工厂产能的预测评估对制造型企业来说是一个非常重要的环节,它可以帮助制造企业合理的接受客户定单数量,并能够在预定期限内完成产出,同时也避免产能评估不足造成定单的流失。工厂在生产中,其产能的大小会因诸多相关因素的变化而受到较大的影响,这些因素主要包括人力数量变动和人员流动导致生产能力变化；生产良率高低的变化导致良品输出速度变化；加班工时的变化会导致生产总时间的变化。预测是人工神经网络应用方面的一个非常重要的领域,与传统预测方法相比,它有着明显优势。本论文试通过统计和分析某制造工厂2010年1月-8月的工厂人力数量、制程良率、作业工时、人员流动等上述对工厂产能起主要影响作用的因素,并利用人工神经网络中的GRNN(广义回归神经网络)来预测2010年9月的工厂产能,并与该月的实际产能作对比,分析其准确性和可靠性。本论文经过对上述相关因素的分析处理,构建合理的人工神经网络,并利用MATLAB进行历史样本数据的训练和学习,预测出2010年9月产能为270.86万件,而该月实际产能为282.11万件,即误差比例在3.98%左右,考虑到各影响工厂产能的各因素本身波动较大,且不具一定的规律性,故认为该误差比例在可接受范围内,整个预测结果较为满意。也体现出了人工神经网络在预测领域的实际应用价值。