LINE-SERU转化的评价分析——以某医疗制造企业实施SERU为例

面对日益增加的需求不确定性及激烈的市场竞争,SERU (赛汝)生产方式应运而生,并广泛应用于日本电子装配制造企业.国内一些制造装配业正尝试将传统的流水线转化为SERU装配方式,简称LINE-SERU转化.一些文献报道了日本企业实施LINE-SERU转化的效果,而学术界对国内企业实施SERU装配方式的生产组织与运行效率缺乏理论分析和标杆分析.本文以国内某医疗器械装配企业实施LINE-SERU转化为例,通过理论分析和数据分析,系统地讨论了国内企业实施LINE-SERU转化的背景、过程、影响因素及生产组织形态,从多维度比较分析了改善效果及原因;总结了国内企业与日本企业在SERU系统的构建方式、布局形态和企业文化等方面的差异.研究发现,中国企业处于LINE-SERU转化的初期,SERU系统具有其独特的组织形式,在提高生产效率、缩短生产周期、减少在制品数量、精简作业人数和降低次品率等方面均有显著提升,但改善效果不同于日本企业.建议国内企业依据其人力资源特征构建SERU系统、优化单元布局、培育以人为本的企业文化,以提高系统柔性和改善效率.     

基于概率神经网络的地铁车站易损性分析

基于深度学习方法提出了一种地震响应概率模型，并基于此模型推导了地铁车站结构极限状态超越概率的计算公式，以评价结构的地震易损性。首先采用主成分分析对地震强度指标进行正交化和降维；为了克服传统地震响应概率模型中地震动强度指标与结构地震响应指标服从对数空间线性分布假设的局限性，基于BP神经网络建立趋势模型以预测结构的地震响应；基于概率神经网络建立误差模型以描述基于统计的趋势模型与基于物理机制的数值模型之间的误差，以拓展残差的齐次方差正态分布假设的严格限制。最后，以上海典型2层三跨地铁车站为算例，计算得到其易损性曲线。结果表明，基于深度学习建立的趋势模型较好地模拟了地铁车站结构地震响应随地震强度指标第一主成分的非线性变化特征；建立的误差模型准确地描述了趋势模型预测值的残差随地震强度指标第一主成分的方差非齐次特征。     

基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

数据驱动的铝基复合材料性能预测和逆向设计

采用数据驱动的方法对 SiCp(0.5CNT)/7075Al 铝基复合材料的化学成分以及制备工艺进行了分析, 针对抗拉强度和延伸率两个力学性能进行了特征重要性分析, 构建了包含 8 种机器学习算法的集成框架, 自动进行模型的参数调优和最优模型选择, 并在此基础上进行了材料逆向设计. 实验结果表明, 在 470 ${^\circ}$C 固溶 40 min, 120${^\circ}$C 时效 15 h 的热处理工艺下, SiCp(0.5CNT)/7075Al-1.0Mg 复合材料抗拉强度和延伸率的预测值为 617.48 MPa 和 2.98%, 实验值为 647.0 MPa 和 3.31%, 两项物理性能的平均绝对百分比误差(mean absolute percentage errors, MAPE)较小, 依次为 4.56% 和 9.97%. 这说明本数据驱动方法对铝基复合材料的工艺优化和性能提升有一定指导意义.     

SAm级防撞活动护栏碰撞仿真分析

针对目前高速公路中央分隔带开口处活动护栏防撞等级较低的问题,提出了一种SAm级混凝土活动护栏及一种新型连接装置。基于有限元的方法,建立车辆与护栏的碰撞模型,通过LS-DYNA对车辆与护栏碰撞过程进行求解,根据不同车型的碰撞结果分别在缓冲,阻挡和导向性能上对护栏的安全性能进行评价,其中小型车辆与护栏碰撞后的OIV(Occupant Impact Velocity)值<12 m/s,ORA(Occupant Ridedown Acceleration)值<20 g且车辆没有驶出导向框;大型车辆与护栏碰撞后没有发生穿越、骑跨等现象且车辆没有驶出导向框,均满足护栏安全性能评价标准。     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

超高功率超短脉冲发展的现状及相关科学问题

超高功率超短脉冲激光系统在其聚焦焦点附近可以实现高达1022-24 W/cm2的峰值功率输出,为强场物理实验研究,以及实验室内模拟极端环境下的天体物理条件提供了直接的实现方案.自从国际上首次提出了建造EW激光的概念,即输出总功率达到1018 W的大型激光系统后,国际上很多国家都在设计和建造大规模的超高功率超短脉冲激光系统.本文简要介绍了国际上这种规模激光系统的发展状况,并结合国内超高功率高能超短脉冲激光的发展,对超高功率超短脉冲激光系统发展中相关技术问题进行阐述.     

基于LQG控制的整车8-DOF系统振动分析

建立了整车8-DOF系统动力学模型,考虑了主动悬架控制,并增设了主动座椅控制,设计了车辆主动悬架系统的LQG控制器。基于Matlab仿真平台建立了整车8-DOF系统动力学仿真模型,对所得最优控制策略下的动态响应进行了仿真验证。仿真结果表明:为了改善人椅系统质心及车身质心的跳振性能需要在一定程度上弱化各轮轮胎动位移性能。从控制效能上来看,该最优控制器能够满足各行驶状态下对悬架性能的要求,改善了车辆的行驶平顺性。     

基于Web of Science的河北大学科研论文统计分析

以Web of Science数据库为文献来源，利用文献计量学的方法，从文献年收录量、文献类型、语种、学科分布、作者分布、合作情况、来源期刊和引用情况等方面，对Web of Science收录河北大学2004—2013年的科研论文进行统计分析，结果表明：河北大学近10年来被Web of Science数据库收录的文献数量和被引频次呈现逐年上升的趋势，在化学、物理学、动物学和数学方面具有一定的科研能力和影响力，但同时应注重国际合作交流和文献的质量。     

疏松砂岩油藏大孔道定性识别新方法研究

疏松砂岩油藏在长期注水开发过程中,往往伴随着大孔道的出现,这严重影响了油藏水驱开发效果,制约了采出程度的进一步提高,因此,大孔道识别及有效封堵成为该类油藏急需解决的关键问题.通过研究分析,确定了影响大孔道从形成到发展的7种主要静态因素,以及标志大孔道形成的6种主要动态因素.将层次分析法及灰色关联法相结合,分别计算静态及动态因素的权重,建立了全新的大孔道定性识别模型.示踪剂监测结果验证了该方法的实用性和有效性.