企业营销标准审定稿20.doc

内容为网络收集 仅供参考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-1Ft-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。如果用指数方法作为持续的决策方法，那末要对一个月作出预测。假定最近月份的预测（Ft-1）是1050件，如果实际需求量是1000件，而不是1050件，那么这个月的预测为：F1=Ft-1+a(At-1Ft-1)=1050+0.05(10001050)=1050+0.05(50)=1047.5件由于平滑系数小，新预测对一个为数50件的“误差”所作的反应，乃是把下月的预测量减少2。5件。实际上，这种方法可以看作是对过去若干时期进行指数平滑加权，用方程式扩展如下：Ft=Ft-1+a(At-1Ft-1)Ft-1=Ft-2+a(At-2Ft-2)Ft-2=Ft-3+a(At-3Ft-3)当扩展到七个时期后，一般模型变为：Ft=aAt-1+(1a)At-2+(1a)A(t-3)+(1a) A1-4+(1a)t-1A0+(1a)tF0可见，这议程式是进行指数加权，对过去时期的每一次增量乃是减少（1a），或者可表示如下：表示6。5。3a=0.05时的权数最近期的权=a（1a）.0.0500早一期的权=a(1a)1.0.0475早二期的权=a(1a)2.0.0451早三期的权=a(1a)3.0.0429线性回归分析法线性回归分析虽然计算起来比移动平均法难些，但当过去的数据是直线时，它是一种非常有用的预测技术。不过，这方法中如何估算直线与数据拟合的程度，构成为程序的一个部分。线性回归法把一个变量“回归”到另一个变量上去。例如，大家知道消费一收的一个函数。如果我们以Y表示消费（应变量），以X表示收（自变量），线性模型为：Y=a+bxy或Y=消费式中：a纵轴上的交点b直线的斜率x收入大写的字母Y用来表示由公式计算得出的消费，小写的字母y用来表示由直接观察所得到的消费量。用来确定最合适的线的方法为最小二乘法。其方法乃是寻找从每一数据到所取假定直线上相应点的距离的平方和的最小值。图6。5。3中五个数据点规定了相当于各特定收入值（x）消费水平（y）。如果我们通过这些点的范围作出一条直线，我们可以表示出实际消费量（y）与直线上相应点（Y）的距离。这些数据点与线上点的差距的平方和为：（y1-Y1）2+（y2Y2）2+(y3Y3)2+(y4Y4)2+(y5Y5)2当此值为最小时，就是最佳的直线。我们不打算深入钻研议程的推导，只准备略加说明。直线的议程是Y=a+bx，问题在于决定a与b的值。以数学方法表示，为a=yb xb=xynxyx2nx2式中：ay轴上的截距；b直线的斜率；y1y的平均值；x1x的平均值；x每一个数据的x值y每一个数据的y值；n数据的点数；Y用回归议程计算的应变量的值。估计值的标准误差，也即直线拟合数据的程度：下月之用。所以，二月份的需要量是：需求预测（1500）+保险储备（375）期初储备（4500）=1425。其他月份的计算与此相似。短缺的数量则通过以后补足或从下月的生产初储备（450）=1425。其他月份的计算与此相似。短缺的数量则通过以后补足或从下月的生产中来补足。Syx= 这是相同于算术平均值的标准差的公式。当有多个因素影响到一个我们所关心的变量时（这里所讲座的变量就是销售量），采用多重回归法作预测是非常合适的。其困难则在于数据的收集，特别是数学上的计算。在部分计算机都已配备有多重回归分析的标准程序，从而解脱了繁重的手工计算。三、 生产计划方法（技术）生产综合计划的目的是确定存储的规模、总的劳动力和整个产量（用统一的单位来表示的产量，如产品的吨位、机床小时数）。最常用的方法仍然包括图表方法。但也化了很大力量去发展数学方法和直觉推断的方法，以帮助计划人员解决繁难的日常事务。图表法与图示法作出了计划期的预测后，生产计划人员可以根据累计的产品需要量建立图卡。为了满足这个需求量，计划人员可以根据累计的产品需要量建立图卡。为了满足这个需求量，计划人员可以通过变动劳力、生产率和存储量拟订出不同的策略方案。选择方案的准则是要求费用最低。费用包括下述各个方面：由于储备量变动而发生的费用：存储费（因储备、陈旧、变质、失窃、利息等所引起的费用）；由于生产率变动而发生的费用；工时利用不足（工人有过多的闲余时间）；加班加点（由于加班加点支付的津贴）；或开两班、三班而引起的费用；由于劳动力变化而发生的费用；增加劳动力（雇佣和训练费用）；减少劳动力（解雇费，失业保险金支出、因工人间磨擦、与工会或整个社区发生磨擦而引起的费用）；计划人员有时宁可不增加出产量，而通过外包或从对手或其他承包者那里购入产品，以满足用户的“高峰”需求，从而使本企业的生产稳定的合理的生产率水平上。外包费用是外购费用超过本厂自制成本之上的增加额。为了简短起见，我们用了为期六个月的进度安排。实际上，12个月的进度安排是比较正常而合适的，因为12个月度的计划能够展现出整个一年内的需求变动情况。假定我们已经得出了每月需求的预测，现有存储量为400个单位产品，对保险储备量所采取的政策是：维持在月预测值的四分之一的水平上，并得出了每月的有效工作天数。这些有来计算生产需求量的数据已列入表6。5。4。第4行按每月预测值的四分之一计算。第5行是每月需生产的数量。对一月份来说，该月总需求中要扣去期初的存储量400个单位产品：需求量+保险储备期初储存=一月份的需要量（1800+450400=1850）。从计划目的来看，假定预测需求量是同实际需求量相同的。在很完美的预测情况下，可以不要保险储备，因而期初储备量可供下月之用。所以，二月份的需要量是：需求预测（1500）+保险储备（375）期初储备（450）=1425。其他月份的计算与此相似。短缺的数量则通过以后补足或从下月的生产初储备（450）=1425。其他月份的计算与此相似。短缺的数量则通过以后补足或从下月的生产中来补足。表6。5。4综合生产进度安排表6。5。4综合生产进度安排行次一月二月三月四月五月六月1期初储存量4004503752752252752预测需求量180015001100900110017003累计需求量1800330044005300640081004保险储备4503752752252754255生产需要量（行2+行4行1）6累计生产量1850327542755125627581257有效工作日2219212122208累计工作日22416283105125现在，我们接着要试评一下能满足需要的不同生产计划方案。由于不同方案的生产率、存储量、劳动力数量和分包合同各不相同牺牲品个计划草案的费用是不一样的。假定，有关费用的补充情况如下：生产成本=100元/单位存贮费用（陈旧过时、机会成本，等）=每月生产成本的1。5%（每月每个单位产品1。5元）标准工资率=每小时4元加班费=150%或每小时6元储备脱节的边际费用=每单位产品每月5元合同分凶的边际费用=每单位产品2元（分包费用102元减去生产成本100元）雇用和培训费=每人200元解雇费=每人200元解雇费=每人250元单位产品所需人一时=5（小时）因为，最好的生产计划是通过对现有方案进行一毓试验而得出的，我们不想求最优的计划，只拟通过对比这三个可能的生产计划方案来说明这种方法，见表6。5。5。第一个计划方案的策略思想是：在正常工作班次下，通过增减工人数目来生产出确切的需要量。第二个计划方案的策略思想：是固定生产工人数，工人数目则是根据六个月的平均产量来确定（8125件X5小时/件）（125天X8小时/天）=41人；允许存储短缺，并通过下月的生产来补足。第三个计划方案的策略是：按需求量最低的四月份来确定所需工人数，并稳定在这个水平上（850件X6月X5小时/件）（125天X8小时/天=25人），此外，通过外包的方法来解决产量不敷需求的部分。表6.5.5三种生产计划方案方案1月份(1)生产量(2)所需工时(1)X5(3)每人每月工时数(天数X8)(4)所需人数(2)(3)(5)所雇人数(6)雇工支出(5)X200元(7)解雇人数(8)解雇费用(7)X250元一月18509250176530二月14257125152470061500三月100050001683000174250四月8504250168250051250五月11505750176338160000六月1850925016058255000 600007000元方案21月份(1)积计产量(2)有效生产工时(天数X8X4人)(3)出产数量(2)/5(4)累计出产量(5)不足的产量(1)-(4)(6)缺货损失(5)X5元(7)过剩产量(4)-(1)(8)存贮费用(7)X1.5元一月18507216144314434072035元二月32756232124726905852925元三月42756888137840682071035元四月5125688813785446321482元五月6275721614436889614921元六月81256560131282015995元76114 1517元方案32月份(1)生产量(2)有效生产工时(天数X8X25)(3)出产数量(2)5(4)外包数量(1)-(3)(5)外包费用(4)X2元一月185044008809701940元二月142538007606651330三月10004200840160320四月85042008401020五月11504400880270540方案1月份(1)生产量(2)所需工时(1)X5(3)每人每月工时数(天数X8)(4)所需人数(2)(3)(5)所雇人数(6)雇 的支出(5)X200元(7)解雇促销数(8)解雇费用(7)X250元六月18508125400080050001050321521006250元 这三种计划方案在表6。5。6中分别列出并加比较。从表中可以看出，运用外包的方法可以使成本降到最低（见方案3）。 很明显还有其它的可行方案，其中有一些方案需要加班加点，或者是结合使用加班、改变雇员人数与任务外包等方案。最佳的方案要经过对很多不同方案进行透彻的研究而后得出。表6。5。6三种方案的比较（单位：元）方案1方案2方案3策略变动工人数；生产确切的需要量固定工人数：变化存储量，允许缺货保持最低限度人数，不足量外包雇用费支出660000解雇费700000超储费用015170缺货费用支出059950外包支出006250总成本1360075126250 目前，还没有在一般情况下求这个问题最优解的数学方法。但是有些数学方法适用于某些特定情况，我们将讨论其中的两种，用线性规划的运输方法来制定生产计划和用线性决策规则制定生产计划。1用线性规划法的生产计划 波尔曼(Bowman)引进了关于产品需求量结构的思想和用运输矩阵模型规划需求量的有效方法。把各个时期的产品需求量作为目标，而获得产品的各种手段作为供给的来源。在前例的情况下，1月到6月的需求量即运输方法中的目标，产品来源是，五常工作情况下的人力，加班工作时间，外包和期初制品存储量。 为说明如何运用这种方法，我们利用与前例相类似的例子，按照表654第5行规定的产品需求量。假定在允许加班、外包的情况下，工人人数是固定的。如果每个时期的产品需求量需通过本厂生产或外包来满足(不允许缺货门线性规划模型就容易建立。从线性模型的解中可得出。在规定的产品来源(丘常工作时间下的工人数，加班时间或外包)下的最优计划和月度的生产和采购进度表。 考察这个问题的数据是， 储备和存储费=每月每件产品150元，所以如果第一个时期生产的产品到第二时期还未使用就要增加150元的维持费，如果积压到第三个周期要增加300元，到第四时期为450元等等。 本厂自制的材料成本=每单位产品40天。 正常工资=每小时4元。因为生产每件产品需要5小时，所以在正常工作时间生产一件产品应付给工人20元。 加班工资=每小时6元，这样生产一件产品应付给工人30元(5小时X6元)。 外包费=每单位产品72元，包含了外部加工时的人工费用与材料费用。 加班能力=正常工作时间生产能力的25%。 外包产品可以无限制供应。 期初存储量=400件。 固定有30名工人。 每项费用产生的理由及结果方程描述如下(用习惯的下标规则，第一下标表示行，第二下标表示列)。 (1)期初储存量。产品如果在第一时期使冉则无存贮费，如果第一时期没有使用，则每延一个月增加150元费用，如果一直保存到6个月后，则费用为6个月X150元=900元。所以， X11十X12十X13十X14十X15十X16十X17=400 O(X11)十1。50(X12)十3(X13)十4。50(X14)十6(X15)十7。50(X16)十9(X17)=费用 (2)正常工作时间。一月份，30名工人在正常工作时间下可生产的单位产品量为1。056(30人X8小时/天X22天干5小时/每件产品)。产品若在1月份出售了，每件成本为60元(20元人工成本十40元材料成本);假如转移到2月，则为61。50元(60元十存储费1。50元)，到3月为63元等等。因为生产工人是固定雇佣的，若停工劳动力的停工损失为每人20元。X21十X22十X23十X24十X25十X26十X27=1056 60X21十61。50X23十63X23十64。50X24十66X25十67。5026十20X27=成本 (3)加班时间。其允许限度为正常工作时间的四分之一。除了要多付给工人50%的加班津贴以外，计算方法与正常工作时间相同。一月份允许加班时间为正常工作时间的四分之一，或1/4(1056)=264。 (4)外包。费用为72元，如果购入后在本期内没有使用则要加存储费。为了减轻建立矩阵模型的工作量，可放弃通过外包获得任意产量的规定，选一个大于计划间内总需求量的任意数即可。若无产品外包，外包费为0，则 X41十X42十X43十X44十X45+X46十X47=10000 72X41十73。50X43十75X43十76。50X44十78X45十79。5046十0X47=成本 以后各月可作类似计算，因为不允许缺货，用这个月的产品去抵补上个月的需求量的方案就不是一个可行的方案。这点在矩陈图中用斜线部分表示之。用后而时期内的外包量来抵补前面时期的需求量的不合理方案也用斜线部分表示。因为外包费保持不变，就没有理由把三月或四月的发货量在一月份外包出去。最好的决策是等这个月到了，然后按照当时的需要而外包。然而若外包费可以变动，例如提前可打折扣，则将来的外包量应一并包括在计划期内。最优解列在矩阵模型内。例如，二月份在正常工作时间内生产的产量为912件，由加班时间生产的为228件和外包的为285件。另外两个解得出同样的成本，这些由围绕矩阵中心的虚线路径的位移来表示。 2线性决策规则 线性决策规则早在五十年代初由卡尼基(Carnegie)理工学院的洗特(Holt)，毛迪格列尼(Modig忱ni)，马斯(Muth)和西蒙(Simon)等创造和发展的。这种方法的目的是推导线性方程组或线性决策规则，用来在一些规定的生产计划范围内确定其最优生产率和劳力数。在一篇著名的论文中，方法的创造者在一家油漆公司应用了这种方法，他们为该公司设计了为期一年的逐月生产计划。其研究目的使总成本(CT)的期望值达最小。这儿CT=工常人工成本十雇佣和解雇费十加班费十存储费 他们论证了每一种成本都可以近似地用一条单独的二次成本曲线来表示(如图6一10所示)。基于这个理论，对方程进行微分，并求解极小值。A正常工资费用B劳动力人数变化的费用费用玩/巾费用玩/肋工人人数(w，辞退工人数雇用工人数C加班费D未交货的订单和准备工作的费用费用玩/甩 费用玩/朋生产率(p， 净存货(I，图654线性决策规则中的二次成本假设(用光滑的线表示， 虽然这种方法，特别是这种方法的证明复杂一些，但用实际数据代替变量时，可得到用来确定劳动力数量及生产率的两个方程式。 值得看一看从有关成本详细分析所得到的两个方程式，(取材于油漆厂的研究)十0463Ot十0234Ot+1十0111Ot+2十0046Ot+3十0013Ot+4一0002Ot+5Pt= 十0993Wt-1十153一0464It-1一0008Ot+6一0010Ot+7一0009Ot+8一0008Ot+9一0007Ot+10一0005Ot+11十00101Ot十00088Ot+1十00071Ot+2十00054Ot+3十00042Ot+4十00031Ot+5W1=0.743Wt-1+2.090.010It-1 十00023Ot+6十00016Ot+7十00012Ot+8十0009Ot+8十00006Ot+10十00005Ot+11 式中， P1 下一个月(七月)内应生产的产量; Wt-1 月初(上月底)雇佣的劳动力人数;It-1 月初存贮量减去暂时无法满足的定货; Wt 本月(t月)需雇佣人员数(本月新雇人员数应为Wt一Wt-1Ot 预定在、月内提货的产品量的预测数; Ot+1 预定在(t十l)月内提货的产品刃的预测数，等等。 数字方程如此别致，有人可能会对方程提出非议。如在劳动力方程中，下个月的劳动力数量(Wt)是下列各项的函数:上月的劳动力和数量(Wt-1)，上月的储存量(It-1后12个月(Ot到Ot+11)的预测需求量，再加上209。方程式中加209名工人似乎有点过于精确了。但这却是作者创造的应用成本表示所得出的最优解。然而有一点麻烦的地方，可以注意到在生产方程中产品未来的定货数从Ot+5开始都是负数。这说明本月对产品的需求量对下个月的生产计划有抑制作用。作者是这样来解释此现象的:处理未来定货的最好方法是，首先缓慢增加劳力，然后逐渐地增加生产率。 线性决策规则有三个主要缺点。第一，由于要应用二次成本关系曲线，所以具有很大的局限性。第二，在于要从企业经营中取得成本信息可能是相当困难的。第三，由于对变量没有限制，可能在计划进度中得出负的产量与劳动力需要量(负的需求量意味着顾客为工厂提供产品)。 (1)推断法。推断法原来是一个逻辑分支，其目的是用来探求新发现新创造的方法。近 来，推断法对行动已具有有效的指导作用。推断法有时也称为经验法则，不过，并不是所有的 规则都是好的或一定是合乎逻辑的。举例说明:一个好的决策例子是，为了避免淋湿，在雨中散步时应带把雨伞。另一个好的决策例子是，为了能在组织中得到加薪，其办法是努力工作以便在同级中处于先进地位。坏的决策例子是，一个人为了长寿应喝酒，吸烟，参加汽车比赛。一个好的推断规则未必是合乎逻辑的。假如有人在赛马与彩票中连续获胜是由于他用了这样一个公式:用他妻子的重量乘以他的年龄除以他们的孩子数(在所得的数字上下赌注)。那就应该说，在这一连串发生的事件中，这种不合理的推断规则却使他干得很出色。 (2)管理系统理论。现实世界中，大部分决策是用直接推断法制定的，已有许多研究项目专门研究制定供决策人员使用的有效的推断法则。这方面一个被广泛地认为有效的方法是波尔曼提出的管理系数理论。该理论是，管理者应用过去的成功经验作为拟订生产计划约有效的决策规则。 利用管理在固有的成就作为指导方针，在于依靠管理人员对于形势和环境的敏感性或先觉。一个经理人员或许会制定出一个连他自己也不能充分说清楚的决策一一由许多偶然因素综合产生的总和，有些是他下意识得出的，或者是根据他的教育训练所作出的推测。波尔曼论为，主要困难在于一个经理人员可能延滞了对形势作出反应，当他作出反应时，又可能过了头。这样当在平均值上作出一个好决策时，这里面已包含了一个显著的误差而且造成了损失。因为大多数成本关系曲线是比较平缓的呈盘状的，所以与最优值的偏差不致于造成成本的急剧上升。这个偏差可能是仅仅由于管理人员的偏见而造成的，是可容许的。但由于他偏见产生的偏差大小却是真正的关键所在，管理系数理论就是企图使这个偏差压缩到最小。 制定出一个以管理固有的特性为基础的规则的程序，要涉及到对过去类似