多價值鏈數(shù)據(jù)空間數(shù)據(jù)時態(tài)技術(shù)研究
發(fā)布時間:2023-12-23 17:27
在“中國制造2025”和“互聯(lián)網(wǎng)+”戰(zhàn)略的指導(dǎo)下,信息技術(shù)與制造業(yè)融合創(chuàng)新發(fā)展,汽車行業(yè)累積了大量業(yè)務(wù)數(shù)據(jù)。伴隨汽車產(chǎn)業(yè)鏈整車銷售、售后服務(wù)等業(yè)務(wù)流程的執(zhí)行進展,其關(guān)聯(lián)業(yè)務(wù)數(shù)據(jù)可能發(fā)生變化,導(dǎo)致數(shù)據(jù)時效性難以判斷,即無法確定當(dāng)前數(shù)據(jù)否有效可用、其所在業(yè)務(wù)流程是否執(zhí)行完成。然而,數(shù)據(jù)的時效低,將進一步導(dǎo)致數(shù)據(jù)的可靠度、準(zhǔn)確性較低,從而影響業(yè)務(wù)數(shù)據(jù)分析挖掘的質(zhì)量。為解決時效性問題,僅憑數(shù)據(jù)記錄的時間屬性,如輸入時間、出庫時間等無法判別,其原因在于業(yè)務(wù)流程的執(zhí)行沒有固定標(biāo)準(zhǔn)時間,則需判斷整個業(yè)務(wù)流程中各關(guān)鍵節(jié)點對應(yīng)表單的狀態(tài),以此實現(xiàn)對當(dāng)前表單及其關(guān)聯(lián)數(shù)據(jù)的時態(tài)判別標(biāo)記。為此,論文面向汽車產(chǎn)業(yè)多價值鏈數(shù)據(jù)空間,開展業(yè)務(wù)數(shù)據(jù)時態(tài)性技術(shù)研究及驗證實現(xiàn)。論文首先分析汽車產(chǎn)業(yè)鏈業(yè)務(wù)數(shù)據(jù)的時效性問題,針對該問題,論文構(gòu)建面向數(shù)據(jù)空間的時態(tài)運維管控總體解決方案,主要包括數(shù)據(jù)時態(tài)的動態(tài)處理方案及時態(tài)數(shù)據(jù)資源的服務(wù)方案。其次,基于該解決方案,論文對時態(tài)運維管控系統(tǒng)的總體架構(gòu)及各功能流程進行設(shè)計,同時完成系統(tǒng)數(shù)據(jù)庫的數(shù)據(jù)模型設(shè)計,為系統(tǒng)開發(fā)提供數(shù)據(jù)支持。接著,論文依據(jù)數(shù)據(jù)空間的各業(yè)務(wù)主題標(biāo)準(zhǔn),梳理分析多種業(yè)務(wù)...
【文章頁數(shù)】:109 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 研究背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 工業(yè)大數(shù)據(jù)時序數(shù)據(jù)研究現(xiàn)狀
1.2.2 時態(tài)信息處理方法研究現(xiàn)狀
1.2.3 時態(tài)數(shù)據(jù)分析挖掘研究現(xiàn)狀
1.2.4 小樣本下銷量預(yù)測模型研究現(xiàn)狀
1.3 研究內(nèi)容及組織結(jié)構(gòu)
1.3.1 論文的研究內(nèi)容
1.3.2 論文的組織結(jié)構(gòu)
第2章 數(shù)據(jù)空間時態(tài)運維管控解決方案設(shè)計
2.1 汽車產(chǎn)業(yè)鏈業(yè)務(wù)數(shù)據(jù)時效性問題分析
2.1.1 工業(yè)大數(shù)據(jù)的時效性問題研究
2.1.2 汽車產(chǎn)業(yè)鏈數(shù)據(jù)時效性問題分析
2.1.3 TSBP時態(tài)與時序數(shù)據(jù)中時態(tài)的區(qū)別
2.2 數(shù)據(jù)空間時態(tài)運維管控需求分析
2.2.1 數(shù)據(jù)空間組織存儲多鏈數(shù)據(jù)的現(xiàn)狀分析
2.2.2 數(shù)據(jù)空間時態(tài)運維管控體系需求分析
2.3 數(shù)據(jù)空間時態(tài)運維管控解決方案設(shè)計
2.3.1 數(shù)據(jù)空間時態(tài)運維管控總體解決方案
2.3.2 數(shù)據(jù)時態(tài)動態(tài)處理解決方案
2.3.3 時態(tài)數(shù)據(jù)資源服務(wù)解決方案
2.4 本章小結(jié)
第3章 數(shù)據(jù)空間時態(tài)運維管控系統(tǒng)設(shè)計
3.1 數(shù)據(jù)空間時態(tài)運維管控系統(tǒng)應(yīng)用場景
3.2 時態(tài)管控系統(tǒng)總體功能需求分析
3.3 時態(tài)管控系統(tǒng)總體架構(gòu)設(shè)計
3.4 時態(tài)管控系統(tǒng)總體功能設(shè)計
3.5 時態(tài)管控系統(tǒng)主要功能流程圖
3.5.1 元數(shù)據(jù)管理流程圖
3.5.2 時態(tài)標(biāo)記更新處理流程圖
3.5.3 時態(tài)處理算法驗證流程圖
3.5.4 業(yè)務(wù)執(zhí)行時態(tài)分析流程圖
3.5.5 時態(tài)數(shù)據(jù)下的整車需求量預(yù)測流程圖
3.6 數(shù)據(jù)空間元數(shù)據(jù)及挖掘數(shù)據(jù)庫設(shè)計
3.6.1 概念模型設(shè)計
3.6.2 邏輯模型設(shè)計
3.7 本章小節(jié)
第4章 數(shù)據(jù)空間時態(tài)屬性處理模型設(shè)計
4.1 基于業(yè)務(wù)關(guān)聯(lián)度的TSBP時態(tài)屬性
4.1.1 時態(tài)分類及描述
4.1.2 時態(tài)屬性相關(guān)定義
4.1.3 狀態(tài)轉(zhuǎn)移規(guī)則
4.2 數(shù)據(jù)空間TSBP時態(tài)屬性處理模型設(shè)計
4.2.1 TSBP時態(tài)處理模型的工作原理
4.2.2 基于規(guī)則處理的TSBP時態(tài)處理模塊
4.3 基于數(shù)據(jù)圖模型的TSBP時態(tài)判別標(biāo)記方法
4.3.1 TSBP時態(tài)標(biāo)記流程介紹
4.3.2 數(shù)據(jù)圖模型構(gòu)建及查找算法設(shè)計
4.3.3 基于數(shù)據(jù)圖模型的時態(tài)標(biāo)記算法設(shè)計
4.4 基于數(shù)據(jù)圖模型的TSBP時態(tài)檢測更新方法
4.4.1 TSBP時態(tài)檢測更新流程介紹
4.4.2 基于數(shù)據(jù)圖模型的檢測更新算法設(shè)計
4.5 算法實驗對比及分析
4.5.1 實驗數(shù)據(jù)集及實驗環(huán)境
4.5.2 算法性能測試
4.6 本章小結(jié)
第5章 時態(tài)特征下整車需求量預(yù)測模型構(gòu)建與實驗
5.1 基于TSBP時態(tài)特征的組合預(yù)測模型構(gòu)建思想
5.2 XGBoost算法理論及模型構(gòu)建
5.2.1 XGBoost算法分析
5.2.2 XGBoost預(yù)測模型構(gòu)建及實現(xiàn)
5.3 Light GBM算法理論及模型構(gòu)建
5.3.1 Light GBM算法分析
5.3.2 Light GBM預(yù)測模型構(gòu)建及實現(xiàn)
5.4 LSTM算法理論及模型構(gòu)建
5.4.1 LSTM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分析
5.4.2 LSTM預(yù)測模型結(jié)構(gòu)設(shè)計
5.4.3 LSTM預(yù)測模型訓(xùn)練及參數(shù)選擇
5.5 基于XgbLgbLSTM的組合預(yù)測模型構(gòu)建
5.6 模型實驗與結(jié)果分析
5.6.1 數(shù)據(jù)預(yù)處理
5.6.2 特征工程
5.6.3 實驗環(huán)境及評價指標(biāo)
5.6.4 對比實驗設(shè)計
5.6.5 實驗結(jié)果及分析
5.7 本章小結(jié)
第6章 數(shù)據(jù)空間時態(tài)運維管控系統(tǒng)實現(xiàn)及驗證
6.1 系統(tǒng)開發(fā)環(huán)境和開發(fā)工具
6.2 系統(tǒng)實現(xiàn)及問題解決驗證
6.2.1 便于數(shù)據(jù)空間組織的元數(shù)據(jù)管理模塊
6.2.2 適用實時動態(tài)場景的時態(tài)處理模塊
6.2.3 支持性能分析的時態(tài)處理算法驗證模塊
6.2.4 實現(xiàn)單據(jù)狀態(tài)追蹤的業(yè)務(wù)執(zhí)行時態(tài)分析模塊
6.2.5 解決實時預(yù)測問題的時態(tài)數(shù)據(jù)挖掘模塊
6.3 系統(tǒng)應(yīng)用場景分析
6.4 本章小節(jié)
總結(jié)與展望
致謝
參考文獻
攻讀碩士學(xué)位期間參與科研項目
本文編號:3874200
【文章頁數(shù)】:109 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 研究背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 工業(yè)大數(shù)據(jù)時序數(shù)據(jù)研究現(xiàn)狀
1.2.2 時態(tài)信息處理方法研究現(xiàn)狀
1.2.3 時態(tài)數(shù)據(jù)分析挖掘研究現(xiàn)狀
1.2.4 小樣本下銷量預(yù)測模型研究現(xiàn)狀
1.3 研究內(nèi)容及組織結(jié)構(gòu)
1.3.1 論文的研究內(nèi)容
1.3.2 論文的組織結(jié)構(gòu)
第2章 數(shù)據(jù)空間時態(tài)運維管控解決方案設(shè)計
2.1 汽車產(chǎn)業(yè)鏈業(yè)務(wù)數(shù)據(jù)時效性問題分析
2.1.1 工業(yè)大數(shù)據(jù)的時效性問題研究
2.1.2 汽車產(chǎn)業(yè)鏈數(shù)據(jù)時效性問題分析
2.1.3 TSBP時態(tài)與時序數(shù)據(jù)中時態(tài)的區(qū)別
2.2 數(shù)據(jù)空間時態(tài)運維管控需求分析
2.2.1 數(shù)據(jù)空間組織存儲多鏈數(shù)據(jù)的現(xiàn)狀分析
2.2.2 數(shù)據(jù)空間時態(tài)運維管控體系需求分析
2.3 數(shù)據(jù)空間時態(tài)運維管控解決方案設(shè)計
2.3.1 數(shù)據(jù)空間時態(tài)運維管控總體解決方案
2.3.2 數(shù)據(jù)時態(tài)動態(tài)處理解決方案
2.3.3 時態(tài)數(shù)據(jù)資源服務(wù)解決方案
2.4 本章小結(jié)
第3章 數(shù)據(jù)空間時態(tài)運維管控系統(tǒng)設(shè)計
3.1 數(shù)據(jù)空間時態(tài)運維管控系統(tǒng)應(yīng)用場景
3.2 時態(tài)管控系統(tǒng)總體功能需求分析
3.3 時態(tài)管控系統(tǒng)總體架構(gòu)設(shè)計
3.4 時態(tài)管控系統(tǒng)總體功能設(shè)計
3.5 時態(tài)管控系統(tǒng)主要功能流程圖
3.5.1 元數(shù)據(jù)管理流程圖
3.5.2 時態(tài)標(biāo)記更新處理流程圖
3.5.3 時態(tài)處理算法驗證流程圖
3.5.4 業(yè)務(wù)執(zhí)行時態(tài)分析流程圖
3.5.5 時態(tài)數(shù)據(jù)下的整車需求量預(yù)測流程圖
3.6 數(shù)據(jù)空間元數(shù)據(jù)及挖掘數(shù)據(jù)庫設(shè)計
3.6.1 概念模型設(shè)計
3.6.2 邏輯模型設(shè)計
3.7 本章小節(jié)
第4章 數(shù)據(jù)空間時態(tài)屬性處理模型設(shè)計
4.1 基于業(yè)務(wù)關(guān)聯(lián)度的TSBP時態(tài)屬性
4.1.1 時態(tài)分類及描述
4.1.2 時態(tài)屬性相關(guān)定義
4.1.3 狀態(tài)轉(zhuǎn)移規(guī)則
4.2 數(shù)據(jù)空間TSBP時態(tài)屬性處理模型設(shè)計
4.2.1 TSBP時態(tài)處理模型的工作原理
4.2.2 基于規(guī)則處理的TSBP時態(tài)處理模塊
4.3 基于數(shù)據(jù)圖模型的TSBP時態(tài)判別標(biāo)記方法
4.3.1 TSBP時態(tài)標(biāo)記流程介紹
4.3.2 數(shù)據(jù)圖模型構(gòu)建及查找算法設(shè)計
4.3.3 基于數(shù)據(jù)圖模型的時態(tài)標(biāo)記算法設(shè)計
4.4 基于數(shù)據(jù)圖模型的TSBP時態(tài)檢測更新方法
4.4.1 TSBP時態(tài)檢測更新流程介紹
4.4.2 基于數(shù)據(jù)圖模型的檢測更新算法設(shè)計
4.5 算法實驗對比及分析
4.5.1 實驗數(shù)據(jù)集及實驗環(huán)境
4.5.2 算法性能測試
4.6 本章小結(jié)
第5章 時態(tài)特征下整車需求量預(yù)測模型構(gòu)建與實驗
5.1 基于TSBP時態(tài)特征的組合預(yù)測模型構(gòu)建思想
5.2 XGBoost算法理論及模型構(gòu)建
5.2.1 XGBoost算法分析
5.2.2 XGBoost預(yù)測模型構(gòu)建及實現(xiàn)
5.3 Light GBM算法理論及模型構(gòu)建
5.3.1 Light GBM算法分析
5.3.2 Light GBM預(yù)測模型構(gòu)建及實現(xiàn)
5.4 LSTM算法理論及模型構(gòu)建
5.4.1 LSTM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分析
5.4.2 LSTM預(yù)測模型結(jié)構(gòu)設(shè)計
5.4.3 LSTM預(yù)測模型訓(xùn)練及參數(shù)選擇
5.5 基于XgbLgbLSTM的組合預(yù)測模型構(gòu)建
5.6 模型實驗與結(jié)果分析
5.6.1 數(shù)據(jù)預(yù)處理
5.6.2 特征工程
5.6.3 實驗環(huán)境及評價指標(biāo)
5.6.4 對比實驗設(shè)計
5.6.5 實驗結(jié)果及分析
5.7 本章小結(jié)
第6章 數(shù)據(jù)空間時態(tài)運維管控系統(tǒng)實現(xiàn)及驗證
6.1 系統(tǒng)開發(fā)環(huán)境和開發(fā)工具
6.2 系統(tǒng)實現(xiàn)及問題解決驗證
6.2.1 便于數(shù)據(jù)空間組織的元數(shù)據(jù)管理模塊
6.2.2 適用實時動態(tài)場景的時態(tài)處理模塊
6.2.3 支持性能分析的時態(tài)處理算法驗證模塊
6.2.4 實現(xiàn)單據(jù)狀態(tài)追蹤的業(yè)務(wù)執(zhí)行時態(tài)分析模塊
6.2.5 解決實時預(yù)測問題的時態(tài)數(shù)據(jù)挖掘模塊
6.3 系統(tǒng)應(yīng)用場景分析
6.4 本章小節(jié)
總結(jié)與展望
致謝
參考文獻
攻讀碩士學(xué)位期間參與科研項目
本文編號:3874200
本文鏈接:http://sikaile.net/qiyeguanlilunwen/3874200.html
最近更新
教材專著