SAP环境下钢铁企业成本预测
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.1.3 课题研究环境 | 第9页 |
| 1.2 国内外相关研究现状分析 | 第9-11页 |
| 1.2.1 国外相关研究现状 | 第9-10页 |
| 1.2.2 国内相关研究现状 | 第10-11页 |
| 1.3 本文的研究目标和内容 | 第11-13页 |
| 1.3.1 本文的研究目标 | 第11-12页 |
| 1.3.2 本文的组织结构 | 第12-13页 |
| 第2章 企业资源计划与SAP R/3系统概述 | 第13-25页 |
| 2.1 企业资源计划介绍 | 第13页 |
| 2.2 SAP介绍 | 第13-15页 |
| 2.3 SAP R/3系统分析 | 第15-19页 |
| 2.3.1 SAP R/3系统架构 | 第15-17页 |
| 2.3.2 SAP R/3模块结构 | 第17-18页 |
| 2.3.3 SAP R/3功能特点 | 第18-19页 |
| 2.4 SAP R/3的开发策略 | 第19-23页 |
| 2.4.1 客户化软件开发 | 第19-20页 |
| 2.4.2 ABAP开发语言 | 第20-22页 |
| 2.4.3 ABAP字典中的数据库表 | 第22页 |
| 2.4.4 模块化编程 | 第22-23页 |
| 2.5 SAP R/3在我国的应用现状 | 第23-25页 |
| 2.5.1 SAP R/3在我国钢铁企业应用现状 | 第23-25页 |
| 第3章 钢铁企业生产成本管理研究 | 第25-32页 |
| 3.1 成本预测系统的业务基础 | 第25-26页 |
| 3.1.1 钢铁企业生产流程 | 第25-26页 |
| 3.1.2 钢铁企业生产特点对生产成本管理的要求 | 第26页 |
| 3.2 钢铁企业成本构成 | 第26-30页 |
| 3.2.1 成本信息集成过程中涉及的部门及其关系 | 第27-28页 |
| 3.2.2 成本管理模块信息集成模型 | 第28-30页 |
| 3.3 杭钢高速线材有限公司概况 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于神经网络的成本预测研究 | 第32-44页 |
| 4.1 成本预测的主要内容 | 第32-35页 |
| 4.1.1 成本预测概念 | 第32页 |
| 4.1.2 成本预测作用 | 第32-33页 |
| 4.1.3 成本预测方法 | 第33-34页 |
| 4.1.4 传统成本预测方法面临的问题 | 第34-35页 |
| 4.2 神经网络相关知识 | 第35-41页 |
| 4.2.1 神经网络的定义 | 第35页 |
| 4.2.2 人工神经网络的构成 | 第35-37页 |
| 4.2.3 神经网络的特点 | 第37-38页 |
| 4.2.4 神经网络的分类 | 第38-39页 |
| 4.2.5 神经网络常用模型及其优缺点 | 第39-41页 |
| 4.3 BP神经网络原理 | 第41-43页 |
| 4.3.1 BP神经网络定义 | 第41页 |
| 4.3.2 BP算法的思想 | 第41-42页 |
| 4.3.3 BP网络的缺点及原因分析 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 成本预测系统模型研究 | 第44-58页 |
| 5.1 系统总体设计 | 第44-50页 |
| 5.1.1 系统功能 | 第44-45页 |
| 5.1.2 数据库表设计 | 第45-46页 |
| 5.1.3 详细设计与实现 | 第46-50页 |
| 5.2 基于BP神经网络的钢铁企业成本预测模型 | 第50-54页 |
| 5.3 成本预测模型实现 | 第54-56页 |
| 5.4 预测结果与分析 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 全文总结 | 第58页 |
| 6.2 不足与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
