L公司服务器配件需求预测研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 关于配件分类的研究 | 第14-15页 |
| 1.2.2 关于需求预测方法的研究 | 第15-17页 |
| 1.2.3 关于需求预测在应用实例的研究 | 第17页 |
| 1.3 研究内容及研究方法 | 第17-19页 |
| 1.3.1 研究内容 | 第18页 |
| 1.3.2 研究方法 | 第18-19页 |
| 1.4 技术路线 | 第19-21页 |
| 2 L公司服务器配件需求预测现状分析 | 第21-35页 |
| 2.1 L公司服务器业务运营分析 | 第21-25页 |
| 2.1.1 背景及模式 | 第21-23页 |
| 2.1.2 运作流程 | 第23-24页 |
| 2.1.3 运营特点 | 第24-25页 |
| 2.2 配件分类现状及问题分析 | 第25-29页 |
| 2.2.1 配件分类现状 | 第26-28页 |
| 2.2.2 配件分类存在的问题 | 第28-29页 |
| 2.2.3 配件分类问题的原因分析 | 第29页 |
| 2.3 配件预测现状及问题分析 | 第29-33页 |
| 2.3.1 配件预测现状 | 第30-32页 |
| 2.3.2 配件预测存在的问题 | 第32页 |
| 2.3.3 配件预测问题的原因分析 | 第32-33页 |
| 2.4 本章小结 | 第33-35页 |
| 2.4.1 服务器配件的分类优化 | 第33-34页 |
| 2.4.2 服务器配件的预测优化 | 第34-35页 |
| 3 服务器配件需求预测优化建模 | 第35-48页 |
| 3.1 服务器配件需求预测优化目标及原则 | 第35-36页 |
| 3.1.1 优化目标 | 第35页 |
| 3.1.2 优化原则 | 第35-36页 |
| 3.2 服务器配件需求影响因素分析 | 第36-37页 |
| 3.2.1 订单周期 | 第36页 |
| 3.2.2 采购时间 | 第36-37页 |
| 3.2.3 下单次数 | 第37页 |
| 3.3 服务器配件需求预测优化步骤 | 第37-45页 |
| 3.3.1 问题描述及模型假设 | 第37页 |
| 3.3.2 配件分类优化模型 | 第37-40页 |
| 3.3.3 配件预测优化模型 | 第40-45页 |
| 3.4 本章小结 | 第45-48页 |
| 4 服务器配件需求预测优化模型求解 | 第48-65页 |
| 4.1 求解方法介绍 | 第48-49页 |
| 4.2 配件分类优化模型求解 | 第49-56页 |
| 4.2.1 ID3算法参数设定 | 第49-52页 |
| 4.2.2 ID3算法计算求解 | 第52-54页 |
| 4.2.3 运行结果分析 | 第54-56页 |
| 4.3 配件预测优化模型求解 | 第56-63页 |
| 4.3.1 ARIMA-BP神经网络参数设定 | 第56-58页 |
| 4.3.2 ARIMA-BP神经网络模型求解 | 第58-60页 |
| 4.3.3 运行结果分析 | 第60-63页 |
| 4.4 本章小结 | 第63-65页 |
| 5 服务器配件需求预测优化效果分析 | 第65-70页 |
| 5.1 模型及算法实用性分析 | 第65-66页 |
| 5.1.1 模型有效性 | 第65-66页 |
| 5.1.2 算法高效性 | 第66页 |
| 5.2 服务器配件需求预测优化改善分析 | 第66-69页 |
| 5.2.1 配件分类方式 | 第66-67页 |
| 5.2.2 配件预测准确性 | 第67-69页 |
| 5.3 本章小结 | 第69-70页 |
| 6 结论与展望 | 第70-72页 |
| 6.1 主要结论 | 第70-71页 |
| 6.2 研究展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 附录A | 第75-79页 |
| 附录B | 第79-89页 |
| 附录C | 第89-91页 |
| 附录D | 第91-98页 |
| 附录E | 第98-99页 |
| 附录F | 第99-102页 |
| 附录G | 第102-105页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第105-107页 |
| 学位论文数据集 | 第107页 |
