基于神经网络的印刷业供应链优化模型与应用研究
摘要 | 第6-7页 |
ABSTRACTS | 第7-8页 |
第一章 绪论 | 第9-14页 |
1.1 研究背景 | 第9页 |
1.2 研究目的与意义 | 第9-12页 |
1.2.1 供应链建模的研究现状 | 第9-10页 |
1.2.2 目前供应链建模研究的局限性 | 第10-11页 |
1.2.3 研究思路与意义 | 第11-12页 |
1.3 研究内容与逻辑框架 | 第12-14页 |
1.3.1 论文的研究内容 | 第12-13页 |
1.3.2 论文的逻辑框架 | 第13-14页 |
第二章 供应链管理理论与分类体系 | 第14-18页 |
2.1 供应链管理理论 | 第14-16页 |
2.1.1 供应链管理产生的背景 | 第14页 |
2.1.2 供应链管理的内涵 | 第14-16页 |
2.2 行业供应链优化设计与供应链分类体系 | 第16-18页 |
第三章 供应链优化模型与数据支持 | 第18-30页 |
3.1 供应链优化模型研究 | 第18-22页 |
3.1.1 供应链优化问题 | 第18页 |
3.1.2 供应链动态建模思想 | 第18-20页 |
3.1.3 供应链管理模型与优化研究现状与进展 | 第20-22页 |
3.2 供应链建模与决策支持系统 | 第22-26页 |
3.2.1 供应链计划矩阵模型 | 第22-24页 |
3.2.2 供应链决策支持配置要素 | 第24-26页 |
3.3 供应链决策数据库组建 | 第26-30页 |
3.3.1 对管理会计原理的适应性改变 | 第27页 |
3.3.2 产品、客户、供应商的归集 | 第27-28页 |
3.3.3 全局与政策数据 | 第28页 |
3.3.4 需求预测数据 | 第28-30页 |
第四章 印刷业供应链优化分析 | 第30-33页 |
4.1 印刷业供应链结构模型 | 第30-31页 |
4.1.1 印刷业概述 | 第30页 |
4.1.2 印刷业供应链结构模型 | 第30-31页 |
4.2 印刷业供应链优化策略 | 第31-33页 |
第五章 人工神经网络技术 | 第33-38页 |
5.1 人工神经网络技术概述 | 第33-35页 |
5.1.1 人工神经网络原理 | 第33-34页 |
5.1.2 人工神经网络特征 | 第34-35页 |
5.2 几种典型的人工神经网络 | 第35-38页 |
5.2.1 BP神经网络 | 第35-36页 |
5.2.2 RBF神经网络 | 第36-38页 |
第六章 基于神经网络的供应商评价与选择模型 | 第38-48页 |
6.1 供应商评价与选择研究 | 第38-41页 |
6.1.1 供应商选择过程 | 第38-39页 |
6.1.2 供应商评价指标体系 | 第39-40页 |
6.1.3 评价指标的量化 | 第40-41页 |
6.2 印刷企业供应商评价模型构建与实证分析 | 第41-48页 |
6.2.1 印刷企业供应商评价指标体系及其量化 | 第41-42页 |
6.2.2 基于BP神经网络的供应商选择模型 | 第42-43页 |
6.2.3 隐含层神经元数量的确定 | 第43页 |
6.2.4 应用实例 | 第43-48页 |
第七章 基于神经网络的安全库存预测模型 | 第48-54页 |
7.1 印刷企业安全库存预测问题研究 | 第48-50页 |
7.2 印刷企业安全库存预测模型构建与实证分析 | 第50-54页 |
7.2.1 供应链需求计划任务框架 | 第50页 |
7.2.2 基于RBF神经网络的安全库存预测模型 | 第50-51页 |
7.2.3 安全库存影响因素分析 | 第51页 |
7.2.4 应用实例 | 第51-54页 |
总结 | 第54-55页 |
附录 | 第55-59页 |
参考文献 | 第59-61页 |
致谢 | 第61-62页 |
攻读学位期间发表的学术论文 | 第62-63页 |
学位论文评阅及答辩情况表 | 第63页 |