MBA案例分析报告 柳州工业仪器制造厂生产计划的优化分析.ppt

1、MBA案例分析报告,柳州工业仪器制造厂生产计划的优化分析,基本概况,广西柳州工业仪器制造厂是国有制造企业，主要生产A、B、C、D四种型号工业用精密测量仪器，销往全国各地，部分产品出口东南亚。四种产品中，C、D仪器是亏本产品，主要原因是原材料(如特型钢材)持续涨价，而销售价格一直未能提高，加之职工工资提高及相关费用增加等原因，致使成本上升，而每生产1万支C仪器要亏损2440元，但为满足市场需求，根据订货情况，厂里决定2004年1月份仍生产12万支。D仪器是新产品，尚在试制阶段，为了提高质量，降低成本，吸引客户，打开销路，厂里决定在2004年1月生产1.5万支。该厂主要盈利产品是A、B仪器，产品质

2、量在同行业中处于领先地位，由于采取薄利多销的经营方针，产品销售势头很好。 随着竞争机制引入企业，过去制定生产计划一靠上级指令，二靠经验安排的老办法已越来越不适应新形势的需要。与此同时，虽然该厂主打产品销售状况良好，但我国入世后，随着一些国外同类产品逐渐向我国市场渗透，对该企业产品形成了威胁，使该企业面临严峻的挑战。因此，要生存发展，就必须千方百计提高企业素质，在生产环节上，应用现代化管理方法制定生产计划，努力挖掘潜力，科学组织生产，以实现产品利润最大化。,问题概述,(1) 如何制定科学的生产计划，使该厂在现有资源条件下的利润最大化；并与原计划进行比较。 (2)该厂现有资源状况存在什么问题？应如

3、何改进？ (3)由于市场的变化，如果A、B仪器单位盈利水平上升或下降，如何调整生产，使利润最大? (4)各资源利用能力的变动状况如何影响最优生产计划及盈利?,原定1月份生产计划及各产品利润指标见表1,生产用各种原材料来源充足，并有足够的流动资金做基础，因此，原材料不是增加生产的制约因素，主要的限制条件是可利用的设备台时及基本生产工人工时，即设备与人力资源问题。根据该厂工时定额计算，生产每万支各种仪器的设备台时及工时定额见表2,该厂标准工作日为每月26天，标准工作日长度为每日8小时，结合考虑每台设备每月所需正常维修保养时间，以及每月工人工时利用率，可以计算出全月可使用的设备加工能力和人工工时。

4、全月设备台时数见表3（注：因A、B仪器不使用编号1217的设备，故未在表中列出）,基本生产工人工时情况统计资料及处理如下：全厂基本生产工人210人，制度工时计划利用率为76，因此，全月基本生产工人工作时数为210268 76 = 33 196.8 人时/月 根据以上条件，C、D两种产品的生产数量必须按计划生产，故不用考虑这两种产品，但应在加工能力上扣除生产这两种产品所用的设备、人工工时。,根据以上条件，C、D两种产品的生产数量必须按计划生产，故不用考虑这两种产品，但应在加工能力上扣除生产这两种产品所用的设备、人工工时。,利用EXCEL求解,新生产计划,新的生产计划与原计划比较总利润增加了316

5、94元,该厂现有资源状况存在什么问题？应如何改进？,根据规划求解中的运算报告可以看出，该厂的生产设备及人工处于大量闲置状态，但其电捣机及消磨机生产已饱和，导致资源配置不合理。 在市场销售环境好及生产原料不紧缺的情况下，该厂应增加电捣机和消磨机的台数，以满足大量生产需求；但若市场环境下降或生产原料紧缺的情况下，该厂应对闲置的资产进行处理，盘活资金。,运算结果报告,由于市场的变化，如果A、B仪器单位盈利水平上升或下降，如何调整生产，使利润最大?,通过敏感性报告显示： A产品的当前值为8840，允许的增量为62033、允许减量为8840 B产品的当前值为11765，允许的增量为1E+30、允许的减量

6、为10297.56 允许的变化范围： A产品8840-8840=0C18840+62033=70873 B产品11765-10297.56=1467.44C1+ 在其它系数不变情况下，保持当前最优解Xa(产品A)=5.6，Xb(产品B)=22 不变情况下，产品的目标函数系数可以在上述范围变化,但目标函数值(总利润)会发生变化。若超出上述范围则应重新制定生产计划，以使得利润最大化。,敏感性分析报告,各资源利用能力的变动状况如何影响最优生产计划及盈利?,当多种生产资源发生变动时，可通过敏感性分析报告的允许增量及允许减量值进行计算分析，依据100%法则：当发生变化的目标函数系数的允许增加百分比和允许减少百分比之和100%，最优解不变，但影响盈利状况；当100%时，不能确定最优解是否发生变化。 通过分析敏感性分析报告中的影子价格可以看出：除电捣机和消磨机的生产能力饱和以外，其余的生产资源还处于闲置状态，其余生产资源的增加（减少）不会影响总利润；而电捣机每增加（减少）一个台时，总利润随之增加（减少）176.8元，消磨机每增加（减少）一个台时，总利润随之增加（减少）556.62元,总 结 通过最优化决策的学习，企业可以