随着信息技术的飞速发展和互联网技术的普遍运用,供应链管理解决方案越来越成为工业界和学术界的热门领域。高效的供应链管理要求高度的供应链可视化,实时监控供应链活动,不但可以及时发现已在供应链各个结点暴露的异常,还可以对由于供应链结点之间的延迟还未暴露或早期的危机给出预警,及时并迅速地作出预防性的决策,保持供应链的稳定运作。现有的供应链监控技术主要着眼于供应链各个结点已暴露的操作层的异常,调整并补救问题,在对早期异常发出预警,作出预防性的短期战术性策略方面相对简单。为解决这些问题,本文着力于战术层的供应链预警决策技术的研究与开发,在危机早期及时发现并报告预警,使得预防性的决策技术成为可能。根据供应链管理的现状,本文结合系统动力学模型和神经网络技术,提出战术层的供应链预警决策技术的方法:通过关注监控指标的发展趋势而非当前静态值以实现真正意义上的预警,通过微调短期内的供应链战术性策略,以缓解不确定因素对供应链系统造成的影响。本文提出供应链监控模型的设计,采用系统动力学模型为供应链建模。本文设计的供应链预警技术通过分析当前的供应链环境预测监控指标的发展趋势以报告预警。为适应实时监控和企业应用系统整合的需要,本文采用和系统动力学模型等价的神经网络模型作为监控预警引擎的核心组件。本文还设计了利用神经网络自学习功能的供应链决策技术,通过将神经网络的权值调整对应到供应链决策方法调整以实现短期内的战术层决策方案,以缓解预警报告的危机对供应链带来的影响。本文首先分析了现有的供应链预警决策技术面临的问题,提出供应链监控不仅需要关注已暴露的异常,还需要关注监控指标的发展趋势;接着,分析了多种供应链建模工具,并分析了战术层的供应链监控模型需要,确定系统动力学模型为建模工具;为适应实时监控预警需要,本文将系统动力学转换为神经网络,并扩展神经网络输入序列以适应时变输入的需要,随后详细描述供应链监控预警模块的架构设计;在监控预警模块建立的神经网络模型的基础上,本文给出利用神经网络学习能力的供应链短期战术层决策方法。最后,本文给出了一个制造型企业的内部供应链作为验证实例并给出详细的系统实现。