隨著大數據、物聯網、云計算、人工智能等新一代信息技術的不斷發(fā)展,世界各國制造業(yè)的體系、發(fā)展模式和發(fā)展前景都有重大改變,智能制造正在取代傳統制造,成為制造業(yè)的主導制造方式。由于智能制造是一種由智能機器和人類專家共同組成的人機一體化智能系統,在制造業(yè)整個價值鏈活動及產品全生命周期中,產生了海量、高維、多源、異構等制造數據。因此智能制造以標準化數據信息為基礎,以智能系統為核心,是對傳統制造方式的巨大挑戰(zhàn)。而運行質量是智能制造系統的關鍵指標,主要由基礎資源、組織結構、生產應用和效率效益等綜合決定,面對智能制造新的要求,現有質量管理理論、工具和方法已難以有效解決智能制造所面臨的質量問題。由此本文以數據驅動為研究視角,以中國智能制造企業(yè)為研究對象,針對企業(yè)中存在的灰信息數據、多源異構數據、高維信息數據和多參數監(jiān)測數據等數據類型,對數據驅動下智能制造企業(yè)運行質量管理進行研究,分別從宏觀上對企業(yè)綜合運行質量進行靜態(tài)和動態(tài)評價,從微觀上對企業(yè)的生產運行質量進行預測和預警。論文的主要工作如下:(1)針對智能制造系統數據多源、異構、多模態(tài)等特點,進行智能制造企業(yè)數據質量管理。首先以數據流為主線,挑選出適合本...

【文章頁數】：172 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 智能制造企業(yè)運行質量研究國內外文獻綜述
        1.2.1 智能制造企業(yè)運行質量評價
        1.2.2 智能制造企業(yè)運行質量預測預警
        1.2.3 灰理論在質量管理中應用
    1.3 研究內容與技術路線
        1.3.1 研究內容
        1.3.2 技術路線
    1.4 研究創(chuàng)新
第2章 理論基礎
    2.1 智能制造企業(yè)運行質量內涵
        2.1.1 質量內涵的演變
        2.1.2 質量管理定義及體系
        2.1.3 智能制造企業(yè)綜合運行質量定義和特征
    2.2 智能制造企業(yè)運行質量評價與預測
        2.2.1 智能制造企業(yè)運行質量評價
        2.2.2 智能制造企業(yè)運行質量預測
    2.3 灰預測與決策方法
        2.3.1 灰關聯分析
        2.3.2 NGBM(1,1)模型
        2.3.3 GM(1,N)模型
    2.4 模糊測度與模糊積分
    2.5 本章小結
第3章 智能制造企業(yè)運行質量數據管理
    3.1 智能制造企業(yè)綜合運行質量指標選擇
        3.1.1 智能制造企業(yè)綜合運行質量評價要素
        3.1.2 智能制造企業(yè)綜合運行質量評價原則
        3.1.3 智能制造評價指標選取和評價體系構建
    3.2 智能制造企業(yè)的樣本選取和數據來源
        3.2.1 智能制造企業(yè)的樣本選取
        3.2.2 智能制造企業(yè)運行質量數據來源
    3.3 智能制造企業(yè)運行質量數據類型與特征
        3.3.1 灰信息數據特征
        3.3.2 多源異構數據特征
        3.3.3 高維信息數據特征
        3.3.4 多參數監(jiān)測數據特征
    3.4 智能制造企業(yè)運行質量數據預處理
    3.5 本章小結
第4章 灰信息數據特征的智能制造企業(yè)綜合運行質量靜態(tài)評價
    4.1 智能制造企業(yè)綜合運行質量靜態(tài)評價基本思路
    4.2 智能制造企業(yè)綜合運行質量中的信息覆蓋灰數
        4.2.1 信息覆蓋灰數的定義
        4.2.2 信息覆蓋灰數間差異信息的處理
    4.3 基于灰信息覆蓋交互關聯度的綜合運行質量靜態(tài)評價模型
        4.3.1 灰信息覆蓋交互關聯度及其性質
        4.3.2 智能制造企業(yè)綜合運行質量靜態(tài)評價方法與步驟
    4.4 中國智能制造企業(yè)綜合運行質量靜態(tài)評價實證分析
        4.4.1 灰信息覆蓋交互關聯度模型計算
        4.4.2 中國智能制造企業(yè)靜態(tài)評價模型比較分析
        4.4.3 智能制造企業(yè)綜合運行質量結果分析
    4.5 本章小結
第5章 多源異構數據特征的智能制造企業(yè)綜合運行質量動態(tài)評價
    5.1 智能制造企業(yè)綜合運行質量動態(tài)評價基本思路
    5.2 智能制造企業(yè)中多源異構質量數據處理
        5.2.1 智能制造企業(yè)綜合運行質量中二元語義數據描述
        5.2.2 基于二元語義的多源異構質量數據轉換方法
    5.3 二元語義矩陣灰交互關聯度動態(tài)評價模型
        5.3.1 二元語義矩陣灰交互關聯度及其性質
        5.3.2 二元語義矩陣灰交互關聯度動態(tài)評價算法設計
    5.4 中國智能制造企業(yè)綜合運行質量動態(tài)評價實證分析
        5.4.1 二元語義矩陣灰交互關聯度模型計算
        5.4.2 中國智能制造企業(yè)綜合運行質量動態(tài)評價模型比較分析
    5.5 本章小結
第6章 高維信息數據特征的智能制造企業(yè)生產運行質量預測
    6.1 智能制造企業(yè)生產運行質量預測思路
    6.2 高維信息特征的LASSO-NGRBM(1,1)質量預測模型
        6.2.1 基于LASSO回歸的綜合生產環(huán)境狀態(tài)量化
        6.2.2 生產環(huán)境與產品質量關系的NGRBM(1,1)模型
        6.2.3 NGRBM(1,1)模型的參數辨識與求解
        6.2.4 基于LASSO-NGRBM(1,1)的質量組合預測模型
    6.3 LASSO-NGRBM(1,1)質量預測模型柔性參數優(yōu)化
        6.3.1 LASSO-NGRBM(1,1)中柔性參數優(yōu)化建模
        6.3.2 基于改進花粉算法的柔性參數求解
    6.4 半導體智能制造企業(yè)生產運行質量預測
        6.4.1 高維生產過程數據預處理
        6.4.2 生產運行質量預測模型有效性驗證
        6.4.3 實證結果分析及其意義
    6.5 本章小結
第7章 多參數監(jiān)測數據特征的智能制造企業(yè)生產運行質量預警
    7.1 智能制造企業(yè)生產運行質量多參數監(jiān)測預警思路
    7.2 多參數監(jiān)測數據的PCA-CFGM(1,N)質量預警模型
        7.2.1 主成分分析方法
        7.2.2 基于CFGM(1,N)的多因素質量分析模型
    7.3 PCA-CFGM(1,N)質量預警模型參數優(yōu)化
        7.3.1 PCA-CFGM(1,N)參數優(yōu)化模型
        7.3.2 基于鯨群優(yōu)化算法的模型參數確定
    7.4 半導體智能制造企業(yè)生產運行質量預警
        7.4.1 生產運行質量數據預處理
        7.4.2 生產運行質量分析模型可解釋性評價
        7.4.3 半導體企業(yè)質量指數的因子敏感性分析
        7.4.4 半導體企業(yè)生產運行質量多參數預警分析
    7.5 本章小結
結論
參考文獻
致謝
附錄A 攻讀博士學位期間的學術成果
附錄B 攻讀博士學位期間所獲得的獎勵



本文編號：3782431