基于模糊推理的供应链风险预警研究

摘要

现代物流涉及领域广，吸纳就业人数多，促进生产、拉动消费作用大，在促进产业结构调整、转变经济发展方式和增强国民经济竞争力等方面发挥着重要作用。美国Todd McGrath 公司进行的一项调查表明，实施供应链管理可以节省10％的总成本，提高供应链成员企业的按时交货率15％，缩短25％～35％的订货-生产周期，使得供应链成员企业的生产率得到了10％的提高，更使得核心企业的资产增长率达到15％～25％。
　　 而现如今，伴随着全球经济一体化的趋势，企业面对着急剧变化的市场需求、降本增效和跟进服务的多重压力，使得将消费者所需的正确的产品，在正确的时间，按照正确的数量、正确的质量、正确的状态，送到正确的地点的操作难度增加，各个过程的相应风险也越来越大。一旦节点企业的某个过程发生风险，该风险会随着网链结构的传递作用转移给其他企业,进而威胁到整个供应链，造成难以估量的经济损失。这就需要在进行供应链风险管理过程中，采用超前和预先防范的手段，及时有效地根据供应链运作监测预警内容，引导各成员企业相互协调、避免生产经营的盲目性，确保供应链健康持续的运行。
　　 本文将神经网络与模糊控制理论相结合，构建供应链风险预警机制。通过构建神经网络，对原始相关数据进行训练，逼近各个风险指标值间的相互关系进而生成模糊控制规则，克服了由于普通模糊控制规则设计者和操作人员片面的认识造成的误差，保证模糊控制器的最优或次优的控制性能；将模糊推理规则分布在整个网络之中，通过并行高速的分布计算就可得出风险评价结果，根据结果可以实现对风险的监测、控制，准确及时的矫正由风险招致的不良发展趋势。

目录

文摘

英文文摘

声明

第1章绪论

第2章供应链风险研究综述

第3章自适应神经模糊控制推理系统

第4章基于模糊推理系统的供应链预警机制实现

结论

参考文献

附录

致谢

作者简介

攻读硕士学位期间发表的论文和科研成果