摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
1 绪论 | 第10-26页 |
1.1 研究背景及意义 | 第10-11页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 研究意义 | 第11页 |
1.2 国内外研究现状 | 第11-21页 |
1.2.1 供应链环境下备件库存管理 | 第11-16页 |
1.2.2 供应链多级库存管理 | 第16-20页 |
1.2.3 国内外研究现状评述 | 第20-21页 |
1.3 本文拟研究解决的问题 | 第21-22页 |
1.4 研究的主要内容、方法及框架 | 第22-26页 |
1.4.1 研究内容 | 第22-23页 |
1.4.2 研究方法 | 第23页 |
1.4.3 研究框架 | 第23-26页 |
2 工程机械备件供应链库存现状及其存在的问题 | 第26-48页 |
2.1 工程机械备件供应链基本结构 | 第26-30页 |
2.1.1 备件供应链的概念及特点 | 第26-27页 |
2.1.2 备件供应链上的核心及节点企业 | 第27-28页 |
2.1.3 备件供应链的多级库存基本结构 | 第28-30页 |
2.2 工程机械备件供应链库存现状及问题 | 第30-38页 |
2.2.1 工程机械备件供应链的三级主体结构 | 第30-31页 |
2.2.2 工程机械备件供应链的一般供应流程 | 第31-32页 |
2.2.3 工程机械备件供应链三级库存管理存在的问题 | 第32-38页 |
2.3 影响工程机械备件供应链库存的主要因素及相互关系 | 第38-41页 |
2.3.1 影响工程机械备件供应链库存的主要因素 | 第38-39页 |
2.3.2 工程机械备件各影响因素之间的相互关系 | 第39-41页 |
2.4 备件供应链多级库存的基本控制方法及其改进 | 第41-46页 |
2.4.1 备件供应链库存的基本控制方法 | 第41-43页 |
2.4.2 备件供应链库存管理的水平层次 | 第43-44页 |
2.4.3 工程机械备件供应链多级库存控制的改进 | 第44-46页 |
2.5 本章小结 | 第46-48页 |
3 基于BP神经网络的工程机械备件需求预测 | 第48-62页 |
3.1 问题描述 | 第48-50页 |
3.1.1 备件需求预测现状及技术目标 | 第48-49页 |
3.1.2 备件预测方法的选择 | 第49-50页 |
3.2 BP神经网络的结构模型 | 第50-54页 |
3.2.1 BP神经网络的结构 | 第50页 |
3.2.2 BP神经网络的学习算法 | 第50-54页 |
3.3 BP神经网络的对备件需求预测模型的建立 | 第54-57页 |
3.3.0 BP神经网络的基本实现步骤 | 第54-55页 |
3.3.1 BP神经网络的输入及输出向量设计 | 第55-56页 |
3.3.2 隐含层数与隐含层神经元个数的确定 | 第56-57页 |
3.3.3 传递函数及训练函数的选择 | 第57页 |
3.4 仿真实例与结果分析 | 第57-60页 |
3.5 本章小结 | 第60-62页 |
4 基于协调中心的两级备件库存控制策略模型 | 第62-70页 |
4.1 备件库存管理的问题分析 | 第62-65页 |
4.1.1 备件库存 | 第62页 |
4.1.2 主要库存补货策略 | 第62-65页 |
4.2 备件库存控制策略的目标 | 第65页 |
4.3 建立工程机械两级备件库存控制模型 | 第65-69页 |
4.3.1 基于协调中心的两级备件供应链库存管理模式 | 第65-66页 |
4.3.2 模型假设 | 第66-67页 |
4.3.3 符号及变量说明 | 第67页 |
4.3.4 模型的建立 | 第67-69页 |
4.4 本章小结 | 第69-70页 |
5 仿真实例与算法实现 | 第70-78页 |
5.1 遗传算法在模型求解中的应用 | 第70-72页 |
5.1.1 遗传算法的基本概念 | 第70页 |
5.1.2 遗传算法求解的基本过程 | 第70-72页 |
5.2 实例的数据环境 | 第72-73页 |
5.3 模型处理 | 第73-74页 |
5.4 模型求解 | 第74-75页 |
5.5 结果分析 | 第75-76页 |
5.6 本章小结 | 第76-78页 |
6 结论与展望 | 第78-82页 |
6.1 结论 | 第78-79页 |
6.2 展望 | 第79-82页 |
参考文献 | 第82-90页 |
附录A | 第90-92页 |
附录B | 第92-98页 |
攻读学位期间的主要学术成果 | 第98-100页 |
致谢 | 第100页 |