汽车制造企业钢材用量需求预测技术研究

汽车制造企业钢材用量需求预测技术研究

陈水燕

东风柳州汽车有限公司广西柳州545005

摘要：合理进行钢材用量需求的预测，才能够为企业制定生产计划提供科学的依据。所以，汽车制造企业还应加强钢材用量需求预测技术的研究，以便为企业的生产运营提供更多的保障。基于这种认识，本文提出一种钢材用量需求预测技术，并且对该技术在汽车制造企业的应用效果展开了分析，从而为关注这一话题的人们提供参考。

关键词：汽车制造；钢材用量；需求预测

引言：随着经济的快速发展，钢铁市场竞争也在逐渐加剧。不同于过去，现今的钢铁市场竞争更注重供应链服务管理竞争，需要企业加强对钢材用量需求的预测。面对这种发展趋势，汽车制造企业作为用钢大户，理应做好钢材用量的合理预测。因此，有必要对企业钢材用量需求预测技术展开研究，以便寻求合理的技术与方法加强企业的生产管理。

1汽车制造企业预测钢材用量需求的意义

在汽车制造企业的供应链管理中，想要进行战略性决策的制定，还要做好需求预测。因为，只有根据顾客的需求预测，才能够运行推动流程。而根据市场需求的反应，才能够运行拉动流程。所以，在开展供应链管理工作时，首先需要对顾客未来的需求量进行预测，以便降低企业面临的市场不确定性，并且为企业制定经营管理决策提供依据。如果没能合理进行需求预测，就会导致企业的供应出现不足或过剩的问题，从而导致企业的库存水平或运作成本受到影响。因此对于供应链企业来讲，准确实现需求预测是企业共同追求的目标。而对于汽车制造企业来讲，能否实现需求的科学预测，将直接关系到企业材料采购和生产安排，并且也会对钢铁企业的生产管理和加工配送等活动的开展产生影响。在实际进行钢材用量需求预测时，需要根据汽车用户生产计划和物料信息进行不同时期汽车用户对钢材的需求。而不同于其他企业，汽车制造企业的钢量预测有着受季节影响波动较大和受政策影响较大的特点[1]。因此，还要做好市场分析，以便根据市场需求变化进行生产作业计划的及时调整。

2汽车制造企业钢材用量需求预测技术

2.1预测方案

在对汽车制造企业钢材用量进行预测时，想要对客户月度用钢需求量进行合理预测，并且确保订货满足率较高，还要建立高效可靠的钢量需求预测模型。利用模型进行计算，并且结合客户的生产计划，则能够得到最终的需求预测结果。在此基础上，就可以根据计算结果对企业的理论订货量进行计算，然后进行生产计划的编排[2]。就目前来看，相关行业通常会采取简单回归分析或神经元网络分析方法进行建模。但是，采取这些方法无法对历史数据进行充分利用，所以还应该采取一种能够实现横向和纵向回归预测的加权处理方法，以便充分利用历史数据。而根据以往经验，并且结合汽车制造行业的发展趋势，则能够帮助汽车制造企业做出准确的钢材用量需求预测。

2.2预测模型

根据指定的预测方案，还要进行明确的方案计算流程的制定，以便完成相应的模型的建立。具体来讲，就是先要进行某个类型和规格的钢材的选取，然后对企业从前四年到现今实际采购该种钢材的数据进行收集[3]。在此基础上，则需要对前四年企业每月采购该种钢材获得的数据进行编号。而具体编号可设为aij，i为年数，j为月份。完成编号后，可以每个j对应的aij进行多项式拟合，从而得到企业单月纵向钢材采购数学模型Vj(x)=a1x2+b1x+c1。式中，x为过去每年的编号。得到模型后，则需要对12个月钢材采购量数学模型进行储存拟合。想要得到横向钢材钢材采购量数学模型，还要进行钢材用量需求预测月份m的输入，然后对企业在m月的前半年采购的钢材数据进行收集[4]。而通过将这些数据编号为bk，并且进行多项式拟合，则能够得到模型H(y)=a2y2+b2y2+c2y+d2。式中，y为前半年每个月编号。完成横向和纵向模型建立后，可以利用横向模型对m月钢材用量进行预测，从而得到结果P1。在此基础上，可以利用纵向模型对x年m月钢材用量进行预测，从而得到结果P2。最后，可以得到m月钢材用量综合预测模型P=α*P1+β*P2。而α+β=1，并且α，β在（0,1）之间。

2.3预测效果

为分析模型的预测效果，可以尝试利用该模型对某汽车制造企业的汽车板客户需求进行预测。而为了方便进行预测效果的验证，还要根据该模型预测原理进行相应的系统的建立。在技术应用的过程中，管理人员利用系统对规格为0.70mm*1170mm的热镀锌板的前四年的实际采购量数据进行了收集。完成数据编号后，则拟合得到了12个月的钢材用量模型Vj(x)=-7.5x2+56.5x+1560。在此基础上，通过收集企业前半年采购该种钢材的采购量数据，又得到了横向预测模型H（y）=23.3y3-289y2+1026y+750。通过计算发现，P1=1763t，P2=1655t，P=0.65*P1+0.35*P2=1726t。经过一年的运行可以发现，企业实际采购量为1684t，预测误差仅为2.5%，所以应用该模型得到的预测值能够与实际值能够较好的吻合。而利用该预测结果进行采购和生产管理，则使客户订货满足率达到了98%以上，并且使企业的库存成本有效降低4.3%，从而为企业带来了一定的经济效益。

结论：总之，通过对历史数据进行充分挖掘利用，并且结合现阶段的市场发展趋势，则能够在考虑季节波动因素和相关政策调整情况的基础上实现对企业钢材用量需求的合理预测。所以，相信随着钢材用量综合预测模型的不断发展和完善，其将在汽车制造企业的钢材用量需求预测上得到更好的应用。

参考文献：

[1]黄文.未来全球主要用钢领域需求预测[J].冶金管理,2014,08:13-19.

[2]王祝堂,张新华.汽车用铝合金[J].轻合金加工技术,2011,02:1-14.

[3]王艳京.2009年汽车行业钢材需求及2010年预测[J].冶金信息导刊,2010,01:30-35.

[4]阎建明,蒲刚清,刘贞等.基于分行业级别的钢铁需求预测研究[J].科技管理研究,2012,18:254-258