首页> 正文

决策支持系统在库存管理中的应用

2020-12-01阅读(162)

决策支持系统在库存管理中的应用

论文摘要

随着计算机技术的迅速发展,计算机信息管理系统在各行各业中得到了广泛应用。当今人们对于物流和信息技术日益重视,各企业对资源合理有效地利用的要求也越来越高。库存管理无疑也成了非常重要的基础部分,而有效的库存管理可以明显的减少物流费用。因此一个有效的库存管理系统能够帮助决策者作出准确的判断,从而更合理的管理库存,最终节约库存成本。本文主要运用UML（Unified Modeling Language）建模方法对电信备件库存管理信息系统进行了需求分析、系统设计和详细设计。重点应用优化库存的ABC分类方法、安全库存计算方法、BP（BackPropagation NET-work）神经网络预测来辅助决策者分析。并在VB编程环境中应用SQL Server2000数据库管理系统获得实现。本文设计的虽然是一个普通的库存管理系统,但是它最大的特点就是将优化决策和智能辅助决策的思想运用在库存的设计中。本文首先对库存进行ABC分类优化,并对不同分类进行了不同侧重点的管理。对于A类的物资,实现重点监控,每日盘点,采用频率高的采购办法。对于B类,可以采用批量采购和每月或每周盘点的方法;对于C类,采用尽量少的采购次数和较少的盘点次数。本系统在进行了ABC分类后还特别对B类物资进行安全库存计算,通过计算安全库存给出一个预测值从而帮助决策者分析。同样在库存预警设计中,本文用到了BP神经网络原理,首先输入历史数据到BP网络中进行训练,然后采用最近日期的一些数据进行BP神经网络库存预测,然后进行报警。由于神经网络的训练数据不断与时俱进,从而使系统具有自学习的智能化决策。通过引入上述的库存决策和优化方法可以让库存决策者获得更加满意的辅助决策。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 问题提出的背景
  • 1.1.1 国内外现状分析及项目背景概述
  • 1.1.2 项目概述
  • 1.2 智能决策支持系统的研究
  • 1.2.1 决策支持系统概述
  • 1.2.2 智能决策支持系统概述
  • 1.2.3 智能决策系统的关键技术
  • 1.2.4 智能决策系统的难点
  • 1.3 本设计的研究内容
  • 1.4 本设计的特点
  • 1.5 本章小结
  • 第2章 存管理概述
  • 2.1 关于本库存管理系统
  • 2.2 库存管理的功能
  • 2.3 库存管理决策方面知识
  • 2.3.1 与库存管理决策有关的几个基本概念
  • 2.3.2 库存决策的主要方法
  • 2.3.3 关于ABC 库存分类管理方法
  • 2.4 神经网络与库存预警
  • 2.4.1 神经网络简介
  • 2.4.2 神经网络的应用
  • 2.5 项目功能需求调查和软硬件需求
  • 2.5.1 项目功能需求调查
  • 2.5.2 软硬件需求
  • 2.6 本章小结
  • 第3章 面向对象需求分析及模型建立
  • 3.1 建模方法的对比选择
  • 3.2 UML 的概述与建模
  • 3.3 UML 的内容
  • 3.3.1 UML 语义
  • 3.3.2 UML 表示法
  • 3.3.3 UML 的重要图形
  • 3.3.4 UML 的主要特点
  • 3.3.5 关于UML 的建模
  • 3.4 用例模型
  • 3.4.1 系统顶层用例图
  • 3.4.2 仓库管理员库存管理例图及说明
  • 3.4.3 采购决策人员优化决策用例图及说明
  • 3.5 主要业务活动及活动描述
  • 3.5.1 入库活动
  • 3.5.2 出库活动
  • 3.5.3 库存采购决策活动
  • 3.6 静态模型
  • 3.6.1 系统静态模型的包图及说明
  • 3.6.2 软件功能及结构介绍
  • 3.6.3 系统中主要的类设计
  • 3.6.4 数据库概念设计——库存管理决策ER 图
  • 3.6.5 数据库逻辑设计
  • 3.6.6 数据库物理实现（SQL、安全、配置等）
  • 3.7 动态模型
  • 3.7.1 入库顺序图
  • 3.7.2 出库顺序图
  • 3.7.3 盘点顺序图
  • 3.7.4 ABC 分类及安全库存计算顺序图
  • 3.7.5 BP 网络预测顺序图
  • 3.7.6 制定采购计划顺序图
  • 3.8 本章小结
  • 第4章 库存决策技术
  • 4.1 基于本库存ABC 分类及安全库存优化方法概述及设计
  • 4.1.1 ABC 分类管理的步骤
  • 4.1.2 ABC 分类的具体方法
  • 4.1.3 基于ABC 分类管理及安全库存的设计
  • 4.1.4 ABC 分类法的效果
  • 4.2 神经网络在库存预测技术中的研究
  • 4.2.1 递归神经网络概述
  • 4.2.2 递归神经网络的预测模型
  • Propagation NET－work）算法进行网络训练'>4.2.3 引入BP（BackPropagation NET－work）算法进行网络训练
  • 4.2.4 将神经网络模型运用在库存预警系统中
  • 4.3 本章小结
  • 第5章 系统实现与测试
  • 5.1 测试方案设计与测试过程
  • 5.1.1 项目背景及测试目标
  • 5.1.2 测试过程简介
  • 5.2 模块与系统测试
  • 5.3 本章小结
  • 结论
  • 参考文献
  • 附录A 硕士期间的论文和研究活动
  • 附录B 部分源代码
  • 附录C 部分计算结果
  • 致谢

    • 相关论文文献

    • [1].基于微信公众号的移动决策支持系统设计与应用[J]. 中国数字医学 2019(12)
    • [2].临床决策支持系统在脑卒中患者护理中的应用进展[J]. 中华护理杂志 2019(12)
    • [3].护理决策支持系统的局限性及对策[J]. 中华护理杂志 2020(03)
    • [4].化工产品营销价格决策支持系统设计与分析[J]. 化工设计通讯 2020(05)
    • [5].基于大数据的图书馆决策支持系统构建研究[J]. 图书馆学研究 2020(11)
    • [6].低血糖护理决策支持系统的设计及应用[J]. 中华护理杂志 2020(07)
    • [7].精准医学决策支持知识组织研究[J]. 医学信息学杂志 2020(05)
    • [8].临床决策支持系统功能及其应用态势分析[J]. 中国医院 2020(10)
    • [9].大数据环境下图书馆决策支持系统的设计与实施[J]. 图书馆工作与研究 2019(01)
    • [10].大数据时代决策支持系统新发展[J]. 网络安全技术与应用 2019(06)
    • [11].基于大数据的高校毕业生就业决策支持系统设计[J]. 现代信息科技 2019(15)
    • [12].基于结构化电子病历的护理临床决策支持系统的设计与应用研究[J]. 计算机产品与流通 2019(12)
    • [13].医院决策支持系统建设中的常见问题及对策[J]. 中国新通信 2017(20)
    • [14].医院决策支持系统解决方案[J]. 中国数字医学 2018(04)
    • [15].临床决策支持系统应用调查研究[J]. 医学信息学杂志 2018(06)
    • [16].护理决策支持系统的应用进展[J]. 中华护理杂志 2018(06)
    • [17].生态应急决策支持系统的战略设计与实施研究[J]. 湖南财政经济学院学报 2018(05)
    • [18].临床决策支持系统在医院的应用[J]. 电子技术与软件工程 2018(19)
    • [19].顿悟理论在应急决策支持系统中的应用[J]. 华南理工大学学报(社会科学版) 2016(06)
    • [20].国内外医疗决策支持系统研究热点[J]. 中华医学图书情报杂志 2016(11)
    • [21].钻井工程决策支持系统关键技术[J]. 石化技术 2017(02)
    • [22].企业市场战略决策支持系统的构建与应用研究[J]. 现代营销(下旬刊) 2017(03)
    • [23].基于WebGIS的污染场地修复决策支持系统[J]. 环境科学与技术 2016(S2)
    • [24].基于防汛会商决策支持系统的开发工作研究[J]. 黑龙江水利科技 2017(03)
    • [25].临床决策支持系统发展的制约因素和应用前景分析[J]. 医学与哲学(B) 2015(09)
    • [26].美国临床决策支持系统发展与启示[J]. 中国卫生信息管理杂志 2016(03)
    • [27].临床决策支持系统建设研究[J]. 中国医疗设备 2016(08)
    • [28].临床决策支持系统在护理学中的应用进展[J]. 护理学杂志 2015(01)
    • [29].探析智能型电网调度决策支持系统的开发实现[J]. 科技资讯 2014(34)
    • [30].基于文献计量的医院决策支持系统发展现状研究[J]. 卫生经济研究 2015(09)

    标签：;  ;  ;  ;  

    决策支持系统在库存管理中的应用
    下载Doc文档

    猜你喜欢

    © 2024 毕速过 版权所有 鄂ICP备12018319号-5