生产计划编制的有限能力计划法

对小批量类型生产制定合理可行的生产计划是一类极为复杂的问题。本文在分析该类企业生产主要特点的基础上，建立了编制生产计划的有限能力计划法。该方法在满足产品项目交货期的同时，根据各工作中心的工作能力，具体为各工作中心编制了相应生产计划。并通过实例验证其可行性和合理性。     

引入全局算法的小批量K-Means

提出一种引入全局算法的小批量K-means.算法应用全局搜索算法,解决在大数据情况下运算耗时问题和传统K-means对初始中心点敏感的问题.实验结果表明,该方法在获得最佳结果的前提下可以节省大量的计算时间.     

基于Fibonacci采样的数据预处理方法研究

提高神经网络(NN)的收敛速率和预测精度一直是人工智能领域的一个挑战性问题,尽管许多研究人员已在研究中使用小批量数据训练神经网络获得了较好的效果,但是这些方法并不够灵活.针对这个问题,该文提出了一种新的数据预处理算法即Fibonacci采样算法.根据Fibonacci数列规则绘制一个新的训练数据序列,这不仅可以恢复小批...     

基于模糊支持向量机的小批量生产质量智能预测方法

在分析比较目前常用的智能工序预测技术及其特点的基础上,提出一种适合小批量生产过程的质量智能预测模型,并给出了相应的预测过程和算法.由于该模型中以模糊支持向量机(FLS-SVM)技术为智能核心,一方面较好的解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量进行预测时所表示出的过学习、泛化能力弱等缺点.另一方面,通过隶属度函数对样本进行模糊化,达到样本优化选择,实现历史数据“重近轻远”的预测效果.通过对具体加工过程的预测实验,并与其它几种常见预测方法效果进行对比,说明本文方法实现容易,建模速度快,小样本的泛化能力强,为实现小批量加工过程的在线质量预测与控制提供可行的思路.     

基于小批量梯度下降的布谷鸟搜索算法

布谷鸟搜索算法是一种解决函数目标优化问题的全局搜索算法,具有选用参数少、容易实现、搜索路径优、寻优能力强等特点。为了提高布谷鸟搜索算法的求精能力和收敛速度,改善后期收敛慢和搜索精度不稳定的问题,提出了一种基于小批量梯度下降的布谷鸟搜索算法。引入小批量梯度下降,优化寻找最优解的过程,加快局部最优的搜索,从而提高算法的求精能力和收敛速度。仿真实验结果表明,基于小批量梯度下降的布谷鸟搜索算法简单高效,在保持标准布谷鸟搜索算法优点的基础上提高了算法的收敛速度和寻优精度,具有较强的稳定性和鲁棒性。     

小批量生产过程VSI控制图经济设计

本文设计了一种面向小批量生产过程的变抽样区间(variable sample interval, VSI)控制图.根据参数的变化情况,变参数(variable parameter, VP)控制图被分为包括VSI控制图在内的几种不同类型的控制图.在带来成本节省的同时, VP控制图也增加了操作的复杂性; 综合考虑成本节省和操作复杂性, VSI控制图被证明是最有效的一种控制图.经济设计控制图的核心是成本的最优化,传统经济图在设计时,没有考虑扰动发生的时刻对成本的影响. 本文对过程状态进行重新划分,考虑了扰动发生的不同时刻对过程成本的影响;利用马尔科夫链和贝叶斯理论,构造了抽样区间随过程信息更新而变化的动态控制图. 仿真结果表明:相比于已有的VSI控制图,本文设计的控制图更具有成本优势,因此具有更大的实用价值.     

单件小批量铸钢件产品质量检验与控制

单件小批量铸钢件,一般为手工砂型铸造。砂型铸造方式生产的铸件质量受诸多因素影响,如:铸件结构的合理性、铸造工艺编制的合理性、钢水的冶炼质量(去杂质、除渣、除气等)、型砂的性能(耐火度、强度、透气性等)、造型紧实度控制、合箱时型腔质量控制、浇注温度、浇注速度、开箱温度、热处理(炉内温度场分布、铸件的放置)等等,上述因素若有其中一个环节控制不当就会产生缺陷,造成铸件质量的降低甚至报废。天然气候也会影响铸件质量,如夏季雨水多空气湿度大易造成铸件产生气孔等缺陷。     

基于图像的二步法工件快速识别

提出了一种用于工件快速计算机视觉识别的方法.该识别方法基于工件的图像,充分利用工件的形状特征,将易于计算和使用的工件面积作为第一步识别的特征,并对不能识别的工件进行分类;然后采用BP网络,使用较少的编码值进行工件的第二步识别.实验表明,该方法可以较好地用于柔性自动化生产系统中,适于多品种、小批量和单件的制造模式.     

基于物元理论的工序相似性识别方法

利用相似工序法构造大量数据样本,针对工序相似性判别问题,提出基于物元理论的相似性识别方法.建立工序相似判别的物元模型,确定经典域和节域,通过计算关联函数值,确定权系数,计算隶属度和隶属判断等步骤,从质量特征相同或相似的多个工序中识别出与期望工序最相近的一组,实现工序相似性识别.结合实际生产进行实例分析,结果表明:与传统的分类方法相比,该方法易于编写程序,减少了人为因素的影响,使评判结果更加合理.     

基于多分类支持向量机的智能辅助质量诊断研究

在分析比较目前常用的质量辅助诊断方法局限性的基础上,提出了一种基于多分类支持向量机(SVM)的质量控制图智能诊断新方法.该方法以SVM技术为智能核心,较好地解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量诊断时所表示出的过学习、泛化能力弱等缺点.另一方面,通过结合投票法和决策树的基本思想,所提方法拓展出对控制图混合型异常模式的识别能力,从而提高了对质量过程诊断的全面性和准确性.与其它几种常见人工智能方法质量诊断的效果进行对比,实验表明,所提方法容易实现、诊断精度高,为实现小批量加工过程的在线质量诊断与控制提供可行的思路.