【摘 要】
:
随着全球经济和轨道交通行业的飞速发展,国内和国际轨道交通业市场竞争越发加剧。而采购是轨道交通制造企业运营的至关重要环节,运用精益管理理论去指导实际采购活动,可以维护与加强企业与主要供应商之间的长期战略合作关系,可以提高车间生产效率保证项目交付,还可以大大减少制造企业的生产与运营成本。为了提升企业经济利润,增加市场占有率,轨道交通制造企业越发认识到科学有效的采购管理的重要性。本文针对A公司采购的现状
论文部分内容阅读
随着全球经济和轨道交通行业的飞速发展,国内和国际轨道交通业市场竞争越发加剧。而采购是轨道交通制造企业运营的至关重要环节,运用精益管理理论去指导实际采购活动,可以维护与加强企业与主要供应商之间的长期战略合作关系,可以提高车间生产效率保证项目交付,还可以大大减少制造企业的生产与运营成本。为了提升企业经济利润,增加市场占有率,轨道交通制造企业越发认识到科学有效的采购管理的重要性。本文针对A公司采购的现状,着重研究在采购管理中存在的不合理问题。第一,供应商管理流于形式,缺乏明确的分级标准,奖惩不明,缺乏切实有效的管控;第二,库存管理不科学,常用物料会出现少料,缺料的情况,而有部分物料在项目进度更新后,不能及时灵活调整,造成了呆滞;第三采购成本高,重复的小批量紧急采购、标注件设计方案死板、订单下达零散,供货供应商分散,都增加了采购成本。本文针对上述的三方面问题,通过构建供应商评价体系、建立安全库存模型和运用采购成本控制法形成一套适用于A公司的采购管理优化方案。构建供应商评价体系对供应商进行分级评定,挑选出优质的供应商,规范对供应商的日常管理,最终与优质供应商达成战略伙伴关系,提升合作紧密性。建立安全库存模型满足生产常用料的需求,保证生产进度,灵活调整订单数量、交期,从而减少紧急采购,降低采购频次,使采购计划得以整合。运用采购件成本管控法,整合需求下达长周期订单、采购件设计方案升级、集中供应商采购和集中订单采购,在协助供应商降低生产成本的基础上进一步降低采购价格,实现控制采购成本。本文以轨道交通制造公司A为研究对象,遵循分析采购管理流程-总结采购管理问题-讨论优化方案的总体思路,讨论研究适用于A公司现状的采购管理优化方案,同时也可以为A公司的国内同行企业提供采购管理优化方向。
其他文献
行人重识别是当前计算机视觉领域的热点研究主题之一,在公共安全、智能交通、数字金融等领域都有广泛的应用前景。随着深度学习技术的发展,基于深度学习的行人重识别方法逐渐成为主流研究方向,其性能也优于传统行人重识别方法。基于深度学习的行人重识别方法的研究主要包括两个方面:损失函数和特征提取网络的设计。本文针对这两个方面分别开展了相关研究,其主要内容及贡献如下:1.引入大间隔分类损失的行人重识别方法。本文对
企业采购作为企业的生命源泉,有着重要的作用,如何提高采购质量降低采购成本一直以来都是企业关注的问题。企业为了提升企业效益,增加企业的核心竞争力,在采购管理方面做了很多研究,通过优化采购流程、提升采购人员素质等方面做出努力,但是仍然存在各种各样的问题。互联网的快速发展、平台的兴起,给企业采购带来了新的思考。同时,一场突如其来的新型冠状病毒感染肺炎疫情(以下简称“疫情”)的影响,使市场一度失灵、经济停
中国的整车行业在过去几年取得了有目共睹的巨大发展。国产汽车行业的进步不只是体现在汽车的研发上,也体现在汽车软件上。随着软件项目个数指数级的增长和互联网大时代的到来,软件项目的风险管理也要与时俱进。项目风险管理的理论很成熟,但是项目风险管理工具的研究尚不多见。企业迫切需要能够落地的软件开发过程风险管理思路和工具。本文通过文献研究、案例分析等方法,阅读风险管理理论相关的文献,研究适用于汽车零部件软件项
近年来,在海量数据与高性能计算硬件的推动下,基于神经网络模型的人工智能技术因具有自动提取数据特征、对不同领域任务的普适性等优点,在各个领域取得了长足的发展。特别是在各类计算机视觉任务中,相较于以往传统的人工智能技术,基于神经网络模型的人工智能技术取得了更好的性能。然而基于神经网络模型的人工智能技术在各个领域不断取得突破的同时,神经网络的鲁棒性也被发现存在不足,科研人员发现,神经网络非常容易受到虚假
人类社会进入新时代后,会在对上一个时代的继承与否定过程中获得不断发展,新时代必然有着显著不同特征。我们在农业经济和工业经济之后,迎来了知识经济。知识经济环境里科技不断发展,工业物联网、工业4.0的发展战略规划不仅是技术革命,更是社会、组织、人类活动方式转变。撬动知识经济的核心、引领现代企业的竞争优势是人力资本,其中重点是拥有并承载知识的知识型员工。颠覆中国的变化在中国改革开放后开始出现,我国产学研
随着我国经济地飞速发展,购物中心作为向客户提供综合性服务的场所,遍布于城市的各个角落。但是,现阶段中国购物中心行业面临着电子商务冲击、消费需求重构、同质化现象凸显、管理方式落后等一系列严峻的问题,许多购物中心开始利用信息化手段改变落后的管理方式和技术能力,以提高自身的核心竞争力,想要在下一波行业清洗之前实现转型。XHK购物中心地处区域内核心地段,周边拥有良好的资源配套,具有相对完善的业态及设施,但
随着电子技术和计算机技术的迅速发展,人们广泛使用智能算法来提高生活质量。其中,第一视角的行为识别算法为智能医护、健康监护以及智能养老等领域提供了关键的技术支撑。本文针对第一视角视频人物肢体内容缺失,构建了第一视角及多传感器混合的行为识别数据集,研究了基于多传感器信息融合的行为识别方法,融合视频、加速度和角速度多传感器信息,解决了传统第一视角行为识别运动特征难以提取的问题,提升了行为识别的准确率。本
随着遥感卫星技术的快速发展,遥感图像智能分析在安全防护、环境监测、军事侦察等领域有着极为重要的意义。高分辨率遥感图像语义分割是遥感图像分析的基础,然而传统的图像分割方法需要人工设计特征,精度不高且泛化能力差。随着深度学习的发展,图像语义分割任务得到了快速发展,利用深度卷积神经网络强大的特征提取能力捕获图像特征,而不再依赖人工设计提取特征的方法,大大提高了语义分割任务的性能。本文的主要研究内容包括以
随着人工智能领域技术的飞速进步,计算资源有限以及计算需求激增这一矛盾成为制约人工智能技术发展的关键瓶颈。由于客观环境条件的限制,部分数据集存在着样本量较少以及缺少标签等问题,而这也将影响模型的训练时间以及最终的训练效果。迁移学习的出现为解决这一矛盾提供了一种全新的思路,即利用两个任务之间的相似性,将源域任务中的数据,特征,模型,参数等相关要素迁移到目标域任务中,从而为目标域任务提供一个更高的起点,
对象解析是计算机视觉领域中的基础任务及研究热点,具有重要的理论意义和应用价值。近年来,随着深度学习技术的广泛运用,对象解析系统的性能得到大幅度的提升。然而,有限标签场景下,对象解析系统的性能会大幅下降。考虑到对象解析系统对标签的依赖会极大程度限制不同场景下对象解析系统的应用,研究如何在有限标签场景下提升对象解析系统的精度是计算机视觉应用的迫切需求。目标检测和实例分割是对象解析中的两个主要任务,因此