基于CPFR的ARIMA-BP神经网络需求预测模型研究

被引量 : 10次 | 上传用户:promethean65
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
CPFR (Collaborative Planning Forecasting and Replenishment)是针对零售行业的一种供应链管理方案,致力于提高企业内部管理和外部协作的效率。CPFR实施在提高供应链运行效率的同时也提升了供应链成员之间的合作关系,为全面整合供应链打下基础。CPFR是继VMI(供应商管理库存)之后提出的一个新的供应链整合技术,它将企业的合作从库存管理进一步扩展到需求管理。企业间的协同预测是CPFR实施的核心,它提高了需求预测的精度。而准确的需求预测既可以降低生产成本
其他文献
机械设备作为企业生产运营不可或缺的一部分,它们的健康状态将对企业的经济效益产生巨大的影响,因此,设备维护管理成为了现代企业管理的重要内容。为了克服传统设备维护管理方式
随着互联网时代的到来,机构面对的信息呈现爆炸式增长。据统计,当前社会上85%的信息是以非结构化数据的形式出现,包括纸上的文件、报告,视频和音频文件,照片、传真件、信件。
随着我国加入WTO和社会经济的高速发展,服务业在国民生产中占有愈加重要的地位。供给能力的相对固定,需求的周期性变动,这些因素使得服务业要实现供需平衡远比制造业困难。收益管理针对这一难题,根据历史数据进行需求预测,在此基础上制定相应的价格、存量控制和超售策略来平衡供需,以求实现收益最大化。对顾客需求有效、准确的预测是收益管理取得成功的关键。在收益管理系统中,需求预测通常是基于历史订购数据开展的,预测
目前,我国企业信息化建设在取得长足发展的同时,也出现了一些不容忽视的问题:企业内部各个信息系统由于历史遗留、开发系统相异等原因而无法有效地相互集成;信息交流不及时、数据