摘要 | 第3-4页 |
abstract | 第4-5页 |
第一章 绪论 | 第8-15页 |
1.1 研究背景 | 第8-10页 |
1.2 汽车配件市场分析 | 第10-12页 |
1.2.1 我国的汽车配件市场发展状况 | 第10-11页 |
1.2.2 汽车配件预测存在的问题 | 第11-12页 |
1.3 国内外研究现状 | 第12-13页 |
1.3.1 需求预测现状 | 第12页 |
1.3.2 配件库存管理研究现状 | 第12-13页 |
1.4 论文的主要研究内容 | 第13-15页 |
第二章 库存与汽车配件 | 第15-22页 |
2.1 库存的相关理论 | 第15-19页 |
2.1.1 库存的定义 | 第15-16页 |
2.1.2 汽车配件库存的必要性 | 第16-17页 |
2.1.3 库存的基本分类 | 第17-18页 |
2.1.4 库存成本构成 | 第18-19页 |
2.2 库存优化管理策略 | 第19页 |
2.2.1 库存管理 | 第19页 |
2.2.2 库存优化控制 | 第19页 |
2.3 汽车库存配件的分类 | 第19-21页 |
2.4 本章小结 | 第21-22页 |
第三章 供应链与汽车配件 | 第22-28页 |
3.1 供应链的发展历程和定义 | 第22-23页 |
3.2 供应链管理 | 第23-24页 |
3.2.1 供应链管理理念 | 第23页 |
3.2.2 供应链和物流的关系 | 第23-24页 |
3.3 供应链在汽车配件管理中的应用 | 第24-27页 |
3.3.1 汽车维修供应链的特点 | 第24页 |
3.3.2 信息的传递和订货模式的选择 | 第24-27页 |
3.4 本章小结 | 第27-28页 |
第四章 汽车配件需求预测 | 第28-49页 |
4.1 汽车配件需求预测模型的建立 | 第28-29页 |
4.1.1 汽车配件预测流程 | 第28页 |
4.1.2 需求预测失真的影响 | 第28页 |
4.1.3 企业目前的预测现状 | 第28-29页 |
4.2 灰色预测模型及实例应用 | 第29-34页 |
4.2.1 灰色预测模型的概述 | 第29-30页 |
4.2.2 灰色预测模型的检验 | 第30-31页 |
4.2.3 灰色预测模型在汽配需求市场的应用 | 第31-34页 |
4.3 BP人工神经网络预测模型及实例应用 | 第34-41页 |
4.3.1 BP人工神经网络概述 | 第34-35页 |
4.3.2 BP神经网络的算法工作流程 | 第35-37页 |
4.3.3 BP神经网络在实际汽车配件需求中的应用 | 第37-41页 |
4.4 GA-BP预测模型及实例应用 | 第41-48页 |
4.4.1 遗传算法综述 | 第41-42页 |
4.4.2 GA-BP预测模型的原理 | 第42-48页 |
4.5 本章小结 | 第48-49页 |
第五章 汽车配件库存管理研究 | 第49-57页 |
5.1 JH汽车公司中心库管理现状分析及改进 | 第49-51页 |
5.1.1 JH公司售后配件管理现状 | 第49页 |
5.1.2 新的库存整改方法 | 第49-51页 |
5.2 汽车企业的安全库存 | 第51-54页 |
5.2.1 安全库存的基本概念 | 第51-52页 |
5.2.2 库存、利润和服务水平的关系 | 第52-53页 |
5.2.3 汽车配件安全库存的影响因素以及订购量模型 | 第53-54页 |
5.3 基于预测的安全库存量实例应用 | 第54-55页 |
5.4 本章小结 | 第55-57页 |
第六章 结论与展望 | 第57-59页 |
6.1 结论 | 第57页 |
6.2 展望 | 第57-59页 |
参考文献 | 第59-62页 |
作者简介 | 第62-63页 |
致谢 | 第63页 |