隨著大數(shù)據(jù)、物聯(lián)網(wǎng)、云計(jì)算、人工智能等新一代信息技術(shù)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(tǒng)制造,成為制造業(yè)的主導(dǎo)制造方式。由于智能制造是一種由智能機(jī)器和人類專家共同組成的人機(jī)一體化智能系統(tǒng),在制造業(yè)整個(gè)價(jià)值鏈活動及產(chǎn)品全生命周期中,產(chǎn)生了海量、高維、多源、異構(gòu)等制造數(shù)據(jù)。因此智能制造以標(biāo)準(zhǔn)化數(shù)據(jù)信息為基礎(chǔ),以智能系統(tǒng)為核心,是對傳統(tǒng)制造方式的巨大挑戰(zhàn)。而運(yùn)行質(zhì)量是智能制造系統(tǒng)的關(guān)鍵指標(biāo),主要由基礎(chǔ)資源、組織結(jié)構(gòu)、生產(chǎn)應(yīng)用和效率效益等綜合決定,面對智能制造新的要求,現(xiàn)有質(zhì)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(zhì)量問題。由此本文以數(shù)據(jù)驅(qū)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(shù)據(jù)、多源異構(gòu)數(shù)據(jù)、高維信息數(shù)據(jù)和多參數(shù)監(jiān)測數(shù)據(jù)等數(shù)據(jù)類型,對數(shù)據(jù)驅(qū)動下智能制造企業(yè)運(yùn)行質(zhì)量管理進(jìn)行研究,分別從宏觀上對企業(yè)綜合運(yùn)行質(zhì)量進(jìn)行靜態(tài)和動態(tài)評價(jià),從微觀上對企業(yè)的生產(chǎn)運(yùn)行質(zhì)量進(jìn)行預(yù)測和預(yù)警。論文的主要工作如下:(1)針對智能制造系統(tǒng)數(shù)據(jù)多源、異構(gòu)、多模態(tài)等特點(diǎn),進(jìn)行智能制造企業(yè)數(shù)據(jù)質(zhì)量管理。首先以數(shù)據(jù)流為主線,挑選出適合本...

【文章頁數(shù)】：172 頁

【學(xué)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(yùn)行質(zhì)量研究國內(nèi)外文獻(xiàn)綜述
        1.2.1 智能制造企業(yè)運(yùn)行質(zhì)量評價(jià)
        1.2.2 智能制造企業(yè)運(yùn)行質(zhì)量預(yù)測預(yù)警
        1.2.3 灰理論在質(zhì)量管理中應(yīng)用
    1.3 研究內(nèi)容與技術(shù)路線
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
    1.4 研究創(chuàng)新
第2章 理論基礎(chǔ)
    2.1 智能制造企業(yè)運(yùn)行質(zhì)量內(nèi)涵
        2.1.1 質(zhì)量內(nèi)涵的演變
        2.1.2 質(zhì)量管理定義及體系
        2.1.3 智能制造企業(yè)綜合運(yùn)行質(zhì)量定義和特征
    2.2 智能制造企業(yè)運(yùn)行質(zhì)量評價(jià)與預(yù)測
        2.2.1 智能制造企業(yè)運(yùn)行質(zhì)量評價(jià)
        2.2.2 智能制造企業(yè)運(yùn)行質(zhì)量預(yù)測
    2.3 灰預(yù)測與決策方法
        2.3.1 灰關(guān)聯(lián)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(jié)
第3章 智能制造企業(yè)運(yùn)行質(zhì)量數(shù)據(jù)管理
    3.1 智能制造企業(yè)綜合運(yùn)行質(zhì)量指標(biāo)選擇
        3.1.1 智能制造企業(yè)綜合運(yùn)行質(zhì)量評價(jià)要素
        3.1.2 智能制造企業(yè)綜合運(yùn)行質(zhì)量評價(jià)原則
        3.1.3 智能制造評價(jià)指標(biāo)選取和評價(jià)體系構(gòu)建
    3.2 智能制造企業(yè)的樣本選取和數(shù)據(jù)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(yùn)行質(zhì)量數(shù)據(jù)來源
    3.3 智能制造企業(yè)運(yùn)行質(zhì)量數(shù)據(jù)類型與特征
        3.3.1 灰信息數(shù)據(jù)特征
        3.3.2 多源異構(gòu)數(shù)據(jù)特征
        3.3.3 高維信息數(shù)據(jù)特征
        3.3.4 多參數(shù)監(jiān)測數(shù)據(jù)特征
    3.4 智能制造企業(yè)運(yùn)行質(zhì)量數(shù)據(jù)預(yù)處理
    3.5 本章小結(jié)
第4章 灰信息數(shù)據(jù)特征的智能制造企業(yè)綜合運(yùn)行質(zhì)量靜態(tài)評價(jià)
    4.1 智能制造企業(yè)綜合運(yùn)行質(zhì)量靜態(tài)評價(jià)基本思路
    4.2 智能制造企業(yè)綜合運(yùn)行質(zhì)量中的信息覆蓋灰數(shù)
        4.2.1 信息覆蓋灰數(shù)的定義
        4.2.2 信息覆蓋灰數(shù)間差異信息的處理
    4.3 基于灰信息覆蓋交互關(guān)聯(lián)度的綜合運(yùn)行質(zhì)量靜態(tài)評價(jià)模型
        4.3.1 灰信息覆蓋交互關(guān)聯(lián)度及其性質(zhì)
        4.3.2 智能制造企業(yè)綜合運(yùn)行質(zhì)量靜態(tài)評價(jià)方法與步驟
    4.4 中國智能制造企業(yè)綜合運(yùn)行質(zhì)量靜態(tài)評價(jià)實(shí)證分析
        4.4.1 灰信息覆蓋交互關(guān)聯(lián)度模型計(jì)算
        4.4.2 中國智能制造企業(yè)靜態(tài)評價(jià)模型比較分析
        4.4.3 智能制造企業(yè)綜合運(yùn)行質(zhì)量結(jié)果分析
    4.5 本章小結(jié)
第5章 多源異構(gòu)數(shù)據(jù)特征的智能制造企業(yè)綜合運(yùn)行質(zhì)量動態(tài)評價(jià)
    5.1 智能制造企業(yè)綜合運(yùn)行質(zhì)量動態(tài)評價(jià)基本思路
    5.2 智能制造企業(yè)中多源異構(gòu)質(zhì)量數(shù)據(jù)處理
        5.2.1 智能制造企業(yè)綜合運(yùn)行質(zhì)量中二元語義數(shù)據(jù)描述
        5.2.2 基于二元語義的多源異構(gòu)質(zhì)量數(shù)據(jù)轉(zhuǎn)換方法
    5.3 二元語義矩陣灰交互關(guān)聯(lián)度動態(tài)評價(jià)模型
        5.3.1 二元語義矩陣灰交互關(guān)聯(lián)度及其性質(zhì)
        5.3.2 二元語義矩陣灰交互關(guān)聯(lián)度動態(tài)評價(jià)算法設(shè)計(jì)
    5.4 中國智能制造企業(yè)綜合運(yùn)行質(zhì)量動態(tài)評價(jià)實(shí)證分析
        5.4.1 二元語義矩陣灰交互關(guān)聯(lián)度模型計(jì)算
        5.4.2 中國智能制造企業(yè)綜合運(yùn)行質(zhì)量動態(tài)評價(jià)模型比較分析
    5.5 本章小結(jié)
第6章 高維信息數(shù)據(jù)特征的智能制造企業(yè)生產(chǎn)運(yùn)行質(zhì)量預(yù)測
    6.1 智能制造企業(yè)生產(chǎn)運(yùn)行質(zhì)量預(yù)測思路
    6.2 高維信息特征的LASSO-NGRBM(1,1)質(zhì)量預(yù)測模型
        6.2.1 基于LASSO回歸的綜合生產(chǎn)環(huán)境狀態(tài)量化
        6.2.2 生產(chǎn)環(huán)境與產(chǎn)品質(zhì)量關(guān)系的NGRBM(1,1)模型
        6.2.3 NGRBM(1,1)模型的參數(shù)辨識與求解
        6.2.4 基于LASSO-NGRBM(1,1)的質(zhì)量組合預(yù)測模型
    6.3 LASSO-NGRBM(1,1)質(zhì)量預(yù)測模型柔性參數(shù)優(yōu)化
        6.3.1 LASSO-NGRBM(1,1)中柔性參數(shù)優(yōu)化建模
        6.3.2 基于改進(jìn)花粉算法的柔性參數(shù)求解
    6.4 半導(dǎo)體智能制造企業(yè)生產(chǎn)運(yùn)行質(zhì)量預(yù)測
        6.4.1 高維生產(chǎn)過程數(shù)據(jù)預(yù)處理
        6.4.2 生產(chǎn)運(yùn)行質(zhì)量預(yù)測模型有效性驗(yàn)證
        6.4.3 實(shí)證結(jié)果分析及其意義
    6.5 本章小結(jié)
第7章 多參數(shù)監(jiān)測數(shù)據(jù)特征的智能制造企業(yè)生產(chǎn)運(yùn)行質(zhì)量預(yù)警
    7.1 智能制造企業(yè)生產(chǎn)運(yùn)行質(zhì)量多參數(shù)監(jiān)測預(yù)警思路
    7.2 多參數(shù)監(jiān)測數(shù)據(jù)的PCA-CFGM(1,N)質(zhì)量預(yù)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(zhì)量分析模型
    7.3 PCA-CFGM(1,N)質(zhì)量預(yù)警模型參數(shù)優(yōu)化
        7.3.1 PCA-CFGM(1,N)參數(shù)優(yōu)化模型
        7.3.2 基于鯨群優(yōu)化算法的模型參數(shù)確定
    7.4 半導(dǎo)體智能制造企業(yè)生產(chǎn)運(yùn)行質(zhì)量預(yù)警
        7.4.1 生產(chǎn)運(yùn)行質(zhì)量數(shù)據(jù)預(yù)處理
        7.4.2 生產(chǎn)運(yùn)行質(zhì)量分析模型可解釋性評價(jià)
        7.4.3 半導(dǎo)體企業(yè)質(zhì)量指數(shù)的因子敏感性分析
        7.4.4 半導(dǎo)體企業(yè)生產(chǎn)運(yùn)行質(zhì)量多參數(shù)預(yù)警分析
    7.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
附錄A 攻讀博士學(xué)位期間的學(xué)術(shù)成果
附錄B 攻讀博士學(xué)位期間所獲得的獎勵



本文編號：3782431