作为国内领先的APS生产管理与物料控制软件原厂商, 永凯APS一直坚持自主开发,最大限度地帮助生产制造型企业降低生产成本, 最终提高整个企业的生产及管理效率。在永凯APS多年来丰富实践的基础上, 永凯APS在 五金行业、家电行业、模具行业、化工行业、注塑行业、机械行业、电子行业、钢铁行业、食品行业、汽车行业、医药行业 等生产制造领域形成了一系列APS行业解决方案。 同时,各个制造领域成功应用的行业实践也证明了 永凯APS生产管理与物料控制行业解决方案是成熟高效的,完全可以大大改善企业的生产和管理效率。
永凯APS汽车零部件行业解决方案, 广泛借鉴了国内外汽车零部件企业信息化的成功经验和国际先进汽车零部件行业解决方案的特点, 充分考虑中国汽车零部件企业所面临的现实环境以及诸多个性化需求, 帮助中国汽车零部件企业实现优化生产管理流程,提高对客户需求的快速响应能力, 降低生产营运成本和提高工作效率,提高企业发展的核心竞争力等目标, 为提高中国汽车零部件企业的核心竞争力做出贡献。
机械制造行业由于其工艺复杂的生产特点,工艺及在制品管理困难。 单纯的靠手工排程,难以满足现代企业快速发展的需要。 永凯APS积累了丰富的机械制造行业经验和众多机械行业客户的实践, 基于供应链管理和约束理论,通过平衡有限生产能力和物料需求, 帮助机械制造企业建立精准、详尽的生产与物料计划, 为企业不断提升管理水平,增强企业核心竞争力提供整体解决方案。
永凯APS注塑行业解决方案,通过注塑行业用户的生产管理模式, 基于行业性以及生产和排程功能,在研究和探索形成以注塑行业的关键应用和难点为重点, 突出注塑行业的个性化应用,帮助注塑行业实现以销定产、快速响应市场需求。 运用灵活敏捷的计划体系,将市场需求快速地分解成可以执行的采购、生产和委外加工计划, 缩短了产品交货周期,减少注塑企业的订单交期压力, 从而全面提升企业运营效率,帮助注塑企业提升业绩,并在市场竞争中获得竞争优势,实现企业长期发展的目标。
永凯APS家电行业解决方案在众多客户广泛实践的基础上积累了丰富的行业经验, 提炼出了一套符合家电行业特点的一体化的信息化全面解决方案。 该方案专门针对家电行业的管理重点和难点,深入分析家电行业的应用需求, 充分发挥永凯APS先进生产管控技术平台和强大业务功能的优点,强调生产计划与执行过程优化, 本着“快速配置、快速实施、快速应用、快速见效”的原则, 有效解决家电行业的困惑与难题,是家电企业实施生产信息化的最佳选择。
在充分考虑到电子行业企业生产管理特色及模式之后, 永凯APS电子行业解决方案以先进生产管理理念为核心, 以灵活多变的强大功能为依托,通过库存管理、优化排程、 现场控制帮助电子行业合理控制企业物流。销售计划、 生产计划和采购计划有效集成,有机结合了电子业企业的现状, 对电子电器行业企业有很好的适应性。永凯APS通过精益生产, 缩短了生产周期,提高了生产效率,降低了库存成本,加快了市场响应速度, 减少了电子企业的订单交期压力,从而全面提高了企业服务水平和竞争力, 帮助电子企业提升业绩,并在市场竞争中获得竞争优势,实现企业长期发展的目标。
作为国内领先的APS生产管理与物料控制软件原厂商, 永凯APS一直坚持自主开发,最大限度地帮助生产制造型企业降低生产成本, 最终提高整个企业的生产及管理效率。在永凯APS多年来丰富实践的基础上, 永凯APS在 五金行业、家电行业、模具行业、化工行业、注塑行业、机械行业、电子行业、钢铁行业、食品行业、汽车行业、医药行业 等生产制造领域形成了一系列APS行业解决方案。 同时,各个制造领域成功应用的行业实践也证明了 永凯APS生产管理与物料控制行业解决方案是成熟高效的,完全可以大大改善企业的生产和管理效率。
永凯多年以来坚持不懈,为不同行业提供专业的精益生产管理与物料控制解决方案。 有着丰富的成功导入业绩,截止2016年6月, 永凯APS已被1112 家制造工厂成功导入。 请看下面各行业类型的导入业绩比率表。
永凯软件是行业前沿的供应链计划协同(SCP)和生产计划与排程(APS)管理系统的美资供应商,涵盖需求计划、产销协同和生产计划排程。助力实现生产、供给、销售协同,准时交货、降低库存、提升利润,已在一千多家工厂及众多世界500强企业中成功应用。
APS车间管理需求计划研究之统计预计方法
时间:2013年4月9日 来源:永凯软件技术(上海)有限公司
APS车间管理需求计划研究之统计预计方法
从20世纪50年代起就研究出一些用于商业预测的预测方法,这些方法同时也用在计量经济方面(如失业率等)。如果在软件模块中应用这些方法我们就能够在几秒钟内为很多项目进行预测。因此,所有主要的APS提供者都将统计预测程序纳入他们的需求计划解题方法中。这些方法中的每一种方法都设法将一产品的历史信息纳入对未来数据的预测过程。目前存在两种不同的基本方法时间序列分析和“因果关系”模型。所谓的时间序列分析是假定需求按照特定的模式发生变化,因此,预测方法的任务是从所观测到的历史数据中估计出这一模式,然后通过使用前面估计出的模型来计算未来的预测。这些方法的优点在于它们只需要以往需求数据的观测值。时间序列分析中最常用的模型:
水平模型(level model);趋势模型(trend model):在水平模型的公式中加入线性趋势项;
季节模型(seasonal model):该模型假定每个时期(周期)重复一次固定模型。
统计预测的第二种方法是因果分分馍型。它们假定需求过程由某些巳知的因素来决定,例如冰淇淋的销售量可能依赖于某一天的天气状况或温度,因此,温度就成为冰淇淋销售量所谓的引导指数(leading indicator)。如果针对所考虑的项目能够获得足够的销售量和温度的观测值,就能够估计出潜在的模型。
因果分析模型中的参数估计需要需求的历史数据和一个或更多具有指数的时间序列,它对数据的要求比时间序列分析对数据的要求高。此外,实际经验表明,简单的时间序列模型通常比复杂的“因果关系”模型更能得出好的预测值。这些方法倾向于将随机波动(噪声)解释为“结构上”的问题,因此在模型中引进了系统误差。
最常用的预测方法有三种:1、移动平均和平滑法;2、回归分析;三、回归移动平均ARIMA/Box-Jenkins法。
移动平均和平滑法;回归分析就不详细介绍。这里介绍一下ARIMA/Box-Jenkins法。
前两种模型都假定不同时期需求量在统计上是互相独立的,而自回归移动平均(ARIMA)模型明确地考虑了各需求之间的相互依赖关系。因此,这些方法没有对潜在的需求模型做出假设,而是从不同的构成因素中构造出一个公式,这些构成因素非常适合观测到的数据。通过反复实施下列三个步骤得出模型的函数:
模型的确定:通过比较理论上分布的自相关和实际观测到的自相关来选择适当的ARIMA。自相关表明了实际需求与过去某个时期内的观测值之间存在相关性。
模型的估计:由于在回归模型中,预测函数中的参数必须在ARIMA模型中才能估计出来。因此模型估计的过程就是寻找模型平均方差最小化值的过程。
测试模型:如果模型的误差项是纯随机的,并且是独立的,那么该模型就被认为是可靠的。
Box-Jenkins法需要从需求计划中获得大量输入信息和更多的经验。而且,对模型的初始估计应该建立在至少50个需求观测值的基础上。因此,ARIMA模型可能只适用于一些重要的A级项目或中期总预测。但是如果使用ARIMA模型,所获得的估计值的质量要比简单时间序列模型甚至因果关系模型的质量都好。
标签:
热门标签更多