基于组合数据分析的物流库存控制应用与研究

摘要

在当今市场变化快速、竞争激烈的环境下，库存控制问题不仅影响着企业库存成本的高低、资金占用量的大小，而且影响着企业的客户服务水平。因此，有必要采取正确的措施，更好地解决库存控制问题。 本文以AL公司生产库存问题为背景，对该企业的库存控制问题进行了深入研究。 论文从产成品、半成品、原材料三个角度来探讨该企业的库存问题，分别采取不同的策略来解决库存控制问题。本文中，我们着重研究了该企业的产成品销量预测，以及半成品库存分析问题。 论文采用了多种数据分析与预测方法，对企业产品销量进行分析预测。 首先，采用回归分析方法，分析企业两种产成品的销量之间的相关关系。 其次，采用时间序列分析方法，构建ARMA模型，对企业产品销量数据进行分析，分析各个月份的销售量数据之间是否高度相关。 再次，针对传统库存控制方法所存在的缺陷，论文采用BP神经网络分析方法，对企业销售数据进行分析，并对传统的BP神经网络进行了改进：采用新的数据预处理方法，对原始数据进行规范化处理；采用新的隐层节点数确定方法；采用变动的学习率。通过试验对比，根据本文提出的方法所确定的隐层节点数，是本文实例的最优隐层节点数。通过试验法，获得了该BP神经网络其他参数的最优取值。 最后，在上述回归分析、时间序列分析、神经网络分析的基础上，本文构造了模糊组合预测模型。采用模糊数学方法，确定各种分析方法的模糊权重，并通过截集与乐观指数，对该组合预测模型进行了敏感性分析，以验证模型的健壮性。试验分析表明，该算法具有较强的健壮性，能够很好地应用于实践。 论文基于Visual Basic开发了“库存控制组合数据分析与仿真平台”，将上述算法整合于该平台中。该平台具有一定的通用性，适用于不同企业的库存控制问题，为企业库存控制提供有效的决策依据。

目录

文摘

英文文摘

学位论文独创性声明及授权使用声明

第1章引言

1.1课题的选择依据

1.2库存控制概论

1.3本文的基本思路与主要工作

1.4本文的创新点

1.5本文的组织结构

第2章预测理论概述

2.1预测的一般概念

2.2回归分析法

2.3时间序列分析法

2.4神经网络分析法

第3章预测理论在库存控制中的实证研究

3.1案例背景介绍

3.2回归分析法的应用

3.3时间序列分析法的应用

3.4神经网络分析法的应用

第4章组合模型预测

4.1概念介绍

4.2权重的确定

4.3组合预测分析平台

第5章结论与展望

附录

参考文献

攻读硕士学位期间发表论文情况

致谢