智能制造背景下供應商管理研究

 
第1章緒論
1.1研究背景
1.2國內外研究現(xiàn)狀
1.2.1供應商效率評價國內外現(xiàn)狀
1.2.2供應商風險評價國內外研究現(xiàn)狀
1.2.3供應商激勵國內外研究現(xiàn)狀
1.2.4供應商利益分配國內外研究現(xiàn)狀
1.3研究內容
1.4本章小結
第2章相關理論與方法
2.1供應商管理理論
2.1.1供應商分類
2.1.2供應商效率及評價
2.2復雜網絡理論
2.3協(xié)同理論
2.4熵理論
2.4.1協(xié)同熵
2.4.2熵權法
2.5過度自信理論
2.6博弈論
2.7BP神經網絡
2.7.1BP神經網絡的基本介紹
2.7.2BP神經網絡的優(yōu)缺點
2.8最小二乘結構方程模型
2.9Shapley值法
2.10t-SNE算法
2.11本章小結
第3章智能制造背景下基于復雜網絡的供應商效率評價
3.1復雜供應商網絡
3.1.1復雜供應商網絡定義
3.1.2復雜供應商網絡特征分析
3.1.3復雜供應商網絡角色劃分
3.2復雜供應商網絡建模思想
3.3復雜供應商網絡協(xié)同熵值度量
3.4復雜供應商網絡協(xié)同效率評價模型構建
3.4.1復雜供應商網絡成員協(xié)同關系建立
3.4.2復雜供應商網絡協(xié)同評價參數(shù)確定
3.5案例分析
3.5.1數(shù)據(jù)收集與統(tǒng)計
3.5.2結果分析與建議
3.6管理啟示
3.7本章小結
第4章智能制造背景下基于分類管理的供應商效率評價
4.1構建智能制造企業(yè)供應商分類指標體系及評價指標體系
4.1.1評價指標體系構建原則
4.1.2智能制造企業(yè)供應商分類指標構建
4.1.3智能制造企業(yè)供應商效率評價指標構建
4.1.4指標權重計算
4.1.5分類算法
4.2改進PSO算法
4.2.1粒子群優(yōu)化算法概念
4.2.2粒子群優(yōu)化算法特點
4.2.3改進粒子群優(yōu)化算法
4.3基于DPMPSO-BP構建智能制造供應商評價模型
4.3.1基于DPMPSO改進BP神經網絡算法
4.3.2貝葉斯分類下的DPMPSO-BP神經網絡評價模型
4.4案例分析
4.4.1DPMPSO-BP神經網絡模型結構設計
4.4.2貝葉斯分類下改進DPMPSO-BP神經網絡的應用
4.4.3評價結果分析與建議
4.5本章小結
第5章智能制造背景下基于PLS-SEM的供應商風險評價
5.1智能制造背景下供應商風險評價指標構建
5.2智能制造背景下基于PLS-SEM的供應商風險評價模型
5.3實證分析
5.3.1數(shù)據(jù)收集與分析
5.3.2模型效果檢驗 
5.4評價結果及建議
5.4.1一級指標視角結果分析及建議
5.4.2二級指標視角結果分析及建議
5.5本章小結
第6章智能制造背景下考慮隨機產出風險的供應商激勵
6.1隨機產出風險分析
6.2基于成本共擔和收入共享的Stackelberg激勵模型構建
6.2.1假設條件與模型構建
6.2.2模型求解
6.3算例分析
6.4管理啟示
6.5本章小結
第7章智能制造背景下考慮過度自信風險的供應商激勵
7.1過度自信風險分析
7.2基于t-SNE的過度自信判定
7.2.1智能制造能力成熟度指標體系構建
7.2.2數(shù)據(jù)收集及標準化處理
7.2.3過度自信程度聚類判定
7.3考慮過度自信的Stackelberg激勵模型構建
7.3.1假設條件
7.3.2討論與分析
7.4算例分析 
7.4.1過度自信判定模型算例分析
7.4.2供應商激勵模型算例分析
7.4.3管理啟示
7.5本章小結
第8章智能制造背景下考慮協(xié)同貢獻度的供應商收益分配
8.1協(xié)同收益與協(xié)同效率關聯(lián)性分析
8.2Shapley值法協(xié)同收益分配方法
8.2.1Shapley值法應用
8.2.2Shapley值法缺陷
8.3考慮協(xié)同貢獻度的復雜供應商網絡協(xié)同收益分配模型
8.3.1復雜供應商網絡成員實際協(xié)同能力影響因素
8.3.2復雜供應商網絡成員觀測協(xié)同能力影響因素
8.3.3考慮協(xié)同貢獻度的復雜供應商網絡協(xié)同收益分配方案
8.4算例分析
8.5管理啟示
8.6本章小結
第9章總結與展望
9.1總結
9.2展望
參考文獻