[发明专利]一种基于企业MRP的物料需求加权预测方法

说明书

本发明公开了一种基于企业MRP的物料需求加权预测方法。本发明步骤如下：首先确定物料最小采购周期T、物料采购提前期LT，获取每日库存、出库、MRP等多维度数据；其次基于历史每日真实出库数据，利用移动平均法计算得到采购提前期需求D_LT的平均值D_avg；计算历史需求平均值D_avg与历史每日MRP数据两者的比值分布，分别得到最大值r_max和最小值r_min；然后根据历史需求平均值D_avg与当前测试日MRP的比值r_t，计算实际权重W_avg和MRP权重W_mrp；最后模型基于权重系数分别估计采购提前期需求D_LT以及最小采购周期需求D_T，完成需求预测。本发明利用MRP数据和历史出库规律，设计两者的权重系数进行需求预测,极大地改良MRP的缺陷，为企业进行物料采购提供科学的参考依据。

技术领域

本发明属于信息预测技术领域，具体一种基于企业MRP的物料需求加权预测方法设计。

背景技术

企业在生产经营和商品销售的活动中，往往需要把购买的原料、生产的产品和销售的商品存储起来,以备使用和销售。但是，现实业务场景具有高度复杂性，需求与供应、消费与存储之间的不协调性会直接引发供需不平衡的状态，一方面可能会造成物料积压，导致资金周转缓慢和库存成本增加；另一方面由于物料短缺，引起生产停工或者无货销售，使经营单位因利润降低而带来经济损失。

为了有效提高库存管理效率，物料需求计划(MRP)系统在产品结构与制造工艺的基础上，利用制造工程网络原理，根据产品结构各层次物料的从属与数量关系，以物料为对象，以产品完工日期为时间基准，按照反工艺顺序的原则，最终根据各物料的加工提前期，制定物料的投入出产数量与日期，以此控制各物料的库存水平。

然而，由于MRP系统主要基于BOM需求做出库存管理决策，没有考虑企业人力、产能等多因素，导致MRP物料需求预测持续偏大、库存水平过高；另外，该系统也不能根据特殊的业务场景进行算法优化。因此，在考虑物料MRP数据、历史真实出库以及采购提前期的条件下，本发明通过加权求和预测采购提前期需求D_LT以及最小采购周期需求D_T，实现物料需求精准预测。

发明内容

本发明的目的在于针对现有MRP系统的不足，提供一种基于企业MRP的物料需求加权预测方法设计。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1：首先获取商品的采购提前期lt、最小采购周期ft、测试日t的日初库存I_t、安全库存s；再基于企业信息化管理平台构建以下多个维度的时间序列：商品的库存结余{I_i}，历史每日销售记录{O_i}，MRP日计划需求数据{M_n}，其中下标i、n表示日期且满足i≤t,n＜t+lt；根据在途未到货记录得到由测试日t开始未来一个lt内的在途未到货时间序列表示如下：

qⁿ＝[q₀,...,q_j,...,q_lt-1]；

其中q_j表示从测试日t开始第j天的到货量(0≤j＜lt)；

步骤2：基于历史每日销售记录{O_i}进行移动窗口求和，其中时间窗为lt，得到历史lt需求序列然后对所得需求序列求平均值得到历史lt需求平均值D_avg；同理，基于MRP日计划需求数据{M_n}进行移动窗口求和，时间窗为lt，得到历史MRPlt计划需求序列以及测试日MRPlt计划需求