| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·课题的来源和研究意义 | 第7页 |
| ·课题的来源 | 第7页 |
| ·课题的研究意义 | 第7页 |
| ·国内外研究情况综述 | 第7-12页 |
| ·时间序列预测方法 | 第8页 |
| ·因果关系预测方法 | 第8-9页 |
| ·最小成本预测方法 | 第9页 |
| ·人工智能预测方法 | 第9-10页 |
| ·失效率和在保产品数量预测方法 | 第10-11页 |
| ·数理统计预测方法 | 第11-12页 |
| ·系统仿真预测方法 | 第12页 |
| ·论文主要思路、方法和内容 | 第12-15页 |
| ·论文主要思路 | 第12-14页 |
| ·论文主要方法 | 第14页 |
| ·论文主要内容 | 第14-15页 |
| ·论文主要创新点 | 第15-16页 |
| 第二章 基于失效率和在保产品数量的预测方法研究 | 第16-29页 |
| ·电脑行业备件生命周期 | 第16-19页 |
| ·电脑产品备件生命周期曲线 | 第16-17页 |
| ·备件生命周期各阶段的需求预测特点 | 第17-18页 |
| ·电脑产品备件的末次订货问题 | 第18-19页 |
| ·电子产品备件失效率 | 第19-22页 |
| ·电子产品备件失效率曲线 | 第19-20页 |
| ·备件失效率曲线的影响因素 | 第20-21页 |
| ·备件失效率曲线的计算方法 | 第21-22页 |
| ·韦伯分布及其与失效率间关系 | 第22-24页 |
| ·韦伯分布 | 第22-24页 |
| ·利用韦伯分布进行失效率数据预测 | 第24页 |
| ·在保产品数量 | 第24-25页 |
| ·在保产品数量对电脑行业的重要性 | 第24页 |
| ·在保产品数量数据的计算方法 | 第24-25页 |
| ·传统的基于失效率和在保产品数量的末次订货预测方法 | 第25-28页 |
| ·失效率和在保产品数量相乘 | 第25-26页 |
| ·考虑返修和现有库存的影响 | 第26-27页 |
| ·考虑其他因素的影响 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 改进型末次订货预测模型建立 | 第29-48页 |
| ·更加精确的失效率数据 | 第29-35页 |
| ·传统失效率处理方法存在的问题 | 第29-30页 |
| ·基于韦伯分布的更加精确的失效率数据处理方法 | 第30-32页 |
| ·基于过去六个月实际失效数据及韦伯分布来预测未来失效率 | 第32-35页 |
| ·更加具体的在保产品数量数据 | 第35-41页 |
| ·传统在保产品数量处理方法存在的问题 | 第35-37页 |
| ·用二维在保产品数量矩阵获得更具体的在保产品数量数据 | 第37-39页 |
| ·虚拟末次订货点情况下二维在保产品数量矩阵的处理 | 第39-41页 |
| ·新型失效率和在保产品数量相乘方法 | 第41-43页 |
| ·传统失效率和在保产品数量相乘方法存在的问题 | 第41页 |
| ·新型基于韦伯分布的失效率预测和在保产品数量矩阵相乘方法 | 第41-43页 |
| ·非线性规划对模型进行校准 | 第43-45页 |
| ·以上三大改进之外还存在的问题 | 第43-44页 |
| ·利用非线性规划方法对模型进行校准 | 第44-45页 |
| ·考虑返修、库存等其他因素的影响 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第四章 应用示例研究 | 第48-59页 |
| ·详细应用过程示例 | 第48-56页 |
| ·更加准确的失效率的计算 | 第48-49页 |
| ·更加具体的在保产品数量的计算 | 第49-50页 |
| ·VBA 编程将失效率和在保产品数量数据自动相乘 | 第50-52页 |
| ·非线性规划 MS Excel 的实现 | 第52-55页 |
| ·返修、库存等其他因素的处理 | 第55-56页 |
| ·其他应用效果举例 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·本文的不足及展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士期间发表的学术论文 | 第64-67页 |
| 附件 | 第67页 |
