汽车产品回收再制造企业特征属性与生产性服务需求匹配预测分析

《汽车产品回收再制造企业特征属性与生产性服务需求匹配预测分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,⋯同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□,在~年解密后适用本授权书。本学位论文属于不保密□。(请在以上方框内打“√”)学位论文作者签名:⒈痂栋日期:LQl/年y月丬日日期:。月日洲f冫引万方数据万方数据上海交通大学硕士学位论文汽车产品回收再制造企业特征属性与生产性服务需求匹配预测研究摘要随着

2、我国汽车产销量的快速增长，我国汽车产品回收再制造产业的发展潜力巨大。但是，我国现阶段大多数汽车回收拆解的企业管理混乱、拆解技术水平较低，形成规模的企业很少，由此制约了行业的发展。为了改变这种状况，应对该行业的快速发展，企业亟需依托生产性服务业提高行业内企业的综合水平，以更好的顺应汽车产品回收再制造行业的发展。研究如何更好的将生产服务业与汽车产品回收再制造产业链融合也就具有十分重要的意义。针对这一问题，本文构建了汽车产品回收再制造企业特征属性与生产性服务需求的匹配预测模型。该模型不仅可以为企业自身生产性服务决策时提供参考依据，同时生产服务供应商也可以根据匹配预

3、测结果快速响应该行业内企业的相关需求，为企业量身定制生产性服务。本文的主要研究内容如下：首先，分析汽车产品回收再制造企业对生产性服务的需求以及相应的决策影响因素，设计汽车产品回收再制造行业—生产性服务需求调研问卷。其次，以行业调研数据为基础，使用主成分分析法去除样本数据中的相关性，构建基于BP神经网络的汽车产品回收再制造企业特征属性参数与多种生产性服务需求进行匹配的预测模型。最后，由于BP神经网络模型自身存在局限性，引入遗传算法和粒子群算法分别构建BP神经网络模型混合优化模型，并通过反复训练和测试，提高模型的预测精度。关键词：报废汽车回收再制造、特征属性匹配

4、、生产性服务、BP神经网络、遗传算法、粒子群算法I万方数据摘要PREDICTIONOFFEATUREMATCHINGBETWEENEND-OF-LIFEVEHICLERECYCLINGANDREMANUFACTURINGMANUGACTURERSANDPRODUCERSERVICEDEMANDABSTRACTWiththerapiddevelopmentoftheautomobileindustryinChina,theend-of–lifevehiclerecyclingandremanufacturingindustryhasalsofacedarapi

5、dlyincrease.However,mostofdisassemblingandrecyclingmanufacturersaresmallandmedium-sizedenterprisesandstayinlowmanagementandtechnicallevel.Itisnecessarytodevelopproducerservicesindustryinordertoimprovethesituation.Tobettertheservicelevel,thethesisworksonhowtorecommendtheproducerserv

6、icesbasedonsomefeaturesoftheproducer.Thisworknotonlycanhelpmanufacturerstochoosetheservices,butcanhelpserviceproviderstoidentifythepotentialdemands.Thecontentofthethesiscanbedividedtothreeparts.First,thecustomersurveyquestionnaireisdesignedandconductedinordertoanalyzethedemandandin

7、fluencingfactorsforproducerservices.Second,onthebasisofascertainingthefeatureparametersandcollectingdatathroughquestionnaire,principalcomponentanalysisisusedtoeliminateinformationoverlappingoftherawdataandreducetheinputdimension.Then,apredictionmodelofBPneuralnetworkisproposedandfi

8、nallyusedfortraining,testi