21世紀以來,全球汽車制造企業(yè)發(fā)展迅速。每輛汽車平均由一萬個零部件構成,從零部件采購,一直到車輛最終下線被運往4S店,各個環(huán)節(jié)都涉及到物流。目前汽車制造企業(yè)物流模式仍為采購模式,供應商與制造企業(yè)達成協(xié)議按需采購,這種方式會造成資源嚴重浪費。隨著需求與供應數(shù)量增加,傳統(tǒng)按需訂貨方式已經(jīng)不能滿足汽車制造企業(yè)發(fā)展需求,為了能夠提高生產(chǎn)柔性,促進汽車制造企業(yè)發(fā)展,采用智能匹配技術尤為重要。文章首先搜集查閱了云物流智能匹配方法有關研究,通過對比研究內(nèi)容,研究方法和研究現(xiàn)狀,提出智能匹配方法選擇對汽車制造企業(yè)實現(xiàn)發(fā)展目標十分必要。其次通過對汽車制造企業(yè)云物流資源進行整理,歸納云物流資源種類和結構類型。進而構建了實現(xiàn)云物流服務匹配采用的整體框架,并從汽車制造企業(yè)角度出發(fā),理清汽車制造企業(yè)生產(chǎn)制造過程中涉及物流需求各個環(huán)節(jié),將汽車制造企業(yè)云物流資源描述為計算機資源。最后詳細分析目前云物流資源發(fā)現(xiàn)及智能匹配的方法,歸納出基于啟發(fā)式算法、基于模塊的和基于過程三種智能匹配方法,在同時考慮專家智能匹配方法表現(xiàn)和企業(yè)期望基礎上,選取對汽車制造企業(yè)影響最大的指標,利用扎根理論歸納出五種對汽車制造企業(yè)云物流發(fā)展最重要的影響因素,按照不同方法在不同指標表現(xiàn),對三種方法自身具有的優(yōu)勢與劣勢進行詳細對比。本文在考慮汽車制造企業(yè)自身現(xiàn)狀和發(fā)展前景基礎上,結合不同智能匹配方法自身特性,構建前景模型,幫助企業(yè)選取適合自身發(fā)展的智能匹配方法。在汽車制造企業(yè)云物流發(fā)展為實現(xiàn)靈活、優(yōu)質(zhì)、高效、準時、低耗、清潔目標任務選取智能匹配方法提供理論參考及一定的指導作用。
【學位單位】：沈陽工業(yè)大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：F426.471;F252.1;F49
【部分圖文】：

圖 2.1 蟻群算法流程 Ant colony algorithm程中分泌信息素，式來尋找最優(yōu)解，，同時能夠與多種，蟻群算法能夠用智能，能夠模擬人供者、代理中心、螞蟻目標，將各個務組合方式并計組合，每次得到一解�？梢园� Qos 約接近，直到最終到

圖 2.2 基于蟻群的智能匹配算法參與方Fig 2.2 Ant colony-based intelligent matching algorithm participants首先需要通過服務發(fā)現(xiàn)得到 web 服務集 其中所有服務都存在向量，其 = ， 中 ≥ 且(1≤i≤n，1≤j≤n，1≤k≤r)代表每個 務各個屬性值大小同時規(guī)定任務 W={ ， ， }各個任務 對不同資源有需求，表示為其 = ， 中(1≤j≤n，0≤k≤n)當 Sij被選中時，會獲應的利益。定義一個聯(lián)盟 C 是 N 一個非空子集。聯(lián)盟 C 有一個能力向量 c ， c c }， 是聯(lián)盟中所有 WS 能力向量的總和。聯(lián)盟 C 可以完成任務 的必要是： 1≤i≤r j ≤ c 每個聯(lián)盟 C 的值用一個特征函數(shù) V(c)給出，假定 V(c)≥(c)=P( ).F( ).P( )其中 P( )表示完成任務能夠得到的，F(xiàn)(c)指聯(lián)盟成員總能合的成本；C(c)指聯(lián)盟協(xié)作求解過程中的額外開銷，如費用、響應時間等。如果

圖 2.3 基于工作流的智能匹配方法Fig 2.3 Intelligent matching method based on workflow2.3 研究方法和理論基礎2.3.1 前景理論人們在決策過程中，經(jīng)常使用直觀推斷方法將一些復雜的決策問題簡化為一些簡單的判斷。但坎內(nèi)曼和特維爾斯基等人通過大量精心設計的社會學、心理學實驗識別出這些經(jīng)驗規(guī)則的原理，發(fā)現(xiàn)以這些經(jīng)驗規(guī)則為主要特征的直觀推斷會產(chǎn)生嚴重的系統(tǒng)性錯誤和偏差，據(jù)此，他們提出了前景理論(prospect theory)。前景理論是描述性范式的一個決策模型，它假設風險決策過程分為編輯和評價兩個過程。在編輯階段，個體憑借 框架 （frame）、參照點（reference point）等采集和處理信息，在評價階段依賴價值函數(shù)（value function）和主觀概率的權重函數(shù)（weightingfunction)對信息予以判斷。價值函數(shù)是經(jīng)驗型的，它有三個特征，一是大多數(shù)人在面臨獲得時是風險規(guī)避的；二是大多數(shù)人在面臨損失時是風險偏愛的；三是人們對損失比
【相似文獻】

相關期刊論文 前10條

1 閆玉紅;;汽車制造總裝生產(chǎn)線輸送設備的選擇分析[J];時代汽車;2018年02期

2 花建新;;汽車制造與檢修專業(yè)課程標準解讀[J];江蘇教育;2016年Z4期

3 ;C-NCAP 2016年第二十四號試驗結果發(fā)布[J];汽車與安全;2016年10期

4 陳鵬;;3D打印技術在汽車制造中的應用[J];時代汽車;2018年11期

5 趙冬梅;;論汽車制造與維修對3D打印技術的應用[J];中國市場;2016年45期

6 周兵;;新常態(tài)下汽車制造企業(yè)環(huán)保管理對策探討[J];現(xiàn)代制造技術與裝備;2016年10期

7 李莎;;高職汽車制造與裝配技術專業(yè)課程建設研究[J];科技經(jīng)濟導刊;2017年21期

8 張之洋;;汽車制造企業(yè)綠色制造模式及關鍵支持系統(tǒng)研究[J];山西農(nóng)經(jīng);2017年16期

9 張喜榮;閆微;;汽車制造企業(yè)中作業(yè)成本法的應用研究[J];產(chǎn)業(yè)與科技論壇;2017年19期

10 王娟;;汽車制造企業(yè)的供應鏈融資解決方案[J];中國國際財經(jīng)(中英文);2017年12期

相關博士學位論文 前10條

1 羅智勇;面向工作流的汽車制造供應鏈協(xié)控調(diào)度研究[D];哈爾濱理工大學;2018年

2 宋殿輝;面向汽車制造企業(yè)供應商選擇的WSR評價模型研究[D];吉林大學;2018年

3 姚佐平;汽車制造管理創(chuàng)新研究[D];武漢理工大學;2006年

4 王永靖;汽車制造企業(yè)綠色制造模式及關鍵支持系統(tǒng)研究[D];重慶大學;2008年

5 白緒貴;我國汽車制造企業(yè)自主創(chuàng)新能力形成機理的研究[D];吉林大學;2010年

6 李遠慧;低碳經(jīng)濟下中國汽車制造企業(yè)綠色競爭能力研究[D];北京交通大學;2016年

7 劉紅勝;汽車制造企業(yè)精益供應鏈物流系統(tǒng)研究[D];武漢理工大學;2013年

8 劉偉;汽車制造企業(yè)的生產(chǎn)計劃模式與模型研究[D];吉林大學;2011年

9 李文川;汽車制造企業(yè)RFID采納過程模型及應用問題研究[D];重慶大學;2011年

10 徐曄彪;基于EVA的汽車制造企業(yè)價值創(chuàng)造機理、路徑及評價研究[D];武漢理工大學;2014年

相關碩士學位論文 前10條

1 劉繼國;汽車制造企業(yè)云物流智能匹配方法選擇研究[D];沈陽工業(yè)大學;2019年

2 石田立;某汽車制造企業(yè)惡臭污染特征及來源分析[D];華南理工大學;2018年

3 鄭溯;基于SAP的B汽車制造企業(yè)成本控制問題研究[D];沈陽大學;2018年

4 黃夏;我國汽車制造上市公司資本結構與公司績效的相關性研究[D];南京林業(yè)大學;2018年

5 朱麗娟;汽車制造企業(yè)供應鏈質(zhì)量風險研究[D];武漢理工大學;2015年

6 魏煦璐;基于平衡計分卡的汽車制造企業(yè)績效管理研究[D];武漢理工大學;2015年

7 譚婉寧;汽車制造企業(yè)技術創(chuàng)新風險管理研究[D];中國海洋大學;2015年

8 冉曦;路徑依賴視角下的汽車制造企業(yè)節(jié)能路徑研究[D];華北電力大學;2015年

9 李瑞;我國汽車制造企業(yè)橫向并購供應鏈整合研究[D];中國海洋大學;2014年

10 江南穎;構建X微型汽車制造企業(yè)風險導向內(nèi)部審計研究[D];重慶理工大學;2014年

本文編號：2889049