生产计划人员

生产计划人员生产计划系统的设计生产计划工作，关系着一个生产系统能否在一段较长时间内发挥其应有作用的问题。一般说来，它包括对企业的生产品种进行预测，对人力和物质资源进行合理调配和使用，达到最有效地生产出所需产品。用较专门的行话来说，生产计划要寻求这样的一种生产率。它能满足需求，同时又使因劳动力变动所发生的费用以及存贮费用均能降到最低限度。生产计划工作常被称之为综合进度安排，以资区别于实现生产计划所使用的日程计划（作业进度表）。综合进度安排所涉及的都是一些比较大的、总的计划项目的安排，例如考虑所生产产品的品种与类别、进行特种销售、现有人力（工作能力）的变化趋势，资源供应来源的变动，等等。进行长的计划安排的目的，是为了在一定期间内最有效地安排系统的能力，凶手人力，材料与设备。综合计划的运用，乃是通过安排一个标明各个确切的项目和生产日期的主进度表。根据主进度表，可以制定日程计划，开出具体的工作单和投料安排。一、生产计划的策略生产计划工作可以有两种作用。一种是只起消极被动的作用，即企业只是单纯地响应和试图满足对产品的需求。另一种作用是积极主动的作用，亦即企业力图影响或控制（操纵）需求。对需求的消极响应在很多情况下企业往往“被动”的，只是满足既经提出的需求，并不企图去改变需求。一个新建的资本不雄厚的企业，可能没有足够的资金与人力去改变价格。而另一种情况是一个迅速发展中的公司，其新产品有需求量很大的市场，它的主要问题是如何昼地增加产量，和获得扩大生产所需的资金。第三种情况是许多企业进行着经济上的竞争，在产品分工上相对直辖市，各个企业的产量在整个市场中所占的比重不大，每个企业仅能获得合理的利润，并且各自能在接近最优生产率的情况下从事生产和经营。在企业只起被动作用的场合中，企业力图改变下列因素（变量）的大小及其组合心满足需求，这些变量（因素）是劳动力的多少，存贮水平，生产率，订立分包合同与产品品种搭配。有时用纯策略和混合策略的术语来说明如何运用这些变量。“纯策略”的含意，是指在只改变一个变量（其他变量保持不变）情况下的生产输出。例如，当需求变化时，劳动力可以增加或减少，它与需求直接有关。这种策略特别适合于劳动量大的产品。另一个纯策略是在保持其它变量不变情况下改变生产率。而且劳动力变动的结果将会引起停工（工时利用不充分）或加班加点（负载过重）的现象。其余的纯策略是通过调节存储来满足需求，需求大时动用存储，需求不时补足存储，利用分包合同可以做到使储备降到最低的情况下满足需求，或用来解决“高峰”需求。例如，使生产设备保持恒定的生产率以满足最低需求量，对于超过这需求量的部分则通过分包合同来解决。改变产品的搭配可以使其它变量保持稳定。往往会发生产品品种供需不协调的情形。某些产品需求大，另一些需求量小。因此，要根据需求的变化重新分配各品种生产所需的资源，以平衡协调供需之间的矛盾。这是多品种生产的一个主要论据。“混合策略”是同时变动两个变量。例如，在需求量下降时，可以同时衽两个措施：减少人力和降低生产率。积极影响产品需求量到此为止，我们只是把企业作为只起消极被动作用的因素来看待的，但是在大多数情况下企业却在影响（改变）环境和适应环境和适应环境两方面都起着主动的作用。例如企业可以主动影响需求量，或选择一个非周期性的产品搭配方案，或者对某些定货缓期交货。在需求量小的时期，可以通过降价，加紧扒销，采用各种刺激、鼓励办法与搞运动等方法来增加销售量。汽车在车型变换时进行削价，有利于刺激需求量上升。休假旅游胜地可采取减价办法来招揽顾客（例如有时旅游者并非休假者而是出席会议的人）。通过选择非周期性的产品，有可能稳定生产设备的负荷。虽然在冬季也可以借助于削价和另的刺激办法来提高对空调设备的需求，但更好的方案是在这不当紧的季节中改变品种，如生产家用取暖用具。缓期交货，对保持生产稳定性是很理想的。它的成几取决于顾客是否同意接受所定的交货期限。在某些情况下，顾客不愿等待；有时，即便交货期比预定的要来得短，顾客也还要求提前交货。所以销售人员的一项重要才能，就是如何能说服订户乐意接受一个范围变动较大的交货期。此外，还可以彩一些刺激办法来影响用户，如打折和采用对过早交货与脱期交货处以罚款的条款等。二、预测方法为了拟订生产计划中的产量，首先必须进行需求的预测，这是计划的基础。有了这种预测就可以规划所需人力、材料、生产率和存储水平。预测方法有两类。一类是统计方法，它包括数量分析；另一类是主观的或直觉的判断方法，它主要依靠估计和判断。统计方法建立在这种假设的基础上；它认为历史资料可用来预测未来并可运用过去数据预测未来的需求量。判断的方法要采用这样一些手段，如顾客的调查、销售人员的估计、与经济或消费趋向间的相互关系、技术进步以及舆论方面。实际上这两类方法是结合运用的。一种预测的方法是先进行统计预测，然后根据那些导致偏离历史发展趋势的影响因素来作修正。或者是相反，先撇开企业历史资料进行预测，然后把它与统计分析进行比较，以确认或说明其间的重大差别。应用过去数据作预测的最通用而又较方便的方法是简单移动平均法，加权移动平均法，指数平滑法与回归分析法。这些方法使用方便，管理人员只消应用一台计算器就足够了。即便是技术复杂而又费钱的预测方法，如复杂的曲线拟合、时间序列分析或蒙特卡罗模拟方法，在运用时也同样要依赖于这些因素，如市场的大小、潜在的利润、现有的分析人员。影响需求的因素在大多数场合中，对产品或服务的需求可以分解为六个要素：一段时间的平均需求、趋向、季节影响、周期要素、随机变动和自相关（Autocorrelation）。图书。5。1说明一个为期待年的需求，指出了平均需求量、趋向、季节性影响以及围绕光滑需求曲线的随机变动情况。周期性的因素比较难于决定，因为间隔的周期长短是求知数，或者是形成周期的原因无法知道。对需求的周期性影响可能来自这样一些事件，如政治上的竞选，战争，经济情况或社会压力。随机偏听偏信离是由自然的偶然变动所引起的。当我们从总需求中把那些已知原因的需求因素剔除以后（如剔去平均、趋向、季节、周期性与自相关），所剩下的无法解释的那部分，就属随机引起的需求。当无法把引起这一需求的原因归入某特定源由时，那么它就属于自然的随机性。自相关表示事件的持续性——在任何一时点的期望值是同它的过去值密切相关的。在排队论里，队的长度是高度自相关的。也就是说，如果在某一时点上队是相当长的，那么经过很短暂的时间后，可以认为队仍然是很长的。当需求为随机时，一周的需求量同另外一周的需求量可以相差很大。如若存在高度自相关时，这现周同下一周的需求量是不能相差很大的。简单移动平均法当对产品的需求不具有迅速增长之势和季节影响时，可用移动平均法来消除预测中的随机变动。虽然移动平均值常常是“有中心的”，但是它可以较方便地运用过去的数据直接作下一时期的预测。下面来说明。一月、二月、三月、四月和五月的五个月平均中心在三月份，这就要求具有这五个月份的数据。如果我们的目标是预测六月份，那么我们须重新安排移动平均值中心，从三月份推移到六月份。如若平均值不在中心而在前期，那么预测就方便了，当然这时精度可能差些。因此，我们若要应用五个月的移动平均值来预测六月份的需求，我们可以运用一至五月份的平均值勤。六月份过后，我们再用二至六月份的平均值来预测七月份的需求。表6。5。1和图书。5。2就是用这种方法计算出来的。表6。5。1以3周与9周为期用简单移动平均法预测需求周需求量3周9周周需求量3周9周1800161700200018002140017180018331811310001067182200190019114150013001919001967193351500133320240021672011613001433212400223321117180015332226002467214481700160023200023332111913001600136724250023672167101700156714672526002367226711170015671500262200243323111215001633155627220023332311132300183316442825002300237814230020331733292400236723781520002200181130210023332344虽然在应用移动平均法时选择最优的基期是很重要的，但在选用不同长度的期限时会出现某些相互矛盾的结果：移动平均期愈长，对随机变动的平滑效果愈好（这是我们所希望的）。然而，当数据中存在着需求上升或下降的趋向时，平均移动值会表现出迟后于趋向的不良特征。因此，当期限短时会产生出振荡现象，但却较为接近实际的变化趋向。相反，取较长的平均期固然能得到平滑的响应，然而却迟后于变化的趋势。图6。5。2是根据表态。5。1的数据绘制的，它表明了采用不同移动平均期的结果。从图中可以看到的第23周时恢复到水平增长趋势。虽然从总的看来9周的平均值比较平滑，但是3周的移动平均值（比之9周的移动平均值）能更好地反映出变的趋势。计算移动平均值的主要缺点在于：所用数据必须包括所有的各个要素，因为计算第每一个新的预测期的平均移动值要加入一个新的数据和删去一个最早的数据。对于一个3月或6月为期的移动平均值，这还不太严重；但对于一个长的期间来说，譬如说，纽约证券交易所的为期200天的移动平均值，那就需要费用很大的数据量。加权移动平均法在简单移动平均法中，把构成移动平均数据基础的每个要素，都视作为具有修相同的作用（效果），而在加权移动平均法中，允许在每个要素进行加权，当然所有权数之和为1。例如，一个百货公司根据为期四周（28天）的数据来源作迎期预测，把前四周同一天的销售结果加权势40%，余下24天的平均值加权60%。可用一个更简单的例子加以计算和说明。假设在进行一个以四个月为期的最佳预测中，最近月份的实际销售量取其40%，二月以前的取30%，三个月以前的取20%，四个月以前的取10%。若实际销售额如下表6。5。2第一个月第二个月第三个月第四个月第五个月1009010595？对第五个月的预测为：F5=0。40（95）+0。30（105）+0。20（90）+0。10（100）=38+31。5+18+10=97。5假如第五个月的实际销售量为110，那么对第六个月的预测将是：F6=0。40（110）+0。30（95）+0。20（105）+0。10+（90）=44+28。5+21+9=102。5加权移动平均的优点是肯定的，可以体现历史数据的不同作用，但其缺点是容易“遗忘”过去时期的整个历史。指数平滑法上述两种预测方法（简单平均法与加权移动平均法）的主要缺点，是要求不间断地掌握大量历史数据。下节要讲到的回归分析法也有同样的缺点。在这些方法中，在进行一次新预测时，必须加进一个新数据和剔除一个最早的数据。可以说大多数情况下，反映最新情况的资料比之过去的显得最合适，从而最早获了应用。应用指数平滑法预测未来时，只需要三个数据：最近期的预测量，预测期的实际需求量及平滑常数（a）。平滑常数决定平滑的水平和对于预测量与实际数之差的反应速度。常数的取值是任意的，其值的大小取决于二个因素：一是产品性质，二是企业经理为了取得良好的响应而作出的判断。例如企业生产的是一种需求量相对稳定的标准产品，实际需求与预测需求量之差的反应速度趋向于减小——可能只要百分之几。相反，若是企业根据经验感到需求量要增长，那么就应规定一个较高的增长率，以突出最近的增长趋向。增长量愈大，反应速度应愈高。一次指数平滑预测所用的公式很简单，表示如下：Ft=Ft-1+a(At-1－Ft-1)式中：F1=第七月的指数平滑预测值；Ft-1=前期的指数平滑预测量；At-1=前期的实际需求量a=所需的响应速度，或称平滑常数。这公式表明，一个新的预测量等于老的预测量再加上一个调整量，这个调整量是期所作的预测量和实际量之差的一个比例数。为了说明这种方法，我们假定对产品的需求从长远来看是相对稳定的，平滑常数（a）取值0。05比较合适。如果