供应链管理及统计数据识别处理研究

论文摘要

20世纪九十年代以来,经济的全球化使整个世界变成了统一的大市场,资源的优化配置跨越了国界,对有限资源利用效率和经济效益的追求,促使物流向一体化的方向变革,从而产生了供应链管理(Supply ChainManagement)的概念,并成为国际上管理科学与工程的重要理论之一,构筑了应用数学和现实需要在解决实际问题上极佳的切合点,从而吸引大量数理统计工作者的研究兴趣。这也成为吸引我们注意力的重要方面。随着信息化时代的到来,供应链管理的应用研究,越来越注重链上各方共享信息的价值。信息数据构建一了种全新的价值链标准,从数据中发掘信息的价值,等同开发信息资源的宝藏。一般而言,真正包含价值的有用信息,往往潜藏于海量数据之中。只有凭借统计理论的指引,进行深入细致的数据识别、科学有效的数据处理,才能提取到数据载体的信息价值。本文主要以概率统计和随机过程理论知识为背景,结合可靠性理论中δ冲击模型的研究成果为依托,进行了供应链管理中的基础模型结构问题和异常数据的概率行为特征的研究。在供应链管理领域的研究方面,立足于供应链管理中最基础的报贩模型,与经典报贩模型的研究不同,我们把销售过程划分为两个阶段:正常阶段和促销阶段。侧重于供求不平衡条件下的研究,提出了利益再分配型的中心化报贩模型和决策权再分配型的非中心化报贩模型。不仅考虑了销售商的传统最优订货量Q~*的决策问题,而且考虑了促销行为所开发潜在市场需求的最佳容量N~*问题。从而把传统问题由一维的决策优化推广到二维的决策优化,使模型结构更加贴近现实。并且,我们给出了(Q~*,N~*)的精确数学表达式,据此也讨论有关参数变化对(Q~*,N~*)的影响问题。另一方面,在实际研究过程中,当我们考察超大型企业运营管理时发现:供应链管理水平的科学性,一定程度取决于计算机管理链内物流、资金流、信息流汇聚而成的数据能力,以及从浩瀚数据中提取有价值数据的能力。据此,我们也把研究的侧重转向了对统计数据的识别处理方面。重点考虑了屏蔽效应下统计数据的识别和AGO方法的处理应用,给出了多个异常数据的联合分布概率和极限分布概率的表达形式。并研究了特殊条件下,指数分布总体的样本中位数检验公式的具体形式。另外,我们还尝试了GDP条件下宏观经济数据的预测处理,并提出了GM(1,1)模型的一个改进方法。在此基础上,也对灰相关分析做了一些微小的改进。全文内容共分为六个章节。第一章绪论,综述了库存、供应链管理研究的发展历程。尤其需要指出的是,经济全球化的大背景,给研究供应链管理提供了时代舞台,从某种角度表明了研究供应链管理的现实必要性。第二章基于经典报贩模型,研究了利益再分配形的中心化报贩模型。在研究重点和布局上,着眼于供应商掌握全部信息,完全拥有决策定价权。不仅考虑销售商的最优订货量问题,而且立足于潜在市场需求的容量开发,考虑了链上整体利益最佳为目标的最优市场容量问题。第三章在第二章的基础上,研究了决策权再分配形的非中心化报贩模型。在研究重点和布局上,着眼于供应商只掌握部分信息,而销售商拥有促销选择权。不仅考虑销售商的最优订货量问题,而且立足于潜在市场需求的容量开发,考虑了链上整体利益最佳为目标的最优市场容量问题。第四章结合AGO方法,研究了屏蔽效应下统计数据的识别和处理。在H_k条件假设下,推导了多个异常数据的联合分布及极限分布形式,给出了指数分布总体的样本中位数检验公式;探索了累加生成、累减还原方法在解决数据屏蔽效应问题中的作用。第五章建立在灰色预测理论的基础上,考虑了小子样条件下宏观经济数据GDP的统计预测问题。一般来说,统计预测方法的准确性取决于历史数据的数量。实际中数据的抽样采集总是有限的,为了提高预测的精确度,我们就GM(1,1)模型提出了一个改进的思路和方法,为此相应调整了灰相关分析的表示。在捕捉随机变化的规律性上,力求贴近真实的预测结果。第六章总结了专业学习期间的思想感悟,展示了对对数理统计认知过程的心路历程,并就将来的研究兴趣给出了设想和展望。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 供应链管理的综述
• 1.1.1 供应链管理的基本概念
• 1.1.2 供应链管理的研究进程
• 1.1.3 销售商管理库存
• 1.1.4 供应链合约
• 1.2 经典报贩模型
• 1.3 本文结构安排
• 第二章 供应链中利益再分配型的中心化报贩模型
• 2.1 引言
• 2.2 确定促销价p'条件下利益再分配型的中心化报贩模型
• 2.2.1 模型的条件假设
• 2.2.2 模型的结构建立
• 2.2.3 主要结论
• 2.3 结语
• 第三章 供应链决策权再分配型的非中心化报贩模型
• 3.1 引言
• 3.2 确定促销价p'条件下促销权再分配型的非中心化报贩模型
• 3.2.1 模型的条件假设
• 3.2.2 模型的结构建立
• 3.2.3 主要结论
• 3.3 结语
• 第四章 屏蔽效应下统计数据识别和AGO方法处理
• 4.1 引言
• 4.2 屏蔽效应的概率衡量标准
• 4.2.1 屏蔽效应的定义
• 4.2.2 屏蔽效应的对偶问题──吞噬效应
• 4.3 屏蔽效应的理论度量
• 4.4 基于样本中位数的检验方法
• 4.4.1 几种异常数据的检验方法
• 4.4.2 异常数据的样本中位数检验
• 4.5 累积生成运算及其逆运算方法识别异常数据
• 4.5.1 累积生成运算
• 4.5.2 逆累积生成运算的逆运算
• 4.5.3 一个数字例子
• 4.6 结语
• 第五章 基于宏观经济条件下的发展数据预测
• 5.1 引言
• 5.1.1 研究背景的深度描述
• 5.1.2 灰色预测系统研究现状
• 5.1.3 本章的研究重点
• 5.2 灰色预报分析理论
• 5.2.1 累加生成与累减还原
• 5.3 GM（1,1）模型及改进
• 5.3.1 白化方程及其预测解
• 5.3.2 GM（1,1）模型的改进
• 5.4 灰相关分析
• 5.4.1 灰相关分析
• 5.4.2 改进的灰相关分析
• 5.5 预测结果及比较
• 5.5.1 GM（1,1）预测
• 5.5.2 与SVM预测比较
• 5.6 结语
• 第六章 研究展望和思想感悟
• 6.1 研究展望
• 6.2 思想感悟
• 参考文献
• 本人在读期间完成的工作
• 致谢