MRP算法概要

简介: 一. 时间范围的确定: T1 T2 T3 T4   T2: 系统日期T3: 计划展望期的开始日期(通常情况下T2与T3为同一天)。T4: 计划展望期的结束日期。

一. 时间范围的确定:

T1 T2 T3 T4

 

T2: 系统日期
T3: 计划展望期的开始日期(通常情况下T2与T3为同一天)。
T4: 计划展望期的结束日期。
T1: 计算拖期后的开始日期。(受控于参数预计量有效期提前[ ]个月。)

二.再生式MRP算法
1. 计算公式:
净需求 = 毛需求/(1-损耗率) – 现有库存 + 安全库存 – 预计入库量 + 已分配量
2. 计算顺序
成品-à 半成品 -à材料 ,即按低阶码顺序进行计算。
三.需求取数来源:
1. 独立需求(成品)需求来源 取自订单、预测。
2. BOM单取物料使用状态的BOM。
3. 毛需求取自:
已审核且业务关闭状态为未关闭的销售订单分录中的[建议交货日期] 位于T1~T4之间的物料 (订货数量-已出库数量)

已审核未关闭的产品预测单分录中的[需要日期]位于T3~T4之间的物料

上层物料计算后的净需求。
4. 现有库存数: 属性为MRP仓的即时库存之和。
5. 安全库存: 取自物料主数据。系统由于实现了按订单追踪MRP功能,故在算法 上对安全库存单独进行处理,即先按物料计算安全库存产生的需求,再按订单进行计算,即会在0时区先产生安全库存产生的需求。
6. 预计入库数:
a. 采购订单: 已审核且MRP关闭标志为未关闭的采购订单分录中[交货日期]位于T1~T4之间的物料[数量-已入库数量]。
b. 委外加工生产任务单: 已审核或挂起的[计划完工日期]位于T1~T4之间的委外加工生产任务单[计划生产数量 – 已入库数量]。
c. 生产任务单: 已审核或挂起的[计划完工日期]位于T1~T4之间的生产任务单的[计划生产数量 – 已入库数量]。
d. 重复式生产计划: 已审核的[计划完工日期]位于T1~T4之间的重复式生产计划的[计划生产数量 - 分解执行数量(即分解后下达重复生产任务单的计划生产数量)]。
e. 重复式生产任务单:已审核或挂起的[计划完工日期]位于T1~T4之间的重复式生产任务单的[计划生产数量-已入库数量]。
f. 物料替代清单: 审核的物料替代清单(由参数控制),对于被替代物料作为预计可用量,对于替代物料作为已分配量。
g. 计划订单: 确认的计划订单(由参数控制)预计量的值为 建议订单量-累计下达数量,预计量日期为建议到货/完工日期。
7. 已分配量
生产类型单据: 当有投料单时按投料单的建议投料数量算已分配,当没有投料单时按BOM用量计算已分配。
8. 其它订货策略及批量、提前期等参数在此不做说明。
四. MRP系统实施
要求采购订单、销售订单、生产订单三大订单在系统中正确运行,入库关联订单、不执行的订单及时关闭。
四.主要异常业务分析
1. 拖期业务
描述:
销售订单中有物料的建议交货日期已小于系统当前日期(系统将这种业务定义为拖期),造成计划时重复生需求。
说明: K/3 MRP中将拖期需求放在第0时区。第一次MRP计算后需求的预计入库日期位于第1时区,1>0,即不为拖期需求的可用量,故下次运行MRP时重复产生需求。
改善建议:
K/3下一版本采用两种办法来解决: 一是将拖期订单产生的需求放在第0时区,则满足了订单需求和预计可用量的配合关系,下次运算不会产生需求。
第二种方式是,K/3在三大订单的追加执行功能中均增加了,修改建议交货日期功能。
从业务管理的角度,我们在当前版本及以后版本都强调说,拖期订单是企业实际业务中不应该存在的,当订单交货可能推后时,应该在系统中修改需求日期,以符合实际业务的需要。
2. 销售订单的业务关闭标志和采购订单的MRP关闭标志管理。
描述: 业务关闭标志及MRP业务关闭标志是分录级的业务标志,由业务系统自动判断执行,不可手工维护。
这两个标志的关闭条件为
a: 销售、采购订单已出(入)库数量>=销售订单的订货数量。

b: 在订单序时簿上执行关闭操作。
实际应用中经常反馈出现按b方式无法达到”关闭”的效果。经分析发现,原因在于
对系统收料通知单及发货通知单的错误应用。这两种单据是协调和采购、销售及仓库业务的单据,它的目的是传递需真正执行的物料及数量信息。但不少人将其视为收、发货计划。订单一生成,就做了通知单,此时订单按关联数量进行关闭、但业务关闭状成并未关闭。当订单出现异常(如客户调整时),无法真正关闭此订单。
解决建议:
正确应用通知单,当确认要出货时生成通知单,并关联生成出库单。或视业务流程的需要,取消此业务环节。 

目录
相关文章
|
机器学习/深度学习 算法
算法概要
算法虐我千万遍,我待算法如初恋;IT人永远逃脱不了的算法
112 0
算法概要
|
机器学习/深度学习 数据采集 编解码
数据挖掘算法概要(Python)
数据挖掘是通过对大量数据的清理及处理以发现信息,并应用于分类,推荐系统,预测等方面的过程。
|
28天前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
13天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
14天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
15天前
|
存储 算法 决策智能
基于免疫算法的TSP问题求解matlab仿真
旅行商问题(TSP)是一个经典的组合优化问题,目标是寻找经过每个城市恰好一次并返回起点的最短回路。本文介绍了一种基于免疫算法(IA)的解决方案,该算法模拟生物免疫系统的运作机制,通过克隆选择、变异和免疫记忆等步骤,有效解决了TSP问题。程序使用MATLAB 2022a版本运行,展示了良好的优化效果。
|
14天前
|
机器学习/深度学习 算法 芯片
基于GSP工具箱的NILM算法matlab仿真
基于GSP工具箱的NILM算法Matlab仿真,利用图信号处理技术解析家庭或建筑内各电器的独立功耗。GSPBox通过图的节点、边和权重矩阵表示电气系统,实现对未知数据的有效分类。系统使用MATLAB2022a版本,通过滤波或分解技术从全局能耗信号中提取子设备的功耗信息。
|
14天前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
34 3
|
25天前
|
人工智能 算法 数据安全/隐私保护
基于遗传优化的SVD水印嵌入提取算法matlab仿真
该算法基于遗传优化的SVD水印嵌入与提取技术,通过遗传算法优化水印嵌入参数,提高水印的鲁棒性和隐蔽性。在MATLAB2022a环境下测试,展示了优化前后的性能对比及不同干扰下的水印提取效果。核心程序实现了SVD分解、遗传算法流程及其参数优化,有效提升了水印技术的应用价值。
下一篇
无影云桌面