II N
相 结合 , 立 三 层 B 建 P神 经 网 络 。在此 基 础 上 , 我 国制 造 业 产 业 安 全 未 来 状 况 进行 了 系 统预 警 。结 果 表 明 , 来 对 未
我国制造 业产业安全状况 良好, 只需做轻度防范。
关键 词:制造业产业安全;评价指标;灰色预测 ;B P神经网络;系统预警 中圈分类号 :F2 40 2. 文献标志码 :A 文章编号:1 7—0 9 (0 0 0—0 0 —0 6 1 3821)1 08 9
一
级指标
二级指标
三级指标 国际市场 占有率
产业市场竞争力
国内市场 占有率
显 示 性 比较 优 势 指 数 产 业 贸 易 竞 争力 指数 劳 动 生 产 率
根 据 数据 的可 获 得性 , 择 表 1 以下 1 选 中 4个
AC公司基于BP神经网络预测的安全库存优化分析

AC公司基于BP神经网络预测的安全库存优化分析中国工程机械行业不断扩大的产品线及业务规模,使企业面临一个存在较多不确定因素且无法准确预测客户需求的买方市场。
在这种背景下,如何更好的满足客户的需求,同时能有效降低企业库存成本,成为许多工程机械企业面临的最大难题。
本文运用BP神经网络预测方法,通过Matlab工具箱仿真实现企业对于售后服务配件安全库存的预测及优化,保证客户满意度的同时,优化企业库存成本,提升企业产品服务的竞争力。
标签:工程机械安全库存BP神经网络预测MATLAB仿真模型一、引言AC公司作为全球最大的气体压缩机及工程机械产品专业制造商,是世界上最大的工业集团之一。
集团在四大洲15个国家生产3000多种产品。
通过渗透于150个国家的销售网络,采取多品牌策略,专业营销麾下各产品,其中半数产品由集团全权拥有或控制的销售公司统一销售。
集团主要由四大部门组成,即压缩机技术部、工业技术部、建筑及矿山技术部和租机服务部。
其中,移动式空气压缩机、液压破碎锤、移动式发电机、手持式气动工具等机械工程产品,是AC公司建筑及矿山技术部的主打产品。
为适应日趋激烈的市场竞争,公司产品线覆盖面的不断扩大。
随着公司业务不断增长的同时,各类工程机械产品售后服务配件的种类和数量也越来越多,客户对售后服务配件的要求不断提高。
面对客户与市场复杂的需求,企业为提升市场反应能力,保证销售及业务的连续性,库存金额逐月上升。
如何更好地满足客户的需求,同时能有效降低企业库存成本;不断提高企业的竞争力,成为许多工程机械企业面临的最大难题。
在这种背景下,在保证客户满意度的同时,优化企业库存成本,成为AC公司售后服务部重要目标。
本文运用BP神经网络预测方法,通过Matlab工具箱仿真实现企业对于售后服务配件安全库存的预测及优化。
二、BP 神经网络需求预测模型反向传播网络(Back-Propagation Network,简称为BP 网络)是将W-H 学习规则一般化,对非线性可微分函数进行权值训练的多层网络。
BP神经网络在预测制造业安全库存中的应用

n l ea ai t stbl h h C r s n n 8P eu a n wor orca t oni r qu ly o e a i te Ote po dig n t s n r l et k f e s mo del Acc dig o h tal nv t y tan te or n t te acu i enor r i h
越 高 , 全 库存 就 越 高 。 一 般地 , 货 短 缺 成本 的发 生 概 率 或 可 安 存
造 成 的 , 供 应 链 的 角度 出发 . 主铿 体 现 供 商 、 家 、 从 则 厂 分销 企业 、 零售 企 业 和 物 流企 业 等 方 丽 H 中供 啦 的 不确 定 t 要包 括 供 应 商 的信 用 程 度 、 量 等 级 、 输 式 、 资 紧 缺 度 、 品 率 质 运 物 次
L
mode o che a u ae dii n ors f t t k a d e c e t p ie t r ge c t。 c e e c o i e iinc . lt a ive cc r t Di c f a ey soc s n r du e ner r so a ossi r as e on m c fce y e o s n
用 实 际安 全 库 存 量 对 网络 进 行 训练 , 达到 对 安全 库 夸量 的精 确 预 测 , 小企 业存 储 成 本 , 高经 济 效 益 。 以 减 提
关 键 词 : P神 经 网络 , 造 业 , B 制 安全 库存 , 测 预
Ab ta t s rc
T 州 下 # 、
前 期 的 不 确定 性 越 大 , 预 计 订 货 间 隔期 越 长 , 存 货 的 中断 风 或 则
AC公司基于BP神经网络预测的安全库存优化分析

一
、
引言
B P网络算 法 的 基本 思想 , 是 在 学 习过程 中 , 由信 号 的 正
A C公 司作 为 全球 最 大 的气 体压 缩 机及 工 程 机械 产 品专 向传播 以及误 差的反 向传播这 两个 过程 组成 。 正向传播 时 , 输
AC公司基于 B P神经网络预测的安全库存优化分析
●宋志浩 ■郑永前
摘
阿特拉斯 ・ 科普柯上海 贸易有限公司 同济大学机械与能源工程学院
要: 中国工程机械行 业不断扩 大的产品 线及 业务规模 , 使企 业面临一个存 在较 多不确定 因素且无 法准确预 测客 户需求的 买
方市场 。在这种 背景 下, 如何更好的满足客 户的需求 , 同时能有效 降低企业库存成本, 成为许 多工程机械 企业面临的最 大难题。本文 运用B P神 经网络预测方法 , 通过 Ma t l a b工具箱仿真 实现企业对于售后服务配件 安全库存 的预测及优化 , 保证客 户满 意度 的同时, 优
络, 采 取 多品 牌策 略 , 专业 营 销麾 下各 产 品 , 其 中半数 产 品 由 反 向传播 阶段 。误差 反传 将输 出误差 以某 种形式 由隐含 层 向
集 团全 权拥 有或控 制 的销售公 司统一 销售 。
ቤተ መጻሕፍቲ ባይዱ
输 入层逐 层 反传 , 并将输 出误 差反摊 给 各层 的所 有单 元 , 从而
业制 造商 ,是 世界 上最 大的工业 集 团之一 。集 团在 四大洲 1 5 入 样本 由输入 层传人 , 经过各 隐层 逐层处 理 完毕后 , 传 向输 出 个 国家生产 3 0 0 0多种产 品 。通 过渗透 于 1 5 0个 国家 的销售 网 层 。 若输 出层 的实际输 出与期望 的输 出不相符 , 即转入 误差 的
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
每 一个 结点表 示 一个神 经元 , 上 层结 点与下层结点 之 间通 过 权联 接 , 同一 层结点之间没有联系 。 由于采用误 差反传的学 习算法 , 被称为B P 网 络, 因其 高度非线性 映射能 力, B P 网络的应 用极 广a
( 三) 训练 . 神 经网络模 型来解决本 次需要解决 的预测原 料安 全库存的 问题 。
阔的应 用前景。 在实验 中选取隐结 点数可按 h: 来计 算 , n , m分 别是输入 层和输 由R u me l h a r t 提 出的B P 神 经 网络 , 即 多层神 经 网络 模型 ( 如 图l 所 出层的结点数 。 本次 采用一 个隐 层, 其 神经元 个数按 厅: 来进行 计算 。 示) , 通常 由输入层、 输 出层和若 干隐含层构成 , 每层由若 干个结点组成 ,
实际值 的最大相对误 差不N1 0 %。 结 果与实际基本符 合。
五、 结 论 本次实 验结果说 明, 采用B P 算法 来对安 全库存进行预 测效果 比较 好, 可 以有效 地预测制造 企业安全库 存问题 。
、
三、 问题 的 分析 和模 型 的建 立 ( 一) 影响安全库存 的因素分析 理论 上讲 一个3 层的B P 神 经网络可以逼 近任何的连 续函数 , 所 以在
现在 比较 重视 的问题 。 要 根据企 业实 际的生 产和销售 情况来 不断 地调 制 造企业应 用中多采用3 层或多层的B P 神经 网络来满足大 多数 的应 用。 整库存 , 这 样才能做 到既不影响生产和 销售, 又避 免过多的存货。 下 面将讨 论的 是原料 安 全库 存。 安 全库 存包括 原料 安全 库存 、 辅 料安 从过去 的凭 经验 和通 过简单 的统计 来确 定库存量 的方 法来 看, 由 全库存 、 成品安全库 存。 于影 响库 存有较 多的 因素, 很 难 通过 简单 的 公式来建 立一个合 适的 数 ( -) B P 神经 网络 各层设 置 学模型 , 所 以实际的效果往往很 差。 现在的一个 解决方案 就是通过 用神 根 据B P 算法 的思 想 , 针 对实 际情况 , 一般 将工作分 为两个 阶段来 经网络 来解决 这一 问题 。 展开。 第1 就是 学习阶段, 通过输入 训练的样本来建 立模型 , 利用该样本 对B P 网络 的连接权 系数进行 学 习和调 整, 以使 网络实现给 定的输 入输 =. 人工 神经 网络介 绍 第2 就 是预测验证 阶段, 将所预 测的数 据输入 , 通 过已经训练成 人工神经网络理论 是2 O 世纪 8 0 年代在 国际上迅速 发展起 来的一 个 出关 系。 前沿研 究领域 , 近年来更是 掀起 了 _ 一 股人 工神经 网络 研究 、 开发应 用的 型的B P 网络 得到期望的预测值 。 热潮 , 其应 用 已渗 透到各 个领 域 , 并在智 能控制 、 模 式识 别 、 计 算机 视 本次 用来训练的 数据为影 响原料安 全库存 的各个 因数 的值以及实 觉、 故 障检 测、 适时 语言翻译 、 神经 生理学 和生物 医学工程 等方面 取得 际应该 的安 全库存 值 , 也就 是指实 际生产 中的缺货 量。 B P 神 经网络的 P 神经 网络 的信号从输入层 经过隐含层传递 到输出层的输 出。 了显著成效 。 人工神 经网络在 国民经济和 国防科 技现代化建设 中具 有广 模 型是B
四 实例 及结 构 分析 本 次 实 验 采 用9 个 参数( 使 用频 率 、 破 损率 、 存储成本、 信 用程
度、 紧缺度、 运输方式、 供货量、 定 单延 时 、 次 品率 ) 作为 输 入 , 1 个 参 数 安 全库 存量 作 为输 出 。 由于 各种 指 标 之 间存 在 着 量 纲 、 数 量 级 不同、 等 一 些 问题 , 并且 既 有 定性 指 标 也 有 定 量 指 标 , 为 了使 得 各 个 指 标 在 整 个系统 中具 有可 比性 , 应 该 将 指 标 规 范化 , 公 式 如下 : X i =( X 一 X m ) / ( X m 一 X m ) 。 首先 对训 练样本 的输入值 和输 出值 进行规 格 化处理 。 输 入训练样本 , 对模 型进行训练 和验证 。 隐含层的转移 函数 采用正切 曲线函数t a n s i g  ̄出层采用线形 函数p u r n l i n 。 训练 精度 6 = 0 . 0 0 1 , 是训练结 果 , 从预测 验证 来看, 预测 验证值与
一
效 果十 分 理 想 。
【 关键 字】 人 工神经网络; B P 模型; 安全库存 引 言 随着E R P 系统 应用 的深入 , 其分析 、 预测 的功能就 突现 了出来 。 库 存关 系到一 个企业 资金 的流动 , 如何 能保 持一个 安全 的库存 量是企 业
一
何运输工具 。 供 货量是指供货商一定的响应期 内能提 供的原料的数量 。 供 货处理 定单 的延时是 指企业 需要供 货商提 供 的物资 的质量等 级 , 次 品率越 低所需要 的安全库存就 越低。
B P 神经网络预测制造企业安全库存
谷冰 沈阳职业技术学院 辽宁沈阳
【 摘 要l在企业中 一般 凭经验 来设 定安全库存 , 但实际效果不佳。 应 应 商的信 用程 度直接影 响 企业 的生 产。 物 资紧缺 度是指 企业是 否能在 用 人 工神 经网络, 建立B P 神 经网络模 型, 用多个影响安 全库存的指标及安 定的 时间内获得合适价 格的物 资, 如果一段时 间价 格过高 , 就 意味 着 全库存对网络进行训练 , 以达到对安 全库存量预测的 目 的。 经验 证和预测 企 业需 求在物 资价 格 低落 的时候提 高存货量 。 运输 的方式 是指采用任