摘要 | 第5-6页 |
abstract | 第6页 |
第1章 绪论 | 第10-16页 |
1.1 问题的提出及研究背景 | 第10-11页 |
1.2 供应链可靠性和故障诊断国内外研究现状 | 第11-13页 |
1.2.1 供应链可靠性国内外研究现状 | 第11-12页 |
1.2.2 供应链故障诊断国内外研究现状 | 第12-13页 |
1.3 研究目的及研究意义 | 第13-14页 |
1.4 研究内容及研究技术路线 | 第14-15页 |
1.4.1 研究内容 | 第14-15页 |
1.4.2 研究技术线路图 | 第15页 |
1.5 本章小结 | 第15-16页 |
第2章 供应链可靠性及故障诊断基本理论 | 第16-24页 |
2.1 供应链管理基本理论 | 第16-17页 |
2.1.1 供应链管理的发展 | 第16-17页 |
2.2 供应链主要研究内容及模型 | 第17-20页 |
2.2.1 供应链内涵研究内容 | 第17-18页 |
2.2.2 供应链外延研究内容 | 第18-19页 |
2.2.3 供应链系统模型结构分类 | 第19-20页 |
2.3 可靠性基本理论 | 第20页 |
2.4 供应链可靠性主要研究方法 | 第20-21页 |
2.5 故障分析基本理论 | 第21-23页 |
2.5.1 故障分析研究主要方法 | 第22页 |
2.5.2 可修复供应链故障分析 | 第22-23页 |
2.6 本章小结 | 第23-24页 |
第3章 供应链可靠性影响因素分析 | 第24-33页 |
3.1 制造业供应链系统建模 | 第24-25页 |
3.1.1 制造业供应链运作子系统 | 第24-25页 |
3.2 制造业供应链可靠性影响因素分析 | 第25-30页 |
3.2.1 人的因素 | 第27页 |
3.2.2 供应链运行内部因素 | 第27-29页 |
3.2.3 环境因素 | 第29-30页 |
3.3 制造业供应链可靠性影响因素量化 | 第30-32页 |
3.3.1 可靠性指标分析及其量化 | 第30-32页 |
3.4 本章小结 | 第32-33页 |
第4章 供应链系统可靠性研究 | 第33-48页 |
4.1 故障树基本理论 | 第33-35页 |
4.1.1 故障树分析相关符号概念 | 第33-34页 |
4.1.2 故障树结构状态数学表达式 | 第34页 |
4.1.3 故障树分析基本步骤 | 第34-35页 |
4.2 基于故障树的供应链故障分析 | 第35-40页 |
4.2.1 制造业供应链故障树建模 | 第35-38页 |
4.2.2 制造业供应链故障树定性分析 | 第38-40页 |
4.3 基于马尔科夫的制造业供应链可靠性分析 | 第40-45页 |
4.3.1 制造业供应链模型及基本假设 | 第40页 |
4.3.2 制造企业为核心的四级串联供应链可靠性分析 | 第40-42页 |
4.3.3 制造企业库存可靠性分析 | 第42-44页 |
4.3.4 安全库存量计算 | 第44-45页 |
4.4 案例应用 | 第45-47页 |
4.5 本章小结 | 第47-48页 |
第5章 制造业供应链可靠性评价 | 第48-66页 |
5.1 神经网络概述 | 第48-51页 |
5.1.1 人工智能神经网络起源 | 第48-49页 |
5.1.2 神经网络数学模型 | 第49-50页 |
5.1.3 神经网络结构类型 | 第50-51页 |
5.2 神经网络各算法分类 | 第51-53页 |
5.2.1 传统故障诊断和神经网络诊断差异 | 第52-53页 |
5.3 基于BP神经网络的制造业供应链可靠性诊断算例分析 | 第53-58页 |
5.3.1 BP神经网络设计 | 第53-56页 |
5.3.2 基于BP神经网络制造业供应链可靠性评价模型结构 | 第56页 |
5.3.3 基于BP神经网络训练与测试 | 第56-58页 |
5.4 数据处理和网络模型设计 | 第58-60页 |
5.4.1 BP神经网络输入数据处理 | 第58-60页 |
5.4.2 BP神经网络模型设计 | 第60页 |
5.5 BP神经网络模型训练与仿真 | 第60-65页 |
5.5.1 神经网络模型训练 | 第60-63页 |
5.5.2 神经网络仿真 | 第63-64页 |
5.5.3 BP神经网络仿真结果分析 | 第64-65页 |
5.6 本章小结 | 第65-66页 |
总结与展望 | 第66-68页 |
致谢 | 第68-69页 |
参考文献 | 第69-72页 |
攻读硕士学位期间发表的论文及科研成果 | 第72页 |