基于神经网络和供应链理论的制药企业设备机械备件管理研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 目录 | 第10-13页 |
| 前言 | 第13-14页 |
| 第一章 绪论 | 第14-28页 |
| 1.1 本文的研究背景 | 第14-18页 |
| 1.1.1 备件库存定义及作用 | 第14-15页 |
| 1.1.2 备件库存管理的现状 | 第15页 |
| 1.1.3 N 公司的背景介绍 | 第15-18页 |
| 1.2 本课题国内外研究的现状 | 第18-23页 |
| 1.3 本文研究的目的和意义 | 第23-24页 |
| 1.4 基本思路和研究方法 | 第24-26页 |
| 1.5 论文的结构和主要内容 | 第26-27页 |
| 1.6 论文的主要研究点 | 第27-28页 |
| 第二章 应用理论简述 | 第28-37页 |
| 2.1 人工神经网络简介 | 第28-32页 |
| 2.1.1 BP 神经网络 | 第30页 |
| 2.1.2 BP 神经网络的转移函数 | 第30页 |
| 2.1.3 BP 神经网络的学习方式 | 第30-31页 |
| 2.1.4 BP 神经网络参数的确定 | 第31-32页 |
| 2.2 库存管理模型 | 第32-36页 |
| 2.2.1 经济定货批量管理法 | 第32-33页 |
| 2.2.2 连续盘点管理法 | 第33-35页 |
| 2.2.3 定期盘点管理法 | 第35-36页 |
| 2.3 本章小结 | 第36-37页 |
| 第三章 神经网络在备件分类中的应用 | 第37-49页 |
| 3.1 影响因素确定 | 第38-39页 |
| 3.2 备件分类数据的获得及处理 | 第39-45页 |
| 3.2.1 备件的需求率 | 第39-42页 |
| 3.2.2 备件的关键性 | 第42-43页 |
| 3.2.3 备件的采购提前期 | 第43-44页 |
| 3.2.4 因素数据的归一化 | 第44-45页 |
| 3.3 利用神经网络进行备件分类 | 第45-48页 |
| 3.3.1 确定神网络模型参数 | 第45-46页 |
| 3.3.2 网络训练数据的取得 | 第46页 |
| 3.3.3 神网络模型训练精度 | 第46-47页 |
| 3.3.4 神网络模型 | 第47页 |
| 3.3.5 备件分类 | 第47-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 机械备件库存管理 | 第49-54页 |
| 4.1 库存的服务水平 | 第49-51页 |
| 4.2 备件库存优化模型 | 第51-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 备件库存管理：N 公司一个案例研究 | 第54-67页 |
| 5.1 确定分类的决定因素 | 第54-55页 |
| 5.2 计算备件的需求率 | 第55-56页 |
| 5.3 因素数据归一化 | 第56-57页 |
| 5.4 利用 BP 神经网络对备件进行分类 | 第57-62页 |
| 5.4.1 训练样本数据的取得 | 第57-58页 |
| 5.4.2 神经网络神经元数量的确定 | 第58页 |
| 5.4.3 神经网络搭建及训练 | 第58-61页 |
| 5.4.4 运用神经网络进行分类 | 第61-62页 |
| 5.5 备件最大、最小库存水平计算 | 第62-63页 |
| 5.6 新原备件管理原则与现有系统对比 | 第63-65页 |
| 5.7 新库存管理方法实施分析 | 第65-66页 |
| 5.8 本章总结 | 第66-67页 |
| 第六章 总结与展望 | 第67-70页 |
| 6.1 全文总结 | 第67-68页 |
| 6.2 研究展望 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表的学术论文目录 | 第73页 |
