基于JIT的样机采购BOM方法研究.doc

基于JIT的样机采购BOM方法研究.doc

ID:53706410

大小:62.50 KB

页数:4页

时间:2020-04-06

基于JIT的样机采购BOM方法研究.doc_第1页
基于JIT的样机采购BOM方法研究.doc_第2页
基于JIT的样机采购BOM方法研究.doc_第3页
基于JIT的样机采购BOM方法研究.doc_第4页
资源描述:

《基于JIT的样机采购BOM方法研究.doc》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、基于ARMA模型对武汉再制造企业的废旧汽车可回收量的预测作者简介:付小伟,中南财经政法大学工商管理学院。摘要:在从事汽车再制造零部件的生产中,面临着很多不确定性因素,包括冋收率、冋收量、冋收时间、需求水平、冋收零部件的质量和组成成分等等,其中对回收量的准确预测是十分重耍的一环,因为它关系到整个运作生产计划和预期的利润。ARMA模型是是一种精度较高的时序短期预测方法,因此我们根据历史数据,运用残差序列相关图、偏相关图的分析,选择并建立ARMA模型并对模型进行检验,然后对回收量进行较为准确的预测,以利于企业制定生产计划和实现供需的平衡。关

2、键词:回收量;ARMA模型;汽车再制造目前,“循环经济”已作为口号提出来并受到国家的重视,因此国家大力推行汽车零部件的再制造,国家首批试点汽车零部件再制造企业共14家,武汉东风鸿泰控股集团是武汉惟一获得国家“汽车零件再制造”授权的企业,翻新出來的部件不再使用到新车上,而是作为配件销售给修理厂或4s店,公司的废旧零部件主要是通过神龙公司的4s店系统帮助回收旧件。而III件的回收是十分关键的,因为它决定着公司生产能否顺利进行,供需能否达到平衡,企业能否实现最大利润等等,因此对回收零部件的预测是十分重要的,而国内对于零部件的回收预测的研究较

3、为缺乏,主要集中于物流网络构建的研究上,因此本文通过建立ARMA模型对零部件进行冋收预测,以期对企业的发展有指导意义。1模型识别首先,我们从国家统计局和武汉统计局售价丿力史数据,得出汽车平均报废率4.51%,报废汽车的平均回收率为40%。汽车保有量数据为:1996年湖北汽车保有量为37.90万辆,武汉汽车保有量的估计量为15.16,1997年湖北汽车保有量为41.43,武汉汽车保有量的估计量为16.572,1998年湖北汽车保有量为43.22,武汉汽车保有量的估计量为17.288,1999年湖北汽车保有量为46.46,武汉汽车保有量的

4、估计量为18.584,2000年湖北汽车保有量为47.55,武汉汽车保有量的估计量为19.02,2001年湖北汽车保有量为52.33,武汉汽车保有量的估计量为20.932,2002年湖北汽车保有量为62.33,武汉汽车保有量的估计量为24.932,2003年武汉汽车保有量271391,湖北汽车保有量72.86,2004年武汉汽车保有量334567,湖北汽车保有量77.83,2005武汉年汽车保有量370609,湖北汽车保有量86.24,2006汽车保有量418667,湖北汽车保有量98.74,2007汽车保有量484111,2007年

5、湖北汽车保有量115.46。以上数据构成一个回收量的时间序列武汉汽车的冋收量一直呈上升趋势,近似于指数增长模型。然后对其做一阶差分。利用Eviews做数据的自相关和偏相关得出自相关系数并没有很快地趋于0,即序列是非平稳的。然示对序列做一阶差分,发现自相关系数依然没有很快地趋于0,因此序列依然是非平稳的。对序列做二阶差分发现自相关系数较快地趋于0,因此此时序列是平稳的,但高阶差分也存在着一定的缺陷性,因为它并不能反映原序列的长期特征或季节特征,会丢失信息。因此,我们首先用指数曲线来拟合序列的长期趋势:拟合的效果非常好,拟合度高达0.96

6、3,其中为残差序列。对残差序列进行自相关和偏相关分析可看出残差序列为平稳序列,自相关系数和偏相关系数在滞后期一期后都落在95%的置信区间自相关系数和偏相关系数均有拖尾性,在一期后均落入置信区间,因此P可以取1或2,q也可以取1或2,对序列可建立的模型有ARMA(1,1),ARMA(1,2)ARMA(2,1)ARMA(2,2)模型为:2模型的参数估计通过模型识别和确立模型的阶数后,我们进行参数估计此外,数据分析结果表明,滞后多项式的倒数根都落在了单位圆内,所以过程是平稳的。由上述结果分析可得,模型的拟合度即都非常地高,而对于ATC和SC

7、的值来说,ARMA(2,2)模型的值分别为-3.304151,-3.122599,相对于其他模型来说,它的值最大,因此可以认为ARMA(2,2)模型更加合适,因此我们选择ARMA(2,2)模型为最终模型。3模型的适应性检验对模型进行参数估计后,对ARMA(2,2)模型进行适应性检验,即对模型的残差序列进行白噪声检验,即滞后期时,序列的自相关系数为0,在产生的自相关分析图中,包括对残差序列进行的检验,即统计量和相伴概率。对于木文中的ARMA模型的检验中,自相关系数均为0,均落在了置信水平95%内的区间内,而且拒绝原假设的P值均很大,即不

8、能拒绝序列相互独立的原假设,因此通过检验。4回收预测1997-2006年的回收预测结果其中,预测精度MAPE为2.69,表明预测精度相对较高,根据所建立的ARMA(2,2)可以对武汉汽车再制造业可冋收的废旧零部件进行短期

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。