一、企业库存最优控制(论文文献综述)
管利娜[1](2021)在《S公司退货逆向物流库存管理研究》文中进行了进一步梳理随着社会经济水平的飞速发展,人们对物质生活有了更高的要求,而且多数人越来越热衷于既方便又快捷的网络购物方式,但同时,复杂的网络购物环境也给人们的日常购物生活带来了诸多不利的影响。在互联网技术发展之前,实体店销售作为一种传统的销售模式,虽存在不少弊端,但由于其实体可见,在一定程度上更容易在商家与消费者之间建立互相信任的关系。而今,众多商家在尝到了网络销售带来的甜头之后,很容易失去基本的责任意识,为了实现盈利的目标,借助虚拟互联网络隐藏商品真实信息或者虚假宣传,导致顾客不满退货,同时也有很消费者在不了解商品真实信息的情况下冲动购买,或者有比较明显的消费偏好,也是退货频发的重要原因之一,这些都直接影响了企业仓储及物流的有效管理。从企业角度来说,库存管理与企业运营以及经济效益都密不可分,一般意义上企业的库存水平取决于商品的需求速率和订货数量,但是如果在产品退货较多的情况下,企业就不得不把退货相关信息考虑到库存控制模型以及订货策略中,而需求和退货都是难以准确预测的要素,所以企业库存控制的难度也大大增加。因此,文章从产品退货的角度对库存控制和订货策略模型做出研究,以期降低企业库存成本,提高经济效益。首先,文章对研究背景、研究意义、研究内容及相关理论基础做了基本概述。然后,根据前面背景和理论的铺垫,并结合S公司实际情况,建立了不考虑退货信息的订货策略模型、退货产品定量处理模型以及定期处理模型,通过数据算例对三种模型进行了比较和分析,计算出定量处理的数量值和定期处理的处理周期,并对模型中用到的主要参数进行了敏感性分析,验证结果有效性。最后,对文章整体内容进行了总结并对未来研究进行了展望,同时给S公司订货策略及库存管理提出了一些意见,从根源上控制退货量,才能最大限度减少企业库存成本,提高经济效益。
高扬[2](2021)在《基于煤炭价格变化的火电企业燃煤库存优化研究》文中研究说明随着电力体制改革的不断深化,电力市场竞争愈来愈激烈,火电企业面临优胜劣汰的抉择,火电企业不仅要安全、稳定、高效的提供电力产品满足人民生产生活的用电需求,而且要降低生产成本,提高企业经济效益,提升企业竞争力。在火电企业总成本中,煤炭采购成本占主要部分,燃煤的库存能够起到保证企业安全成产、预防不稳定因素的作用,但却又会占用企业大量采购资金、引发企业现金流紧张,不合理的燃煤库存造成的资金积压和库存成本增加给火电企业带来超额的成本负担,严重削减企业的利润创造。因此,火电企业控制成本、提高效益的关键是对燃煤库存进行科学合理的控制。煤炭作为火电企业生产的主要原材料,其价格的上涨与下跌直接关系着火电企业生产效益的高低。由于煤炭价格受到多种复杂的因素影响,在长期一段时间以来波动都十分频繁,并且波动幅度较大,煤炭价格变动呈现的特点给火电企业煤炭采购带来交易风险的同时也带来利润空间,火电企业如果能够准确把握煤炭价格波动趋势,不仅能够在采购价格中获取优势,而且有助于火电企业制定最优采购策略,最小化库存成本。因此,合理地把握价格变动趋势、科学地预测煤炭价格能够使得火电企业在恰当的时间以恰当的价格进行最优的库存采购,从而降低库存成本,提高火电企业收益。针对以上背景,本文从国内外火电企业库存管理理论与基于价格变化的库存模型出发,对火电企业库存管理现状进行分析,通过研究库存采购流程及库存成本,认为当前火电企业库存管理存在诸多问题,包括无法准确把握煤炭价格变动趋势以及面对价格变化无法采取科学合理的库存控制措施及策略,针对问题,本文首先构建了煤炭价格变动模型,对煤炭价格走势进行准确把握,对煤炭价格进行合理预测,在此基础上建立基于煤炭价格变化的火电企业燃煤库存控制模型,在长期期望库存总折算成本最小化的目标下充分考虑煤炭价格变化的影响因素,然后,运用动态规划最优性原理建立模型所对应的HJB方程,通过有限差分法对方程进行求解,最后结合火电企业的实际数据模拟整个模型运行过程。结果显示,在总的库存成本最小化前提下能够得到价格与库存量的定量关系,所实施库存策略满足实际情况,满足有效性与合理性,满足优化库存的要求。本研究建立库存控制模型,对煤炭价格与库存量进行控制研究,通过对不同价格下不同的煤炭量进行采购来实现对库存的控制,依据求解的库存边界进行库存策略实施,在某一煤炭价格下,库存量低于库存边界时进行库存采购,库存量超过库存边界时,则停止采购,针对不同煤炭价格保持不同库存水平,最终实现库存成本最小化的最优库存量的控制目标,实现库存的优化,为火电企业在煤炭价格市场中攫取更大的收益。
朱春旭[3](2021)在《全渠道零售企业库存和运输优化模型研究》文中认为随着互联网技术和电子商务的快速发展以及消费者需求的多样化,传统的零售模式已经无法适应目前的市场环境和零售趋势,因此新的零售方式“全渠道零售”应运而生。全渠道零售模式使零售企业能够整合自身所有渠道和信息等资源,具有渠道融合、共享运输库存、服务模式多、配送速度快等优良特点,能够更好了为消费者服务,消费者也能够在全渠道零售中实现无缝转换,所以全渠道零售模式受到了零售企业和消费者的双重青睐。但是零售企业在为消费者提供全渠道零售服务模式的同时必须承担起较高的运营成本,如何在全渠道零售下降低运营成本是零售企业目前面对的重要问题之一,运营成本中最主要的为库存和运输成本,所以企业将二者同时考虑在内,实行库存和运输成本优化才能够最有效的降低总成本。根据以上的背景,本文对全渠道零售企业库存和运输优化问题进行了研究,首先提出了目前全渠道零售中零售企业为消费者提供的五种主要服务模式,总结了全渠道零售企业提供的服务类型以及对应的服务模式内容,明确了消费者需求的各个类型以及零售企业各个节点的功能,分析了零售企业的经营模式特点以及优化中的关键因素。然后以一个配送中心、数个线下零售门店和五种不同的消费者需求为研究对象,考虑了不同消费者需求的各自特点以及库存和运输的基本特性等因素,在消费者需求为随机需求的情况下,构建了全渠道零售企业的库存和运输优化模型,以运输和库存总成本最小为目标函数。在建立的模型基础上,以零售企业Y企业为例,对其库存和运输问题进行了优化,使用遗传算法在MATLAB程序中对Y企业的库存和运输优化问题进行了求解,得到了最低总成本以及最低总成本下的线下零售门店最优库存水平和车辆运输路径。在求解得到结果的基础上,对Y企业中三种服务的单位产品缺货成本和两种单位产品库存成本对总成本和线下零售门店的最优库存水平的影响进行了分析,结果表明线下下单线下取货服务的单位产品缺货成本对总成本的影响远高于另外两种缺货成本,线下零售门店的单位产品库存成本对总成本的影响远高于配送中心的单位产品库存成本;而无论是三种服务的单位产品缺货成本还是两种单位产品库存成本对线下零售门店的最优库存水平的影响均不明显。最后为Y企业给出了相关的建议和管理策略。结论表明本文使用遗传算法对全渠道零售企业库存和运输优化模型进行求解能够快速有效的得到了最优总成本、线下零售门店的最优库存水平和对应的车辆运输路径。说明本文所提出的全渠道零售企业库存和运输优化模型能够有效的解决零售企业的库存和运输优化问题,证明了模型的合理性和算法程序的有效性,对相关零售企业有一定的参考价值和帮助。
关轶群[4](2021)在《基于粒子群算法的发电厂燃煤库存优化研究》文中进行了进一步梳理科技的发展让智能化电器走进千家万户,人民生活得到了巨大改善,幸福指数不断提高,居民对用电的需求也在不断增长。发电厂在电能生产和电能输送过程中必须保证电能可以稳定、持续不断地输送到每一个家庭。虽然近几年国家大力推行节能减排,清洁能源发电,但考虑到发电成本和效率,燃煤在短时间内依然是我国能源电力的主要支撑。如果因为燃煤供需失衡而无法保证电能稳定、正常、连续不断的供给,会严重影响到居民和工业园区的正常生活。但电能无法储存的特性与燃煤供给的阶段性之间的矛盾,燃煤的供应及储存在位置空间上和时间空间上的矛盾,加上运输过程中不确定因素太多,发电厂必须找出库存管理中存在的问题并进行调整以降低成本。为了抵御发电厂生产过程中出现的各种问题,发电厂必须保证足够的库存以避免因燃煤供应不足而影响正常生产,但保留过多的燃煤库存不仅会造成库存成本上升,还会增加企业经营风险。鉴于此,本文首先对发电厂燃煤库存管理和优化算法进行了梳理,阐述了库存管理的基础理论与策略,发现当前发电厂燃煤库存管理中存在的主要问题。考虑实际研究过程中,无法清晰判断出影响燃煤库存管理的所有因素,也无法明确了解各种指标如何影响库存管理、在多大程度上影响燃煤库存管理水平,本文借助主成分分析法对发电厂燃煤库存的影响因素进行研究,确定燃煤平均需求满足率低、库存成本居高不下等是现存的最主要问题。其次,以符合发电厂燃煤库存管理特点的条件为约束,将燃煤平均需求满足率和库存总成本作为目标函数建立燃煤库存控制模型,并使用粒子群算法进一步优化模型。粒子群优化算法从寻找更优化结果的角度,既能够为燃煤库存优化方面的研究提供思路,还可以有效降低燃煤电厂库存成本。最后,本文通过M发电厂的实例数据证实了本文建立的优化模型具有可行性,在提升燃煤库存管理水平的同时,提高了发电厂的运营能力和盈利能力。本项研究为发电厂燃煤库存管理工作的优化决策提供了一种新方法,为目标函数的确定提供了一种新思路,提高了库存优化理论的科学性。在实践上,理论成果可用来指导发电厂燃煤库存的管理工作,有助于发电厂库存成本与需求满足率的综合提升,从而提升其竞争优势。
王丽[5](2021)在《大规模风电并网下的发电企业燃煤库存管理优化研究》文中指出近年来,我国风电装机规模不断扩大,并网容量持续增加,呈现出大规模并网的形势。同时,为了促进风电消纳,多地实施优先发电优先购电制度,这意味着燃煤发电企业生存空间有所下降。但未来较长时期内,我国燃煤发电仍不可或缺。基于此,燃煤发电企业一方面将面临重新定位与规划发展等困境,另一方面将应对火电机组升级改造困扰,突破清洁高效等技术难题。因此,面对外部生存空间压缩和内部能源转型要求,燃煤发电企业加强生产运营管理、进行降本增效已经成为必然趋势。然而,已有文献在研究燃煤发电企业运营管理时,却没有考虑风电并网等外部变化对企业运行的影响。基于这一背景,本文对大规模风电并网下的发电企业燃煤库存管理优化问题进行研究,旨在为燃煤发电企业生产管理提供最优的经济效益方案。本文首先对风电并网及燃煤库存管理有关理论知识进行梳理。其次,针对风电并网中出力波动特性,构建了基于弱鲁棒优化的风电不确定性出力模型。基于此,综合考虑目前电力市场中电量互保交易实施现状,构建了不确定性风电并网下的发电企业燃煤库存管理模型,用库存偏差和牛鞭效应衡量库存变化情况。最后以A企业为例,通过实际算例验证了模型的有效性,得出结论如下:(1)在燃煤发电企业的生产运营中,决策者应该充分考量发电成本、购电成本及缺电惩罚成本间的相互作用关系,做出最优的权衡。(2)当大规模风电并网后,由于风电出力不确定性,导致出力预测存在误差,进一步使得燃煤发电企业的电力需求信息存在偏差,通常企业会产生较多的发电量应对这种不确定性,这使得煤炭供应的牛鞭效应加强,同时燃煤发电企业的系统运营总成本也有所增加。(3)燃煤发电企业参与电量互保协议,不仅能够有效降低企业库存水平、节约库存管理成本及损耗成本,还有助于燃煤电厂有序运行,缓解牛鞭效应造成的影响。本文主要从研究背景和模型构建两方面来实现相关理论和方法的创新。首先,从问题背景角度:本文拓展了传统火电厂煤炭库存管理的文献,考虑了大规模风电并网下的燃煤电厂库存管理优化。同时,考虑了电量互保策略,通过代为发电方式降低了燃煤电厂的运营成本。将外部风电并网和供电策略综合考虑,研究其对燃煤发电企业生产运营的影响。其次,从模型构建角度:首次考虑了风电出力的不确定性对燃煤电厂库存水平的影响,构建了不确定性风电并网下燃煤电厂库存管理优化模型。该模型克服了传统保守风电出力难题,允许一定弃风现象的存在,使模型更加适用于实际决策环境。
刘扬[6](2021)在《S连锁药店需求预测和补货研究》文中认为自我国在医药行业实行两票制以来,医院药房中储备的药品种类和数量逐渐减少,医院药品外包给药房的现象逐渐普遍化。这种情况导致近年来药店数量激增,各连锁药店之间的竞争进入白热化阶段。在当前市场竞争激烈的情况下,药品价格透明化导致企业的利润空间逐渐减小,要想获得更高的利润,药品连锁机构需要提高自身的库存管理水平。但目前药品连锁机构的信息化水平不高,各药店依靠经验请货,导致药品存在大量积压、过期和短缺等情况。提高企业信息化管理水平、保有合适的库存量是目前药店需要关注和思考的问题。为了改善药品连锁机构库存管理水平不高的情况,本文重点从影响药品库存的需求预测和补货两个方面进行研究。药品的需求预测是库存管理的基础,精确的药品需求预测可以有效的指导采购,并为后续的库存管理提供依据。补货是医药零售型企业不可缺失的重要环节,不仅直接影响企业的库存状况还影响企业对消费者需求的响应速度。从对国内某大型连锁药品企业S企业的需求预测和补货现状来看,目前S企业信息化水平较低,需求预测和补货主要依靠店员的销售经验来完成,药品积压严重。本文对S企业的从需求预测和补货两个方面的问题进行深入研究。首先,分析药品需求时间序列的平稳性,使用基于XGboost的组合预测模型对需求进行预测。对于零售型连锁药店来说,药品的需求受到政策、气象、促销因素等多个方面的影响。其中促销策略是引起需求变化的一个重要因素,本文中我们深入分析促销因素的影响,对所有品类药品的需求和促销因素做相关性分析,选择与促销相关性大的几类药品做深入研究,将促销因素作为影响药品需求的重要因素加入到预测模型中,以提高需求预测模型在不同类型序列下的准确性。然后将该企业总仓库和门店之间的供应看作一个小型的二级供应链,并以此为研究对象。对比分析库存管理方法JMI、VMI以及CPFR,选择CPFR方法作为库存管理模式。以CPFR方法中协同、规划、预测、补货四个方面为视角,详细阐述该种零售型连锁型药店实施CPFR的具体步骤。然后,从整体最优角度出发协同门店和仓库、门店和门店之间的库存问题。在预测过程中,根据需求预测模型的结果和基于促销成本的库存成本两个方面计算最优经济批量和订货次数。对比药店实施CPFR库存管理方法前和实施CPFR库存管理方法后的库存管理费用,论证了零售型连锁药店实施CPFR库存管理方法的有效性。本文通过CPFR库存方法将连锁门店和作为药品供应商的企业仓库联系起来协同管理,提出融合促销因素基于XGboost的组合预测模型对药店的药品需求进行预测,提高促销活动影响下的需求预测精确度,在计算库存成本和经济订货批量时充分考虑促销因素的影响加入促销成本,以提高库存成本和经济批量的精准度。从减少S企业的订货费用,降低药品运输中的空间浪费来达到降低企业的库存管理费用的目的,在实践之后,S企业研究药店每月的订货成本减少,每次订货运输时空余空间减少。本文研究S企业中一个门店的库存,从局部最优到整体最优的角度出发优化企业库存,在未来可将这个方法应用于其他门店,其他医药零售企业也可以借鉴该方法,从而促进医药零售业的发展,也为其他零售行业实施CPFR方法提供参考和借鉴。
冉昶[7](2021)在《用户需求约束下的钢铁企业库存管理研究》文中认为在当前钢铁行业供给侧改革的环境下,钢铁企业想提高经营管理效率、提升行业竞争力,必须通过对自己身的用户需求进行优化,而库存管理问题不仅是运营管理中的重要问题之一,也是目前最行之有效的方面之一,因此本文围绕钢铁企业的库存管理相关问题进行了研究,从供应链的视角分别研究了钢铁企业恒定需求的库存管理问题、时变需求的库存管理问题、随机需求以及战略消费者需求下的库存管理问题。针对上述问题分别建立了相应的数学模型,并进行求解得到相应的理论结果和结论,能够从理论的角度给企业的实际库存管理问题提供相应的支持。研究通过对库存风险池效应的分析,分别从单周期两级库存网络、两周期两级库存网络、多产品单周期三级库存网络以及考虑固定成本情况下的库存网络等方面,研究了钢铁企业的库存分配问题,建立了相应的数学规划模型。论文还研究了战略消费对于钢铁企业库存和收益的影响,最后以案例形式进行了分析。研究的主要内容包括:(1)恒定需求情况下钢铁企业的最优库存策略。在企业库存分配的基础上,作者研究了恒定需求情况下企业的最优库存管理策略,该问题主要应对钢铁企业大量的钢铁产品的库存管理问题。作者研究了允许延迟交货的经济订货批量模型,在此基础上又考虑了两种不同数量折扣对于企业库存管理问题的影响。进一步的,作者研究了多个产品协同订货的相关问题,研究了二次幂策略、联合订货策略、等订单间隔法等策略,给企业的多产品库存管理提供了理论建议。(2)多周期时变需求的钢铁企业库存管理问题。该问题应对的则是钢铁产品中具有一定季节性或者时变性的产品。作者建立了时变确定性需求的库存模型,通过对该模型的分析,发现可以在一定的条件下将该问题转化为有向图中的最短路问题,经过转化之后即可通过逆推的方法得到最短路以及相应的最优订货策略。作者还研究当企业每个周期都面临这订货上限到时候,企业的最优库存补充问题,根据对不同情境的分析,作者给出了相应的最优策略。(3)随机型需求情况下的钢铁企业库存管理问题。该问题对应的则是钢铁产品中个性化成都较高甚至是定制化的产品等。作者首先研究了连续库存检查和平稳需求下,无限周期中企业的最优策略问题,基准线策略是该问题的最优策略,作者给出了相应的策略的求解方法。作者接下来研究了单周期随机需求情况下,最优的库存管理模型,通过分析给出了最优的订货量,结果表明企业的订货量取决于其潜在的收益与潜在损失之间的比例,该比例越高则订货越多,反之则订货越少。作者进一步分析了有限周期的随机需求库存管理问题,同时还给出了订货基准线和订货量的最优值。在多周期随机需求的模型中,当企业订货需要支付一定的固定订货费用时,作者通过利用K凸函数的一些良好性质,给出了在这种情况下企业的最优库存策略的结构。(4)战略需求情况下的钢铁企业库存管理问题。我们提出了一类动态定价策略,可以将其解释为解决近视客户的简单动态定价问题,但又要价格策略满足“受限子市场约束”的额外限制。子市场约束有效地对钢铁企业可以打折的汇率施加了直观的约束,将此类政策称为“稳健的动态定价”政策。(5)通过排队论和库存论对模型的关键参数进行数学分析。以某昆山钢铁企业为例,进行仿真分析,仿真结果可以作为未来企业库存管理的有力分析工具,企业不断调整库存周期、入库速率以及出库速率等因素,从而实现库存的平衡状态。本文的主要创新点包括:(1)研究系统梳理了钢铁企业的库存管理问题。本文的研究则从企业自身的角度,帮助企业提高其库存管理的水平,能够帮助企业提升管理效率,增强行业竞争力,从一定程度上也能促进整个行业的结构调整;利用某钢铁企业的相关真实数据进行了仿真模拟,一方面检验了理论研究的成果,同时也探索了理论研究暂时无法研究的问题,还可以给具体的企业提供切实的建议,帮助企业提升库存管理水平。(2)研究从不同角度和研究情境中分析了钢铁企业的库存管理问题。虽然钢铁产品相对来说产品种类与规格相对较少,但不同产品之间也存在较大的差异,库存管理的的策略也不相同,本文的研究则针对不同的情景进行了建模分析和数值实验,能够针对不同的情景给予钢铁企业相应的理论支持和现实建议,能够从帮助企业提升管理效率。(3)研究考虑了战略消费对于企业库存的影响。我们假设客户具有前瞻性,特别是,客户会随时间随机到达,并制定购买时间的策略。这些客户的私人估值随着时间的流逝而下降,并且客户产生了监控成本;用户衰减率和这些监视成本都是私人信息。钢铁企业必须通过一定的价格机制在有限的范围内出售钢铁产品的库存。本文提出了一种称为鲁棒定价的机制,可靠的定价可确保在最佳动态机制下实现预期收入。
陈秋静[8](2020)在《双渠道供应链下H企业的订货与库存转运策略研究》文中指出随着我国人口数量的增长速度开始有所下降,同时基于我国网络用户消费需求增长缓慢和趋于常态化,而且消费者对于电商平台从之前的好奇和积极追逐逐渐归于理性消费和需求稳定,由此近几年积极拥抱互联网的电商平台的网络交易量进入平稳期。由此越来越多的电商平台开始谋求线上线下相融合的新型商业模式,通过将线上线下渠道资源整合实现渠道间优势互补,试图将线上线下双渠道进行一体化新业态发展。企业在竞争白热化的市场中想要继续保持核心竞争力,需要在快速响应用户和满足消费需求前提下合理高效控制企业库存水平,以此降低企业各项经营成本。为了有效降低供应链各环节成本,需要持续协调渠道间库存水平,在不同渠道间实施合理的库存共享机制,本文以电商企业H为对象开展相关研究。本文通过实地调研H企业现有库存模式存在问题,将问题归结为企业电商平台存有较多呆滞库存无法得到及时处理,以及在布局线下实体门店之后依旧沿用分散式库存模式的由此产生的库存管理问题。为了紧跟企业发展规划实施步伐同时不断降低企业库存运营成本,本文以双渠道供应链下是否通过渠道间库存转运的订货策略展开研究,以期实现供应链整体利润最大化。对于双渠道供应链实施的库存管理模式,根据企业经营现状,本文研究在线上线下渠道间实施库存转运前后两种不同情形下双渠道供应链下H企业采取的订货策略,同时针对线上渠道由于库存转运致使线下渠道消费者等待时间过长而发生的顾客流失问题进行探讨。然后针对分散式库存订货策略、考虑库存转运的分散式库存订货策略和考虑顾客流失因素下基于库存转运的订货策略,分别做最优性分析,即寻找最优订货量和实现供应链利润最大化。最后通过Matlab软件做仿真分析,结合H企业的实际运营状况,针对转运价格分别在三种订货模式下进行灵敏度分析,研究顾客流失率、顾客渠道选择率等因素的变化对各种订货模式下最优订货量和供应链最大利润的影响,为H企业进行库存水平优化提供参考依据。本文运算结果不仅对H公司有实践意义,同时为同类型企业降低库存成本提供理论支撑。
王雪清[9](2020)在《环境规制对广东省工业库存的影响机制研究》文中进行了进一步梳理近年来,随着气候持续变暖,加之产业结构仍处于转型升级的持续阶段,中国的灰霾天气日数居高不下,大气环境不断恶化,由此国家加大了环境规制力度,人们也对赖以生存的空气环境质量日益重视起来,作为主要空气污染制造者的工业企业面临较大压力。广东省经济持续高速发展的同时,也伴随着日趋严峻的环境问题,但空气污染是否会反向作用于企业的生产经营?政府可以采取什么措施来减缓这种影响?这些措施反过来又会对工业经济发展和导致空气污染严重的工业企业带来什么影响?研究这些问题,对于厘清空气污染和环境规制与企业发展之间的关系,并识别其作用于企业生产的具体途径和动态效应,进而提出有针对性的对策建议,具有重要的理论意义和实践价值。由于空气污染和环境规制与工业企业之间的关系最为密切,对农业和服务业影响不大,而国内工业库存占整体库存的70%以上,因此库存问题主要针对工业企业,并区别于单个企业或供应链上多个企业的库存研究,本文主要研究环境规制对广东省整体工业企业库存的影响效应。首先从存货需求、提前期、持有库存的资金成本等这些影响库存的因素出发,基于(S,s)库存模型,从理论上分析空气污染和环境规制与广东省工业库存之间相互作用的关系。其次在理论分析的基础上,以工业增加值、工业污染治理投资、空气污染、交通基础设施投资、科技投资和工业企业库存等变量作为研究对象,通过构建VAR模型来实证研究环境规制对广东省工业库存的动态效应和作用机制。最后基于实证研究的结果,构建空气污染与环境规制对工业企业库存产生效用的系统动力学模型,并以2006-2018年广东省的相关数据进行仿真模拟分析,研究不同情景下减排政策、工业污染治理投资、交通基础设施投资以及科技投资对广东省工业库存和工业经济的影响效应。并根据上述研究的结论,为从环境规制和有关投资政策的角度降低工业企业库存,促进工业经济长远发展,实现环境保护和经济发展的“双赢”提出科学有效的政策建议。
夏敏[10](2019)在《回收率不确定的闭环供应链库存控制优化研究》文中研究指明随着经济发展、技术进步和产品更迭速度加快,废旧产品数量急剧增长;制造业产品需求增加,市场出现对缩短产品生产周期的诉求,从而导致退货产品数量也在近几年激增。回收再制造策略不仅可以有效解决资源短缺、环境污染等问题,也有助于企业降低生产成本,提高经济效益和市场竞争力,因此有必要从系统的角度研究不确定的回收率对企业制造/再制造活动的影响。本文首先介绍了闭环供应链传统库存模式和VMI模式(供应商管理库存,Vendor Managed Inventory),探究更适合闭环供应链的库存管理模式,通过定性分析指出两种模式的区别,运用系统动力学相关理论和工具进行建模,确定回收率、再制造率对系统库存水平的影响,最后提出企业库存管理的相关建议,为企业结合自身生产实际合理选择库存模式提供参照。其次,基于VMI库存模式,结合不允许缺货条件探究闭环供应链的最优经济订购策略。运用EOQ模型和最优化理论,构建了存在退货、不允许缺货的情形下闭环供应链最优经济订购量模型,研究不同回收率、再制造率和退货率下闭环供应链最优决策问题,并通过数值仿真和敏感性分析,提出不同条件下的闭环供应链库存管理的最优决策策略。再次,基于VMI库存模式和不允许缺货模型,运用EOQ模型和最优化理论,构建了存在退货、允许缺货情形下闭环供应链的最优经济订购量模型,并通过数值仿真和敏感性分析,研究该情境下不同回收率、再制造率和退货率下对闭环供应链库存最优决策的影响。最后,通过对EOQ模型的改进,以回收产品检测时间和新产品购买时间为决策变量,研究使闭环供应链期望成本最小化时决策变量的取值。通过数值仿真和敏感性分析,分析了不同回收率、再制造率和退货率下基于不同制造和再制造方案的闭环供应链期望成本值,并给出了闭环供应链双源库存管理的相关建议。本文通过讨论闭环供应链的最优库存模式,分别构建允许缺货和不允许缺货情境下闭环供应链最优经济订购量模型,以及存在退货情形下回收产品最优检测时间模型,旨在为企业开展回收再制造环节提供理论指导。
二、企业库存最优控制(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、企业库存最优控制(论文提纲范文)
(1)S公司退货逆向物流库存管理研究(论文提纲范文)
摘要 |
abstract |
1.绪论 |
1.1 选题背景及研究意义 |
1.1.1 选题背景 |
1.1.2 理论意义 |
1.1.3 实际意义 |
1.2 研究目的 |
1.3 研究方法及思路 |
1.4 本章小结 |
2.理论基础及国内外相关研究综述 |
2.1 逆向物流 |
2.2 退货逆向物流 |
2.3 库存理论 |
2.4 库存控制模型 |
2.5 退货逆向物流库存管理 |
2.6 本章小结 |
3.S公司退货逆向物流库存问题分析 |
3.1 S公司基本情况 |
3.2 S公司服装配饰类产品特点 |
3.3 S公司顾客退货基本原因概述及退货流程 |
3.4 库存管理现存问题及处理方式 |
3.5 本章小结 |
4.退货逆向物流库存控制模型建立 |
4.1 不考虑退货信息的库存控制模型 |
4.2 定量处理模型 |
4.2.1 模型假设及参数符号意义 |
4.2.2 建立模型 |
4.3 定期处理模型 |
4.3.1 模型假设及参数符号意义 |
4.3.2 建立模型 |
4.4 本章小结 |
5.模型应用对比及结果分析 |
5.1 数值算例及应用对比 |
5.2 敏感性分析 |
5.3 结果分析与库存管理对策 |
5.4 本章小结 |
6.研究总结与展望 |
6.1 研究总结与管理启示 |
6.2 未来研究展望 |
参考文献 |
致谢 |
(2)基于煤炭价格变化的火电企业燃煤库存优化研究(论文提纲范文)
摘要 |
Abstracts |
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 库存管理研究现状 |
1.2.2 火电企业库存管理研究现状 |
1.2.3 价格变化的库存模型研究现状 |
1.2.4 国内外研究评述 |
1.3 论文主要研究内容与框架 |
1.3.1 研究内容 |
1.3.2 研究思路与方法 |
1.3.3 论文框架 |
第2章 理论基础 |
2.1 库存管理基础理论 |
2.1.1 库存管理概述 |
2.1.2 库存管理理论 |
2.1.3 考虑价格波动的库存控制策略 |
2.2 动态规划最优性原理 |
2.2.1 HJB方程的构建 |
2.2.2 有限差分法 |
2.4 本章小结 |
第3章 火电企业燃煤库存管理现状分析 |
3.1 燃煤库存管理的现状 |
3.1.1 火电企业燃煤计划和采购 |
3.1.2 燃煤库存成本分析 |
3.2 库存管理的主要问题 |
3.3 库存管理问题的解决思路 |
3.4 本章小结 |
第4章 煤炭价格变动模型 |
4.1 煤炭价格特点分析 |
4.2 煤炭价格变动模型构建 |
4.3 模型求解和价格预测 |
4.3.1 数据选取 |
4.3.2 实证研究结果 |
4.4 本章小结 |
第5章 基于价格变动的燃煤库存控制模型 |
5.1 问题描述 |
5.2 模型假设 |
5.3 符号说明 |
5.4 模型建立 |
5.5 构建HJB方程及求解 |
5.5.1 建立HJB方程 |
5.5.2 利用有限差分法求解 |
5.6 数值模拟验证 |
5.6.1 相关参数获取及分析 |
5.6.2 数值模拟计算 |
5.6.3 库存策略分析 |
5.7 本章小结 |
第6章 研究成果与结论 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(3)全渠道零售企业库存和运输优化模型研究(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 文献综述 |
1.2.1 全渠道零售 |
1.2.2 全渠道零售的消费者行为 |
1.2.3 库存和运输问题研究 |
1.2.4 总结和评述 |
1.3 研究内容和技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 论文的创新点 |
第2章 相关理论 |
2.1 库存理论 |
2.1.1 库存类型和作用 |
2.1.2 库存策略 |
2.2 运输理论 |
2.2.1 运输的作用 |
2.2.2 车辆路径理论 |
2.3 库存和运输联合优化问题 |
2.4 优化算法 |
2.4.1 优化算法概述 |
2.4.2 遗传算法 |
2.5 本章小结 |
第3章 全渠道零售企业经营方式分析 |
3.1 全渠道零售企业提供的服务类型 |
3.2 全渠道零售企业服务模式内容 |
3.3 消费者需求类型和节点功能 |
3.4 全渠道零售企业经营模式特点分析 |
3.5 全渠道零售企业库存和运输优化关键因素分析 |
3.6 本章小结 |
第4章 全渠道零售企业库存和运输优化模型构建 |
4.1 问题描述 |
4.2 模型建立 |
4.2.1 假设说明 |
4.2.2 参数设定 |
4.3 库存和缺货成本分析 |
4.3.1 线下零售门店库存与缺货成本分析 |
4.3.2 配送中心库存与缺货成本分析 |
4.4 运输成本分析 |
4.4.1 第三方物流成本分析 |
4.4.2 配送中心到线下零售门店的运输成本分析 |
4.5 模型整体构建 |
4.6 求解过程 |
4.7 本章小结 |
第5章 算例分析 |
5.1 零售企业背景 |
5.2 数据描述 |
5.3 模型求解 |
5.4 结果分析 |
5.4.1 单位产品缺货成本对总成本的影响 |
5.4.2 单位产品库存成本对总成本的影响 |
5.5 本章小结 |
第6章 研究成果与结论 |
参考文献 |
攻读硕士学位期间发表的论文 |
致谢 |
(4)基于粒子群算法的发电厂燃煤库存优化研究(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 燃煤库存管理研究现状 |
1.2.2 燃煤库存优化目标研究现状 |
1.2.3 燃煤库存优化算法研究现状 |
1.3 本文研究内容 |
1.4 研究方法 |
1.5 技术路线 |
第2章 库存管理相关理论 |
2.1 库存管理基础理论 |
2.2 库存管理策略 |
2.3 粒子群算法理论 |
2.3.1 粒子群算法介绍 |
2.3.2 粒子群算法概念 |
2.4 本章小结 |
第3章 发电厂燃煤库存管理指标体系构建 |
3.1 发电厂燃煤库存管理及问题分析 |
3.1.1 发电厂燃煤工作原理 |
3.1.2 发电厂燃煤库存管理特点 |
3.1.3 发电厂燃煤库存管理存在的问题 |
3.2 发电厂燃煤库存管理指标 |
3.2.1 影响因素选取 |
3.2.2 打分原则 |
3.2.3 确定指标 |
3.3 基于主成分分析的影响因素研究 |
3.3.1 发电厂燃煤库存分类现状 |
3.3.2 指标数据处理 |
3.3.3 主成分分析步骤 |
3.3.4 主成分分析结果 |
3.4 本章小结 |
第4章 发电厂燃煤库存优化模型 |
4.1 问题描述 |
4.2 模型假设 |
4.3 符号及变量说明 |
4.4 优化模型构建 |
4.4.1 目标函数确定 |
4.4.2 模型构建 |
4.4.3 模型求解 |
4.5 本章小结 |
第5章 M发电厂燃煤库存决策优化分析 |
5.1 数据获取 |
5.2 结果优化 |
5.3 结果分析 |
5.4 本章小结 |
第6章 研究成果与结论 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(5)大规模风电并网下的发电企业燃煤库存管理优化研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 风电并网研究现状 |
1.2.2 发电企业燃煤库存管理研究现状 |
1.3 研究内容及方法 |
1.3.1 论文研究内容 |
1.3.2 论文研究方法 |
1.4 研究技术路线及创新性 |
1.4.1 论文的技术路线 |
1.4.2 研究的创新点 |
第2章 风电并网及燃煤库存管理相关理论研究 |
2.1 风电并网相关理论 |
2.1.1 风电并网特性分析 |
2.1.2 风电出力不确定性分析 |
2.2 库存管理 |
2.2.1 库存管理内容 |
2.2.2 库存管理模式 |
2.2.3 库存成本分析 |
2.3 燃煤库存管理 |
2.3.1 燃煤库存管理模式 |
2.3.2 燃煤成本分析 |
2.3.3 燃煤库存管理中的牛鞭效应 |
2.4 本章小结 |
第3章 基于弱鲁棒优化的风电不确定性出力模型 |
3.1 弱鲁棒优化方法 |
3.2 风电不确定出力的弱鲁棒优化模型 |
3.2.1 问题描述 |
3.2.2 弱鲁棒优化模型构建 |
3.3 本章小结 |
第4章 计及不确定性风电并网的发电企业燃煤库存管理模型 |
4.1 问题描述 |
4.2 考虑风电并网的发电企业燃煤库存管理模型构建 |
4.2.1 模型假设及符号定义 |
4.2.2 模型构建及求解 |
4.3 发电企业库存偏差和牛鞭效应 |
4.4 本章小结 |
第5章 算例分析及管理建议 |
5.1 算例分析 |
5.1.1 A公司简介及相关数据说明 |
5.1.2 A公司案例结果分析 |
5.2 发电企业燃煤库存管理建议 |
5.3 本章小结 |
第6章 研究成果和结论 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
攻读硕士学位期间参加的科研工作 |
致谢 |
(6)S连锁药店需求预测和补货研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 选题背景和意义 |
1.1.1 选题背景 |
1.1.2 理论意义和现实意义 |
1.2 国内外研究现状 |
1.2.1 国内外需求预测现状 |
1.2.2 国内外库存管理现状 |
1.2.3 国内外研究现状的述评 |
1.3 主要研究内容、方法和创新点 |
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 相关理论与方法 |
2.1 药品需求预测理论 |
2.1.1 指数平滑法 |
2.1.2 ARIMA |
2.1.3 Prophet |
2.1.4 SVR |
2.1.5 XGboost |
2.2 库存管理理论与方法 |
2.2.1 供应商管理库存VMI |
2.2.2 联合库存管理JMI |
2.2.3 协同式供应链库存管理CPFR |
2.2.4 方法对比分析 |
2.3 本章小结 |
第3章 S企业的问题分析及基于CPFR的库存管理方法 |
3.1 企业简介 |
3.2 S企业库存管理现状与分析 |
3.2.1 协同、规划现状 |
3.2.2 药品需求预测现状 |
3.2.3 补货现状 |
3.3 S企业促销方案 |
3.4 药品库存管理存在问题分析 |
3.4.1 人工经验权重预测精度不高 |
3.4.2 与药品供应商没有形成合作联盟 |
3.4.3 经验式补货成本偏高 |
3.5 基于CPFR的S企业库存管理方法 |
3.5.1 各门店和S企业总库存的协同管理 |
3.5.2 规划门店货物 |
3.5.3 预测模型 |
3.5.4 补货模块 |
3.6 本章小结 |
第4章 融合促销因素的S企业药品需求预测XGboost方法 |
4.1 促销因素对需求的影响 |
4.2 XGboost模型 |
4.3 基于XGboost模型的需求预测 |
4.3.1 数据描述 |
4.3.2 数据预处理 |
4.3.3 特征抽取 |
4.3.4 模型实现 |
4.4 实验结果及比较 |
4.5 本章小结 |
第5章 融合促销和需求预测的协同补货模型 |
5.1 门店计算促销成本后的库存管理成本 |
5.2 企业总库存的库存管理成本 |
5.3 企业库存管理总成本及最优订货批量 |
5.4 基于促销成本协同补货后的库存管理成本及最优订货批量 |
5.5 基于需求预测的案例分析 |
5.5.1 X门店协同与规划 |
5.5.2 预测与补货 |
5.6 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读学位期间取得的学术成果 |
致谢 |
(7)用户需求约束下的钢铁企业库存管理研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景与意义 |
1.1.1 研究目的 |
1.1.2 研究意义 |
1.2 研究内容和方法 |
1.2.1 主要研究内容 |
1.2.2 研究方法 |
1.3 研究框架 |
1.4 研究创新点 |
2 理论基础与文献综述 |
2.1 企业运营管理相关背景 |
2.2 供应链相关理论 |
2.3 库存相关理论 |
2.4 钢铁企业运作管理 |
2.4.1 钢铁企业管理研究 |
2.4.2 文献总结 |
2.5 钢铁企业库存管理 |
2.5.1 钢铁企业库存问题分析 |
2.5.2 文献总结 |
2.6 企业库存与收益管理 |
2.6.1 收入管理 |
2.6.2 动态机制设计 |
3 恒定需求下钢铁企业库存管理 |
3.1 允许延迟交货 |
3.2 数量折扣 |
3.2.1 总量折扣 |
3.2.2 增量折扣 |
3.3 多产品问题 |
3.3.1 协作订货周期——二次幂策略 |
3.3.2 联合订货 |
3.3.3 有限周期问题 |
3.3.4 等订单间隔法 |
3.3.5 联合补充问题 |
3.4 小结 |
4 多周期时变需求下钢铁企业库存管理 |
4.1 时变确定性需求模型 |
4.1.1 问题描述 |
4.1.2 零库存定理 |
4.1.3 递归解示例 |
4.2 最短路与时变确定性需求库存问题 |
4.2.1 网络与最短路问题 |
4.2.2 时变确定性需求库存问题中的最短路 |
4.3 有容量限制问题 |
4.3.1 问题描述 |
4.3.2 恒定容量限制问题 |
4.4 小结 |
5 随机型需求下钢铁企业库存管理 |
5.1 无限周期连续检查库存模型 |
5.1.1 问题描述和参数 |
5.1.2 最优策略和示例 |
5.2 单周期报童模型 |
5.2.1 模型描述 |
5.2.2 问题分析 |
5.2.3 多周期报童模型 |
5.3 带有固定订货成本的库存问题 |
5.3.1 固定订货成本模型 |
5.3.2 K凸 |
5.3.3 最优策略分析 |
5.4 小结 |
6 考虑战略消费的钢铁企业库存研究 |
6.1 基本模型 |
6.2 库存定价 |
6.2.1 简单可靠的定价策略 |
6.2.2 可靠定价的性能保证 |
6.3 库存策略 |
6.4 HJB方程 |
7 案例分析 |
7.1 研究背景 |
7.2 多周期随机模型 |
7.2.1 排队论模型 |
7.2.2 存储论模型 |
7.3 仿真建模与结果分析 |
7.3.1 数据 |
7.3.2 仿真设置 |
7.3.3 仿真结果分析 |
7.4 小结 |
8 结论 |
8.1 研究总结 |
8.2 未来研究方向 |
参考文献 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(8)双渠道供应链下H企业的订货与库存转运策略研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景与意义 |
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 双渠道供应链管理 |
1.2.2 库存转运 |
1.2.3 顾客渠道转移与渠道冲突 |
1.2.4 顾客流失 |
1.2.5 双渠道供应链库存控制研究 |
1.3 研究内容和路线 |
1.3.1 研究目的 |
1.3.2 研究内容和技术路线 |
2 H电商企业现状分析 |
2.1 H企业概况 |
2.1.1 H企业简介 |
2.1.2 H企业的库存模式 |
2.2 企业当前面临的问题 |
2.2.1 线上渠道库存积压多 |
2.2.2 发展线下实体店面临的问题 |
2.3 H企业面临问题的解决思路 |
2.3.1 H企业分散式库存运行模式 |
2.4 本章小结 |
3 H企业库存模型构建与求解 |
3.1 H企业现有分散式库存影响因素 |
3.1.1 库存转运 |
3.1.2 转运价格 |
3.1.3 渠道冲突 |
3.2 H企业订货模型构建与求解 |
3.2.1 模型假设 |
3.2.2 不考虑库存转运的订货模型 |
3.2.3 考虑库存转运的订货模型 |
3.2.4 考虑顾客流失因素下基于库存转运的订货模型 |
3.3 本章小结 |
4 H企业订货策略研究 |
4.1 数据来源及说明 |
4.2 分散式库存影响因素灵敏度分析 |
4.2.1 不考虑库存转运的订货模型 |
4.2.2 考虑库存转运的订货模型 |
4.2.3 考虑顾客流失因素下基于库存转运的订货模型 |
4.3 库存转运对分散式库存订货模型的影响 |
4.4 本章小结 |
5 结论与展望 |
5.1 主要结论 |
5.2 研究展望 |
参考文献 |
作者简历及攻读硕士/博士学位期间取得的研究成果 |
学位论文数据集 |
(9)环境规制对广东省工业库存的影响机制研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1 经济高速发展下的大气污染问题 |
1.1.2 工业企业面临巨大的环境规制压力 |
1.1.3 工业经济保持稳定运行的库存压力 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 现实意义 |
1.3 研究内容和方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.4 论文研究框架 |
1.5 论文创新点 |
第二章 相关理论基础及研究现状 |
2.1 系统动力学方法概述 |
2.1.1 系统动力学的特点 |
2.1.2 系统动力学建模的方法及步骤 |
2.1.3 Vensim建模工具介绍 |
2.2 库存投资的影响因素研究 |
2.2.1 需求不确定因素 |
2.2.2 金融相关因素 |
2.2.3 其他因素 |
2.2.4 研究述评 |
2.3 空气污染与环境规制于企业的影响研究 |
2.3.1 成本学说 |
2.3.2 创新补偿学说 |
2.3.3 不确定学说 |
2.3.4 研究评述 |
2.4 环境规制政策下的库存管理研究 |
2.4.1 基于经典的EOQ模型 |
2.4.2 考虑运输成本和减排投资 |
2.4.3 不同碳减排政策下多级供应链的研究 |
2.4.4 研究评述 |
2.5 本章小结 |
第三章 环境规制对广东省工业库存的影响路径分析 |
3.1 (S,s)库存模型简介 |
3.2 企业库存水平的决定因素 |
3.2.1 存货需求 |
3.2.2 提前期 |
3.2.3 持有库存的资金成本 |
3.3 理论分析空气污染和环境规制对广东省工业库存的影响路径 |
3.3.1 空气污染和环境规制与交通运输 |
3.3.2 交通运输与工业企业库存 |
3.3.3 空气污染和环境规制对广东省工业库存的影响路径分析 |
3.4 本章小结 |
第四章 环境规制对广东省工业库存的影响因素分析 |
4.1 方法选取和介绍 |
4.2 数据说明 |
4.3 模型构建及检验分析 |
4.3.1 单位根检验 |
4.3.2 VAR模型的构建 |
4.3.3 格兰杰因果关系检验 |
4.3.4 脉冲响应分析 |
4.3.5 方差分解分析 |
4.4 本章小结 |
第五章 环境规制对广东省工业库存的影响机制分析 |
5.1 模型构建 |
5.1.1 因果回路图 |
5.1.2 存量流量图及公式设置 |
5.2 模型检验及设定 |
5.2.1 模型检验 |
5.2.2 情景设定 |
5.3 仿真结果分析 |
5.3.1 环境规制政策的影响 |
5.3.2 环境规制政策交互作用的影响 |
5.3.3 其他投资政策的影响 |
5.4 政策建议 |
5.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(10)回收率不确定的闭环供应链库存控制优化研究(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 研究问题及研究方法 |
1.2.1 研究问题 |
1.2.2 研究方法 |
1.3 主要内容及逻辑框架 |
1.3.1 主要内容 |
1.3.2 逻辑框架 |
1.4 论文创新点 |
第二章 相关文献及理论综述 |
2.1 闭环供应链概述 |
2.1.1 闭环供应链概念 |
2.1.2 闭环供应链结构 |
2.1.3 闭环供应链网络类型 |
2.2 再制造工程理论 |
2.2.1 再制造概念与内涵 |
2.2.2 再制造流程 |
2.2.3 再制造闭环供应链特征 |
2.3 再制造闭环供应链库存控制研究 |
2.3.1 闭环供应链库存理论概述 |
2.3.2 闭环供应链库存管理研究综述 |
2.4 本章小结 |
第三章 基于SD的回收率不确定闭环供应链库存管理模式 |
3.1 问题描述及模型建立 |
3.1.1 问题描述与模型假设 |
3.1.2 闭环供应链传统库存管理模型 |
3.1.3 闭环供应链VMI库存管理模型 |
3.2 仿真分析 |
3.2.1 传统模式下库存波动及牛鞭效应值 |
3.2.2 VMI模式下库存波动及牛鞭效应值 |
3.3 敏感性分析 |
3.3.1 VMI模式下回收率对系统库存波动的影响 |
3.3.2 VMI模式下再制造率对系统库存波动的影响 |
3.4 本章小结 |
第四章 不允许缺货情形下闭环供应链最优经济订购量模型 |
4.1 问题描述 |
4.2 模型相关假设与符号说明 |
4.2.1 模型相关假设 |
4.2.2 模型相关符号说明 |
4.3 模型建立及求解 |
4.3.1 模型建立 |
4.3.2 模型求解及结论 |
4.4 算例分析 |
4.4.1 数值算例 |
4.4.2 敏感性分析 |
4.5 本章小结 |
第五章 允许缺货情形下闭环供应链最优经济订购量模型 |
5.1 问题描述 |
5.2 模型建立及求解 |
5.3 算例分析 |
5.3.1 数值算例 |
5.3.2 敏感性分析 |
5.4 本章小结 |
第六章 考虑退货情形下的闭环供应链双源库存控制模型 |
6.1 问题描述 |
6.2 模型建立 |
6.2.1 不考虑再制造环节的闭环供应链成本 |
6.2.2 只考虑回收率的闭环供应链成本 |
6.2.3 只考虑回收率和再制造率的闭环供应链成本 |
6.2.4 考虑退货和再制造环节的闭环供应链成本 |
6.3 模型求解及结论 |
6.3.1 模型求解 |
6.3.2 结论 |
6.4 算例分析 |
6.4.1 数值算例 |
6.4.2 敏感性分析 |
6.5 本章小结 |
第七章 结论与展望 |
参考文献 |
附录1 攻读硕士学位期间撰写的论文 |
附录2 攻读硕士学位期间参加的科研项目 |
致谢 |
四、企业库存最优控制(论文参考文献)
- [1]S公司退货逆向物流库存管理研究[D]. 管利娜. 中北大学, 2021(09)
- [2]基于煤炭价格变化的火电企业燃煤库存优化研究[D]. 高扬. 华北电力大学(北京), 2021(01)
- [3]全渠道零售企业库存和运输优化模型研究[D]. 朱春旭. 华北电力大学(北京), 2021(01)
- [4]基于粒子群算法的发电厂燃煤库存优化研究[D]. 关轶群. 华北电力大学(北京), 2021(01)
- [5]大规模风电并网下的发电企业燃煤库存管理优化研究[D]. 王丽. 华北电力大学(北京), 2021(01)
- [6]S连锁药店需求预测和补货研究[D]. 刘扬. 山东财经大学, 2021(12)
- [7]用户需求约束下的钢铁企业库存管理研究[D]. 冉昶. 北京交通大学, 2021(02)
- [8]双渠道供应链下H企业的订货与库存转运策略研究[D]. 陈秋静. 北京交通大学, 2020(03)
- [9]环境规制对广东省工业库存的影响机制研究[D]. 王雪清. 华南理工大学, 2020(02)
- [10]回收率不确定的闭环供应链库存控制优化研究[D]. 夏敏. 南京邮电大学, 2019(02)