一、基于ABC分类的安全库存优化算法研究（论文文献综述）
陈晓华[1]（2021）在《A公司生产物料库存控制优化研究》文中研究说明
聂晓洁[2]（2021）在《A公司卷烟销售预测与库存控制策略研究》文中研究表明中国作为世界第一人口大国,也是世界上最大的卷烟生产国与消费国,生产并消费了全球约1/3的卷烟,拥有大约3.2亿的烟民,占到世界吸烟总人数的1/4,烟草还是国家和地方财税的重要经济来源。而由于国家控烟措施的实施和人们健康生活意识的提高,烟草产量延续下降态势。据相关数据统计:自2015年起我国卷烟产量开始下滑,截止2019年中国烟草产量215万吨,比2015年产量下降53万吨。虽然由于税价同增,烟草行业利税规模仍保持增长态势,但烟草需求的降低,势必对烟草行业盈利产生一定影响。本文以A公司为案例进行研究,根据实际调研了解到物流中心卷烟库存分类不合理,采购订货策略单一的情况,提出了针对卷烟销售预测情况进行卷烟库存分类和订货策略的改进策略。（1）本文将使用基于XGBoost和LSTM的加权组合模型对烟草行业的销量进行预测。节假日对烟草销量的影响作用明显,烟草的销售量存在季节性的变化,具有非线性的特征。利用LSTM对序列非线性部分的出色拟合性能以及XGBoost算法高精度的预测能力,对三算法进行加权组合进行预测,以加权处理来减小误差累计对预测结果精度的影响。（2）对烟草行业零售终端销售量预测值、销售价格、提前期以及库存周转率进行分析,应用K-means聚类算法对烟草品种进行聚类分析。通过簇内离差平方和拐点法与轮廓系数法联合确定烟草的分类个数,并得到最终分类结果。（3）本文将针对前期销售预测的情况和烟草品种分类的结果分析各类烟草的特性,并制定出不同的库存控制策略,对不同品种的烟草采取不同的订货模式,并分析其可行性。针对销售情况平稳的卷烟,引用（R,Q）或（t,R,S）等库存控制策略;而面对销售情况非平稳的卷烟,引进基于存销比库存控制策略。通过不同的库存控制策略实现对卷烟库存的良好管理。烟草行业库存管理是烟草商业企业运营管理的重点环节。本文对A公司卷烟物流中心的卷烟销售量进行预测,并进行卷烟聚类,提出相应的订货策略。烟草企业若实现有效地进行库存控制,可以采取依据“出”确定“进”的订货方式来实现卷烟库存有效管理。
殷悦媛[3]（2021）在《H化妆品公司需求预测与库存控制策略研究》文中进行了进一步梳理库存控制是企业运作的重要组成部分,科学控制库存可以降低成本,提高企业竞争力。H公司作为最大国产化妆品企业之一,核心产品是化妆品,由于需求预测不准确,库存水平过高,导致企业收益受影响,从而影响企业的发展。因此,探讨该企业化妆品需求预测与库存控制问题,具有十分重要的意义。本文以H公司为研究对象。首先,对H公司的产品销量和库存水平进行分析,找出存在的问题,并分析找出成因,通过观察化妆品的需求波动情况,发现不同产品之间需求有一定的差异性,企业没有按产品本身特点进行预测,以及公司现有的预测方法过于简单,精确度低,从而导致需求预测结果误差大;库存产品没有进行分类管理,导致产品库存管理混乱,库存水平居高不下,影响到库存控制。接着,对于不同产品的需求特征,H公司化妆品根据其自身特点划分为护肤品和彩妆品,也被称为普通型化妆品和潮流型化妆品。普通化妆品的销量波动变化小,需求稳定,生命周期长,因此采用指数平滑法进行需求预测;潮流型化妆品受不确定性因素影响大,需求不稳定,生命周期短,因此采用灰色预测法进行需求预测;通过对比不同方法之间的预测误差,证明了方法的可行性。其次,结合ABC分类法和FSN分类法,以价格和流通速度两个因素作为衡量标准,对H公司库存产品采用K-means聚类算法进行分类。最后,基于库存分类的结果,提出库存控制的优化策略。对于分类结果建立库存控制模型来对库存进行优化,求解出最优的安全库存、订货量和平均库存水平,使得库存管理更加有效,有利于提高库存管理水平。为了提高需求预测准确率,降低库存水平,H公司采用了新的需求预测方法和库存控制策略,减少库存占用的企业流动资金,加快产品周转率,提升库存管理水平。相关的研究对同类行业库存管理有一定参考和借鉴作用。
石玉娟[4]（2020）在《B公司托管库库存控制优化研究》文中指出在企业的生产经营过程中,库存管理占据着极其重要的地位,过多的库存不但会占用大量的库存资金,造成资金周转不畅、增加产品储存的费用、提高企业生产经营的成本费用,还可能带来产品破损、报废等相关风险;但是假如产品库存太少,又会出现缺货的情况,影响客户订单的准时交付率,进而降低客户满意度,甚至可能丢失市场。因此,如何确定合适的库存量,使企业在降低成本的同时维持客户满意度,并将库存量保持在这一合理平衡的水平上,是企业一直都在关注的问题。B公司作为国内消防报警行业的龙头企业,在日常运营中为了满足客户的需求,提供更好的服务,在全国范围内设立了16个托管库作为中间存储仓库,用以更快速、更集中地供货。本文以B公司托管库库存为研究对象,梳理了B公司托管库库存控制管理现状,找出其存在的问题,并剖析问题产生的根源。然后,针对问题产生的原因,提出要多部门合作进行市场需求预测、运用传统安全库存公式,配合公司产品特点设置托管库安全库存、采用ABC管理法对托管库现有库存进行分类并针对不同类别产品采取不同的调拨备货补充方式等库存控制优化策略,升级完善了托管库库存控制手段。最后,为了保障库存控制优化策略能够顺利进行,取得良好效果,提出了实施保障措施。
陈剑[5]（2020）在《鑫晶半导体公司原辅料库存优化分析》文中认为合理的库存管理,能够促进企业平稳的经营和发展,能够使公司获取较好的经济效益。反之,不合理的库存管理,会频繁出现物料短缺或物料过剩的状况。当物料冗余时,不仅占用公司大量的现金流,导致公司承担着高昂的现金成本和库存管理成本,也增加了物料过期的风险,同时还掩盖公司其他管理问题,如计划的精准度问题、采购的及时性问题、工艺的标准耗用量问题等等;当物料短缺时,就会导致生产执行暂停、客户交期推迟,甚至还可能失去订单、失去客户、失去市场,从而影响公司运营和发展。所以我们需要控制公司库存处于一个合理水平,使库存成为公司稳定运行的基石,而不是羁绊。影响库存水平的因素有很多,例如,库存管理本身的无序、物料编码混乱、生产计划和需求计划不准确、工艺BOM偏差较大以及责任分工不清晰等等。这些问题带来结果则是物料的浪费、现金流的占用、客户交期推迟、品质的不稳定等等。半导体制造业对物料的要求更高,较低的库存管理水平严重影响半导体制造企业持续稳定的经营。在半导体产品制造过程中,会使用非常多的化学品物料,这些存储困难、保质期短、品质要求高的化学品,在面对粗放式库存管理时,不可避免地会出现过期、报废、质量异常等问题,造成不必要浪费甚至市场机会的丢失。国内的半导体生产材料依然存在质量较差或者质量不稳定情况,所以半导体制造所需的原辅材料大部分要从国外进口,这些价值高、保质期短的原材料,如果管理不善,将会更快给公司带来更多的问题和负担。半导体行业的技术革新非常快,产品更新、物料更替也对库存管理提出了更高的要求。本文以半导体制造企业为研究对象,剖析公司当前遇到的库存问题,并找出主要原因,再通过管理流程梳理、基础数据整理、MRP模型应用以及补货策略优化等手段,解决或降低库存管理风险,最后通过优化方案的实施,初步完成公司原辅料库存优化目标。
戴露[6]（2020）在《K餐厅物料需求预测及库存优化》文中研究指明现如今,随着全球经济迅猛发展,我国经济不断发展,市场环境的变化速度加快,市场竞争日趋激烈。在这样的市场背景下,库存管理成为物流作业中实现价值增值的重要环节。随着企业新产品的不断增加,导致库存配置不断提高,有效的库存管理可以为企业提供更多的收益成本。对于餐饮企业来说,要维持正常的生产经营,就要在保证生产所需的原材料充足的前提下,尽量缩减原材料的库存量,以降低餐厅成本。由于餐饮业涉及物料具有使用周期短、物料周转率高的特点,因此为了达到利润最大化,企业应着重优化现有库存管理模式,寻找可提升的方向。本文的研究对象为大连市某K餐厅,对其物料进行分类并进行需求预测后提出订货策略。首先,本文对库存进行明确定义,对库存分类进行不同角度说明,同时对ABC分类法、层次分析法进行介绍和原理分析,为本文后续物料分类模型的建立奠定理论基础;其次,对BP神经网络的原理进行阐述,对其结果进行说明,同时分析BP神经网络的特点,分析其优点和缺点,全面展现BP神经网络。再次,通过实际调查对目标对象存在问题进行分析,对实际数据进行整理展现;最后,利用MATLAB软件,建立基于时间序列模型的BP神经网络需求预测模型,通过对BP神经网络结构的优化得到最后预测结果并依照指标进行结果的评价,同时根据物料分类体系和预测结果提出订货策略。
付美园[7]（2020）在《F企业慢性病药品需求预测及库存策略研究》文中指出近年来,慢性病患病率居高不下,极大程度上增加了慢性病药品的市场需求,给医药物流企业慢性病药品的库存管理带来了较大的压力。本文以解决F企业慢性病药品库存管理中所存在的问题为出发点,帮助F企业科学的划分慢性病药品的库存,并对其进行合理的需求预测,制定相应的库存控制策略,力求减轻F企业慢性病药品库存管理的压力,提高库存周转率。首先,针对F企业慢性病药品进行库存分类。由于F企业对品类众多且存在大量滞销品种的慢性病药品,只单纯按照药品的性质进行管理,未能对其进行科学的库存分类,使得整体库存结构较为混乱。本文基于上述原因,先行根据F企业慢性病药品的历史需求使用ABC分类法进行库存分类。并结合F企业实际经营状况利用收益金额为指标,将其划分为滞销和非滞销慢性病药品,改善其库存结构,为后期的需求预测和库存控制策略的选择奠定基础。接下来,进一步解决F企业非滞销慢性病药品需求预测不合理的问题。在实际经营管理过程中,非滞销慢性病药品的需求量往往受客户需求以及其外在因素的影响,历史需求波动较大,非平稳性质显着,极大程度上增加非滞销慢性病药品需求预测的难度。本文基于非滞销慢性病药品历史需求数据特征,充分考虑了F企业的具体要求,确定构建RBF神经网络需求预测模型。使用MATLAB软件编程进行实例仿真,结果显示,该模型预测精度较高,并为后续的库存控制策略应用提供了数据支持。最后,基于滞销和非滞销慢性病药品的需求特征制定相应的库存控制策略。本文在充分分析非滞销慢性病药品的需求特征的基础上,构建以库存总成本最小为目标,考虑第一个提前期内到货,多周期下静动结合策略的库存控制模型,具体计算过程使用lingo软件编程进行实例检验。结果表明在静动结合策略下非滞销慢性病药品的订货数量、库存持有水平以及库存总成本都得到了有效降低,极大程度上减轻了非滞销慢性病药品的库存管理压力。随后本文在深入剖析滞销慢性病药品的需求特征的基础上,选择采用定期订货策略对该类药品进行库存控制,并进行实例检验。结果表明定期订货策略策略有效的降低了滞销慢性病药品的库存周转天数,提高了库存周转率,且易于操作,更具实用性。通过本文的研究可以有效解决F企业慢性病药品库存结构混乱、需求预测不合理、库存控制策略过于简单等问题,有助于减轻F企业慢性病药品库存管理的压力,提高企业的竞争力,并为其他医药物流企业解决相似问题提供一定的参考依据。
杨爽[8]（2020）在《S医药企业物流中心库存分类与控制策略研究》文中研究表明随着我国医药分开综合改革的实施,院外药品需求的增加带动了医药零售行业的发展,也使该行业面对更加激烈的竞争。医药零售行业承担着药品代理、经销等销售功能和药品仓储、配送等物流功能。库存管理是医药零售企业运营管理的重点,为了满足客户需求、防止缺货通常采取增加库存的方式进行,这种方式会导致部分药品库存积压严重,影响资金周转。在正常服务不受影响的情况下,对在库药品进行科学的管理,找到避免药品积压、降低库存成本的方法,成为药品库存管理过程中需首要考虑的问题。本文以S医药零售企业为案例进行研究。根据实际调研了解到物流中心库存周转率不高、部分药品积压严重的现状,提出了物流中心库存分类和控制策略的现存问题。（1）针对物流中心库存SKU（Stock Keeping Unit）数目较多且不断有新药品加入的情况下,提出了基于多准则决策与机器学习相结合的库存分类策略。首先,考虑药品自身特征、需求及供给特性建立了库存药品的多指标体系;然后,运用加权模糊C均值聚类（WFCM）算法对抽取药品按照建立的准则进行分类,以确定适当类别;最后,以WFCM的聚类类别作为样本数据集,训练出支持向量机（SVM）分类模型。（2）针对物流中心凭经验进行补货、缺乏有效的药品库存控制手段等问题,确定出科学合理的控制策略。首先,通过需求分析区别出平稳需求与非平稳需求的药品;其次,在分类与需求分析的基础上根据不同的类别制定相应的订货策略,其中A1及B1类药品采用（R,Q）策略,C1类药品采用（T,S）策略,A2及B2类药品采用非平稳库存控制策略,C2类药品采用供应商管理库存（VMI）策略;最后,建立库存控制模型进行应用并验证其有效性。本文对S医药零售企业物流中心提出的库存分类与控制策略,不仅能够在满足销售需求的同时提高库存周转率、减少药品积压、加快资金周转和降低库存管理成本,而且能够减少物流中心的工作量、提高库存管理人员的工作效率,从而提高S企业在同行业的竞争力。
罗洋洋[9]（2020）在《H公司汽车电子物料集中式库存管理研究》文中认为在当前资源与环境的压力以及在政策支持和技术进步的驱动下,汽车产业不断的向智能化、电气化、网联化发展。在这一趋势影响下,电子系统替代机械系统越来越成为汽车行业的发展重心,汽车电子产业步入高速发展阶段。H公司是一家从事汽车领域的电子产品研发生产、解决方案咨询服务等内容的高科技公司。但其面临着由于各事业部、各仓库分布在全国8个城市15个地点而导致的分散采购、分散储存带来的不同仓库之间物料不能混放和调用的问题,目前公司库存管理水平有限,物料重复储备,缺乏共享机制,库存成本居高不下。因此,对H公司物料库存管理的研究不但能够丰富库存管理等理论,而且对降低公司的总成本、提升库存管理水平具有较大意义。基于此,本文对H公司汽车电子物料集中式库存管理问题进行了研究。首先对相关的理论和文献进行总结和整理;描述了H公司在库存管理方面的现状和面临的问题,分析了库存问题产生的深层次原因。然后,结合相关理论分析H公司物料实际情况,提出了采用ABC和Kraljic矩阵相结合的方法对物料进行分类和筛选,筛选出适合进行集中式管理的物料。在此基础上,确立了H公司的物料管理思想是相对集中式管理,即只对于合适集中式库存的物料进行集中管理,其他物料仍延续之前的管理方式。其次,建立了包括运输成本、库存成本、缺货成本、运营成本、采购成本在内的总成本模型,解决集中点选择及库存配置问题。考虑H公司部分物料存在定期的淘汰,且对储存条件有特殊的要求,本文在库存成本中加入了处置成本一项,将物料的淘汰或损失成本纳入库存成本中;在运营成本中加入了运营成本系数,将物料对存储条件要求高低量化为运营成本系数的大小。最后,结合H公司的现实情况,通过实例分析验证了集中式库存管理模型的可行性和实用性,并提出了物料管理意见。研究证明,对于部分库存量大、库存分布广、通用性强的物料可采用集中式库存管理,并且集中式库存管理有明显效果;对于不符合相应要求的物料不进行集中式库存管理。研究还发现,集中点数量的不同对于总成本的影响也不同。通过以上研究,在一定程度上解决了H公司库存管理的问题,降低了总成本。本文的研究优化了H公司的库存配置问题,有助于降低成本、提升公司的整体效益,也为汽车电子行业或其他行业中的管理者提供了管理启示与实际案例。与此同时,本研究也在一定程度上丰富了集中式库存管理方面的研究。本文共有图45幅,表20个,参考文献69篇。
王丽华[10]（2020）在《医药零售企业的销量预测与库存优化研究》文中进行了进一步梳理商品的销量预测一直是零售行业的一个重要课题。准确预测单品销量,能提升门店的备货效率,从而降低商品损耗,减少库存占用,能更好的满足市场需求。药品的库存问题作为零售连锁药店经营管理中的重要一环,解决库存的优化问题可节省企业成本,减少库存浪费。保证连锁药店周围居民的正常用药,降低资源的消耗和浪费。依据模型的建立和算法实现来对医药连锁企业的库存进行合理优化,对医疗事业的发展有着积极意义。本文主要研究药品的库存优化问题,以T医药连锁企业的真实销售数据和库存数据为研究对象。结合当地的气温因素,构建医药销售预测模型达到动态调整企业库存的目的。论文主要研究工作如下:（1）根据药品在研究期间的累计销售额占比将药品进行重要性划分。根据传统的药品分类方法结合层次分析法进行药品ABC分类。根据分类结果,将划为A类的药品做为销量预测的对象。（2）根据销售数据的特点,针对重要性程度较高的A类药品提取不含有特殊标识的药品（麻黄碱标识,拆零标识）,运用FP-growth算法分析研究周期内的药品之间的关联关系,挖掘药品的频繁项集,并预测频繁项集内的药品销量,根据预测结果来优化销售组合和企业库存。（3）根据药品属性和气温因素,基于时间序列分析,研究历史销量和气温变化的程度对药品未来销量的影响,结合随机森林算法,融入当地的气温因素预测A类药品的销量,根据误差分析,非同类药品会有不同的预测准确率,可根据准确率的大小选择更合适的预测模型,并根据预测的结果设置药品的库存警戒线和库存上下限。（4）分析产生库存浪费的原因,根据一定周期内该企业的库存数据和药品的销量预测值,通过剩余库存量和库存警戒线的不断对比,并通过预测结果计算药品安全库存,进行周期性的药品库存动态优化。最后建立库存管理指标体系,帮助企业更全面的监测和调整库存,达到优化企业库存的目的。实验结果证明,本文模型具有较好的预测效果和可扩展性,也可应用到其它零售企业的商品预测中,根据预测结果得到的库存调控模型,能很好的实现库存的动态调控和优化。
二、基于ABC分类的安全库存优化算法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于ABC分类的安全库存优化算法研究（论文提纲范文）
（2）A公司卷烟销售预测与库存控制策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 销售预测研究现状 |
| 1.2.2 库存控制策略研究现状 |
| 1.2.3 国内外研究述评 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 论文创新点 |
| 第2章 相关理论介绍 |
| 2.1 时间序列预测方法 |
| 2.1.1 ARIMA |
| 2.1.2 XGBoost |
| 2.1.3 LSTM |
| 2.2 库存分类方法 |
| 2.2.1 传统ABC分类方法 |
| 2.2.2 基于K-means聚类分析的库存分类方法 |
| 2.3 库存控制相关理论 |
| 2.3.1 订货点法 |
| 2.3.2 供应商管理库存 |
| 2.4 本章小结 |
| 第3章 A公司卷烟库存管理现状及存在的问题 |
| 3.1 A公司简介 |
| 3.2 A公司库存管理现状 |
| 3.2.1 库存分类管理 |
| 3.2.2 采购订货管理 |
| 3.2.3 其他库存管理流程 |
| 3.3 A公司卷烟库存管理存在的问题 |
| 3.3.1 缺乏科学的库存分类策略 |
| 3.3.2 缺乏多样有效的库存控制策略 |
| 3.4 本章小结 |
| 第4章 基于加权组合算法的卷烟销售预测 |
| 4.1 加权组合算法介绍 |
| 4.2 卷烟销售预测 |
| 4.2.1 数据来源 |
| 4.2.2 特征工程 |
| 4.3 预测结果与分析 |
| 4.3.1 特征重要性 |
| 4.3.2 模型预测效果 |
| 4.4 本章小结 |
| 第5章 基于聚类与销售预测的库存控制策略 |
| 5.1 基于K-means聚类算法的烟草库存分类研究 |
| 5.1.1 聚类分析参考准则确定 |
| 5.1.2 聚类数据预处理 |
| 5.1.3 聚类的类别个数确定 |
| 5.1.4 聚类结果 |
| 5.2 基于聚类与销售预测的库存控制策略 |
| 5.2.1 库存控制策略确定 |
| 5.2.2 库存控制策略分析 |
| 5.2.3 库存策略调整前后对比分析 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 A 加权组合算法部分python代码 |
| 附录 B 测试集预测值 |
| 致谢 |
（3）H化妆品公司需求预测与库存控制策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究综述 |
| 1.2.2 国内研究综述 |
| 1.2.3 研究述评 |
| 1.3 研究内容和研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 技术路线 |
| 1.5 本章小结 |
| 第2章 相关基础理论概述 |
| 2.1 库存概述 |
| 2.2 需求预测概述 |
| 2.2.1 预测方法分类 |
| 2.2.2 移动平均法 |
| 2.2.3 指数平滑法 |
| 2.2.4 灰色预测法 |
| 2.3 聚类分析法 |
| 2.4 库存控制理论概述 |
| 2.4.1 库存控制概念 |
| 2.4.2 库存控制策略 |
| 2.5 本章小结 |
| 第3章 H化妆品公司库存管理现状分析 |
| 3.1 企业概况 |
| 3.2 H化妆品公司库存现状 |
| 3.2.1 H化妆品公司需求预测现状 |
| 3.2.2 H化妆品公司库存控制现状 |
| 3.3 H化妆品公司库存管理中存在的问题 |
| 3.3.1 需求预测不准确 |
| 3.3.2 库存水平过高 |
| 3.4 H化妆品公司库存问题分析 |
| 3.4.1 需求不确定性高 |
| 3.4.2 缺乏科学的分类 |
| 3.4.3 缺乏科学的库存控制策略 |
| 3.5 文章小结 |
| 第4章 H化妆品公司需求预测 |
| 4.1 H化妆品公司产品分类 |
| 4.2 H化妆品公司优化前需求预测 |
| 4.2.1 移动平均法模型预测 |
| 4.2.2 模型求解 |
| 4.3 普通型化妆品的需求预测 |
| 4.3.1 指数平滑法模型预测 |
| 4.3.2 模型求解 |
| 4.3.3 结果对比 |
| 4.4 潮流型化妆品的需求预测 |
| 4.4.1 灰色预测模型 |
| 4.4.2 模型求解 |
| 4.4.3 结果对比 |
| 4.5 本章小结 |
| 第5章 H化妆品公司库存分类与控制策略 |
| 5.1 基于K-means算法库存分类优化模型 |
| 5.1.1 模型构建 |
| 5.1.2 运算过程 |
| 5.1.3 聚类结果 |
| 5.2 分类制定库存控制策略 |
| 5.2.1 化妆品连续检查库存控制模型 |
| 5.2.2 化妆品定期检查库存控制模型 |
| 5.3 本章小结 |
| 第6章 结论和展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录A 灰色预测法MATLAB代码 |
| 附录B K值选择MATLAB代码 |
| 附录C K-means算法MATLAB代码 |
| 致谢 |
（4）B公司托管库库存控制优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 库存管理国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究现状评述 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 第2章 相关基础理论 |
| 2.1 库存管理相关理论 |
| 2.1.1 库存的定义及分类 |
| 2.1.2 库存管理的概念及作用 |
| 2.1.3 库存管理常用方法 |
| 2.1.4 存货周转率 |
| 2.2 安全库存基本理论 |
| 2.2.1 安全库存的含义及存在意义 |
| 2.2.2 安全库存计算方法 |
| 2.3 需求预测理论 |
| 2.3.1 需求预测含义 |
| 2.3.2 需求预测方法 |
| 2.4 本章小结 |
| 第3章 B公司托管库库存控制分析 |
| 3.1 B公司概况 |
| 3.2 B公司托管库概况 |
| 3.2.1 B公司托管地理位置分布 |
| 3.2.2 B公司托管库备货流程 |
| 3.2.3 B公司托管库备货产品种类及库存量 |
| 3.3 B公司托管库库存控制存在的问题 |
| 3.3.1 库存过多占用大量资金 |
| 3.3.2 备货产品缺货现象严重 |
| 3.3.3 库存产品账龄时间长周转慢 |
| 3.3.4 客户准时交付率低 |
| 3.4 B公司托管库库存控制问题产生的原因 |
| 3.4.1 市场需求预测偏差大 |
| 3.4.2 托管库补货需求得不到及时响应 |
| 3.4.3 托管库日常管理手段不科学 |
| 3.5 本章小结 |
| 第4章 B公司托管库库存控制优化策略 |
| 4.1 提高市场需求预测的准确性 |
| 4.2 保证托管库备货产品供给库存充足 |
| 4.2.1 保证满足托管库备货的库存生产量 |
| 4.2.2 确保生产产品质量 |
| 4.3 托管库备货产品库存优化选择 |
| 4.3.1 科学选择托管库备货产品种类 |
| 4.3.2 基于ABC分类法对托管库库存产品进行分类 |
| 4.3.3 设置合理的安全库存 |
| 4.3.4 根据不同类别的产品选择调拨补货方式 |
| 4.4 本章小结 |
| 第5章 B公司托管库库存控制优化策略实施保障 |
| 5.1 公司内部相关保障 |
| 5.1.1 组织制度的保障 |
| 5.1.2 企业信息系统的保障 |
| 5.1.3 人力资源的保障 |
| 5.2 托管库方面相关保障 |
| 5.2.1 信息化手段的支持 |
| 5.2.2 统一进行明确分工 |
| 5.2.3 定期进行问题改善 |
| 5.2.4 加强绩效考核 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（5）鑫晶半导体公司原辅料库存优化分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 理论意义 |
| 1.1.3 实际意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外理论研究及应用 |
| 1.2.2 国内外研究动态评述 |
| 1.3 技术路线与结构安排 |
| 1.3.1 技术路线分析 |
| 1.3.2 结构安排 |
| 1.4 研究方法 |
| 1.4.1 文献研究法 |
| 1.4.2 实地调查法 |
| 第2章 相关库存管理概念和理论 |
| 2.1 库存管理概念 |
| 2.2 库存控制理论和方法 |
| 2.2.1 JIT库存控制理论 |
| 2.2.2 经济订货批量与再定购点理论 |
| 2.2.3 MRP理论 |
| 第3章 鑫晶公司库存管理现状与问题分析 |
| 3.1 鑫晶公司概况 |
| 3.2 鑫晶公司原辅料库存管理现状 |
| 3.2.1 产品BOM不完善 |
| 3.2.2 系统库存与实际不符 |
| 3.2.3 既有缺料现象又有呆料现象 |
| 3.2.4 容易出现过保质期物料 |
| 3.3 鑫晶公司原辅料库存问题分析 |
| 3.3.1 产品BOM不完善分析 |
| 3.3.2 系统库存与实际不符问题分析 |
| 3.3.3 呆缺料问题分析 |
| 3.3.4 物料过期问题分析 |
| 第4章 鑫晶公司原辅料库存管理优化分析 |
| 4.1 原辅料库存管理的优化目标 |
| 4.2 物料档案优化 |
| 4.2.1 物料编码规则优化 |
| 4.2.2 物料计量单位优化 |
| 4.3 需求预测优化 |
| 4.3.1 启用销售与运营计划流程 |
| 4.3.2 启用MRP机制汇总需求 |
| 4.4 补货策略优化 |
| 4.4.1 物料分组管控:ABC分析 |
| 4.4.2 物料分组管控:Kraljic矩阵 |
| 4.4.3 经济采购批量和再订购点分析 |
| 4.5 预警机制和MRB机制 |
| 4.5.1 强化预警管控 |
| 4.5.2 启用MRB管理 |
| 第5章 原辅材料库存优化方案实施 |
| 5.1 实施目标 |
| 5.2 实施主要内容 |
| 5.2.1 物料数据方面 |
| 5.2.2 库存控制策略方面 |
| 5.3 实施效果评估 |
| 5.3.1 库存原辅材料总金额稳中有降 |
| 5.3.2 保质期物料过期现象逐渐消失 |
| 5.3.3 形成了持续优化的库存管控机制 |
| 结论与展望 |
| 主要参考文献 |
| 致谢 |
（6）K餐厅物料需求预测及库存优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 ABC库存分类方法 |
| 1.2.2 库存管理 |
| 1.2.3 BP神经网络在库存需求预测中的应用 |
| 1.2.4 采购模式与策略 |
| 1.2.5 研究现状评述 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 论文创新点 |
| 本章小结 |
| 第二章 理论基础 |
| 2.1 库存管理相关理论 |
| 2.1.1 库存管理 |
| 2.1.2 库存分类 |
| 2.1.3 库存分类方法 |
| 2.1.4 订货点法 |
| 2.2 BP神经网络相关概念 |
| 2.2.1 BP神经网络的基本原理和结构 |
| 2.2.2 BP神经网络特点 |
| 2.2.3 BP神经网络在需求预测中的优势分析 |
| 本章小结 |
| 第三章 K餐厅介绍及库存问题分析 |
| 3.1 企业介绍 |
| 3.1.1 K餐厅发展历程 |
| 3.1.2 企业文化理念 |
| 3.1.3 企业经营理念 |
| 3.2 K餐厅库存管理现状及问题分析 |
| 3.2.1 库存管理现状 |
| 3.2.2 库存管理存在的问题 |
| 本章小结 |
| 第四章 模型建立与订货方案提出 |
| 4.1 基于AHP的 ABC分类模型 |
| 4.1.1 基于AHP的 ABC分类法实施步骤 |
| 4.1.2 建立物料库存分类模型 |
| 4.1.3 物料库存分类模型实际应用 |
| 4.2 餐厅物料需求预测 |
| 4.2.1 BP网络实施前的实验准备及数据处理 |
| 4.2.2 预测模型的实现 |
| 4.2.3 模型拟合及预测结果 |
| 4.3 订货点设置 |
| 4.4 方案总结与评价 |
| 本章小结 |
| 第五章 结论与展望 |
| 5.1 研究结论 |
| 5.2 研究展望 |
| 参考文献 |
| 附表 A 物料表 |
| 附录 B 物料原始数据及ABC分类结果 |
| 附录 C 物料层次总排序表 |
| 附录 D MATLAB程序 |
| 附录 E 物料需求预测表 |
| 致谢 |
（7）F企业慢性病药品需求预测及库存策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究现状 |
| 1.3.1 药品库存分类研究现状 |
| 1.3.2 药品需求预测研究现状 |
| 1.3.3 库存控制策略研究现状 |
| 1.3.4 文献评述 |
| 1.4 研究方法和技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 1.5 研究创新点 |
| 1.6 本章小结 |
| 第2章 相关理论研究 |
| 2.1 ABC分类法 |
| 2.1.1 ABC分类法的概述 |
| 2.1.2 ABC分类法的应用 |
| 2.2 RBF神经网络算法 |
| 2.2.1 RBF神经网络模型 |
| 2.2.2 RBF神经网络的学习算法 |
| 2.2.3 RBF神经网络的需求预测步骤 |
| 2.3 随机需求下库存控制策略 |
| 2.3.1 平稳需求的库存控制策略 |
| 2.3.2 非平稳需求的库存控制策略 |
| 2.4 本章小结 |
| 第3章 F企业慢性病药品库存管理分析及分类 |
| 3.1 F企业概况及慢性病药品库存管理问题分析 |
| 3.1.1 F企业概况 |
| 3.1.2 F企业慢性病药品库存管理问题分析 |
| 3.2 慢性病药品的分类 |
| 3.2.1 慢性病药品ABC分类 |
| 3.2.2 慢性病药品滞销药品类别确定 |
| 3.3 本章小结 |
| 第4章 F企业非滞销慢性病药品需求预测 |
| 4.1 非滞销慢性病药品数据的处理 |
| 4.1.1 非滞销慢性病药品数据特征 |
| 4.1.2 需求预测方法的确定 |
| 4.1.3 影响因子的选取与分析 |
| 4.1.4 非滞销慢性病药品数据预处理 |
| 4.1.5 非滞销慢性病药品数据归一化处理 |
| 4.2 基于RBF神经网络非滞销慢性病药品的需求预测 |
| 4.2.1 RBF神经网络学习算法过程 |
| 4.2.2 RBF神经网络需求预测模型构建 |
| 4.2.3 RBF神经网络需求预测模型求解 |
| 4.3 本章小结 |
| 第5章 F企业慢性病药品库存控制策略 |
| 5.1 F企业慢性病药品需求特征分析 |
| 5.1.1 非滞销慢性病药品需求特征分析 |
| 5.1.2 滞销慢性病药品需求特征分析 |
| 5.2 F企业非滞销慢性病药品库存控制策略制定及对比分析 |
| 5.2.1 构建静动结合第一阶段库存控制模型 |
| 5.2.2 构建静动结合第二阶段库存控制模型 |
| 5.2.3 非滞销慢性病药品库存控制策略对比分析 |
| 5.3 F企业滞销慢性病药品库存控制策略制定及对比分析 |
| 5.3.1 滞销慢性病药品库存控制策略制定 |
| 5.3.2 滞销慢性病药品库存控制策略对比分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 研究结论 |
| 6.2 管理启示 |
| 6.3 研究不足与展望 |
| 参考文献 |
| 攻读学位期间取得的学术成果 |
| 致谢 |
（8）S医药企业物流中心库存分类与控制策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 库存分类问题研究现状 |
| 1.2.2 库存控制策略研究现状 |
| 1.2.3 国内外现状评述 |
| 1.3 研究内容、方法与创新点 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 创新点 |
| 1.4 研究技术路线 |
| 第2章 相关库存管理优化理论 |
| 2.1 库存分类优化方法 |
| 2.1.1 多准则库存分类优化方法 |
| 2.1.2 加权模糊C均值库存分类 |
| 2.1.3 支持向量机分类理论 |
| 2.2 库存控制相关理论 |
| 2.2.1 需求分析 |
| 2.2.2 平稳需求的库存控制策略 |
| 2.2.3 非平稳需求的库存控制策略 |
| 2.2.4 供应链库存控制策略 |
| 2.3 本章小结 |
| 第3章 S企业物流中心库存管理现状与问题分析 |
| 3.1 公司简介 |
| 3.2 S企业物流中心库存管理流程及特点 |
| 3.2.1 物流中心库存管理流程 |
| 3.2.2 物流中心库存特点 |
| 3.3 S企业物流中心库存管理存在的问题 |
| 3.3.1 缺乏科学的库存分类策略 |
| 3.3.2 缺乏有效的库存控制策略 |
| 3.4 本章小结 |
| 第4章 基于多准则决策与机器学习的物流中心库存分类策略 |
| 4.1 分类策略概述 |
| 4.2 分类准则的确定 |
| 4.3 数据的获取 |
| 4.4 熵权法确定权重 |
| 4.5 加权模糊C均值算法确定训练样本 |
| 4.5.1 WFCM算法在库存分类中的运用 |
| 4.5.2 WFCM算法的有效性分析 |
| 4.5.3 与传统分类方法对比分析 |
| 4.6 支持向量机分类模型的建立 |
| 4.6.1 数据预处理 |
| 4.6.2 SVM分类模型训练过程 |
| 4.6.3 SVM分类结果分析 |
| 4.7 本章小结 |
| 第5章 基于需求分析的物流中心库存控制策略 |
| 5.1 需求变异系数分析 |
| 5.2 库存控制策略的确定 |
| 5.3 A1及B1 类药品的定量库存控制策略 |
| 5.3.1 药品需求分布测定 |
| 5.3.2 定量库存控制策略模型建立 |
| 5.3.3 定量库存控制策略具体应用 |
| 5.3.4 验证控制策略的有效性 |
| 5.4 C1 类药品的定期库存控制策略 |
| 5.4.1 药品需求分布测定 |
| 5.4.2 定期库存控制策略模型建立 |
| 5.4.3 定期库存控制策略具体应用 |
| 5.4.4 验证控制策略的有效性 |
| 5.5 A2及B2 类药品的非平稳库存控制策略 |
| 5.5.1 药品需求分析 |
| 5.5.2 非平稳库存控制策略模型建立 |
| 5.5.3 非平稳库存控制策略具体应用 |
| 5.5.4 验证控制策略的有效性 |
| 5.6 C2 类药品的供应商管理库存控制策略 |
| 5.7 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录A 加权模糊C均值聚类算法MATLAB代码 |
| 攻读学位期间取得的学术成果 |
| 致谢 |
（9）H公司汽车电子物料集中式库存管理研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究意义与方法 |
| 1.2.1 研究意义 |
| 1.2.2 研究方法 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 基础理论与文献研究 |
| 2.1 基础理论 |
| 2.1.1 库存管理理论基础 |
| 2.1.2 采购模式理论基础 |
| 2.1.3 汽车电子物料 |
| 2.1.4 物料分类 |
| 2.2 文献研究 |
| 2.2.1 集中式库存研究 |
| 2.2.2 集中采购研究 |
| 2.2.3 物料分类研究 |
| 2.2.4 文献评述 |
| 3 H公司汽车电子物料库存管理现状及问题分析 |
| 3.1 H公司概况 |
| 3.1.1 H公司基本情况 |
| 3.1.2 集中管理架构的调整 |
| 3.2 H公司汽车电子物料库存现状 |
| 3.2.1 汽车电子物料的特点 |
| 3.2.2 H公司汽车电子物料库存现状 |
| 3.3 H公司汽车电子物料库存问题分析 |
| 3.3.1 H公司汽车电子物料库存问题 |
| 3.3.2 库存问题产生原因分析 |
| 3.4 H公司物料类型特征分析及集中式管理物料筛选 |
| 3.4.1 H公司物料类型特征分析 |
| 3.4.2 H公司集中式管理物料筛选 |
| 3.5 本章小结 |
| 4 H公司汽车电子物料集中式库存模型构建 |
| 4.1 H公司汽车电子物料库存优化思路 |
| 4.2 问题描述与参数设置 |
| 4.2.1 问题描述 |
| 4.2.2 模型参数设置 |
| 4.3 模型的构建 |
| 4.3.1 模型的成本构成 |
| 4.3.2 总成本模型 |
| 4.4 本章小结 |
| 5 H公司汽车电子物料集中式库存实例分析 |
| 5.1 H公司汽车电子物料库存数据筛选及算例参数确定 |
| 5.1.1 H公司汽车电子物料库存数据筛选 |
| 5.1.2 算例参数确定 |
| 5.2 H公司汽车电子物料库存模型算法设计及结果分析 |
| 5.2.1 物料实例验证算法设计 |
| 5.2.2 结果分析 |
| 5.3 H公司汽车电子物料管理建议 |
| 5.4 本章小结 |
| 6 结论 |
| 6.1 研究结论 |
| 6.2 研究局限与展望 |
| 参考文献 |
| 附录A 主要代码 |
| 附录B |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（10）医药零售企业的销量预测与库存优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究现状 |
| 1.3.1 销售预测的研究现状 |
| 1.3.2 零售企业库存管理与优化研究现状 |
| 1.3.3 文献评述 |
| 1.4 研究内容和创新点 |
| 1.4.1 研究内容 |
| 1.4.2 论文创新点 |
| 1.5 论文结构及框架 |
| 2 相关理论 |
| 2.1 ABC分类 |
| 2.2 频繁项集挖掘 |
| 2.3 基于时间序列的销量预测分析 |
| 2.3.1 时间序列分析的相关介绍 |
| 2.3.2 模型的选择 |
| 2.4 随机森林算法 |
| 2.4.1 算法介绍 |
| 2.4.2 随机森林特征选择规则 |
| 2.4.3 模型建立和评价 |
| 2.5 库存优化相关概念 |
| 2.6 本章小结 |
| 3 药品的分类研究 |
| 3.1 药品的ABC分类 |
| 3.2 基于层次分析法改进分类结果 |
| 3.2.1 判断矩阵一致性检验 |
| 3.2.2 指标权重的确定 |
| 3.3 药品的分类结果 |
| 3.4 本章小结 |
| 4 药品频繁项集挖掘 |
| 4.1 关联规则基本概念 |
| 4.2 基于FP-growth算法频繁项集挖掘 |
| 4.2.1 数据预处理与特征提取 |
| 4.2.2 频繁项集挖掘结果分析 |
| 4.3 本章小结 |
| 5 销售预测 |
| 5.1 数据预处理 |
| 5.1.1 医药数据预处理 |
| 5.1.2 气温数据预处理 |
| 5.2 随机森林算法预测 |
| 5.3 时间序列模型预测 |
| 5.3.1 模型识别与检验 |
| 5.3.2 模型的评估 |
| 5.4 本章小结 |
| 6 基于销售预测的医药零售企业库存优化 |
| 6.1 医药零售企业库存优化的目的和意义 |
| 6.2 我国零售企业库存管理缺陷 |
| 6.3 零售医药企业产生库存浪费的原因与优化方案 |
| 6.3.1 产生库存浪费的原因 |
| 6.3.2 药品库存优化方案 |
| 6.4 药品库存的动态优化 |
| 6.4.1 频繁项集挖掘结果的应用 |
| 6.4.2 以周为单位进行单个药品销量预测 |
| 6.4.3 结合销量预测的动态库存调整 |
| 6.4.4 销量预测在安全库存计算中的应用 |
| 6.5 库存管理指标体系建设 |
| 6.6 本章小结 |
| 7 总结与展望 |
| 参考文献 |
| 后记 |
| 攻读硕士学位期间发表的论文及科研情况 |
四、基于ABC分类的安全库存优化算法研究（论文参考文献）
- [1]A公司生产物料库存控制优化研究[D]. 陈晓华. 桂林电子科技大学, 2021
- [2]A公司卷烟销售预测与库存控制策略研究[D]. 聂晓洁. 山东财经大学, 2021(12)
- [3]H化妆品公司需求预测与库存控制策略研究[D]. 殷悦媛. 山东财经大学, 2021(12)
- [4]B公司托管库库存控制优化研究[D]. 石玉娟. 燕山大学, 2020(06)
- [5]鑫晶半导体公司原辅料库存优化分析[D]. 陈剑. 兰州理工大学, 2020(03)
- [6]K餐厅物料需求预测及库存优化[D]. 戴露. 大连交通大学, 2020(06)
- [7]F企业慢性病药品需求预测及库存策略研究[D]. 付美园. 山东财经大学, 2020(07)
- [8]S医药企业物流中心库存分类与控制策略研究[D]. 杨爽. 山东财经大学, 2020(07)
- [9]H公司汽车电子物料集中式库存管理研究[D]. 罗洋洋. 北京交通大学, 2020(03)
- [10]医药零售企业的销量预测与库存优化研究[D]. 王丽华. 兰州财经大学, 2020(02)