一、供应链管理与牛鞭效应（论文文献综述）
韩璐[1]（2021）在《制造企业供应链数字化转型机理与决策模型》文中提出在数字化时代,零售商、分销商以及最终消费者对供应链的期待越来越高。为了满足客户需求并帮助企业实现数字化运营,供应链管理需要进行数字化转型。然而,对于生产环节众多、管理内容复杂的制造企业来讲,供应链的数字化转型是一项极为艰难的任务。转型方案与业务需求脱节、转型管理效率低下等原因致使很多实践以失败告终。关于制造企业供应链的数字化转型问题,目前行业和学术界的研究成果往往将管理、技术以及组织支持相混淆,对转型驱动要素、转型机理、转型研究方法以及转型管理方案尚无清晰的认识和有效的建议。针对这一现状,本文从管理层面对以上不足展开深入研究,帮助制造企业对供应链数字化转型形成理论认识与进行科学管理。本文从制造企业供应链数字化转型的难点出发,以供应链管理理论、信息管理理论和系统工程理论为理论基础,提出制造企业供应链数字化转型的三个关键驱动要素,即数据管理（对数据资源的获取与管理）、信息融合（对信息到相关决策点的可达性管理）以及智能优化（对数字化供应链管理点的系统性优化）,构建转型驱动机理概念模型,并分析运作管理中三个驱动要素的内在联系,对制造企业供应链数字化转型的管理思想进行系统阐述,所提出的观点得到了上市公司真实数据的实证支持。另外,本文提出了制造企业供应链数字化转型驱动要素的研究方法,为驱动要素的深入研究提供思路指导。基于所提出的制造企业供应链数字化转型机理和转型驱动要素研究方法,本文对每一个驱动要素展开了进一步研究。首先为驱动要素构建完整的管理内容体系,帮助制造企业明确驱动要素的管理范围。然后针对驱动要素关键问题的管理需求构建决策模型,依据建模结果制定驱动要素的管理方案。最后结合驱动要素的数字化属性,提出管理方案中不同对象的管理策略,帮助企业实现驱动要素的高效管理。实例分析章节的模型计算结果表明,本文所提出的数据管理决策模型对数据的相对重要性具有良好的区分度,所提出的信息融合仿真模型对信息的关联性具有良好的识别能力,所提出的智能优化决策模型对决策效用的提升具有良好的规划能力。本文的创新成果主要体现在3个方面:（1）阐明了制造企业供应链数字化转型驱动机理。现有研究供应链数字化转型影响因素尚不完整或者分散于人力资源等供应链管理之外的领域,对供应链数字化转型中的管理分析不够聚焦与完善,缺乏综合性研究视角。为了分析制造企业供应链数字化转型管理问题,本文从供应链管理的本质出发,结合数字化特点与信息管理学理论,对制造企业供应链数字化转型的影响因素进行分析和归纳,系统性地提出了制造企业供应链数字化转型的驱动要素——数据管理、信息融合以及智能优化,构建了转型驱动机理概念模型,探讨了驱动要素的运作机理与递进关系,从理论角度阐明了制造企业供应链数字化转型的基本原理,并且通过上市公司的真实数据,使用Malmquist指数法和回归分析法对所提出的驱动要素和驱动机理进行验证,进一步证明了本文所提出驱动要素和驱动机理的有效性。（2）构建了制造企业供应链数字化转型数据管理决策模型。现有文献对于制造企业供应链数字化转型中数据管理方面的讨论多为定性分析,没有考虑投入产出效率问题。为了提升数据管理效率、有效分配企业资源和精力,本文针对数据管理的方案制定问题,建立了数据管理体系,构建了基于DEMATEL方法和HOQ方法的数据管理决策模型,从信息需求决定数据需求的角度,对数据的相对重要性进行区分,依据结果提出数据的分级管理方案,并且结合数据管理的数字化属性提出不同分级中数据的管理建议,从而实现对制造企业供应链数字化转型中数据的高效管理。（3）构建了制造企业供应链数字化转型智能优化决策模型。以往对于制造企业供应链数字化转型中管理决策方面的研究多为单一管理点的决策效率提升,没有考虑所有管理点的整体决策效率问题。为了系统性地提升智能优化的决策效率,以及帮助企业在有限的计算能力与众多优化需求之间取得平衡,本文针对智能优化的路径规划问题,建立了智能优化体系,构建了基于ISM方法和NK模型的智能优化决策模型,从系统结构、优化目标、决策效用三个角度对所构建的智能优化分析系统进行建模与仿真,求解出提升整体决策效用的最佳优化路径作为智能优化的路径方案,从而实现对制造企业供应链数字化转型智能优化的高效管理。本研究针对制造企业供应链数字化转型缺乏理论指导的问题提出了转型驱动机理;针对转型驱动要素管理的深入研究问题形成了转型驱动要素研究方法;针对转型管理内容零散不全问题构建了驱动要素的内容体系与架构;针对转型管理效率问题分别构建了转型驱动要素决策模型与管理方案。综上所述,本文从管理与决策的角度为制造企业供应链数字化转型建立了一套完整的基本思想和管理方案,有利于构建制造企业供应链数字化转型理论;有利于建立制造企业供应链数字化转型管理体系;并且有利于提升制造企业供应链数字化转型管理效率。
赵艺匀[2]（2021）在《B公司供应链库存管理优化的研究》文中指出本文以汽车零部件行业的B企业为研究对象,围绕供应链库存管理优化,从B公司供应链库存管理历程出发,对B企业所面临的供应链库存管理问题进行分析,提炼了B公司供应链库存管理存在的问题,主要有五点:需求预测不准确、生产部门不按单生产、原材料备库没有具体规则、原材料供应商配合度低、盘点流程欠规范。针对这几点问题,分析产生这些问题的原因,最终设计了供应链库存管理优化方案,整体的优化思路是:优化需求预测流程、规范生产计划流程、优化盘点流程、采用ABC分类法进行原材料备库、应用联合库存管理模式。为了确保这些优化方案实施,提供了两方面的保障,一方面是对库存管理相关人员进行培训,另一方面是建立完善的绩效考核指标。最后,对B公司供应链库存管理优化方案实施后的效果进行了分析,确定降低了库存,缓解了“牛鞭效应”,提高了准时交付率等,但实施过程中发现,存在风险点,所以又提出了对于实施过程中的风险点采取一系列的控制办法。通过为B公司寻找供应链库存管理优化方案,对新型的库存管理模式进行了研究,最后运用到实践操作中,希望对相同行业内的类似企业在库存管理方面提供一定的参考和有效的帮助。
周婷[3]（2021）在《考虑价格信息共享的供应链牛鞭效应及其复杂性研究》文中认为无论是“中国制造2025”,还是德国“工业4.0”（Industry 4.0）和美国“先进制造伙伴计划”（Advanced Manufacturing Partnership）,都强调了信息化在制造业发展中的重要作用。信息共享能够优化社会资源配置,节约社会成本,提高社会闲散资源的整合效率,利于创造更多的社会财富。在现实的产品市场中,产品在进行定价之前,会搜集可替代产品的相关价格信息,尽管搜集的相关信息并不完全,商家依然会依据此信息对自身的产品做出相应价格决策。经济学认为,价格是影响产品需求的最为重要的因素之一。价格信息共享的存在必然会影响消费者对产品和可替代产品的需求,而产品需求的波动又将导致供应链牛鞭效应的变化。本文构建了包含一个制造商和两个线下零售商的供应链模型,利用有限理性预期和最优反应机制来构建产品的价格信息共享模型和价格动态博弈系统。本文利用稳定域、分岔图、最大Lyapunov指数等分析了动态系统的局部稳定性,并通过数值模拟,分析了价格调整速度与价格信息共享程度对供应链订单波动率、库存波动率的影响。最后对动态系统进行了延迟反馈控制,以延长系统的稳定性。同时随着电子商务的发展,越来越多的制造商不仅通过传统的线下渠道销售产品,也开始通过网络渠道销售产品。又以此为背景,本文以双渠道供应链结构为基础,分析了直销渠道价格信息共享对整个供应链牛鞭效应的影响。研究结果显示,随着价格调整速度和信息共享程度的改变,供应链定价系统会出现稳定、倍周期和混沌这三种不同的状态。在传统渠道供应链和双渠道供应链中,稳定状态下的牛鞭效应小于倍周期状态和混沌状态下的牛鞭效应,倍周期状态下的牛鞭效应小于混沌状态下的牛鞭效应。通过对比不同状态下牛鞭效应的变化趋势,得出在稳定状态下存在一个最优的价格调整速度和信息共享程度,使得牛鞭效应最小。
周倩[4]（2020）在《基于供应链视角的库存管理研究 ——以G公司为例》文中进行了进一步梳理库存管理是生产企业发展必须高度重视的重要指标,特别是在供应链环境下,科学提升库存管理现代化水平,决定着生产企业的竞争优势和可持续发展能力。面临依然复杂严峻的国际经济形势和常态化疫情防控,国内生产企业的经营压力加大,如何突破市场需求、资源、技术和管理等方面不利因素的制约,事关生产企业的生存与发展。但同时,我国不断出台促进经济发展的宏观经济政策,积极构建以国内大循环为主体、国内国际双循环相互促进的新发展格局,持续加强“六稳”和“六保”工作,为生产企业发展带来了机遇。本文以国内电气制造业领先企业G公司为案例,以供应链下的库存管理为研究对象,在对库存管理和供应链管理等基本概念进行科学界定的基础上,运用供应链管理中库存、采购、物流管理等理论以及“零库存”、供应商管理库存、JIT精益管理等理论,采用案例分析基本方法,深入剖析G公司供应链中库存管理问题,并针对性提出应对措施,这对于改善公司库存管理现状,提高公司现代化管理水平具有重要意义。通过分析,本文得出:第一,供应链库存管理是影响现代企业市场竞争力的重要因素,提高企业经营管理效益,必须坚持以问题为导向加强供应链库存管理。G公司是国有企业下属子公司,供应链库存管理面临组织架构不合理、信息传递不通畅、需求预测不准确、库存控制不科学以及仓储管理不精细等问题,既制约了公司经营效益改善,也限制了市场竞争优势拓展。第二,生产企业加快现代化与国际化进程,要持续加强供应链库存管理。G公司加强和改善供应链库存管理,可从以下方面实现突破:一是改善供应链职能部门组织架构,简化流程、提高效率;二是建设打造信息化共享平台;三是加强公司需求预测管控,弱化“牛鞭效应”带来的不利影响;四是打造供应链协同模式,例如发展供应商生态、推行供应商管理库存（VMI）模式;五是推行JIT库存管理模式,加强不同时期库存管控及完善库存盘点流程,推进库存管理精细化水平。
李白[5]（2021）在《时滞双渠道电子商务闭环供应链的MPC仿真分析》文中指出在供应链运作过程中,生产/运输时滞普遍存在于供应链的各个环节之中。电子商务的出现改变了供应链的结构,正向销售物流存在电子商务直销与传统线下销售两种渠道,再加上由退换货形成的逆向物流,使得传统供应链演变成多销售渠道和多回收渠道组成的网络,闭环供应链中的时滞问题更加突出,对牛鞭效应的影响更加复杂,牛鞭效应的抑制问题更加困难。因此,出于经济效益等方面的考虑,有必要整合传统供应链和电子商务供应链,分析各个环节的时滞,寻求一种可行性方法对整个闭环供应链进行优化,给出供应链各个节点企业的生产/订购策略,从而抑制供应链各个节点企业的牛鞭效应,提高和扩大企业核心竞争力。本文首先以传统商务模式下的供应链系统为例,提出了供应链系统的建模方法,介绍了模型预测控制（MPC）算法在供应链管理应用中的设计方法,阐述了预测模型、滚动优化和反馈校正的具体内容,并根据MPC中所采用的目标函数推导了二次规划问题的KWIK求解算法;其次研究了直播电商模式下的混合回收双渠道闭环供应链网络和第三方逆向物流闭环供应链网络,根据供应链系统中物料传递列出物料平衡方程,建立状态空间模型,并通过状态重组解决因为时滞引起的状态间的复杂联系,采用MPC方法,对上述两种闭环供应链系统设计了MPC控制器;然后针对考虑随机时滞的三方逆向物流闭环供应链网络,设计了切换模型预测控制器,通过将有限的随机时滞进行区间划分,每个区间取平均时滞来代替该区间的其它时滞,根据各环节的时滞组合,将第三方逆向物流闭环供应链建模为有限个与时滞组合一一对应的备选系统模型,采用MPC方法,对所得到的每个闭环供应链模型设计与之时滞对应的MPC控制器,通过引入切换信号,在每一时刻选取出与当前时刻时滞对应的模型预测控制器工作,其余模型预测控制器不工作,由此更接近供应链系统中随机时滞的现实场景;最后,对上述三种模型在SIMULINK环境下搭建供应链系统模型进行仿真。仿真结果表明,该方法可以有效抑制牛鞭效应,使生产、订货、库存趋于平滑。
游歆[6]（2020）在《A服装企业供应链管理研究》文中研究表明2020年,在这个百年未有的大变局时代,供应链对企业发展的重要影响早已深入人心。企业的竞争已经不单纯在产品和服务上的竞争,供应链的组织管理能力也被认为是企业竞争的重要组成。本文着力于对我国服装企业供应链管理进行研究,以民营经济A服装企业为典型代表,剖析如何应对瞬息万变且难以预测的服装市场,找出供应链管理的劣势所在,在供应链改进方案上不断优化,力求提升供应链管理水平,最大程度的适应新时代服装市场的发展需要。本文先梳理了国内外对供应链以及服装行业相类似供应链管理研究文献,从供应链的基本概念着手,阐述了供应链管理的主要特征和常规方法。通过论述服装企业供应链的基本模式,并借鉴国际知名服装企业Zara和优衣库的供应链管理路径,根据A服装企业经营现状和供应链结构进行整体的庖丁解牛,深入分析并找出了服装企业供应链管理的常见问题,从库存管理、采购管理和供应商管理三个方面得出其供应链发展运作中存在的问题:市场信息不对称、采购流程不合理以及企业与供应商之间未进行战略合作。通过对问题的研判,发现产生问题的主要原因有四方面:一是信息共享平台搭建不足、经销商经常转嫁订货风险以及价格波动影响订货量需求导致的牛鞭效应未能有效应对;二是安全库存思想根深蒂固和规模效应思想陈旧;三是采购部门组织架构不合理;四是供应商管理中未设置考核评价体制以及无供应商管理手册的行为缺乏有效的供应商监督与激励机制。为此,本文在此基础上发掘并分析了问题背后隐藏的各种原因,找出了妥善解决问题的方法,包括需求预测管理的完善、供应商管理的强化和库存的优化。通过定性和定量相结合的分析思路,运用了季节变动预测法、层次分析法（AHP）理论和供应商库存管理（VMI）方法,最后提出了A服装企业供应链管理优化的具体策略。第一,在库存管理方面阐述对经销商订货分级分类管理理念,把经销商分为重点、一类、二类经销商,给予不同的应对策略,数据量化了服装季节变动预测指标的计算方法,外部构建VMI理论下供应商库存管理模式,内部优化服装成品库存管理流程,内外相结合的优化A服装企业的库存管理模式;第二,在采购管理方面优化企业组织结构和流程;第三,在供应商管理方面采用AHP理论完善供应商评价体系以及完善供应商激励政策,实现战略合作。以上方法为A服装企业提供了较为全面的供应链管理优化路径。
任莉莉,张瑞君,张永冀[7]（2020）在《管理者过度自信与企业牛鞭效应》文中提出本文从管理会计的视角出发,利用沪深两市A股上市公司2007—2017年的数据,研究管理者过度自信对企业牛鞭效应的影响。研究发现:管理者过度自信会加剧企业的牛鞭效应。本文利用中介效应模型,进一步探讨管理者过度自信是否会通过供应商选择路径和存货管理路径影响企业牛鞭效应。管理者过度自信程度越高,企业供应商集中度越高,存货持有量越多,存货周转越慢,企业牛鞭效应越显着。此外,管理者过度自信对牛鞭效应的影响在国有企业中更加显着,而良好的内部控制和分析师跟踪可以减弱管理者过度自信对牛鞭效应的影响。本文丰富了管理者过度自信经济后果的研究,也为牛鞭效应的影响因素提供了行为财务方面的解释。
燕晨屹[8]（2020）在《跨境供应链网络若干优化问题研究》文中指出随着世界经济的全球化和跨境供应链管理的复杂化,特别是近年来“一带一路”的稳步推进和跨境电商的飞速发展,跨境供应链网络的重要性日益凸显。跨境供应链网络覆盖地域的广泛性、贸易壁垒与跨境物流问题的复杂性,使得跨境供应链网络的建设和发展面临诸多挑战,牛鞭效应、节点选址和网络设计的可靠性等问题逐渐成为制约跨境供应链网络良性发展的瓶颈。因此,本文对跨境供应链网络亟需解决的这一系列优化问题进行深入研究,减弱内外部不良因素的危害,提高网络整体的稳定性和抗风险能力,具有非常重要的现实意义。针对不确定性环境下跨境供应链网络的这一系列优化问题,本文综合运用复杂系统建模、模糊可靠性优化、不确定性规划、鲁棒优化以及系统工程等理论和方法,基于可靠性视角研究了跨境供应链网络的系统构成及拓扑结构、牛鞭效应分析与测量、节点选址鲁棒优化、网络设计模糊优化等问题。具体做了以下几方面工作:（1）研究跨境供应链网络的系统构成及拓扑结构问题。基于供应链管理、拓扑网络理论和系统工程的基本理论,从内涵、特点、鲁棒性因素和可靠性因素等方面对跨境供应链网络系统进行详细分析,建立跨境供应链网络拓扑结构及物流网络结构模型,全面把握跨境供应链网络的基本特性。（2）研究基于库存动态演化的跨境供应链网络牛鞭效应分析与测量问题。在总结牛鞭效应相关理论的基础上,分析跨境供应链网络牛鞭效应的内涵、特点和内外部关键影响因素,然后从库存动态演化的角度,基于线性定常订货策略,构建了跨境供应链网络库存动力学模型。并通过分析节点库存波动与演化时间之间的关系,提出一种跨境供应链网络牛鞭效应的测量方法。最后,以北京市某跨境供应链网络为例进行算例分析,结果表明:该测量方法可以用于评估实际跨境供应链网络中的牛鞭效应,并且牛鞭效应测量指标对不同演化时间和网络结构保持稳定,但随网络规模的增加而显着增大。（3）研究基于最小最大后悔值的跨境供应链网络节点选址鲁棒优化问题。针对跨境供应链网络节点选址过程中存在的不确定性因素,构建了基于最小最大后悔值的跨境供应链网络节点选址鲁棒优化模型,并针对节点选址鲁棒优化模型的复杂性,设计了一个情景松弛求解算法。最后,以两阶段跨境供应链网络构建中的海外仓选址问题为例进行算例分析,结果表明:本模型的最优解对大部分情景都适用,具有较强的鲁棒性。（4）研究基于可靠性的跨境供应链网络设计模糊优化问题。综合考虑跨境供应链网络中运输线路和运输节点等不确定性因素,基于枢纽中心问题建模以及模糊可靠性优化方法,以跨境供应链网络可靠性最大（max-min准则）作为决策目标,建立不确定环境下跨境供应链网络设计模糊优化模型,在模型复杂性分析和线性化处理的基础上,通过设计一个禁忌搜索（TS）算法求得（近似）最优解。最后,以OR-LIBRARY数据平台中的TR网络和随机生成大规模网络数据为例进行算例分析,数值结果表明:合理的选址数量设定能够使跨境供应链网络结构实现更好的优化,并提升跨境供应链网络整体可靠性。通过对以上问题的研宄,进一步丰富了跨境供应链网络可靠性分析、设计、建模与优化相关理论,改善目前跨境供应链网络管理决策中的薄弱环节,强化模糊可靠性优化和鲁棒优化等理论在跨境供应链网络设计与优化中的应用,为科学有效地开展跨境供应链网络建设提供辅助性决策支持。
葛晨晨[9]（2020）在《区块链技术影响下的供应链多级库存模型优化与仿真研究》文中指出多级库存的优化与控制是供应链管理中理论和实际应用的研究热点。尤其,当今网络信息技术变革的加速、市场竞争多元化,放大了牛鞭效应,加剧了库存的积压和供应链管理难度。而区块链技术的多方共识、分布式数据结构、信息透明、数据可追溯等特点恰好解决供应链的困难,实现库存流程优化、抑制牛鞭效应和优化供应链成本。基于此背景下,本文为加快推动区块链技术在供应链管理中的创新发展。首先,通过查阅国内外供应链多级库存经典文献以及区块链技术的应用前景,分析库存管理的研究现状和方法,厘清区块链技术应用供应链管理中的技术优势及研究目标;其次,应用区块链技术解决供应链中信息问题的基础上,如信息不对称、信息延迟、信息不精准等,采用数理建模和线性控制论方法深入研究复杂供应链环境下的多级库存的静态和动态模型,建立区块链技术影响下的多级库存成本控制模型和多级库存系统控制模型;最后,利用MATLAB进行遗传算法设计、算例仿真对比和系统动态响应分析。具体研究工作有:（1）通过应用区块链技术对供应链参与者信息充分可访问的前提下,定量分析区块链技术的应用程度对信息准确性和及时性的影响,引入区块链技术影响下的延迟成本,构建由核心企业、供应商和分销商网络组成的多级库存成本模型,利用改进遗传算法对目标函数进行求解,并验证模型和算法有效性、合理性及适用性。研究表明:①多级库存模型中引入延迟成本,与以往研究相比,优化后的模型的总成本降低1 6.87%;②供应链中库存的总成本随延迟成本权重系数的增大而减小;③当库存成本最优时,区块链技术应用程度最大。本研究丰富了区块链技术在随机顾客需求下日益复杂供应链多级库存的研究,优化库存成本,提升了供应链需求预测信息的精准性和及时性。（2）为解决供应链中信息时滞而导致牛鞭效应,本文在前人研究的基础上,运用线性控制理论构建由分销商和零售商组成的一个二级库存系统控制模型,引入区块链技术影响下的信息因子,设计二级库存系统控制模型的系统结构图,利用传递函数、频域响应曲线和白噪声放大曲线分析比较顾客固定需求和随机需求信号输入下区块链技术对控制系统的动态响应特性。研究表明:①高库存可变性伴随着高订单可变性;②订单可变性随着指数平滑系数和区块链技术影响下的信息因子减小而降低。③信息延迟时间越长,区块链技术影响下的信息因子对控制系统的抑制作用越显着。本研究量化了区块链技术对供应链中牛鞭效应的影响,丰富了区块链技术在供应链多级库存管理中的应用,为企业提供新技术的思路。
韩坤[10]（2018）在《供应链网络牛鞭效应问题研究 ——库存控制策略优化方法》文中研究说明供应链管理是21世纪信息化企业经济发展的重要组成部分。曾经“纵向一体化”推行独立完成原材料、零部件和最终产品的管理模式,旨在控制企业原料供应、生产制造以及销售盈利的全过程;而“横向一体化”的出现放弃了传统经营模式中的独立设计、制造与销售,开始构建由供应商、制造商、批发商、零售商甚至消费者组成的战略合作伙伴关系,供应链管理便是“横向一体化”核心思想的具体表现形式。供应链网络“牛鞭效应”是供应链管理中供应链末端的需求信息沿供应链逐级增加的一种现象,牛鞭效应问题将导致供应链各节点企业无法实时准确掌握需求数据,在扰乱制造商生产计划的同时还会出现库存积压或缺货使供应链运作失衡,业务成本增加等。所以如何减弱和控制牛鞭效应对提高供应链系统高效经济运行,增强企业核心竞争力有着重要的理论与现实意义。本文为削弱供应链网络牛鞭效应现象,研究内容主要包括:首先介绍了应用时间序列分析进行供应链需求预测的方法及步骤,搭建平稳时间序列线性模型ARMA（p,q）并进行模型参数估计给出预测的具体思路,通过案例分析证实运用ARMA（p,q）模型算法优于指数平滑法等预测方法,为供应链企业的需求信息提供更为精确的预测方法以削弱牛鞭效应现象。其次为详细讨论关于牛鞭效应的量化分析问题,本文运用方差比例法搭建牛鞭效应数学模型,具体表现为制造商收到订货的方差与零售商面对需求方差的比值,并讨论分析了其中的相关参数p,L,ρ对可变性增加量的影响程度,再通过牛鞭效应的近似量化分析式研究供应链集中（分散）信息中的牛鞭效应。最后本文从企业库存角度出发,给出减弱和控制牛鞭效应现象的库存控制策略优化方法,先统一供应链各节点企业OUT订购策略的具体实施步骤,再分别讨论基于ABC分类法、需求量以及时间的安全库存优化算法,然后提出基于（L-CSL）的库存控制策略,建立以年总成本表达式为目标函数,顾客服务水平为约束条件的数学模型,利用最大最小值数学原理确定出订货批量、安全因子、固定提前期的最优解,以此得出年总成本的最小值,实现供应链系统库存控制优化策略,并通过Simulink仿真实验证实以上优化策略的有效性。
二、供应链管理与牛鞭效应（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、供应链管理与牛鞭效应（论文提纲范文）
（1）制造企业供应链数字化转型机理与决策模型（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与研究问题 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题 |
| 1.2 文献综述 |
| 1.2.1 企业供应链数字化转型相关概念 |
| 1.2.2 企业供应链数字化转型的因素分析 |
| 1.2.3 企业供应链数字化转型思路 |
| 1.3 研究意义 |
| 1.4 范围界定 |
| 1.4.1 研究层面界定 |
| 1.4.2 企业类型界定 |
| 1.4.3 供应链管理范围与成员地位界定 |
| 1.4.4 词汇用语简写 |
| 1.5 研究内容、方法与技术路线 |
| 1.5.1 研究内容 |
| 1.5.2 研究方法 |
| 1.5.3 技术路线 |
| 1.6 本章小结 |
| 2 相关基础理论与方法 |
| 2.1 基础理论 |
| 2.1.1 供应链管理理论 |
| 2.1.2 信息管理学理论 |
| 2.1.3 系统工程理论 |
| 2.2 模型方法 |
| 2.2.1 统计分析方法 |
| 2.2.2 复杂系统分析方法 |
| 2.2.3 仿真分析法 |
| 2.3 本章小结 |
| 3 制造企业供应链数字化转型机理分析 |
| 3.1 制造企业供应链数字化转型问题分析 |
| 3.1.1 供应链的数字化转型业务需求 |
| 3.1.2 供应链数字化转型内涵与目标 |
| 3.1.3 供应链数字化转型基本原则 |
| 3.2 制造企业供应链数字化转型驱动要素及概念模型 |
| 3.2.1 供应链数字化转型难点 |
| 3.2.2 供应链数字化转型驱动要素提出 |
| 3.2.3 供应链数字化转型驱动机理概念模型 |
| 3.2.4 供应链数字化转型驱动要素运作管理 |
| 3.3 制造企业供应链数字化转型驱动机理实证检验 |
| 3.3.1 实证方法与数据的选择 |
| 3.3.2 供应链数字化转型的测量与分析 |
| 3.3.3 供应链数字化转型驱动作用验证与分析 |
| 3.4 供应链数字化转型驱动要素研究方法 |
| 3.5 本章小结 |
| 4 制造企业供应链数字化转型数据管理决策 |
| 4.1 转型数据管理问题提出 |
| 4.1.1 数据管理业务需求与管理原则 |
| 4.1.2 数据管理的目标与问题描述 |
| 4.1.3 数据管理的研究思路 |
| 4.2 转型数据管理系统分析 |
| 4.2.1 数据管理的数字化属性 |
| 4.2.2 数据来源分类 |
| 4.2.3 数据内容与作用 |
| 4.2.4 数据管理与信息需求的关系 |
| 4.3 基于信息需求的转型数据管理决策建模 |
| 4.3.1 决策模型的选择与适用性 |
| 4.3.2 基于DEMATEL方法的信息需求重要度建模 |
| 4.3.3 基于HOQ方法的数据管理要素重要度建模 |
| 4.4 基于信息需求的数据管理方案制定 |
| 4.5 本章小结 |
| 5 制造企业供应链数字化转型信息融合建模 |
| 5.1 转型信息融合问题提出 |
| 5.1.1 信息融合的业务需求与管理原则 |
| 5.1.2 信息融合的目标与问题描述 |
| 5.1.3 信息融合的研究思路 |
| 5.2 转型信息融合系统分析 |
| 5.2.1 信息融合的数字化属性 |
| 5.2.2 信息的内容与作用 |
| 5.2.3 信息融合的主要环节 |
| 5.2.4 信息融合与业务流程的关系 |
| 5.3 基于业务流程的转型信息融合仿真建模 |
| 5.3.1 仿真模型的选择与适用性 |
| 5.3.2 基于供应链业务流程的Petri网建模 |
| 5.3.3 网系统的关联信息要素识别 |
| 5.4 基于业务流程的信息融合方案制定 |
| 5.5 本章小结 |
| 6 制造企业供应链数字化转型智能优化决策 |
| 6.1 转型智能优化问题提出 |
| 6.1.1 智能优化业务需求与管理原则 |
| 6.1.2 智能优化目标与问题描述 |
| 6.1.3 智能优化的研究思路 |
| 6.2 转型智能优化系统分析 |
| 6.2.1 智能优化的数字化属性 |
| 6.2.2 智能优化的内容与作用 |
| 6.2.3 智能优化系统架构 |
| 6.2.4 智能优化与决策效用的关系 |
| 6.3 基于决策效用的转型智能优化决策建模 |
| 6.3.1 决策模型的选择与适用性 |
| 6.3.2 基于ISM方法的智能优化结构建模 |
| 6.3.3 基于NK模型的智能优化路径建模 |
| 6.4 基于决策效用的智能优化方案制定 |
| 6.5 本章小结 |
| 7 实例分析 |
| 7.1 实例介绍 |
| 7.2 数据管理决策分析 |
| 7.3 信息融合建模分析 |
| 7.4 智能优化路径分析 |
| 7.5 本章小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 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 |
（2）B公司供应链库存管理优化的研究（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 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.2.3 国内外研究评述 |
| 1.3 研究内容与方法 |
| 1.3.1 研究思路 |
| 1.3.2 主要研究内容 |
| 1.3.3 研究方法 |
| 第2章 相关理论概述 |
| 2.1 供应链管理概述及相关理论 |
| 2.1.1 供应链与供应链管理概述 |
| 2.1.2 供应链管理相关理论 |
| 2.2 供应链库存管理概述及相关理论 |
| 2.2.1 供应链库存概念 |
| 2.2.2 供应链库存常用模型 |
| 第3章 B公司供应链库存管理现状及存在问题 |
| 3.1 B公司基本情况 |
| 3.2 B公司供应链库存管理发展历程及现状 |
| 3.2.1 B公司供应链库存管理发展历程 |
| 3.2.2 B公司供应链库存管理现状 |
| 3.3 B公司供应链库存管理存在的主要问题 |
| 3.3.1 需求预测流程不合理 |
| 3.3.2 生产计划混乱 |
| 3.3.3 盘点流程欠规范 |
| 3.3.4 原材料备库没有具体规则 |
| 3.3.5 原材料供应商配合度低 |
| 3.4 B公司供应链库存管理存在问题的成因分析 |
| 第4章 B公司供应链库存管理优化方案设计 |
| 4.1 优化方案整体思路 |
| 4.2 优化需求预测流程 |
| 4.3 规范生产计划流程 |
| 4.4 优化盘点流程 |
| 4.5 采用ABC分类法进行备库 |
| 4.5.1 ABC分类法目标 |
| 4.5.2 ABC分类法实施过程 |
| 4.6 联合库存管理(JMI)的应用 |
| 4.6.1 JMI应用目标 |
| 4.6.2 JMI应用方案 |
| 第5章 B公司供应链库存管理优化方案实施 |
| 5.1 B公司供应链库存管理优化方案实施保障 |
| 5.1.1 对库存管理相关人员进行培训 |
| 5.1.2 建立完善的绩效考核指标 |
| 5.2 B公司供应链库存管理优化方案实施效果、实施风险及控制 |
| 5.2.1 B公司供应链库存管理优化方案实施效果分析 |
| 5.2.2 B公司供应链库存管理优化方案实施风险与控制 |
| 第6章 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究不足与展望 |
| 参考文献 |
| 致谢 |
（3）考虑价格信息共享的供应链牛鞭效应及其复杂性研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究方法与技术路线 |
| 1.3.1 研究方法 |
| 1.3.2 技术路线 |
| 1.4 研究的主要内容 |
| 1.5 论文创新点 |
| 2 国内外相关文献综述 |
| 2.1 牛鞭效应相关研究 |
| 2.2 双渠道供应链相关研究 |
| 2.3 信息共享相关研究 |
| 2.4 非线性动力学相关研究 |
| 2.5 本章小结 |
| 3 传统渠道供应链结构下的牛鞭效应研究 |
| 3.1 模型描述 |
| 3.2 订单决策过程 |
| 3.3 系统复杂性分析 |
| 3.3.1 平衡点及局部稳定性分析 |
| 3.3.2 分岔分析 |
| 3.4 实验设计和实验分析 |
| 3.4.1 价格调整速度对牛鞭效应的影响 |
| 3.4.2 信息共享程度对牛鞭效应的影响 |
| 3.5 系统延迟反馈控制 |
| 3.6 本章小结 |
| 4 双渠道供应链结构下的牛鞭效应研究 |
| 4.1 模型描述 |
| 4.2 订单决策过程 |
| 4.3 系统复杂性分析 |
| 4.3.1 平衡点及局部稳定性分析 |
| 4.3.2 分岔分析 |
| 4.4 实验设计和实验分析 |
| 4.4.1 价格调整速度对牛鞭效应的影响 |
| 4.4.2 信息共享程度对牛鞭效应的影响 |
| 4.5 系统延迟反馈控制 |
| 4.6 本章小结 |
| 5 全文总结与研究展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
（4）基于供应链视角的库存管理研究 ——以G公司为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 文献综述 |
| 1.3.1 供应链管理基本理论研究 |
| 1.3.2 供应链库存管理模式研究 |
| 1.3.3 供应链库存管理策略研究 |
| 1.3.4 文献述评 |
| 1.4 研究内容、方法及论文结构 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 论文结构 |
| 1.5 本文的创新之处 |
| 2 概念界定与理论基础 |
| 2.1 相关概念 |
| 2.1.1 库存管理 |
| 2.1.2 供应链管理 |
| 2.2 理论基础 |
| 2.2.1 供应链管理理论 |
| 2.2.2 牛鞭效应理论 |
| 2.2.3 “零库存”管理理论 |
| 2.2.4 供应商管理库存(VMI)理论 |
| 2.2.5 JIT精益管理理论 |
| 3 G公司供应链库存管理现状 |
| 3.1 公司概况 |
| 3.2 组织架构及业务流程 |
| 3.2.1 组织架构 |
| 3.2.2 业务流程 |
| 3.3 库存管理现状 |
| 3.3.1 仓储管理 |
| 3.3.2 存货水平 |
| 3.4 供应链现状 |
| 3.4.1 内部供应链 |
| 3.4.2 外部供应链 |
| 4 G公司供应链库存管理存在的问题及分析 |
| 4.1 组织架构不合理 |
| 4.1.1 管控多于赋能 |
| 4.1.2 供应链协同缺乏 |
| 4.2 信息传递不通畅 |
| 4.2.1 信息流转效率低 |
| 4.2.2 部门信息壁垒高 |
| 4.3 需求预测不准确 |
| 4.3.1 人员问题 |
| 4.3.2 机制问题 |
| 4.4 库存控制不科学 |
| 4.4.1 供应商管理不足 |
| 4.4.2 控制机制不彻底 |
| 4.5 仓储管理不精细 |
| 4.5.1 方法和措施不当 |
| 4.5.2 库存盘点不规范 |
| 5 G公司供应链库存管理的优化策略及建议 |
| 5.1 改善组织架构 |
| 5.1.1 推行事业部模式 |
| 5.1.2 成立公司运营中心 |
| 5.2 建设信息化共享平台 |
| 5.2.1 简化信息传递流程 |
| 5.2.2 打通信息传递渠道 |
| 5.3 加强需求预测管控 |
| 5.3.1 多种预测相结合 |
| 5.3.2 完善激励与约束机制 |
| 5.4 打造供应链协同模式 |
| 5.4.1 发展供应商生态 |
| 5.4.2 推行供应商管理库存(VMI)模式 |
| 5.5 推行JIT库存管理模式 |
| 5.5.1 加强不同节点库存管控 |
| 5.5.2 完善库存盘点流程 |
| 6 研究结论与展望 |
| 6.1 研究结论 |
| 6.2 不足之处 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
（5）时滞双渠道电子商务闭环供应链的MPC仿真分析（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 问题提出 |
| 1.2 研究背景 |
| 1.3 研究意义 |
| 1.4 国内外研究现状 |
| 1.4.1 闭环供应链研究现状 |
| 1.4.2 MPC在供应链管理中的研究现状 |
| 1.4.3 第三方物流研究现状 |
| 1.4.4 研究现状分析 |
| 1.5 研究内容与技术路线 |
| 1.5.1 研究内容 |
| 1.5.2 技术路线 |
| 第2章 时滞双渠道电子商务闭环供应链 |
| 2.1 电子商务和逆向物流对供应链运作的影响分析 |
| 2.1.1 直播电子商务对供应链运作的影响分析 |
| 2.1.2 逆向物流对供应链运作的影响分析 |
| 2.2 时滞闭环供应链 |
| 2.3 牛鞭效应 |
| 2.3.1 牛鞭效应的存在 |
| 2.3.2 牛鞭效应的成因 |
| 2.3.3 牛鞭效应的量化 |
| 2.3.4 牛鞭效应的抑制 |
| 2.4 本章小结 |
| 第3章 闭环供应链系统中MPC算法的研究 |
| 3.1 供应链系统建模 |
| 3.2 预测控制算法 |
| 3.2.1 预测模型 |
| 3.2.2 滚动优化 |
| 3.2.3 反馈校正 |
| 3.3 KWIK二次优化算法 |
| 3.3.1 KWIK二次优化算法推导 |
| 3.3.2 KWIK二次优化算法步骤 |
| 3.4 本章小结 |
| 第4章 混合回收双渠道时滞闭环供应链研究 |
| 4.1 直播电商供应链网络 |
| 4.2 混合回收双渠道时滞闭环供应链模型 |
| 4.3 仿真算例 |
| 4.4 分析与讨论 |
| 4.5 本章小结 |
| 第5章 第三方逆向物流双渠道时滞闭环供应链研究 |
| 5.1 第三方逆向物流闭环供应链网络 |
| 5.2 第三方逆向物流闭环供应链模型 |
| 5.3 仿真算例 |
| 5.4 分析与讨论 |
| 5.5 本章小结 |
| 第6章 基于切换MPC的第三方逆向物流闭环供应链研究 |
| 6.1 基于切换MPC的第三方逆向物流闭环供应链模型 |
| 6.2 预测模型 |
| 6.3 状态估计 |
| 6.4 切换过程 |
| 6.5 仿真算例 |
| 6.6 分析与讨论 |
| 6.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和获得的科研成果 |
| 致谢 |
（6）A服装企业供应链管理研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 导论 |
| 1.1 选题的背景及意义 |
| 1.1.1 选题的背景 |
| 1.1.2 选题的意义 |
| 1.2 文献综述 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 文献评述 |
| 1.3 研究基本思路和研究方法 |
| 1.3.1 研究的基本思路 |
| 1.3.2 研究方法 |
| 第2章 服装企业供应链管理模式及相关概念辨析 |
| 2.1 本文应用的相关概念与理论 |
| 2.1.1 供应链与链管理的概念 |
| 2.1.2 季节变动预测法 |
| 2.1.3 层次分析法(AHP)理论 |
| 2.1.4 供应商库存管理(VMI)理论 |
| 2.2 服装企业供应链 |
| 2.2.1 服装企业供应链的基本模式 |
| 2.2.2 国际知名服装企业供应链管理模式 |
| 第3章 A服装企业供应链管理现状分析 |
| 3.1 A服装企业的基本情况 |
| 3.1.1 A服装企业的发展和销售规模 |
| 3.1.2 A服装企业的品牌和产品概况 |
| 3.2 A服装企业的供应链管理的状况与特色 |
| 3.2.1 A服装企业供应链的结构 |
| 3.2.2 A服装企业供应链的类型 |
| 第4章 A服装企业供应链管理的问题与分析 |
| 4.1 A服装企业供应链管理的问题 |
| 4.1.1 市场信息不对称导致库存管理的问题 |
| 4.1.2 采购管理方面的问题 |
| 4.1.3 非战略合作导致供应商管理的问题 |
| 4.2 A服装企业供应链管理问题的原因分析 |
| 4.2.1 传统思维未转变与“牛鞭”效应未能有效应对 |
| 4.2.2 采购部门组织架构不合理 |
| 4.2.3 缺乏有效的供应商监督与激励的管理机制 |
| 第5章 A服装企业供应链管理优化策略 |
| 5.1 库存管理方面 |
| 5.1.1 对经销商进行订货分级管理 |
| 5.1.2 预测服装周期性需求变动 |
| 5.1.3 优化服装库存管理模式 |
| 5.2 采购管理方面 |
| 5.2.1 优化企业组织结构 |
| 5.2.2 优化采购流程 |
| 5.3 供应商管理方面 |
| 5.3.1 采用AHP理论完善供应商评价体系 |
| 5.3.2 完善供应商激励政策实现战略合作 |
| 结论 |
| 致谢 |
| 参考文献 |
| 附录 A服装企业供应商评价体系影响指标重要性等级评分表 |
（8）跨境供应链网络若干优化问题研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 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 跨境供应链网络相关研究 |
| 1.2.2 供应链网络牛鞭效应研究 |
| 1.2.3 供应链网络节点选址研究 |
| 1.2.4 供应链网络鲁棒性问题研究 |
| 1.2.5 供应链网络设计优化研究 |
| 1.3 研究目标及研究方法 |
| 1.3.1 研究目标 |
| 1.3.2 研究方法 |
| 1.4 研究内容及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 2 跨境供应链网络系统分析 |
| 2.1 跨境供应链网络的内涵及特点 |
| 2.1.1 跨境供应链网络的内涵 |
| 2.1.2 跨境供应链网络的特点 |
| 2.2 跨境供应链网络构成分析 |
| 2.2.1 跨境供应链网络的结构要素 |
| 2.2.2 跨境供应链网络拓扑结构抽象原则 |
| 2.2.3 跨境供应链网络拓扑结构 |
| 2.2.4 跨境供应链物流网络拓扑结构 |
| 2.3 跨境供应链网络鲁棒性分析 |
| 2.3.1 跨境供应链网络鲁棒性内涵 |
| 2.3.2 跨境供应链网络鲁棒性影响因素 |
| 2.4 跨境供应链网络可靠性因素分析 |
| 2.4.1 跨境供应链网络可靠性内涵 |
| 2.4.2 跨境供应链网络可靠性影响因素 |
| 2.5 本章小结 |
| 3 基于库存动态演化的跨境供应链网络牛鞭效应测量与分析研究 |
| 3.1 跨境供应链网络牛鞭效应的内涵及特征 |
| 3.1.1 跨境供应链网络牛鞭效应的内涵 |
| 3.1.2 牛鞭效应的特征 |
| 3.2 跨境供应链网络牛鞭效应影响因素分析 |
| 3.2.1 网络结构对跨境供应链网络牛鞭效应的影响 |
| 3.2.2 决策机制对跨境供应链网络牛鞭效应的影响 |
| 3.3 基于库存动态演化的跨境供应链网络牛鞭效应测量方法研究 |
| 3.3.1 基于订货点策略的跨境供应链网络库存动力学模型 |
| 3.3.2 跨境供应链网络牛鞭效应测量方法 |
| 3.4 算例分析 |
| 3.4.1 北京市某跨境供应链网络牛鞭效应测量分析 |
| 3.4.2 库存波动随时间变化分析 |
| 3.4.3 库存波动峰值分布分析 |
| 3.5 本章小结 |
| 4 基于最小最大后悔值的跨境供应链网络节点选址鲁棒优化研究 |
| 4.1 跨境供应链网络节点鲁棒性分析 |
| 4.2 问题描述与模型构建 |
| 4.2.1 问题描述 |
| 4.2.2 基本模型描述 |
| 4.2.3 跨境供应链网络海外仓选址鲁棒优化模型构建 |
| 4.4 数值分析 |
| 4.4.1 数据与参数说明 |
| 4.4.2 结果分析 |
| 4.4.3 灵敏度分析 |
| 4.5 本章小结 |
| 5 基于可靠性的跨境供应链网络设计模糊优化研究 |
| 5.1 跨境供应链网络设计概述 |
| 5.1.1 跨境供应链网络设计问题 |
| 5.1.2 跨境供应链网络模糊可靠性分析 |
| 5.1.3 跨境供应链网络设计的决策目标分析 |
| 5.2 问题描述与模型构建 |
| 5.2.1 问题描述 |
| 5.2.2 模型构建 |
| 5.2.3 模型线性化 |
| 5.3 禁忌搜索算法设计 |
| 5.3.1 解的结构 |
| 5.3.2 初始化 |
| 5.3.3 邻域结构 |
| 5.3.4 禁忌表 |
| 5.3.5 藐视原则 |
| 5.3.6 终止准则 |
| 5.4 数值分析 |
| 5.4.1 TR网络数据与参数说明 |
| 5.4.2 算法比较分析 |
| 5.4.3 计算结果分析 |
| 5.4.4 灵敏度分析 |
| 5.4.5 随机生成网络测试 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 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 |
（9）区块链技术影响下的供应链多级库存模型优化与仿真研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 供应链多级库存研究现状 |
| 1.2.2 区块链技术应用供应链的研究现状 |
| 1.2.3 研究述评 |
| 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 研究思路和框架 |
| 2 相关理论和方法 |
| 2.1 供应链环境下的库存控制 |
| 2.1.1 供应链环境下的库存问题 |
| 2.1.2 多级库存的优化与控制 |
| 2.1.3 牛鞭效应 |
| 2.1.4 小结 |
| 2.2 区块链技术的基础理论 |
| 2.2.1 区块链技术的内涵 |
| 2.2.2 区块链技术在供应链中的应用 |
| 2.2.3 小结 |
| 2.3 控制理论与方法的概述 |
| 2.3.1 反馈控制原理 |
| 2.3.2 传递函数 |
| 2.3.3 z变换理论 |
| 2.3.4 小结 |
| 3 区块链技术影响下的多级库存成本模型构建 |
| 3.1 多级库存成本模型 |
| 3.1.1 模型假设 |
| 3.1.2 模型的参数符号 |
| 3.2 模型构建 |
| 3.2.1 订购成本 |
| 3.2.2 库存持有成本 |
| 3.2.3 缺货成本 |
| 3.2.4 运输成本 |
| 3.2.5 延迟成本 |
| 3.2.6 成本优化模型 |
| 3.3 本章小结 |
| 4 模型算法设计及仿真 |
| 4.1 GA算法 |
| 4.1.1 算法基本原理 |
| 4.1.2 算法的求解步骤 |
| 4.1.3 遗传算法主程序 |
| 4.2 实数编码下改进交叉算子的遗传算法 |
| 4.2.1 实数编码 |
| 4.2.2 改进交叉算子设计 |
| 4.3 模型仿真 |
| 4.3.1 算例数据 |
| 4.3.2 结果分析 |
| 4.4 本章小结 |
| 5 区块链技术影响下的多级库存系统控制模型设计 |
| 5.1 多级库存控制模型 |
| 5.1.1 模型假设 |
| 5.1.2 符号设计 |
| 5.2 系统建模 |
| 5.2.1 多级库存系统控制结构图 |
| 5.2.2 多级库存系统传递函数及稳定性判定 |
| 5.3 本章小结 |
| 6 区块链技术影响下的多级库存系统动态响应性分析 |
| 6.1 频域分析法 |
| 6.1.1 库存1频率响应 |
| 6.1.2 库存2频率响应 |
| 6.2 白噪声信号 |
| 6.3 仿真数据分析 |
| 6.4 本章小结 |
| 7 研究结论及展望 |
| 7.1 研究结论 |
| 7.2 管理研究方法启示 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读硕士期间取得的科研成果 |
（10）供应链网络牛鞭效应问题研究 ——库存控制策略优化方法（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 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 供应链模型优化研究现状 |
| 1.2.2 供应链网络“牛鞭效应”问题研究现状 |
| 1.2.3 供应链库存控制策略研究现状 |
| 1.3 论文的研究内容及章节安排 |
| 第2章 基于时间序列分析的供应链需求预测方法 |
| 2.1 供应链需求预测概论 |
| 2.1.1 供应链需求信息的不确定性 |
| 2.1.2 供应链需求随机性的主要原因 |
| 2.1.3 供应链需求预测的特点 |
| 2.2 供应链需求预测方法 |
| 2.2.1 预测方法简述 |
| 2.2.2 时间序列分析简述 |
| 2.3 时间序列分析 |
| 2.3.1 ARMA(p,q)模型及其性质 |
| 2.3.2 ARMA(p,q)模型的参数估计 |
| 2.3.3 平稳时间序列的预测 |
| 2.3.4 案例分析:利用时间序列模型预测A颜料公司的需求情况 |
| 2.4 本章小结 |
| 第3章 供应链网络牛鞭效应控制问题 |
| 3.1 牛鞭效应的研究内容 |
| 3.1.1 牛鞭效应的存在 |
| 3.1.2 牛鞭效应的量化 |
| 3.1.3 牛鞭效应的减弱和控制 |
| 3.1.4 减弱牛鞭效应的主要措施 |
| 3.2 牛鞭效应的量化分析 |
| 3.2.1 牛鞭效应的数学模型 |
| 3.2.2 供应链集中(分散)信息的牛鞭效应 |
| 3.3 牛鞭效应的研究方法 |
| 3.3.1 传统数理统计学方法 |
| 3.3.2 系统控制理论方法 |
| 3.3.3 其他分析方法 |
| 3.4 本章小结 |
| 第4章 供应链系统库存控制策略 |
| 4.1 供应链订购策略分析 |
| 4.1.1 OUT订购策略 |
| 4.2 安全库存优化算法 |
| 4.2.1 安全库存基于ABC分类的优化 |
| 4.2.2 安全库存基于需求量的优化 |
| 4.2.3 安全库存基于时间的优化 |
| 4.3 基于(L-CSL)的库存控制策略 |
| 4.3.1 建立模型 |
| 4.3.2 模型求解 |
| 4.4Simulink仿真实验 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
四、供应链管理与牛鞭效应（论文参考文献）
- [1]制造企业供应链数字化转型机理与决策模型[D]. 韩璐. 北京交通大学, 2021(02)
- [2]B公司供应链库存管理优化的研究[D]. 赵艺匀. 吉林大学, 2021(01)
- [3]考虑价格信息共享的供应链牛鞭效应及其复杂性研究[D]. 周婷. 武汉纺织大学, 2021(08)
- [4]基于供应链视角的库存管理研究 ——以G公司为例[D]. 周倩. 河南大学, 2020(06)
- [5]时滞双渠道电子商务闭环供应链的MPC仿真分析[D]. 李白. 沈阳理工大学, 2021(01)
- [6]A服装企业供应链管理研究[D]. 游歆. 南昌大学, 2020(03)
- [7]管理者过度自信与企业牛鞭效应[J]. 任莉莉,张瑞君,张永冀. 中国会计评论, 2020(03)
- [8]跨境供应链网络若干优化问题研究[D]. 燕晨屹. 北京交通大学, 2020(03)
- [9]区块链技术影响下的供应链多级库存模型优化与仿真研究[D]. 葛晨晨. 西安科技大学, 2020(01)
- [10]供应链网络牛鞭效应问题研究 ——库存控制策略优化方法[D]. 韩坤. 重庆邮电大学, 2018(01)