Probe on Network-based Collaborative Maintenance Model for After-sales Equipment

In order to make equipment run safely, economically and continuously, some new maintenance models were put forward to improve the equipment after-sale maintenance service, such as E-maintenance, third-party maintenance, etc. To certain extent, the models solved the problem of the distance between the manufacturer and customer and the dispersion of the maintenance technologies, however, those resources are still widely distributed and do not collaborate efficiently. In this paper, a network-based collaborative maintenance service model was proposed for after-sales equipment to solve the problem of maintenance resources integration. Concretely, equipment designers, maintainers, spare parts suppliers and maintenance experts were grouped together to establish dynamic alliance. The leader of the alliance is the manufacturer under guaranty period or equipment user exceeding the guaranty period. The process of maintenance service was divided into three stages which are fault diagnosis, maintenance decision and maintenance implementation. The sub-alliances were established to carry out maintenance work at each stage. In addition, the business process of network-based collaborative maintenance was analyzed and collaborative business system for equipment＇s after-sales collaborative maintenance service was designed. In the end, an informational economics model of network-based collaborative maintenance was established to demonstrate the effectiveness of this maintenance model.

消费行为数据采集平台的安全保障与预测模型研究

依据用户浏览记录等信息进行兴趣爱好的预测并进行合理推荐,已成为诸多销售平台优化用户体验的常用手段,而用户信息安全问题自然也成了各大平台面临的一大挑战.提出一种基于内生安全的消费行为数据采集与分析平台,通过采集用户数据,使用基于长短时记忆网络的预测模型,精准预测未来销售流量数据.在数据安全性方面,平台使用基于内生安全的拟态云WAF,通过动态选择算法、异构执行体和裁决算法3种核心技术为整个数据平台提供了自主可控的安全保障,并利用基于Sketch的网络测量技术对异常流量进行了检测.此外,平台融合了数据备份和恢复、加密存储、数据传输加密技术,并对重要的数据采取分类存储、访问控制等措施.多项对比实验验证表明,用于中烟销售流量的预测平台相较于目前提出的多种技术在预测准确度和数据安全方面都有显著提升,可为企业销量预测提供一种合理可行的解决方案.

基于PSO-BP神经网络的新能源汽车销量预测模型

为有效避免新能源汽车销量产销不平衡问题,通过粒子群优化算法(particle swarm optimization,PSO)优化反向传播(back propagation,BP)网络的参数迭代过程,弥补优化原本BP神经网络易陷入局部最优和收敛速度较慢的缺陷,构建了基于PSO-BP神经网络的新能源汽车销量预测模型,以比亚迪为例进行指数平滑法预测、BP和PSO-BP神经网络预测。结果表明BP神经网络模型相比于指数平滑模型在均方误差(mean square error,MSE)、平均绝对值误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)指标上预测性能优势显著,经过粒子群算法优化后的BP神经网络模型的MSE下降近7×10^(7),MAE下降3346,MAPE下降1.71%。可见基于PSO-BP神经网络的新能源汽车销量预测模型优于指数平滑模型和BP神经网络模型,粒子群优化的BP神经网络能够使模型跳出局部最优,加快收敛速度,预测结果的误差率更低,精度更高,且对企业的计划和生产具有指导作用。

生猪智能养殖与市场供求预测技术应用

从生猪养殖的饲料种植、种猪优选、母猪繁殖、子猪饲养以及商品猪冷链物流、加工、销售等全产业链安全控制模式的角度出发,分析了大数据、云计算、物联网、互联网、5G、人工智能等技术应用于生猪养殖领域的必要性和可行性。探讨了智能养殖技术以及人工智能技术对生猪养殖市场的产销平衡、价格波动等信息的监控和预测。指出利用人工神经网络预测方法和云计算处理方法,可以科学应对由于生猪养殖的周期性和特殊性而造成的我国生猪价格大起大落以及生猪养殖行业市场供需不平衡的局面。

软件定义广域网(SDWAN)技术在油品销售企业中的应用

针对传统的企业管理网络与数据中心无法满足企业发展的状况,以“互联网+”智慧发展为指导,在简要介绍SDN技术的基础上,重点叙述了软件定义广域网(SDWAN)技术的概念、应用场景、技术优点、使用模式以及企业部署SDWAN的价值,分享了B石油公司成功应用SDWAN技术案例,指出该技术应用可提升企业网络性能、降低成本、增强信息安全、支持多种应用场景和优化用户体验,为企业发展提供强力支持。

油品销售企业网络安全运营体系的构建研究

随着信息技术的快速发展,油品销售企业面临着日益复杂的网络安全挑战。文中首先分析了油品销售企业的网络安全现状,指出了存在的问题和潜在风险。随后,阐述了网络安全运营体系建设的必要性,如可以保障企业信息安全、提升运营效率、防范经济损失等。在此基础上,提出了网络安全运营体系建设的策略与建议,包括构建完善的组织架构、加强技术防护体系建设、强化人员培训与教育等。最后,通过案例分析与借鉴,总结了网络安全运营体系建设的成功经验。

社交网络对市场营销的影响及策略选择

社交网络已经成为现代社会中人们交流和获取信息的主要渠道之一,对市场营销产生了深远的影响。各类品牌已经不再是单纯的产品和服务的提供者,必须转变为用户体验的塑造者和个性化需求的满足者,通过多元化的渠道和方式进行推广和营销,才能进一步提升品牌的知名度和影响力。在当代市场营销领域,如何有效地借助社交平台进行营销成了一个重点和富有挑战的问题。文章将探讨社交网络对市场营销的影响及策略选择,包括社交网络时代市场营销的概念和特点、社交网络对市场营销的影响等方面。

羊绒制品网络营销策略研究

随着互联网技术的飞速发展和全球数字化转型的加速,消费者的购物习惯发生了根本性变化,越来越多的人倾向于在线上平台寻找和购买商品,包括高端的羊绒制品。羊绒制品作为一种奢侈、高品质的商品,其营销策略需要精准对接目标消费群体的需求,并充分利用数字化手段提升品牌影响力和市场份额。文章基于日益激烈的市场竞争和消费者偏好的快速迭代背景,分析了羊绒制品企业要创新网络营销策略,以提高竞争力。

基于ISSD-GRU模型的台区售电量预测方法

针对台区售电量不确定影响因素多、预测精度不高的问题,提出了一种基于改进ISSD优化GRU神经网络的台区售电量预测方法,利用反向学习提高SSD算法对最优参数的搜索效率。以某地台区历史售电量、温度、工作日类型和节假日类型作为影响因素对GRU模型进行训练,利用ISSD算法实现对GRU隐藏层神经元个数和学习率超参数的寻优,构建用于台区售电量预测的ISSD-GRU模型。算例分析表明,ISSD-GRU模型在台区售电量预测结果上精度更高。

基于FCM算法的DMA分区技术在城市供水管网管理中的应用

现阶段我国城市供水管网还不完善,同时随着时代的发展,管网老化、使用效果和效率等问题也随之浮现,因此对原有城市管网进行优化管理是亟待解决的问题。供水独立计量区(District Metered Area, DMA)是一种领先的供水管网管理运营模式,通过FCM算法对管网进行优化分区,既可以及时发现管网供水反常点,又可以推测出分区区域内的漏失情况、并帮助查找漏失点,减少管网漏失率和产销差率,对于管网优化管理等有着积极作用。

基于退货后二次销售的供应链网络均衡问题研究

本文讨论了退货后的二次销售对供应链网络的均衡问题,并重点分析了零售商和消费者在市场中的行为。同时,考虑到二次销售商品在打折销售时所带来的销量影响,提出了一种能够增加零售商利润并减少退货损失的方法,同时保障消费者权益。对供应商、零售商和消费市场的竞争行为及其均衡条件进行了详细分析,并将零售商与消费市场之间的交易行为划分为两个阶段进行研究。最终,建立了一个供应链网络均衡不等式模型,通过求解不等式来实现供应链的均衡。

基于电商数据的皮革服装销量预测模型构建及仿真

为进一步提高皮革服装的销售预测精度,结合传统BP神经网络在自适应和学习方面的优势,提出一种模拟退火算法改进BP神经网络的皮革服装销量预测模型。结果表明,模拟退火算法优化后的BP神经网络只需迭代14次即达到稳定,同时优化后的BP神经网络的皮革服装销量预测精度要明显高于传统的BP神经网络。由此可以证明,本文改进的BP神经网络具有一定的优势。

基于VMD-CNN-GRU-LSTM组合模型的汽车销量预测分析

针对汽车销量时间序列数据的季节性、非线性性、非平稳性等复杂特征,提出一种融合变分模态分解(Variational Mode Decomposition,VMD)的卷积神经网络(Convolutional Neural Network,CNN)、门控循环单元(Gated Recurrent Unit,GRU)和长短期记忆(Long Short-Term Memory,LSTM)神经网络组合的汽车销量预测方法,通过VMD将汽车销量时序数据进行分解,利用CNN提取关键特征,并通过GRU与LSTM捕捉汽车时序数据的时间依赖关系.实验表明该方法有较好的预测性能.

网络基础设施建设与高管机会主义减持——基于“宽带中国”战略的准自然实验

完善的网络基础设施有利于外部投资者利用互联网获取更多上市公司的信息,减少高管拥有的信息优势,因而有助于抑制高管机会主义减持。本文基于“宽带中国”战略的准自然实验,利用双重差分法检验网络基础设施对高管机会主义减持的影响及机制。结果发现,上市公司所在地入选“宽带中国”示范城市后,高管(董监高)机会主义减持显著降低。在股票市值高估以及散户投资者规模较大时,“宽带中国”战略对公司高管机会主义减持的降低作用更加明显。机制检验发现,“宽带中国”战略提高了投资者获取信息的能力及接收的信息量,从而起到约束和监督高管机会主义行为的作用;同时降低了高管机会主义减持的获利能力。本文从网络基础设施建设的视角为抑制高管机会主义减持提供了新证据。

双边市场中的销售人员激励合同设计

与传统企业类似,平台企业需要雇佣销售人员开展促销活动,但与传统企业不同,平台企业两边的用户存在交叉网络效应。构建平台企业雇佣销售人员进行促销的委托代理模型,研究交叉网络效应对于销售激励合同设计和平台利润的影响。研究发现,如果代理人的工资与直接销售挂钩,即平台仅对销售人员直接施加努力的一边进行补偿,则交叉网络效应的增强不见得总是有利于平台利润的提高。但是,如果将平台另一边的销售量也纳入激励合同,则代理人需要在平台两边都分担风险,这将促使代理人提高努力水平,也有利于增加平台利润。研究揭示了,双边市场中的激励合同设计不但需要考虑平台两边用户由于交叉网络效应导致的溢出效应和风险传导,还需要考虑平台的费用设定。

基于时间序列的新能源汽车销售量预测——以比亚迪为例

新能源汽车的发展对于推进“双碳”目标实现起着关键作用,准确预测销量对于政策制定和企业发展有着重要意义。以比亚迪新能源汽车作为研究对象,运用其历史销量数据分别构建季节性自回归差分移动平均(SARIMA)和长短期记忆(LSTM)网络预测销量。为提升模型预测效果,集成单一模型得到ARIMA-LSTM(自回归差分移动平均-长短期记忆)组合模型,将销量数据分解为线性和非线性两部分,使用ARIMA模型预测销量数据中的趋势,模型的残差及其余非线性部分的数据使用LSTM模型预测,最终将模型的预测结果合并。将组合模型应用于国内新能源汽车销量预测,预测精度为90.96%,效果较单一模型有显著提升。

依托网络直播的农产品营销路径探析

随着信息技术的快速发展,网络直播带货已成为农产品营销的新兴模式,其对提高销售效率、促进乡村振兴和优化农业供应链管理具有重要意义。文章通过分析网络直播在农产品营销中的内涵与实施意义,探讨了三种主要的营销模式:原生态产地直播、高流量专业直播和正能量官员直播。同时,文章指出了当前网络直播农产品营销中存在的问题,并提出了相应的优化路径。

基于混沌RBF神经网络的电商市场销量预测模型技术研究

商品销量受多种因素影响,这种影响难以用公式准确表达.为了获得更精准的预测结果,针对商品销量预测的高度复杂性和非线性,提出了基于混沌RBF神经网络的商品销量预测模型.该模型基于电商市场商品销售历史数据,使用李雅普诺夫指数算法评估商品销售数据混沌序列特性,并通过对数据库相结构的空间优化重构,利用RBF神经网络技术对优化重构后的数据进行训练归纳.同时,通过混沌方法计算网络的连接权值和高斯函数径向基中心,实现了RBF神经网络的优化.在Matlab平台上进行了仿真实验,结果表明,该混沌优化RBF神经网络商品销售预测模型具有较高的精度和较快的速度.

基于BP神经网络模型的笔记本电脑销售预测研究

针对笔记本电脑销售的不确定性,利用BP神经网络算法构建模型,采用MATLAB对某店铺的2021年笔记本电脑的销售数据进行了网络训练,通过Pearson相关系数来分析输入层各节点和输出层销售额之间的相关性,确定了访客数UV、收藏数、加购物车次数、客单价和支付转化率等5个输入层节点,销售额为输出层节点。实验证明了构建的BP神经网络模型预测值和实际值误差小,预测准确度高,可为笔记本电脑销售计划安排及库存管理提供依据。

大数据背景下基于BP神经网络的跨境电商皮革服装销量预测

为提高大数据背景下跨境电商皮革服装销量预测的精度,本文提出一种基于BP神经网络模型的预测方法。方法以BP神经网络为基础预测模型,通过采用遗传算法优化BP神经网络的初始权值阈值与网络结构,克服BP神经网络收敛速度慢和容易陷入局部最优的问题。采用遗传算法优化的BP神经网络构建预测模型,用于跨境电商皮革服装销量预测,提高了皮革服装销量预测的精度。仿真结果表明,相较于改进前的标准BP神经网络与ARMA模型、Grey Model模型和改进Grey Model模型,所提的遗传算法改进BP神经网络模型的平均绝对误差、平方和误差、均方误差更小,更能反映真实的跨境电商皮革服装销售趋势,具有一定的实际应用价值。