隨著MTO模式逐漸成為市場主流生產形式,產品種類多、更新快,產量小的特點被不斷放大,刀具作為機械加工的重要資源,如何在快節(jié)奏、多產線的生產過程中提高刀具管理水平,合理有效的分配刀具資源,成為MTO企業(yè)一個棘手的問題,對提升企業(yè)生產效益和市場核心競爭力具有重要的現實意義。本文以MTO模式下的刀具管理作為研究對象,闡述了刀具管理研究的重要性,回顧了刀具管理理論的國內外研究現狀,深入分析了刀具壽命預測與刀具調度對刀具管理的影響。首先為判定基于MTO模式下刀具加工的臨界狀態(tài),在多變的生產環(huán)境中降低刀具磨損程度,提升刀具維護水平,仔細分析了影響刀具剩余壽命的因素,針對傳統BP算法收斂慢,易陷入局部極小的缺點,建立了基于改進BP算法的刀具剩余壽命預測模型,為后續(xù)的刀具優(yōu)化調度奠定了基礎。其次以刀具剩余壽命預測結果作為影響刀具優(yōu)化調度的因素,充分考慮刀具剩余壽命的約束,為實現降低生產成本的目的,建立了以按權優(yōu)先選配、刀具最小換刀次數以及最小刀具剩余壽命方差為目標的刀具調度模型,并采用遺傳算法對模型的有效性進行了驗證。最后在實現刀具壽命預測與優(yōu)化調度的基礎上,設計了基于C#+.NET平臺,采用B/S架... 

【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校

【文章頁數】：73 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 引言
    1.2 選題背景及意義
    1.3 國內外研究現狀
    1.4 研究主要內容
    1.5 本章小結
第二章 相關理論基礎
    2.1 MTO模式概述
        2.1.1 MTO模式特點
        2.1.2 MTO模式業(yè)務流程
    2.2 刀具壽命簡介
        2.2.1 刀具壽命及刀具磨損
        2.2.2 刀具壽命影響因素
    2.3 BP神經網絡算法簡介
        2.3.1 BP神經網絡算法原理
        2.3.2 BP神經網絡算法步驟及流程
    2.4 遺傳算法簡介
        2.4.1 遺傳算法基本原理
        2.4.2 遺傳算法步驟及流程
    2.5 本章小結
第三章 基于MTO的刀具剩余壽命預測
    3.1 刀具剩余壽命預測概述
    3.2 刀具剩余壽命預測模型構建
        3.2.1 輸入層與隱含層節(jié)點數的確定
        3.2.2 樣本數據的歸一化
    3.3 刀具剩余壽命預測模型求解
        3.3.1 改進BP神經網絡算法流程
        3.3.2 改進BP算法的參數選擇
    3.4 實例驗證
    3.5 本章小結
第四章 刀具優(yōu)化調度方法研究
    4.1 刀具優(yōu)化調度概述
    4.2 刀具優(yōu)化調度模型的構建
        4.2.1 刀具優(yōu)化調度問題描述
        4.2.2 刀具優(yōu)化調度模型的構建
    4.3 基于遺傳算法的刀具調度模型求解方法
        4.3.1 遺傳算法設計
        4.3.2 刀具優(yōu)化調度模型求解流程
    4.4 實例驗證
    4.5 本章小結
第五章 刀具智能管理系統設計與開發(fā)
    5.1 系統整體方案設計
        5.1.1 系統開發(fā)環(huán)境選擇
        5.1.2 系統功能體系結構
        5.1.3 系統功能模塊設計
        5.1.4 系統業(yè)務流程設計
        5.1.5 系統數據庫表結構
    5.2 系統應用程序界面介紹
    5.3 本章小結
第六章 結論和展望
    6.1 結論
    6.2 展望
參考文獻
攻讀碩士學位期間的學術活動及成果情況


【參考文獻】：
期刊論文
[1]基于AGA-GRNN神經網絡的刀具壽命預測研究[J]. 李浩平,歐陽俊,謝雪媛.  三峽大學學報(自然科學版). 2018(06)
[2]在線智能刀具管理系統的開發(fā)與研究[J]. 廖生輝,王建軍,卓勇,姚斌,宋世毅,王維龍.  鍛壓技術. 2018(09)
[3]基于PSO-BP神經網絡的刀具壽命預測[J]. 王虎,劉佩松,葉潤章,李陽,徐培嘉.  現代制造技術與裝備. 2017(11)
[4]低碳制造環(huán)境下車間有限刀具多目標調度研究[J]. 周光輝,傅祥璟.  西安交通大學學報. 2017(10)
[5]基于信息融合的刀具剩余壽命在線預測方法[J]. 吳軍,蘇永衡,朱永猛,鄧超.  華中科技大學學報(自然科學版). 2017(04)
[6]PSO算法在FMS刀具可復用調度中的應用與仿真[J]. 邊培瑩.  機械設計與制造. 2012(03)
[7]基于MATLAB的BP網絡在月生活用水量預測中的應用[J]. 吳限,吳恬,隋順彬,劉光民,雍子豪.  供水技術. 2011(06)
[8]多Agent網絡協議在刀具調度策略中的應用[J]. 曹娜,汪永超,劉勇,姚必強.  機械設計與制造. 2010(03)
[9]基于ACO-BP神經網絡的刀具壽命預測[J]. 黃媛,孫樹棟,李兢堯.  機械科學與技術. 2009(11)
[10]刀具全壽命周期管理研究[J]. 曹蘭景,王潤孝,周占峰,姜曉鵬.  組合機床與自動化加工技術. 2005(10)

博士論文
[1]柔性制造系統刀具流動態(tài)調度研究[D]. 趙丹.哈爾濱工程大學 2011

碩士論文
[1]復雜網絡視角下基于量子遺傳算法的交通控制子區(qū)劃分方法研究[D]. 方晗琦.安徽工業(yè)大學 2018
[2]MTO企業(yè)訂單接受決策方法研究[D]. 周怡伶.重慶理工大學 2018
[3]訂單驅動的刀具資源優(yōu)化調度方法研究及管理系統設計[D]. 張奇.合肥工業(yè)大學 2018
[4]基于遺傳算法的柔性流水車間調度方法研究[D]. 任麗.電子科技大學 2017
[5]考慮代理模型不確定性的結構統計靈敏度和可靠性分析方法研究[D]. 馬羽.電子科技大學 2017
[6]雙資源多目標調度模型及其算法研究[D]. 任曉青.揚州大學 2015
[7]基于強化學習的MTO企業(yè)訂單接受決策模型研究[D]. 王寧寧.東北大學 2014
[8]刀具智能管理及優(yōu)化調度技術研究[D]. 朱睿.重慶大學 2014
[9]BP神經網絡的研究分析及改進應用[D]. 李友坤.安徽理工大學 2012
[10]基于訂單擾動的生產排程問題研究[D]. 岳麗娜.西安電子科技大學 2012



本文編號：3049958