基于PLM的ARIMA决策支持模型及应用
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第8-15页 |
| 1.1 背景及意义 | 第8-9页 |
| 1.1.1 基于PLM的决策支持问题及意义 | 第8页 |
| 1.1.2 决策支持对企业的意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 基于PLM的决策支持研究现状 | 第9-11页 |
| 1.2.2 统计分析与建模平台现状 | 第11-12页 |
| 1.2.3 周期数据预测研究现状 | 第12-13页 |
| 1.3 论文研究内容及组织结构 | 第13-15页 |
| 2 基于PLM的决策支持理论基础 | 第15-23页 |
| 2.1 数据挖掘概述 | 第15-16页 |
| 2.2 数据预测的理论基础 | 第16-22页 |
| 2.2.1 时间序列预测概述 | 第16页 |
| 2.2.2 基于ARIMA的PLM数据预测模型 | 第16-19页 |
| 2.2.3 预测模型的检验 | 第19-20页 |
| 2.2.4 最优预测模型的确定 | 第20-21页 |
| 2.2.5 R语言环境下的操作流程 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 基于PLM的决策支持系统构建 | 第23-33页 |
| 3.1 系统的功能体系结构 | 第23-24页 |
| 3.2 数据库的构建 | 第24-26页 |
| 3.2.1 数据库的设计 | 第24-25页 |
| 3.2.2 构建数据库 | 第25-26页 |
| 3.3 预测模型的实现 | 第26-32页 |
| 3.3.1 样本数据的准备 | 第26-28页 |
| 3.3.2 数据导入和预测模型的选择 | 第28-29页 |
| 3.3.3 预测结果和校验 | 第29-31页 |
| 3.3.4 结果分析 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 基于PLM的决策支持系统企业应用 | 第33-59页 |
| 4.1 企业应用的开发环境 | 第33页 |
| 4.2 应用构架及主要技术 | 第33-42页 |
| 4.2.1 应用系统的层次关系 | 第33-34页 |
| 4.2.2 数据挖掘及处理方法 | 第34-38页 |
| 4.2.3 基于R语言的数据分析方法 | 第38-39页 |
| 4.2.4 基于JS和CSS的图形化展示方法 | 第39-41页 |
| 4.2.5 预警预测推送方法 | 第41-42页 |
| 4.3 系统主要功能 | 第42-58页 |
| 4.3.1 登陆系统 | 第42-45页 |
| 4.3.2 用户权限与管理 | 第45-48页 |
| 4.3.3 综合查询 | 第48-51页 |
| 4.3.4 库存查询 | 第51-52页 |
| 4.3.5 数据预测 | 第52-54页 |
| 4.3.6 决策数据库管理 | 第54页 |
| 4.3.7 邮件推送 | 第54-55页 |
| 4.3.8 微信推送与查询 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 总结与展望 | 第59-61页 |
| 5.1 本文工作总结 | 第59页 |
| 5.2 未来工作展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65-66页 |
