随着国际分工的发展,制造业企业为保持其核心竞争力,通常采用供应链运作模式:本企业掌握核心技术与生产流程,将非核心部分交由供应链上的企业完成。此运营模式使企业能专注于核心业务,但在全球化市场环境中,企业的供应链和时长遍布全球,产品从原辅料采购到投入市场的周期较长,且生产过程有一定延时性,产品进入市场可能错过最佳时机,难以带来可观利润。因此,在企业生产经营决策中,产量预测成为重要的一环,准确的产量预测能够帮助企业更好地把握产品需求,制定更合理计划。另一方面,企业往往为了满足客户日益丰富的产品需求,选择开发个性化产品以适应市场。不同产品的生产工艺、市场反响不同,产品生命周期规律存在较大差异,不同的生命周期阶段同样也对产量有着不同影响。假如错误地判断产品生命周期所处阶段,可能会导致企业的生产经营决策有误。因此,进行产量预测时,产品生命周期阶段成为一个十分值得考虑的因素,但目前的研究中,并未涉及此方面。基于上述背景,本文从P企业的实际情况出发,通过其378种共80类产品2010年至2020年的生产数据,分析了产品的生命周期特点,构建了基于产品生命周期的产量预测模型。首先,利用聚类方法,获取P企业各类产品的生命周期类型,分析生命周期各阶段的特点,选取了用于识别产品生命周期阶段的特征。接着,建立基于BP神经网络的产品生命周期识别模型,从而根据产品的历史生产数据识别其当前所处的生命周期阶段。最后,构建了基于LSTM-BP神经网络的产量预测模型,在LSTM初步预测产量的基础上,将产品的生命周期阶段作为影响因素,通过BP神经网络,对初步预测的结果进行修正,提高产量预测的准确度。结果表明,本文提出的产品生命周期识别模型在16个测试样本上的准确率达到了87.5%,能够较准确的识别出产品当前所处的生命周期阶段;加入产品生命周期阶段的LSTM-BP组合模型的预测结果更接近期望值,能够有效提升产量预测的准确度,在非引入期产品上预测准确度提升幅度约50%,在引入期产品上预测准确度提升幅度约20%。综上所述,本文提出的基于产品生命周期的产量预测模型能够有效提高产量预测的准确度,为制造企业提供更可靠有效的决策支持,有很强的应用价值,同时丰富和发展了产品生命周期理论和产量预测研究,具备一定的理论意义。