纸箱业务的基本属性

纸箱业务的基本属性

文/张西振

 

1.纸箱业务应归属于“服务-制造业”。纸箱业务与纸板业务的属性具有显著的区别。纸板业务作为流水化生产的供应三级厂的原材料,可以实现产品化。而纸箱作为制造业的配套包装物料,与被包装的商品只能是一对一的,是个性化、客制化、项目式的生产方式,初次接单从设计开始,一个单子就是一个项目,循环单订单履行策略也只能是按单制造。CPS业务概念则将设计从结构设计、平面设计推进到了综合成本设计、包装问题解决方案,而纸箱用户也因缺乏相应包装专业知识和检测设备而存在大量需要解决的问题。因此,纸箱业务已经不能单纯的划归制造业,而是兼有服务业与制造业的双重属性,而且制造简单、服务复杂,应该属于“服务-制造业”。

 

2.纸箱业务具有“小公司效应”。纸箱制造技术简单透明,普通纸箱制造设备简单投资很少,小批量纸箱用户广泛存在,地缘、业缘、政缘、亲缘关系对纸箱客户关系的维系具有重要甚至决定作用,导致大公司难以建立核心竞争力,“比较竞争优势很容易战胜持续竞争优势”(姜汝祥,2007),小公司可以打败大公司,具有显著的“小公司效应”。

 

3.纸箱业务具有地域化特征。由于瓦楞纸箱是轻泡货,远距离运输成本受限,加上包装用户产业聚集的地区差异带来了纸箱需求的地区差异,导致纸箱行业的服务-供应的“当地化”。因此纸箱供应具有明显的地域化特征。类似的,服务还具有行业化特征。

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/15027461/viewspace-420801/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/15027461/viewspace-420801/

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值