BP神经网络算法在备件供应链系统中的应用

摘要

供应链管理是企业在无法预测的、持续的、快速变化的竞争环境中生存、发展并扩大竞争优势的经营管理和生产组织方式，能在企业间的资源共享和信息集成的基础上，通过对各部分资源进行统一的管理和调度，达到企业间资源优化利用。供应链管理常遇到的一个问题是：目前各式各样的理论和算法很多，但该如何用于企业的供应链管理呢?是否具有可行性呢? 本文是围绕企业缺乏整体备件供应链运作规划与设计的问题进行的。针对面向制造业的供应链系统平台，提出了其中备件库存计划上存在的问题：给出足够精度的库存计划的能力是实际生产和服务的重要保障条件，库存计划和实际需求偏差大，会给供应链各环节造成不好的影响。论文详细研究了供应链、数据挖掘技术、神经网络技术等理论知识，就此提出了解决方案-将人工神经网络技术应用在供应链管理系统中，建立人工神经网络模型用于预测各仓库每月各产品线的备件库存计划量。 文中最后结合海尔集团的实际情况，设计、建立并实现了BP人工神经网络预测模型，用于预测各工贸仓库的库存计划量，并对预测结果做出了比较和评价。结果表明，对于大数据量的系统，神经网络预测方法比传统预测方法更加准确，并且同样方便用户使用，可以很好的解决库存计划问题，为人工神经网络算法在供应链系统中的可行性作了实例证明。

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

第一章绪论

1.1研究背景

1.2作者所做工作和内容安排

1.2.1论文研究的目标和内容

1.2.2论文的组织

第二章供应链与供应链管理系统

2.1供应链的产生以及定义

2.2供应链管理及其管理系统

2.3多种供应链管理模式

2.4供应链管理集成平台的体系结构

2.5备品备件供应链及其管理系统

第三章数据挖掘技术分析

3.1数据挖掘的定义

3.2数据挖掘的任务

3.3数据挖掘的流程和应用

3.4数据挖掘的常用算法

3.5常用预测方法

3.6人工神经网络预测模型

3.6.1神经网络的背景和定义

3.6.2 BP神经网络模型

3.6.3人工神经网络模型的建立过程

第四章SP-SCM平台和预测模型的设计

4.1 SP-SCM平台的设计

4.1.1物理数据层

4.1.2统一数据层

4.13业务功能层

4.1.4信息表现层

4.2神经网络预测模型的设计

4.2.1参数确定

4.2.2数据准备

4.2.3建立模型

第五章SP-SCM平台和预测模型的实现

5.1 SP-SCM平台的实现

5.1.1实现环境

5.1.2系统实现

5.2神经网络预测模型的实现

5.2.1预测模型的建立

5.2.2预测结果的评价

第六章结论

6.1本文总结

6.2问题与发展

参考文献

致 谢