| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 文献综述 | 第12-16页 |
| 1.2.1 瓶颈辨识研究综述 | 第12-14页 |
| 1.2.2 瓶颈转移研究综述 | 第14-15页 |
| 1.2.3 神经网络研究综述 | 第15-16页 |
| 1.3 研究内容与技术路线 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 技术路线 | 第17-18页 |
| 第2章 基于延迟惩罚成本的生产物流瓶颈辨识研究 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 生产物流瓶颈问题概述 | 第18-21页 |
| 2.2.1 企业物流概念及其特点 | 第18-19页 |
| 2.2.2 生产物流瓶颈问题 | 第19-20页 |
| 2.2.3 生产物流瓶颈与生产瓶颈的区别 | 第20-21页 |
| 2.3 基于延迟惩罚成本的生产物流瓶颈模型 | 第21-23页 |
| 2.3.1 生产物流瓶颈定义 | 第21-22页 |
| 2.3.2 生产物流瓶颈模型 | 第22-23页 |
| 2.4 基于延迟惩罚成本的生产物流瓶颈模型求解算法 | 第23-25页 |
| 2.5 瓶颈辨识算例演示 | 第25-26页 |
| 2.6 小结 | 第26-27页 |
| 第3章 生产物流瓶颈因素分析 | 第27-36页 |
| 3.1 引言 | 第27页 |
| 3.2 生产物流瓶颈因素分析程序 | 第27-28页 |
| 3.3 生产物流瓶颈产生机理分析 | 第28-29页 |
| 3.4 生产物流瓶颈主成因素分析 | 第29-33页 |
| 3.4.1 有效产能因素的定性分析 | 第29-30页 |
| 3.4.2 有效产能因素的定量分析 | 第30-33页 |
| 3.5 生产物流瓶颈细分因素分析 | 第33-35页 |
| 3.6 小结 | 第35-36页 |
| 第4章 基于瓶颈指数的生产物流瓶颈预测研究 | 第36-43页 |
| 4.1 引言 | 第36页 |
| 4.2 生产物流瓶颈转移分析程序 | 第36-37页 |
| 4.3 生产物流瓶颈本质属性 | 第37-38页 |
| 4.4 基于瓶颈指数的生产物流瓶颈预测模型 | 第38-39页 |
| 4.4.1 瓶颈指数概述 | 第38-39页 |
| 4.4.2 基于瓶颈指数的瓶颈预测模型 | 第39页 |
| 4.5 基于瓶颈转移指数和瓶颈敏感指数分析 | 第39-42页 |
| 4.5.1 基于瓶颈转移指数分析 | 第39-40页 |
| 4.5.2 基于瓶颈敏感指数分析 | 第40-42页 |
| 4.6 小结 | 第42-43页 |
| 第5章 瓶颈主成因素预测的BP神经网络模型构建 | 第43-54页 |
| 5.1 神经网络概述 | 第43-44页 |
| 5.2 BP神经网络理论 | 第44-51页 |
| 5.2.1 BP网络训练过程 | 第44-47页 |
| 5.2.2 BP神经网络模型内容 | 第47-51页 |
| 5.2.3 BP网络算法的改进 | 第51页 |
| 5.3 瓶颈主成因素预测的BP神经网络模型 | 第51-53页 |
| 5.3.1 网络结构的确定 | 第52页 |
| 5.3.2 网络参数的确定 | 第52-53页 |
| 5.3.3 网络模型的构建 | 第53页 |
| 5.4 小结 | 第53-54页 |
| 第6章 实例验证 | 第54-64页 |
| 6.1 案例选取 | 第54-57页 |
| 6.1.1 生产物流分析 | 第54-55页 |
| 6.1.2 生产延迟分析 | 第55-57页 |
| 6.2 BP神经网络在瓶颈因素预测中的具体应用 | 第57-64页 |
| 6.2.1 输入样本的确定 | 第58-60页 |
| 6.2.2 网络参数确定及结果分析 | 第60-64页 |
| 第7章 总结与展望 | 第64-66页 |
| 7.1 全文总结 | 第64-65页 |
| 7.2 展望 | 第65-66页 |
| 附录 | 第66-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间参加的科研项目和成果 | 第73页 |