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
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
128 0
算法概要
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。
基于和声搜索优化算法的机器工作调度matlab仿真,输出甘特图
本程序基于和声搜索优化算法(Harmony Search, HS),实现机器工作调度的MATLAB仿真,输出甘特图展示调度结果。算法通过模拟音乐家即兴演奏寻找最佳和声的过程,优化任务在不同机器上的执行顺序,以最小化完成时间和最大化资源利用率为目标。程序适用于MATLAB 2022A版本,运行后无水印。核心参数包括和声记忆大小(HMS)等,适应度函数用于建模优化目标。附带完整代码与运行结果展示。
基于免疫算法的最优物流仓储点选址方案MATLAB仿真
本程序基于免疫算法实现物流仓储点选址优化,并通过MATLAB 2022A仿真展示结果。核心代码包括收敛曲线绘制、最优派送路线规划及可视化。算法模拟生物免疫系统,通过多样性生成、亲和力评价、选择、克隆、变异和抑制机制,高效搜索最优解。解决了物流仓储点选址这一复杂多目标优化问题,显著提升物流效率与服务质量。附完整无水印运行结果图示。
基于免疫算法的最优物流仓储点选址方案MATLAB仿真
基于GA遗传优化TCN-GRU时间卷积神经网络时间序列预测算法matlab仿真
本项目基于MATLAB2022a开发,提供无水印算法运行效果预览及核心程序(含详细中文注释与操作视频)。通过结合时间卷积神经网络(TCN)和遗传算法(GA),实现复杂非线性时间序列的高精度预测。TCN利用因果卷积层与残差连接提取时间特征,GA优化超参数(如卷积核大小、层数等),显著提升模型性能。项目涵盖理论概述、程序代码及完整实现流程,适用于金融、气象、工业等领域的时间序列预测任务。
基于遗传优化算法的多AGV栅格地图路径规划matlab仿真
本程序基于遗传优化算法实现多AGV栅格地图路径规划的MATLAB仿真(测试版本:MATLAB2022A)。支持单个及多个AGV路径规划,输出路径结果与收敛曲线。核心程序代码完整,无水印。算法适用于现代工业与物流场景,通过模拟自然进化机制(选择、交叉、变异)解决复杂环境下的路径优化问题,有效提升效率并避免碰撞。适合学习研究多AGV系统路径规划技术。
基于GA遗传算法的斜拉桥静载试验车辆最优布载matlab仿真
本程序基于遗传算法(GA)实现斜拉桥静载试验车辆最优布载的MATLAB仿真,旨在自动化确定车辆位置以满足加载效率ηq(0.95≤ηq≤1.05)的要求,目标是使ηq尽量接近1,同时减少加载车辆数量和布载耗时。程序通过迭代优化计算车辆位置、方向、类型及占用车道等参数,并展示适应度值收敛过程。测试版本为MATLAB2022A,包含核心代码与运行结果展示。优化模型综合考虑车辆总重量、间距及桥梁允许载荷密度等约束条件,确保布载方案科学合理。
基于ECC簇内分组密钥管理算法的无线传感器网络matlab性能仿真
本程序基于ECC(椭圆曲线密码学)簇内分组密钥管理算法,对无线传感器网络(WSN)进行MATLAB性能仿真。通过对比网络通信开销、存活节点数量、网络能耗及数据通信量四个关键指标,验证算法的高效性和安全性。程序在MATLAB 2022A版本下运行,结果无水印展示。算法通过将WSN划分为多个簇,利用ECC生成和分发密钥,降低计算与通信成本,适用于资源受限的传感器网络场景,确保数据保密性和完整性。
基于GA遗传优化TCN时间卷积神经网络时间序列预测算法matlab仿真
本内容介绍了一种基于遗传算法优化的时间卷积神经网络(TCN)用于时间序列预测的方法。算法运行于 Matlab2022a,完整程序无水印,附带核心代码、中文注释及操作视频。TCN通过因果卷积层与残差连接学习时间序列复杂特征,但其性能依赖超参数设置。遗传算法通过对种群迭代优化,确定最佳超参数组合,提升预测精度。此方法适用于金融、气象等领域,实现更准确可靠的未来趋势预测。

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等