导读:本文包含了安全库存量论文开题报告文献综述、选题提纲参考文献，主要关键词:库存量,库存,血型,模型,神经网络,园区,服务水平。
安全库存量论文文献综述写法
袁和芹,吴刚,滕平[1]（2018）在《淮安市中心血站血液安全库存量研究》一文中研究指出目的探讨血站最佳血液库存量的设定方法,制定符合站内实际情况的安全库存量,在最大限度减少血液过期报废的前提下保证临床血液的供应。方法采用回顾性分析方法,统计2012～2016年红细胞类年使用和月使用情况、年递增率、各血型用量及占总用血量的百分比等。结果 2012～2016年用血量呈逐年上升趋势,年均递增率为1.21%;3、5、10、12月份发血量呈正增长趋势;日均发血总量为177.6U;4种血型日均发血量的参考范围为A型(48.6～57.8U)、B型(48～55U)、O型(50.6～61 U)、AB型(15.2～19 U);结合日均发血量及实际,以15倍日均发血量(2 664～2 892 U)为红细胞类的最高库存量;以5倍日均发血量(888～964U)为最低库存量;以10倍日均发血量(1776～1928U)为最佳库存量,各血型最佳库存比例为A∶B∶O∶AB=3.1∶3∶3.3∶0.7;结论血液安全库存量是血液库存量动态监控体系、血液库存管理预警机制的重要基础,对于保障血液安全具有重要意义。(本文来源于《临床输血与检验》期刊2018年06期）
刘庆[2]（2018）在《基于LSTM模型的汽车配件安全库存量预测研究》一文中研究指出据中国汽车工业协会统计,我国的汽车产销量已连续九年蝉联全球第一。汽车需求量的不断提高,同时带动了汽车零配件市场的发展。由于零配件预备库存方面存在很大的不确定性,且许多汽车厂商、4S店、代理商等在汽车零配件库存方面缺少合理的库存方案,同时由于目前要完全实现理想的“零库存”生产、销售还不太实际。因此持有安全库存也就成为了解决突发状况的最有效手段。本文就汽车配件安全库存量设置问题,首先分析了几种常见的库存控制方法,包括ABC分类法、效用值法、边际分析法等。但这些传统的库存定量方法比较依赖于已有的实践经验和总结,效率低且缺乏准确性。随着人工智能的发展,人们开始应用BP神经网络来预测安全库存量,成效显着。可是传统的BP神经网络并未考虑安全库存数据的时序性,存在一定的缺陷。因此本文采用一种基于长短期记忆单元(Long-Short Term Memory,LSTM)的递归神经网络模型来解决汽车配件安全库存量预测问题。本文以叁种配件的安全库存数据和UCI网站上下载的数据集作为本文的实验数据,通过在Anconda3软件上进行模型仿真实验。首先,建立了安全库存预测的LSTM模型结构,通过实验选择了该模型合适的输入输出、激活函数、循环体层数以及优化函数等。同时由于LSTM的网络结构、初始连接权值和阈值的选择对网络性能的影响较大,却又无法准确获得。针对这个问题本文采用蝙蝠算法(Bat Algorithm)对LSTM神经网络的初始化权值和阈值进行优化,解决安全库存预测问题以提高预测效率及准确率。并且将该模型与LSTM、BP、BA-BP、BA-SVR等算法模型进行对比实验,使用均方误差(MSE)对预测数据和原始数据进行误差处理分析。通过实验结果证明:相比LSTM、BP、BA-BP、BA-SVR算法,BA-LSTM算法收敛速度更快,预测误差率更低,更适用于解决汽车配件安全库存预测问题。最后,本文设计并实现了汽车配件安全库存预测系统,并将本文提出的BA-LSTM算法用于该系统中,以实现安全库存量预测功能。(本文来源于《西南交通大学》期刊2018-05-09）
吴迪[3]（2015）在《基于模糊决策树算法的安全库存量预测模型》一文中研究指出安全库存也就是被人们称为额外所持有库存,其是市场的供应链上的一个相当重要的环节。存货的储存成本和短缺成本、订货的间隔期间变化、存货需求量变化、交货延误期长短等等这些因素直接对确定安全库存量产生影响,与此同时,安全库存量又具有非线性的特征,这些原因使得准确预测安全库存量变得相当的困难,因此研究安全库存量预测具有重要的理论和现实意义。本文针对安全库存量预测问题,提出了基于模糊决策树算法的安全库存量预测模型,现将本文所做的工作总结如下:(1)对安全库存关键技术进行了分析,主要包括库存与安全库存的概述、确定安全库存量、安全库存量的确定方法概述,包括效用值法、定量订货方法、ABC分类方法、数理统计方法、边际分析法,介绍了安全预测原理、数据挖掘技术;(2)构建了基于模糊决策树算法的安全库存量预测模型,介绍了模糊集理论,比较了决策树与模糊决策树,并对试验数据进行收集、整理和分析;(3)对上述构建的基于模糊决策树算法的安全库存量预测模型进行实例应用,介绍了实验工具和环境,并实现了基于标准BP算法的安全库存量预测模型,并采用传统的EOQ(经济订货批量)模型对安全库存量进行的预测,最后,将本文构建的安全库存量预测模型与基于BP算法的安全库存量预测模型和采用传统的EOQ安全库存量预测模型进行了对比。结果表明:针对原材料Qkq分别采用标准BP模型和EOQ预测模型进行预测,本文模型与实际值较接近,且MAPE值要分别比标准BP模型和EOQ预测模型小10.70和11.81,。针对原材料为Qkq的成品WML分别采用标准BP模型和EOQ预测模型进行预测,本文模型与实际值较接近,且MAPE值要分别比标准BP模型和EOQ预测模型小5.80和10.83,因此本文所建立的基于模糊决策树算法的安全库存量预测模型具有较高的预测精度。(本文来源于《中国地质大学(北京)》期刊2015-05-01）
胡文静,傅强,张瑞生,陆乐,韩建香[4]（2015）在《南京市急救用血安全库存量调查》一文中研究指出目的通过对南京市属医院的急救用血进行调查,建立针对各类抢救的血液安全库存量。方法将2012年1月-2013年12月南京市各医院急救用血的病种、血型、血量分类统计,计算各病种安全库存量和急救用血占总用血比例,并分析叁级医院与二级医院的病种差异。结果多发伤、产科大出血、消化道大出血、主动脉瘤破裂及其它手术中意外大出血,红细胞用量分别为(8.24±5.53)U、(8.63±6.31)U、(7.30±5.0)U、(12.85±8.08)U、(8.08±8.64)U。消化道大出血红细胞用量略低于其它病种,主动脉瘤破裂的红细胞用量明显高于其它病种。结论根据二、叁级医院的病种分布不同,制定准确的应急储备血量可更好地保障危重患者的生命安全。(本文来源于《中国输血杂志》期刊2015年04期）
邓汝春[5]（2012）在《分散式仓储与集中式仓储模式下安全库存量的比较研究》一文中研究指出在供应链管理实践中,管理者要在分散式仓储与集中式仓储模式中进行权衡。本文通过构建两种仓储模式下安全库存量的测度模型,并通过算例进行实证。集中式仓储会降低需求的不确定性以及由此产生的必备安全库存量。集中式仓储带来的安全库存量的减少量,等于分散式仓储模式下仓库数的平方根。(本文来源于《中国市场》期刊2012年10期）
沙和风,蔡景,林海彬[6]（2011）在《不同需求规律下的航材安全库存量研究》一文中研究指出安全库存是有效处理航材供应过程中遇到的各种突发情况的重要保证,针对航材需求量波动变化的实际情况,对航材安全库存量开展了深入研究。首先,研究了不同航材类型及其安全库存量需求的特点;其次,分析了航材需求分布类型,进而研究了不同需求量变化规律的确定方法;然后,研究建立了不同需求量规律下的航材安全库存量的确定方法;最后,通过算例验证了方法的可行性和有效性,为飞机制造商和航空公司的航材管理提供了有效方法和切实指导。(本文来源于《物流科技》期刊2011年11期）
王树坤,谭小群,陈国华[7]（2011）在《基于风险的化工园区安全库存量评估模型研究》一文中研究指出本文从风险角度界定了化工园区安全库存量基本概念。以探索化工园区安全库存量计算方法为目的,采用定量风险评价方法分析化工园区危险品所造成的风险容量,计算现场当班人员平均风险值,以此评判化工园区库存量是否合理。根据风险容许范围,进一步推导最大安全库存量作为化工园区风险控制的重要依据。通过将研究成果应用于广东某化工园区,分别计算得出应用化工园区现状企业下及引进新企业后园区最大安全库存量,实现园区对引进危险品风险的有效控制。(本文来源于《中国职业安全健康协会2011年学术年会论文集》期刊2011-10-19）
赵玉虹[8]（2011）在《基于改进BP算法的安全库存量预测模型的研究》一文中研究指出安全库存是一种额外持有的库存,它作为企业的缓冲器是商务市场供应链上非常重要的一个环节。安全库存量的确定受存货需求量的变化、订货间隔期的变化、交货延误期的长短及存货的短缺成本和储存成本等多种因素影响,具有复杂的非线性特征,使得对其预测异常困难。而近年来发展迅速的人工神经网络,具有良好的非线性、可以模拟人的大脑活动且具有自组织学习、大规模并行处理、容错能力及外部环境的适应能力,所以利用人工神经网络进行预测已经成为许多项目的首选方法。但人工神经网络也存在一些自身的缺陷:如收敛速度慢或不收敛、局部极小值问题、网络结构选择具有随机性等。针对以上问题,本文在前人研究的基础上,在安全库存量的预测中使用变步长思想和隐含层节点自我调整的BP神经网络算法(Variable-step & Self-adjustment Hidden Nodes Back-Propagation Neural Network ,VSBPNN),与标准BP算法及传统经济学预测方法相比较,取得了较好的效果。论文主要包括以下四个方面的工作:(1)通过对浙江省某集团下属子公司染料仓库的调研分析,总结该仓库中某产品及其原材料需求量的影响因素,取得该产品及其原材料2008和2009两年的入库和出库数据,并对原始数据进行预处理,主要包括剔除无效数据,补充空白数据点、根据预测需求分配训练集和预测集,数据集成和归一化训练集等。(2)针对标准BP算法存在的缺陷和不足,提出变步长思想和隐含层节点自我调整的BP算法(VSBPNN),并给出改进算法的思路和公式的推导过程。首先根据目标函数和约束函数计算迭代过程中的加权矩阵和步长,然后分析相邻隐含层节点的输出相关性,去除或合并关联较大的隐含层节点,使之能够较好的适应网络的需要,提高网络节点学习的有效性,从而提高预测精度。(3)根据改进算法的思路确定原材料和其成品安全库存预测模型的初始网路结构,结合文献理论和反复训练法确定隐含层神经元数目和学习率大小,对网络结构进行优化,多次实验后最终确定预测模型的权值和参数。运用入库及出库数据对模型进行反复训练,降低由于外界干扰、模型失配、参数变化等引起的不确定性,及时对网络进行调整,使预测模型建立在适合实际数据的基础上。最后基于样本聚类和主成分分析,分类进行仿真实验。(4)将仿真结果进行比较得出最优解,并将其性能指标与标准BP算法及其改进算法、传统经济学预测方法进行比较分析,对基于改进BP算法的安全库存预测模型做出评价。最后总结全文的优点和不足,指出下一步的工作计划,预测结果可作为企业决策的依据。(本文来源于《浙江理工大学》期刊2011-03-01）
李广,郝中军,郝以庆,冯宗杰[9]（2010）在《军用物资供应服务水平与安全库存量的确定问题研究》一文中研究指出本文利用当今经济领域内的物流理论对军用物资的存贮问题进行了研究,从而能够保物资供应服务水平又能降低库存成本,得到合理的物资安全库存量。(本文来源于《科技创新导报》期刊2010年12期）
邓汝春,罗中,曾贱吉[10]（2009）在《受货物交付期影响的安全库存量的测度研究》一文中研究指出安全库存量与货物的交付期有很大的关系。文中分别研究了在货物交付期确定与变化的两种情况下,安全库存量的测度模型,并用实例验证比较,得出了通过降低货物交付期的不确定性来降低企业安全库存量的结论,对供应链管理实践具有借鉴意义。(本文来源于《物流工程与管理》期刊2009年07期）
安全库存量论文开题报告范文
（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：
据中国汽车工业协会统计,我国的汽车产销量已连续九年蝉联全球第一。汽车需求量的不断提高,同时带动了汽车零配件市场的发展。由于零配件预备库存方面存在很大的不确定性,且许多汽车厂商、4S店、代理商等在汽车零配件库存方面缺少合理的库存方案,同时由于目前要完全实现理想的“零库存”生产、销售还不太实际。因此持有安全库存也就成为了解决突发状况的最有效手段。本文就汽车配件安全库存量设置问题,首先分析了几种常见的库存控制方法,包括ABC分类法、效用值法、边际分析法等。但这些传统的库存定量方法比较依赖于已有的实践经验和总结,效率低且缺乏准确性。随着人工智能的发展,人们开始应用BP神经网络来预测安全库存量,成效显着。可是传统的BP神经网络并未考虑安全库存数据的时序性,存在一定的缺陷。因此本文采用一种基于长短期记忆单元(Long-Short Term Memory,LSTM)的递归神经网络模型来解决汽车配件安全库存量预测问题。本文以叁种配件的安全库存数据和UCI网站上下载的数据集作为本文的实验数据,通过在Anconda3软件上进行模型仿真实验。首先,建立了安全库存预测的LSTM模型结构,通过实验选择了该模型合适的输入输出、激活函数、循环体层数以及优化函数等。同时由于LSTM的网络结构、初始连接权值和阈值的选择对网络性能的影响较大,却又无法准确获得。针对这个问题本文采用蝙蝠算法(Bat Algorithm)对LSTM神经网络的初始化权值和阈值进行优化,解决安全库存预测问题以提高预测效率及准确率。并且将该模型与LSTM、BP、BA-BP、BA-SVR等算法模型进行对比实验,使用均方误差(MSE)对预测数据和原始数据进行误差处理分析。通过实验结果证明:相比LSTM、BP、BA-BP、BA-SVR算法,BA-LSTM算法收敛速度更快,预测误差率更低,更适用于解决汽车配件安全库存预测问题。最后,本文设计并实现了汽车配件安全库存预测系统,并将本文提出的BA-LSTM算法用于该系统中,以实现安全库存量预测功能。
（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。
安全库存量论文参考文献
[1].袁和芹,吴刚,滕平.淮安市中心血站血液安全库存量研究[J].临床输血与检验.2018
[2].刘庆.基于LSTM模型的汽车配件安全库存量预测研究[D].西南交通大学.2018
[3].吴迪.基于模糊决策树算法的安全库存量预测模型[D].中国地质大学(北京).2015
[4].胡文静,傅强,张瑞生,陆乐,韩建香.南京市急救用血安全库存量调查[J].中国输血杂志.2015
[5].邓汝春.分散式仓储与集中式仓储模式下安全库存量的比较研究[J].中国市场.2012
[6].沙和风,蔡景,林海彬.不同需求规律下的航材安全库存量研究[J].物流科技.2011
[7].王树坤,谭小群,陈国华.基于风险的化工园区安全库存量评估模型研究[C].中国职业安全健康协会2011年学术年会论文集.2011
[8].赵玉虹.基于改进BP算法的安全库存量预测模型的研究[D].浙江理工大学.2011
[9].李广,郝中军,郝以庆,冯宗杰.军用物资供应服务水平与安全库存量的确定问题研究[J].科技创新导报.2010
[10].邓汝春,罗中,曾贱吉.受货物交付期影响的安全库存量的测度研究[J].物流工程与管理.2009