论文部分内容阅读
作为一个制造大国,服装行业在我国的产业分布中占据了极为重要的地位。但是经营企业所遇到的库存问题,已经严重削弱了我国服装行业的竞争力,影响其健康发展。库存控制是企业关注的焦点问题。在此背景下,运用库存控制模型和人工网络神经技术解决服装供应链中存在的诸多问题,是比较有效的措施。本文主要尝试运用BP算法及改进措施来合理控制库存,寻求解决服装行业库存问题的策略。全文对国内外传统的库存控制现状进行了综述;指出了传统库存控制手段存在的问题,采用人工神经网络技术应用到服装需求预测中,并通过MATLAB仿真算法实现需求预测的精度。本文提出通过BP神经网络技术对库存进行管理的新的理念和方法,是新的管理技术的研究与应用的一个大胆的尝试。(1)本文通过理论分析和实例研究相结合,定性分析和定量分析相结合的方法,针对服装产品的特点,对服装产品进行了分类,并相应建立了服装企业库存控制模型,为合理预测和计算最优补货批量时所用。(2)介绍了人工神经网络,特别是前馈神经网络的理论和算法。讨论了前馈神经网络的组成、网络神经元的响应函数特征以及多层神经网络的构造方法,并且讨论了训练样本的选择及其预处理的方法。结果表明三层神经网络已经足以逼近任何复杂的连续非线性输入输出映射关系。(3)介绍了服装生产企业特定的产品需求预测体系。采用了将人工神经网络的理论和算法应用到计划BOM的制定中的思路。并按照这个思路和过程进行了基本的模型设计。从现状出发,提出了应用历史平均值的方法进行比较研究。(4)介绍了基于人工神经网络预测模型的程序实现,结合实际中企业计划BOM的制定过程,详细讨论了在MATLAB软件平台上人工神经网络模型的实现。采用训练好的神经网络预测在特定条件下的计划BOM数据,验证系统的有效性和实用性。(5)在对企业的库存管理流程深入的分析后,库存管理进货补货模型作了研究,给出了库存补货模型,利用VB程序建立了管理信息系统。