利用生產指標變動構建的模型預測豬飼料生產計劃

梁文載涂 強張 利梁桂超王 眾*

（1廣東廣墾畜牧工程研究院有限公司，廣東廣州 510507；2廣東紅馬飼料有限公司，廣東化州 510000）

生豬養殖全產業鏈的各業務板塊的整合與布局正在成為生豬產業相關主體轉型升級的主要發展方向，其中，飼料的生產內部化也逐漸成為大規模生豬養殖企業的基本配套業務。飼料生產成本同時受到原料采購、生產安排、以及養殖板塊飼料需求變動等多方面因素的影響，所以一體化生豬養殖企業的飼料板塊和生豬養殖板塊有效協同是實現降本增效、提高企業市場競爭力有效和重要的手段。

隨著數字化技術在全行業不斷的滲透和廣泛應用，業務板塊的業務運行情況得以通過企業信息系統集成快速以數據的形式體現。構建預測模型，進行中短期生豬養殖飼料需求結構及其需求量變化的預測，既能夠提高一體化生豬養殖企業的飼料生產管理水平，又有助于通過把控飼料產品結構和需求量的波動，來進一步優化飼料原料采購計劃和生產安排。

1 模型數據要素

本文提出的數據模型適用于具有飼料板塊配套且飼料生產內部化的生豬養殖企業，并且企業在生豬養殖板塊已實現豬群批次化管理與庫存管理、生產穩定，各板塊基本推行了信息化管理系統（如ERP系統）等。模型構建的步驟包括樣本數據指標收集和梳理、關系模型構建、模型驗證和優化等。主要步驟說明如下：

⑴監測養殖基地不同豬群各生長階段指標數據，記錄若干完整的商品豬批次從出生到出欄期間階段實際飼養時長、所屬豬場規劃生長階段、采食量及其體重等指標（見表1）數據，并進行整理分析。

⑵根據各樣本完整生長周期的數據統計，對影響豬群結構調整、存欄數據量變動與飼料耗用量的因素指標（見表2）進行關系分析，建立適合該生豬養殖基地的預測模型。

表1 試驗豬各批次各項指標記錄清單

表2 部分關鍵指標及注釋

⑶定期監測養殖基地的生產指標（如生豬各批次期末存欄數及其日齡、各階段生豬飼養頭天數、平均妊娠天數、非生產天數、年產胎次、平均每胎非生產天數、母豬平均哺乳天數、窩均產仔數、分娩率、生豬各階段日均成活率、生產基地種豬耳號、每頭種豬當前狀態及其日期、銷售頭數以及財務狀況等），對預測模型進行驗證和優化，以保證模型結果的科學性，并符合生產實際情況。

2 數據模型構建

2.1 生豬存欄動態預測模型

利用生豬養殖基地的生產指標和信息管理系統對數據進行匯總、初步分析，在對各豬群的結構和存欄數量變動進行監測等基礎上，預測模型將根據各豬群的結構和存欄數量等指標，對各生豬養殖基地未來各豬群的結構和存欄數量變動趨勢進行預測。豬群結構分類見表3。生豬存欄動態預測模型的預測公式及描述請見表4、表5。

表3 豬群結構分類和指標代碼

表4 生豬存欄動態預測模型中參數指標說明

2.2 生豬飼料需求動態預測模型

以生豬養殖基地飼料需求結構和數量的實際情況，進行飼料原料采購和生產安排是當前生豬養殖一體化企業或生豬飼料生產企業最具效益的做法。但除養殖基地的豬群結構調整及其存欄數量變動以外，前期養殖基地飼料現有庫存量以及養殖基地為規避風險所作出的保障性飼料需求閾值采購等，都會對生豬養殖基地的飼料需求量和飼料板塊生產等產生較大影響。因此，各類飼料預測需求量由初步預測需求量減去現期庫存量，再加上養殖基地各類飼料安全庫存閾值量，具體需求量預測模型如表6所示。最后，飼料生產板塊根據模型監測的飼料需求結果，對中短期的飼料原料采購和各種類飼料生產進行安排。

為了進一步優化預測模型，應每月把生產基地手工提報的飼料生產需求與模型預測需求進行對比，把差異部分記錄下來，在年底時把對應的數據反饋給對應的生產技術團隊跟進落實、優化基地生產指標從而優化預測模型。另一方面定期把生產基地的生產效率及成本進行排序，組織技術團隊交流學習以達到企業共同進步。

在實際應用中模型主要用于對飼料生產進行全盤規劃，解決生產計劃與實際需求存在偏離的現象。當生產基地訂單量少時，利用預測模型預測未來三天內的飼料需求，如短時間內有較大量的飼料生產需求，飼料廠可以等待新需求合并生產飼料，減少機器無法滿負荷運轉造成生產上的額外損耗的情況，以達到降本增效的目標。

3 結論與討論

3.1 模型適用范圍

本文主要基于企業ERP等信息管理系統匯總產生的生產、銷售和財務等板塊指標，利用相關計算軟件對未來若干周期內生豬養殖基地的生豬存欄結構及其數量波動等進行監測。根據養殖基地豬群存欄結構及其數量等指標變動，利用開發的模型預測未來若干周期養殖基地的各類飼料需求量，并結合養殖基地負責人提供擬采購的飼料需求量數據對模型監測結果進行驗證，以此指導飼料板塊在制定飼料原料采購和各類飼料生產時的決策。

表5 生豬存欄動態預測模型公式及其參數設置

表6 生豬養殖基地各飼料品種需求量預測模型

4.2 模型缺陷與應避免事項

雖然生豬飼料生產動態預測模型可以為飼料生產板塊在制定中短期的原料采購和飼料生產計劃時提供決策參考，但仍然存在一定的現實缺陷，如生豬養殖基地的生產計劃出現較大幅度調整或停產時，將對模型預測結果產生較大影響。

因此，為了提高預測模型的準確性，一方面及時并定期調整模型相關系數和模型驗證，另一方面針對異常的基地或者客戶進行剔除或優化，避免模型監測結果的異常現象產生。