论文部分内容阅读
钢材作为重要的工业基础物资,具有政治、商品及金融等多种属性。对钢铁成本进行优化解析、并据此进行更优的成本管控,对于增强企业盈利能力、提升企业在市场中的竞争力意义重大。本文选择螺纹钢价格数据作为研究对象,通过灵敏度分析筛选了影响其成本的8个重要因素,对于敏感度较高的因素应用Matlab进行遗传算法优化,得出优化后成本方案,具体归纳如下:本文通过Sobol全局灵敏度分析方法对影响螺纹钢成本的因素进行分析,得到4个具有显著影响的因素,分别为:62%澳洲粉矿远期现货价格1、MyCpic焦炭绝对价格指数2、国内铸造生铁绝对价格指数（综合）5和钢坯绝对价格指数（综合）6,并对上述4个灵敏度系数较高的参数依次做局部灵敏度分析,得到各参数对螺纹钢成本的敏感程度。其中,钢坯绝对价格指数（综合）6局部灵敏度值最高,为0.9467、MyCpic焦炭绝对价格指数2和国内铸造生铁绝对价格指数（综合）5分别为0.8815和0.8228、62%澳洲粉矿远期现货价格1与其他3个因素相差不大,为0.7668。其次,本文基于灵敏度分析的结果建立了螺纹钢成本优化模型,选取敏感因素作为设计变量,以螺纹钢的成本及敏感因素的增幅取值范围作为约束条件,对模型应用遗传算法进行优化。结果显示,在多重因素的共同作用下,当62%澳洲粉矿远期现货价格1价格下跌13%、MyCpic焦炭绝对价格指数2上涨10%、国内铸造生铁绝对价格指数（综合）5降低28%、钢坯绝对价格指数（综合）6降低5%时,螺纹钢成本接近最优状态,降幅达25%,表明本文所用优化算法是有效的。根据模型优化结果,本文提出合理利用原材料期货市场,灵活调整采购方案等建议,为企业生产策略提供新的思路。