本文關鍵詞：基于APS的離散制造業(yè)生產預測的研究與應用　出處：《寧夏大學》2016年碩士論文　論文類型：學位論文

  更多相關文章： 生產預測 神經網絡 遺傳算法 模型構建

【摘要】：為了實現(xiàn)企業(yè)的動態(tài)管理,企業(yè)采用高級計劃排程技術,它是一種優(yōu)化計劃,可將時間、訂單、庫存等生產中真實存在的問題考慮進去。在企業(yè)生產中隨時獲取各種動態(tài)變化,來調整生產去迎合市場。幫助企業(yè)解決不能動態(tài)平衡實時物料需求和資源的問題,為離散制造業(yè)提供了有效支撐。而在APS中用數(shù)學模型預測零件生產數(shù)量為企業(yè)生產計劃提供參照具有巨大的實用意義。但企業(yè)的生產預測模型卻具有復雜性、多層次性、開放性、非靜態(tài)性等特點,因此對它建立模型十分困難。本文基于某離散制造企業(yè)的背景,該企業(yè)是一家制造閥門的企業(yè),實現(xiàn)的是多品種、少批量、多批次的生產方式,使企業(yè)對環(huán)境變化具有更大的柔性。在滿足客戶需求的情況下實現(xiàn)企業(yè)最大利益下的最小成本目標,就必須采用更有效地生產組織方式,合理地利用庫存,為了完善企業(yè)自身已有的APS系統(tǒng),企業(yè)需要建立離散型生產線的生產預測作為發(fā)展的主要方向。通過訪問企業(yè)的數(shù)據庫獲取制造閥零件的歷史數(shù)據,發(fā)現(xiàn)企業(yè)生產線上的數(shù)據具有不規(guī)律、有噪聲及變量之間存在的耦合等復雜特點,首先對原始數(shù)據預處理,經過了數(shù)據清洗、數(shù)據集成以及歸一化。運用BP神經網絡、RBF神經網絡算法建立生產預測模型,利用遺傳算法的全局搜索以及收斂速度快的特征對模型優(yōu)化處理,并對仿真結果進行分析比對,最后選擇了一種最優(yōu)的算法模型應用在企業(yè)中,在APS的實際排程中發(fā)揮了重大的作用。
[Abstract]:In order to realize the dynamic management of enterprises, enterprises with advanced planning and scheduling technology, it is a kind of optimization plan, the time order, the real problems in the production of the inventory account. To get all kinds of changes in enterprise production, to adjust production to meet the market. Can help enterprises solve the dynamic balance of real-time material needs and resources, to provide effective support for the discrete manufacturing industry. And the APS used in the mathematical model to predict the number of parts production has great practical significance to provide reference for enterprise production planning. But the production of pre enterprise measurement model has a complex, multi-level, open, non static, so on it is very difficult to establish the model. In this paper, a discrete manufacturing enterprise based on the background, the company is a manufacturer of valve enterprises, to achieve multi varieties, small batch, multi batch production mode, the The enterprise is more flexible to the change of the environment. To achieve the minimum cost maximum interests of enterprises under the circumstances to meet customer demand, we must adopt more effective production organization, reasonable use of inventory, in order to improve the existing APS system of enterprises, enterprises need to establish a discrete production line as the main production forecast the direction of development. Access to the history data of manufacturing valve parts by accessing the enterprise database, find enterprise production line data is not the rule, there exists between noise and variable coupling characteristics, firstly, the pre-processing of the original data, after data cleaning, data integration and normalization. Using BP neural network, RBF neural network the algorithm to establish production prediction model, using genetic algorithm's global search and fast convergence characteristics of the optimization model, and the simulation results are analyzed. At the end of this paper, an optimal algorithm model is applied to the enterprise and plays a significant role in the actual scheduling of APS.

【學位授予單位】：寧夏大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F426.4;F273;TP183

【相似文獻】

相關期刊論文 前10條

1 云中客;新的神經網絡來自于仿生學[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經網絡的研究進展[J];系統(tǒng)工程與電子技術;2001年10期

3 李智;一種基于神經網絡的煤炭調運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經網絡及其應用研究[J];計算機工程與應用;2004年21期

5 王凡,孟立凡;關于使用神經網絡推定操作者疲勞的研究[J];人類工效學;2004年03期

6 周麗暉;從統(tǒng)計角度看神經網絡[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經網絡及其應用研究[J];微計算機信息;2005年14期

8 袁婷;;神經網絡在股票市場預測中的應用[J];軟件導刊;2006年05期

9 尚晉;楊有;;從神經網絡的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

10 楊鐘瑾;;神經網絡的過去、現(xiàn)在和將來[J];青年探索;2006年04期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經網絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經網絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經網絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經網絡的新機遇——紀念中國神經網絡10周年[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經網絡與圖論[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產品的神經網絡釋用預報應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經網絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經網絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經網絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

相關重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經網絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經網絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經網絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經網絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經網絡[N];健康時報;2006年

8 劉力;我半導體神經網絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經網絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經網絡應用研究通過鑒定[N];中國船舶報;2006年

相關博士學位論文 前10條

1 楊旭華;神經網絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經網絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經網絡的混沌性及幾類時滯神經網絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經網絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經網絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經網絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

相關碩士學位論文 前10條

1 章穎;混合不確定性模塊化神經網絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經網絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經網絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經網絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經網絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經網絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經網絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經網絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經網絡的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：1355762