發(fā)布時間：2021-02-21 07:20

　　制造企業(yè)的智能訂單決策支持系統(tǒng)是實現(xiàn)智能制造不可或缺的組成部分,它的發(fā)展與推廣對提高企業(yè)決策效率、減少決策成本與減少錯誤決策等方面有著重要意義。智能訂單決策支持系統(tǒng)是企業(yè)解決由人們個性化需求所導(dǎo)致面向訂單生產(chǎn)（MTO）模式下訂單接受問題唯一途徑。盡管訂單決策支持系統(tǒng)經(jīng)過多年的發(fā)展,但其仍然存在效率低下與無法很好的適應(yīng)較多數(shù)據(jù)量的情況的問題,其決策效率仍然有著提升空間。本文采用網(wǎng)絡(luò)爬蟲技術(shù)、LSTM技術(shù)、案例推理技術(shù)（CBR）、BP神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建了智能訂單決策支持系統(tǒng),主要工作如下:（1）基于CBR-BP估測模型構(gòu)建。在當(dāng)前數(shù)據(jù)及歷史數(shù)據(jù)構(gòu)建的訂單成本及其價格估測屬性模型、Scrapy數(shù)據(jù)抓取模型的基礎(chǔ)上,聯(lián)合CBR技術(shù)與BP神經(jīng)網(wǎng)絡(luò)技術(shù),構(gòu)建了基于CBR-BP訂單成本及其價格估測模型,并對其進行了實例驗證分析,充分驗證估測模型的可行性,且估測誤差在5%以內(nèi)。（2）基于LSTM估測模型構(gòu)建�；谟唵纬杀炯捌鋬r格估測屬性模型、Scrapy數(shù)據(jù)抓取模型,構(gòu)建了基于LSTM訂單成本及其價格估測模型,且進行了實例驗證分析,證明了此估測模型的可行性,及在較大數(shù)據(jù)量的前提下具有較高的效率,估測誤差... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

論文組織架構(gòu)

圖 2-5 簡單的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.2-5 Simple neural network structure2 BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的目的是為了獲得一個包含訓(xùn)練數(shù)據(jù)之間映射關(guān)系的模型，給定一入，得到符合我們要求的輸出。對各網(wǎng)絡(luò)層連接權(quán)值根據(jù)預(yù)定的學(xué)習(xí)規(guī)則去實施動是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的本質(zhì)和核心。BP 網(wǎng)絡(luò)其學(xué)習(xí)準(zhǔn)則分為輸入到輸出的前向傳播和輸出到輸入的誤差反向傳播。BP導(dǎo)步驟如下，若網(wǎng)絡(luò)僅有三層，如下圖 2-6 所示。

圖 2-5 簡單的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.2-5 Simple neural network structureP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的目的是為了獲得一個包含訓(xùn)練數(shù)據(jù)之間映射關(guān)系的模型，給定，得到符合我們要求的輸出。對各網(wǎng)絡(luò)層連接權(quán)值根據(jù)預(yù)定的學(xué)習(xí)規(guī)則去實施神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的本質(zhì)和核心。P 網(wǎng)絡(luò)其學(xué)習(xí)準(zhǔn)則分為輸入到輸出的前向傳播和輸出到輸入的誤差反向傳播。步驟如下，若網(wǎng)絡(luò)僅有三層，如下圖 2-6 所示。

【參考文獻】：
期刊論文
[1]從精敏制造到工業(yè)4.0長尾生產(chǎn)的制造業(yè)轉(zhuǎn)型升級[J]. 姚錫凡,張劍銘,陶韜,蔣經(jīng)發(fā),陳新準(zhǔn).  計算機集成制造系統(tǒng). 2018(10)
[2]基于系統(tǒng)柔性的MTS-MTO混合生產(chǎn)決策[J]. 汪大金,白建明.  中國管理科學(xué). 2018(09)
[3]工業(yè)4.0時代中國制造業(yè)新出路——《精益智能制造》推薦閱讀[J]. 歐陽生,孔德洋.  中國機械工程. 2018(16)
[4]制造業(yè)中的大數(shù)據(jù)分析技術(shù)應(yīng)用研究綜述[J]. 梁志宇,王宏志,李建中,高宏.  機械. 2018(06)
[5]人工智能助力制造業(yè)優(yōu)化升級[J]. 錢鋒,桂衛(wèi)華.  中國科學(xué)基金. 2018(03)
[6]考慮風(fēng)險傳導(dǎo)情形的訂單接受決策方法[J]. 于超,劉洋,樊治平.  控制與決策. 2019(03)
[7]基于分層MTO訂單的準(zhǔn)入策略研究[J]. 曹裕,吳堪,熊壽遙.  管理科學(xué)學(xué)報. 2017(08)
[8]基于MTO-MTS生產(chǎn)模式的鋼鐵企業(yè)合同計劃建模與優(yōu)化策略[J]. 張琦琪,張濤,劉鵬.  管理工程學(xué)報. 2017(03)
[9]考慮需求時序關(guān)聯(lián)性的MTO企業(yè)訂單選擇和調(diào)度綜合決策[J]. 高華麗,但斌,閆建.  管理工程學(xué)報. 2017(03)
[10]機械制造業(yè)MTS模式下銷售庫存與運作計劃平臺構(gòu)建[J]. 李俊海.  物流工程與管理. 2015(06)

博士論文
[1]基于案例推理與知識推送的智能化變型設(shè)計研究[D]. 徐榮振.山東大學(xué) 2018

碩士論文
[1]基于LSTM神經(jīng)網(wǎng)絡(luò)的電商需求預(yù)測的研究[D]. 王淵明.山東大學(xué) 2018
[2]基于深度學(xué)習(xí)算法的上市公司投資決策支持模型研究[D]. 張佳禹.遼寧師范大學(xué) 2018
[3]MTO企業(yè)訂單接受決策方法研究[D]. 周怡伶.重慶理工大學(xué) 2018
[4]人工神經(jīng)網(wǎng)絡(luò)在股票預(yù)測中的應(yīng)用研究[D]. 肖琪.華南理工大學(xué) 2017
[5]微表情識別的理論和方法研究[D]. 劉宇灝.東南大學(xué) 2016
[6]制造企業(yè)訂單接受決策方法研究[D]. 李攀.重慶理工大學(xué) 2016
[7]考慮訂單選擇的流水車間調(diào)度及其智能優(yōu)化算法研究[D]. 鄭凡.武漢理工大學(xué) 2015
[8]基于強化學(xué)習(xí)的MTO企業(yè)訂單接受決策模型研究[D]. 王寧寧.東北大學(xué) 2014
[9]基于約束的企業(yè)訂單選擇及其排序研究[D]. 楊柳.東北大學(xué) 2014



本文編號：3044031