基于遗传算法神经网络的手机物料安全库存预测

摘要

移动通信目前已成为人们衣食住行的重要组成部分,随着我国移动通信运营业的快速发展,电话普及率将进一步提高,为手机制造业带来了无限商机。目前手机生产企业林立,行业竞争异常激烈,手机企业要在竞争中取得优势,除了取决于其产品的差异化,质量高低,服务水平,技术的先进程度外,成本控制也是一个非常重要的因素,而成本控制很关键的一环是控制原材料库存。保持大量的原材料库存能够有效防止生产线停线现象的发生,避免订单延误造成的损失,但同时库存要占用企业的流动资金,发生库存维持费用,并存在库存积压而产生损失的风险。因此,企业在经营中,既要避免库存不足,防止缺货,又要防止库存过量,减少不必要的库存费用。保持合理原材料库存,提高安全库存预测水平,对降低成本、提高企业的竞争力尤为重要。
　　 手机作为电子行业的高科技产品,功能先进,结构复杂,用料种类繁多,一部普通的手机需要电阻、电容、晶振、IC、Flash等多种电子料及外壳、键盘、LCD、电池等多种结构料,一部商品手机往往需要上百种物料,智能手机需要的物料种类则更多。而手机生产厂商为了在市场竞争中取得优势地位,一般会同时推出多款型号的手机,而不同型号的手机往往存在大量非通用物料,这就使企业物料种类呈几何级数增长,给库存管理,安全库存预测带来了很大的困难,传统的安全库存预测方法很难再满足要求,本文将神经网络引入安全库存的预测。
　　 由于影响安全库存的因素之间关系复杂、预测难度大,并且这些因素和决策结果之间存在着比较复杂的非线性关系,而神经网络在处理非线性问题方面有独特的优势和其他方法无法比拟的优点,本文选取影响安全库存的五个关键因素作为输入数据,建立BP神经网络模型,进行安全库存预测。由于BP神经网络容易陷入局部极小值的缺点,利用遗传算法对BP神经网络模型进行优化,提高BP神经网络的搜索能力,建立基于遗传算法的BP神经网络模型,实验证明优化后的BP网络模型有较好的精度和稳定性。最后以优化后的BP神经网络模型为基础,通过对Matlab和VB进行混合编程开发出界面简洁、易于操作的安全库存预测系统。