市场经济条件下,经济形势瞬息万变,企业为了应对日趋激烈的竞争环境就必须从自身的研发、销售、生产和采购等诸多方面寻求突破,在管理上挖掘潜力,以求降低经营成本,提高企业经济效益。而统计表明,采购成本在企业、尤其是在制造型企业的经营成本中占有很大的比重,因此,提高采购决策水平可以有效地提升企业的整体竞争力,使其能够面对巨大的挑战。另一方面,企业内部的生产管理是制造型企业运作管理的核心内容,是企业创造价值的关键。由于客户需求的个性化以及产品更新换代速度的加快,以“以销定产”为运作理念的多品种、可变批量生产方式被越来越多的企业所采纳。这种生产方式是大势所趋,然而它也为采购决策带来就极大的难度和风险,主要体现在物料需求的数量交叉和时间交叉上,形成了多时段多物料的采购决策问题。由此可见,研究多时段多物料的采购决策问题,包括供应商的选择、物料需求时段划分以及订货优化决策,对企业来说具有极为重要的现实意义。本文的研究按照下述层次展开。首先,从研究采购及采购管理入手,分析作为采购各个环节中的各个步骤与输入输出,学习供应商选择、需求时段划分以及订货优化决策的常用方法与基本原理,比较国内外学者研究成果的优点与不足,针对多品种、可变批量生产方式下物料需求时段数量众多、长短不一、单位时间需求变化频繁等问题,提出自己的研究思路；其次,针对单一物料采购决策,利用遗传算法和各种经典的采购方法解决需求时段确定与订货优化决策问题,并深入分析决定采用某种订货方法的关键因素,提炼遴选规则来提高模型求解的速度与精度,应用于实际的单一物料采购决策问题中；再次,针对组合物料采购决策,通过遗传算法将.NET平台与Lingo软件结合起来,有效地求解复杂的多时段多供应商非线性规划模型,并证明组合物料采购决策的优越性；最后,在前述理论研究的基础上,借助计算机仿真技术研发采购决策支持系统。本文的主要贡献在于：针对多时段多物料下的采购决策问题,计算出物料需求的数量交叉及时间交叉：进行物料需求重叠时段划分,计算出各物料在各时段中的单位时间需求量和总需求量：进行需求时段合理归并与确定,消除过小交叉时段；归纳订货优化决策实践中总结出的经验信息,建立基于遗传算法的单一物料需求时段归并模型和基于推理规则的单一物料订货方法遴选规则；进一步发掘多种物料组合订货的可能,构建基于遗传算法与Lingo的组合物料多供应商非线性规划模型；理论与实践相结合,将采购过程中的供应商选择、需求时段确定、订货优化决策及材料成本预算四部分融会贯通,分析、设计并开发完成了采购决策支持系统。
