武汉理工大学生产计划与控制课程设计模具生产计划的制定 1 目录 1 市场需求预测 2 1.1 历史数据 . 2 1.2 市场预测 . 2 2 实际产品的生产工艺路线分析 5 3 生产方式的经济分析与比较 6 3.1 工厂实际生产概况 . 6 3.2 生产方式比较 . 8 3.3 生产方式选择 . 9 4 制定综合生产计划 10 5 生产能力粗平衡 10 6 制定主生产计划 11 7 制定 MRP、CRP . 11 7.1 MRP 制定 . 11 7.2 CRP 制定 22 8 生产能力精平衡 24 9 零件工序卡编制 24 10 产品装配工序卡编制 26 10.1 部装工序 . 26 10.2 总装工序 . 27 武汉理工大学生产计划与控制课程设计模具生产计划的制定 2 1 市场需求预测市场需求预测 市场需求预测在安排生产计划中有着极其重要的作用。根据准确有效的历史数据，采用恰当的预测方法，对产品进行市场预测以帮助企业合理的安排生产，提高生产效率，降低库存和生产成本，提高企业的竞争力。 1.1 历史数据历史数据 根据历史资料整理出该产品的历史需求如表 1.1 所示。 表 1.1 历史需求 Month1 Month2 Month3 Month4 Year1 10 19 25 22 Year2 11 21 28 24 Year3 12 22 30 26 1.2 市场预测市场预测 市场预测方法的选择是决定市场预测能否成功的关键。本次市场预测首先使用两种预测方法时间系列预测方法（不受季节因素影响）和考虑季节性影响的时间系列预测方法对第 4 年的需求进行预测。用 POM 运行出结果，然后分析比较预测出的结果，选择误差较小的一个。 1.2.1 用时间系列方法预测用时间系列方法预测 * TIME SERIES REGRESSION FORECASTING * - PROBLEM NAME: forecast - Forecast - demand demand ABSOLUTE PERIOD ACTUAL FORECAST ERROR 1 10.000 16.026 6.026 2 19.000 16.900 2.100 3 25.000 17.774 7.226 武汉理工大学生产计划与控制课程设计模具生产计划的制定 3 4 22.000 18.648 3.352 5 11.000 19.522 8.522 6 21.000 20.396 0.604 7 28.000 21.270 6.730 8 24.000 22.145 1.855 9 12.000 23.019 11.019 10 22.000 23.893 1.893 11 30.000 24.767 5.233 12 26.000 25.641 0.359 - demand CONFIDENCE INTERVAL ( 95%) PERIOD FORECAST LOWER BOUND UPPER BOUND 13 26.515 12.810 40.221 14 27.389 13.684 41.095 15 28.263 14.558 41.969 16 29.138 15.432 42.843 REGRESSION EQUATION: Y = a + bX WHERE: Y = demand X = TIME PERIOD a = 15.1515 b = 0.8741 R = 0.473 R-SQUARE = 0.2241 MEAN ABSOLUTE DEVIATION (MAD) FOR THE LAST 3 PERIODS = 2.495 MEAN SQUARED ERROR (MSE) FOR ALL PAST PERIODS = 31.533 MEAN ERROR (bias) FOR ALL PAST PERIODS = 0.0 STANDARD ERROR (sigmasubyx) IS = 6.1514 1.2.2 用用考虑季节考虑季节影响影响的时间系列的时间系列方法预测方法预测 * SEASONALIZED TIME SERIES REGRESSION FORECASTING * - PROBLEM NAME: forecast - 武汉理工大学生产计划与控制课程设计模具生产计划的制定 4 FORECAST demand - ABSOLUTE YEAR SEASON ACTUAL REGRESSION SEASONALIZED ERROR 1 1 10.000 18.672 9.859 0.141 1 2 19.000 19.065 18.912 0.088 1 3 25.000 19.458 25.840 0.840 1 4 22.000 19.851 22.868 0.868 2 1 11.000 20.244 10.689 0.311 2 2 21.000 20.637 20.472 0.528 2 3 28.000 21.030 27.928 0.072 2 4 24.000 21.423 24.679 0.679 3 1 12.000 21.816 11.519 0.481 3 2 22.000 22.209 22.031 0.031 3 3 30.000 22.602 30.015 0.015 3 4 26.000 22.995 26.490 0.490 - demand CONFIDENCE INTERVAL ( 95%) YEAR SEASON FORECAST LOWER BOUND UPPER BOUND 4 1 12.349 11.700 12.998 4 2 23.591 22.372 24.809 4 3 32.103 30.471 33.735 4 4 28.301 26.885 29.716 REGRESSION EQUATION: Y = a + bX WHERE: Y = demand X = TIME PERIOD a = 18.2789 b = 0.3930 FORECAST = Y * SEASONAL INDEX (i) R = 0.938 R-SQUARE = 0.8789 MEAN ABSOLUTE DEVIATION (MAD) FOR THE LAST 3 PERIODS = 0.179 MEAN SQUARED ERROR (MSE) FOR ALL PAST PERIODS = 0.234 MEAN ERROR (bias) FOR ALL PAST PERIODS = -0.108 STANDARD ERROR (sigmasubyx) IS = 0.5515 武汉理工大学生产计划与控制课程设计模具生产计划的制定 5 SEASONAL INDEX (1) = 0.528 SEASONAL INDEX (2) = 0.992 SEASONAL INDEX (3) = 1.328 SEASONAL INDEX (4) = 1.152 1.2.3 预测预测结果分析结果分析与比较与比较 相关系数 R 和决定系数 R2反映出时间与预测精度的关系，两者数值越大，其相关性越强，说明该预测方法更合适，预测值也就越准确。根据以上的结果进行分析，时间系列预测方法的 R 值和 R2值都小于考虑季节性影响预测方法的值，因此结果选用第二种。 另外考虑到模具个数为整，且为防止出现有订单却缺货的情况出现，一律将预测结果的值向上取整，最终结果如表 1.2 所示。 表 1.2 最终预测结果 Month1 Month2 Month3 Month4 Year4 13 24 33 29 2 实际产品实际产品的生产的生产工艺路线分析工艺路线分析 通过对实际产品的生产工艺路线进行分析，确定出每种零件的生产提前期或订购提前期，以合理的安排生产计划。模具零件的生产工艺路线分析如表 2.1 所示。 表 2.1 零件生产工艺路线分析 装配 组合 零件 编号 零件 名称 数量/件 加