基于神经网络的库存模型与ERP的集成研究开题报告

1. 研究目的与意义

市场竞争越来越激烈,现代企业要想在激烈的市场竞争环境中立于不败之地就需要不断提高其快速响应市场需求的能力。零售企业处于供应链的末端,直接面对消费者,是连接消费者与供应商的枢纽。零售业的库存又受到诸多不确定因素影响，良好的库存控制是提高消费者满意度和控制库存成本的关键所在。

大部分零售企业都有ERP系统对库存、销售进行数据收集并预测。但面对大量的存储于系统中的数据，人们对其的应用主要是操作和查询，没有能充分利用这些海量数据，从中发掘出对决策有帮助的信息，从而导致了数据量很大但是没有用的局面的产生。但如果能通过增加、改善ERP系统的功能实现库存预测，对企业而言意义重大。

2. 研究内容和预期目标

本文主要研究两方面内容。一方面是大数据方法在零售业库存控制中的作用，主要选取库存控制中的库存分类和库存预测两个问题。选取的大数据方法是数据挖掘中的BP神经网络方法，研究数据挖掘在库存控制中的应用流程，包括数据的收集、整理、集成，利用MATLAB中的神经网络工具包尝试建立库存分类和预测模型。模型建立将包括：样本数据的选取、样本数据的转换和网络结构的确定。另一方面是提出一个可实现上述功能的ERP模块，将包括数据信息系统、供应商管理、库存分析等内容，并与现有ERP软件进行集成，提高零售企业库存管理的效率。

解决的问题如下：其一是目前库存管理中的预测模型存在缺陷，需要提出更符合现实中库存环境的模型；其二是解决ERP系统中缺少库存决策支持模块的问题。

写作提纲：本文将先对现存的库存控制模型进行研究，进行对比并提出待提高点。再进而研究数据挖掘方法的理论知识，BP神经网络的应用范围和方法。在现有研究结果的基础之上，对收集到的某零售商的库存数据进行实践研究，包括样本数据的选取和分析。在MATLAB中建立库存控制模型，并进行仿真实验，构建稳定的网络结果以预测某月的最小库存量。接着，对现有ERP系统的库存模块进行功能分析，构建库存系统的系统结构。最后，对大数据方法在库存控制中的作用以及ERP集成应用做进一步的展望。

3. 国内外研究现状

本文将从两方面进行国内外文献研究：1、数据挖掘方法在库存中的应用2、可以实现库存管理的决策支持系统。

美国经济学家lobabidi于20世纪80年代把模糊数学应用到库存管理中^[1]。从多个方面出发,对货物的等级状况进行综合评判。按照模糊分类法或灰色系统法进行分类，有新产品入库时再对新产品进行分析从而把新产品归入到已有的类别中。

andreasl.symeonidis等人建立的multi-agent系统有效解决了 erp系统的通用性和适用性问题,该系统以数据挖掘为基础获取信息，并将获取的信息加入到现有的erp、scm、crm的决策支持模块中^[2]。

4. 计划与进度安排

1月1日至1月20日 查阅国内外文献资料，搜集理论知识，确定研究方法

3月1日至10日 收集数据，预处理数据，设想如何构建模型

5. 参考文献

[1]梁保松,曹殿立.模糊数学及其应w[m].北京:科学山版社.2007

[2]andreas l.symeonidis,dionisis d. kehagias, pericles a. mitkas. intelligent policy recommendations on enterprise resource planning by the use of agent technology and data mining techniques [j]. expert systems with applications. 2003(25):589-602.

[3]achabal,deled,mcintyre. a decision support system for vendor managed inventory[j]. journal of retailing. 2000.