本文關(guān)鍵詞：基于智能對(duì)象的SMT車間制造執(zhí)行系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著全球市場(chǎng)競(jìng)爭(zhēng)的加劇和物聯(lián)網(wǎng)、云計(jì)算等信息技術(shù)的飛速發(fā)展,制造業(yè)迎來了新一輪的技術(shù)革命。這也對(duì)制造企業(yè)的生存提出了更高的要求:在降低生產(chǎn)成本和減少資源消耗的前提下提高產(chǎn)品質(zhì)量和生產(chǎn)效益。因此,制造企業(yè)開始向智能化、敏捷化和可視化的方向發(fā)展。這同時(shí)也給制造執(zhí)行系統(tǒng)(M ES)的發(fā)展帶來了新的契機(jī)。眾所周知,電子產(chǎn)品表面貼裝(SMT)產(chǎn)業(yè)是21世紀(jì)制造業(yè)的核心產(chǎn)業(yè)之一,但卻始終沒能實(shí)現(xiàn)MES的普及。MES是處于計(jì)劃層和車間層操作控制系統(tǒng)之間的執(zhí)行層,在計(jì)劃管理層和底層控制之間架起了一座橋梁。為實(shí)現(xiàn)電子產(chǎn)品制造過程中對(duì)SMT車間的實(shí)時(shí)、精細(xì)化管控,本文提出了一種基于智能對(duì)象的SMT車間制造執(zhí)行系統(tǒng),在介紹RFI D在車間的系統(tǒng)化部署的基礎(chǔ)上,詳細(xì)分析了SMT車間數(shù)據(jù)采集模式,并描述了智能對(duì)象在SMT制造過程中應(yīng)用。主要研究重點(diǎn)有:1、構(gòu)建了基于智能對(duì)象的SMT車間SO-MES框架體系。通過分析SMT車間的生產(chǎn)流程和車間傳統(tǒng)MES系統(tǒng)存在的問題,設(shè)計(jì)了SM T車間的MES系統(tǒng)功能架構(gòu),并構(gòu)建了基于智能對(duì)象的SMT車間MES系統(tǒng)架構(gòu)。2、分析了基于智能對(duì)象的SMT車間制造過程數(shù)據(jù)采集。通過對(duì)傳統(tǒng)電子產(chǎn)品制造過程的數(shù)據(jù)采集現(xiàn)狀進(jìn)行分析,提出基于RFID的智能對(duì)象,在此基礎(chǔ)上,研究了基于智能對(duì)象的SMT制造過程控制方法,使用數(shù)學(xué)符號(hào)和形式化定義來監(jiān)控生產(chǎn)過程狀態(tài),最后介紹了智能對(duì)象在SMT制造過程中的三個(gè)主要應(yīng)用:在制品數(shù)量計(jì)算、貼裝工位瓶頸工序的發(fā)現(xiàn)以及物料防錯(cuò)算法。3、詳細(xì)分析了基于智能對(duì)象的SMT車間生產(chǎn)數(shù)據(jù)挖掘。使用數(shù)據(jù)挖掘模型對(duì)MES系統(tǒng)導(dǎo)出的SMT焊接數(shù)據(jù)進(jìn)行分析,根據(jù)輸入變量來預(yù)測(cè)焊接質(zhì)量,并找出導(dǎo)致焊接質(zhì)量不穩(wěn)定的關(guān)鍵因素,進(jìn)而做出改進(jìn)。結(jié)論表明,對(duì)焊接質(zhì)量影響較大的因素有貼裝得分、回流區(qū)溫度和刮刀速度,其次,冷卻區(qū)溫度和傳送速度這兩個(gè)變量對(duì)焊接質(zhì)量的影響也較大。最后以廣州某公司的MES應(yīng)用為例介紹了該企業(yè)構(gòu)建智能車間對(duì)象的具體操作過程,并對(duì)車間的可視化管理、生產(chǎn)信息實(shí)時(shí)查詢、物料雙向追溯等做了詳細(xì)展示,并對(duì)車間實(shí)時(shí)MES系統(tǒng)后的經(jīng)濟(jì)效益做了分析,驗(yàn)證了SMT車間實(shí)施基于智能對(duì)象的MES系統(tǒng)的可行性,對(duì)SMT制造企業(yè)的生產(chǎn)起到了一定的推動(dòng)作用。
【關(guān)鍵詞】：MES SMT 智能對(duì)象 數(shù)據(jù)采集 數(shù)據(jù)挖掘
【學(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F414;F273
【目錄】：

• 摘要6-7
• Abstract7-15
• 第1章 緒論15-27
• 1.1 研究背景15-17
• 1.1.1 市場(chǎng)競(jìng)爭(zhēng)環(huán)境的變化15-16
• 1.1.2 制造企業(yè)面臨的具體問題16-17
• 1.2 國(guó)內(nèi)外相關(guān)領(lǐng)域研究現(xiàn)狀17-23
• 1.2.1 MES的研究現(xiàn)狀17-20
• 1.2.2 SMT車間數(shù)據(jù)采集研究現(xiàn)狀20-21
• 1.2.3 面向SMT的MES研究現(xiàn)狀21-22
• 1.2.4 研究現(xiàn)狀評(píng)述22-23
• 1.3 研究目的和研究意義23-24
• 1.3.1 研究目的23
• 1.3.2 研究意義23-24
• 1.4 研究?jī)?nèi)容、研究方法及創(chuàng)新點(diǎn)24-27
• 1.4.1 研究?jī)?nèi)容24-25
• 1.4.2 研究方法25-26
• 1.4.3 創(chuàng)新點(diǎn)26-27
• 第2章 相關(guān)理論27-37
• 2.1 面向服務(wù)的架構(gòu)相關(guān)理論27-28
• 2.1.1 SOA的定義27
• 2.1.2 SOA模型27-28
• 2.1.3 SOA的優(yōu)點(diǎn)28
• 2.2 RFID相關(guān)理論28-30
• 2.2.1 RFI D系統(tǒng)構(gòu)成28-29
• 2.2.2 RFI D技術(shù)在制造業(yè)中的應(yīng)用29-30
• 2.3 決策樹相關(guān)理論30-33
• 2.3.1 決策樹的生長(zhǎng)30-31
• 2.3.2 決策樹的修剪31-33
• 2.4 神經(jīng)網(wǎng)絡(luò)相關(guān)理論33-36
• 2.4.1 BP神經(jīng)網(wǎng)絡(luò)33-34
• 2.4.2 RBF神經(jīng)網(wǎng)絡(luò)34-36
• 2.5 本章小結(jié)36-37
• 第3章 基于智能對(duì)象的SMT車間SO-M ES框架體系37-44
• 3.1 SMT車間生產(chǎn)流程分析37-39
• 3.2 基于智能對(duì)象的SMT車間MES體系框架39-43
• 3.2.1 SMT車間MES系統(tǒng)需求分析39
• 3.2.2 SO-MES系統(tǒng)功能架構(gòu)39-42
• 3.2.3 基于智能對(duì)象的SMT車間MES體系結(jié)構(gòu)42-43
• 3.3 本章小結(jié)43-44
• 第4章 基于智能對(duì)象的SMT車間制造過程數(shù)據(jù)采集44-56
• 4.1 傳統(tǒng)電子產(chǎn)品制造過程信息采集分析44-46
• 4.1.1 傳統(tǒng)信息采集現(xiàn)狀44
• 4.1.2 主動(dòng)信息交互方式需求分析44-45
• 4.1.3 電子制造過程數(shù)據(jù)需求分析45-46
• 4.2 基于RFI D的智能對(duì)象的提出46-47
• 4.2.1 智能對(duì)象46
• 4.2.2 基于RFI D的智能對(duì)象的優(yōu)勢(shì)46-47
• 4.3 基于智能對(duì)象的SMT制造過程控制研究47-53
• 4.3.1 SMT車間數(shù)據(jù)采集點(diǎn)的確定47-48
• 4.3.2 RFI D設(shè)備在車間的系統(tǒng)化部署48-49
• 4.3.3 表面貼裝過程的形式化定義49-50
• 4.3.4 基于智能對(duì)象的SMT生產(chǎn)過程狀態(tài)監(jiān)控基礎(chǔ)50-53
• 4.4 智能對(duì)象在SMT制造過程中的應(yīng)用53-55
• 4.4.1 在制品數(shù)量的計(jì)算53
• 4.4.2 貼裝工位瓶頸工序的發(fā)現(xiàn)53-54
• 4.4.3 物料防錯(cuò)算法54-55
• 4.5 本章小結(jié)55-56
• 第5章 基于智能對(duì)象的SMT車間生產(chǎn)數(shù)據(jù)挖掘56-72
• 5.1 數(shù)據(jù)挖掘架構(gòu)56-57
• 5.2 數(shù)據(jù)準(zhǔn)備57-60
• 5.2.1 數(shù)據(jù)選取57
• 5.2.2 數(shù)據(jù)清洗57-58
• 5.2.3 特征選擇58-60
• 5.3 C5.0 決策樹分類預(yù)測(cè)模型的建立60-65
• 5.3.1 參數(shù)設(shè)置60-61
• 5.3.2 模型輸出及結(jié)果分析61-63
• 5.3.3 決策樹性能評(píng)估63-65
• 5.4 BP神經(jīng)網(wǎng)絡(luò)分類預(yù)測(cè)模型的建立65-67
• 5.4.1 參數(shù)設(shè)置65-66
• 5.4.2 模型輸出及結(jié)果分析66-67
• 5.4.3 BP神經(jīng)網(wǎng)絡(luò)模型評(píng)估67
• 5.5 RBF神經(jīng)網(wǎng)絡(luò)分類預(yù)測(cè)模型的建立67-69
• 5.5.1 參數(shù)設(shè)置67-68
• 5.5.2 模型輸出及結(jié)果分析68-69
• 5.5.3 RBF神經(jīng)網(wǎng)絡(luò)模型評(píng)估69
• 5.6 三種分類預(yù)測(cè)模型的結(jié)果比較分析69-70
• 5.7 本章小結(jié)70-72
• 第6章 實(shí)證研究72-80
• 6.1 MM公司簡(jiǎn)介72-73
• 6.2 MM公司的MES應(yīng)用及關(guān)鍵功能的實(shí)現(xiàn)73-78
• 6.2.1 系統(tǒng)總體框架73
• 6.2.2 構(gòu)建基于RFI D的智能對(duì)象73-74
• 6.2.3 車間應(yīng)用情況74-78
• 6.3 應(yīng)用效果分析78-79
• 6.4 本章小結(jié)79-80
• 總結(jié)與展望80-82
• 參考文獻(xiàn)82-86
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文86-87
• 致謝87

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前1條

1 唐露新;張強(qiáng)武;;一種改進(jìn)型C4.5算法在SMT焊接質(zhì)量中的應(yīng)用研究[J];艦船電子工程;2014年07期

  本文關(guān)鍵詞：基于智能對(duì)象的SMT車間制造執(zhí)行系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：330484