汽车制造企业云物流智能匹配方法选择研究

发布时间：2020-11-18 18:27

　　 21世纪以来,全球汽车制造企业发展迅速。每辆汽车平均由一万个零部件构成,从零部件采购,一直到车辆最终下线被运往4S店,各个环节都涉及到物流。目前汽车制造企业物流模式仍为采购模式,供应商与制造企业达成协议按需采购,这种方式会造成资源严重浪费。随着需求与供应数量增加,传统按需订货方式已经不能满足汽车制造企业发展需求,为了能够提高生产柔性,促进汽车制造企业发展,采用智能匹配技术尤为重要。文章首先搜集查阅了云物流智能匹配方法有关研究,通过对比研究内容,研究方法和研究现状,提出智能匹配方法选择对汽车制造企业实现发展目标十分必要。其次通过对汽车制造企业云物流资源进行整理,归纳云物流资源种类和结构类型。进而构建了实现云物流服务匹配采用的整体框架,并从汽车制造企业角度出发,理清汽车制造企业生产制造过程中涉及物流需求各个环节,将汽车制造企业云物流资源描述为计算机资源。最后详细分析目前云物流资源发现及智能匹配的方法,归纳出基于启发式算法、基于模块的和基于过程三种智能匹配方法,在同时考虑专家智能匹配方法表现和企业期望基础上,选取对汽车制造企业影响最大的指标,利用扎根理论归纳出五种对汽车制造企业云物流发展最重要的影响因素,按照不同方法在不同指标表现,对三种方法自身具有的优势与劣势进行详细对比。本文在考虑汽车制造企业自身现状和发展前景基础上,结合不同智能匹配方法自身特性,构建前景模型,帮助企业选取适合自身发展的智能匹配方法。在汽车制造企业云物流发展为实现灵活、优质、高效、准时、低耗、清洁目标任务选取智能匹配方法提供理论参考及一定的指导作用。
【学位单位】：沈阳工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F426.471;F252.1;F49
【部分图文】：

图 2.1 蚁群算法流程 Ant colony algorithm程中分泌信息素，式来寻找最优解，，同时能够与多种，蚁群算法能够用智能，能够模拟人供者、代理中心、蚂蚁目标，将各个务组合方式并计组合，每次得到一解。可以把 Qos 约接近，直到最终到

图 2.2 基于蚁群的智能匹配算法参与方Fig 2.2 Ant colony-based intelligent matching algorithm participants首先需要通过服务发现得到 web 服务集 其中所有服务都存在向量，其 = ， 中 ≥ 且(1≤i≤n，1≤j≤n，1≤k≤r)代表每个 务各个属性值大小同时规定任务 W={ ， ， }各个任务 对不同资源有需求，表示为其 = ， 中(1≤j≤n，0≤k≤n)当 Sij被选中时，会获应的利益。定义一个联盟 C 是 N 一个非空子集。联盟 C 有一个能力向量 c ， c c }， 是联盟中所有 WS 能力向量的总和。联盟 C 可以完成任务 的必要是： 1≤i≤r j ≤ c 每个联盟 C 的值用一个特征函数 V(c)给出，假定 V(c)≥(c)=P( ).F( ).P( )其中 P( )表示完成任务能够得到的，F(c)指联盟成员总能合的成本；C(c)指联盟协作求解过程中的额外开销，如费用、响应时间等。如果

图 2.3 基于工作流的智能匹配方法Fig 2.3 Intelligent matching method based on workflow2.3 研究方法和理论基础2.3.1 前景理论人们在决策过程中，经常使用直观推断方法将一些复杂的决策问题简化为一些简单的判断。但坎内曼和特维尔斯基等人通过大量精心设计的社会学、心理学实验识别出这些经验规则的原理，发现以这些经验规则为主要特征的直观推断会产生严重的系统性错误和偏差，据此，他们提出了前景理论(prospect theory)。前景理论是描述性范式的一个决策模型，它假设风险决策过程分为编辑和评价两个过程。在编辑阶段，个体凭借 框架 （frame）、参照点（reference point）等采集和处理信息，在评价阶段依赖价值函数（value function）和主观概率的权重函数（weightingfunction)对信息予以判断。价值函数是经验型的，它有三个特征，一是大多数人在面临获得时是风险规避的；二是大多数人在面临损失时是风险偏爱的；三是人们对损失比
【相似文献】

相关期刊论文 前10条

1 闫玉红;;汽车制造总装生产线输送设备的选择分析[J];时代汽车;2018年02期

2 花建新;;汽车制造与检修专业课程标准解读[J];江苏教育;2016年Z4期

3 ;C-NCAP 2016年第二十四号试验结果发布[J];汽车与安全;2016年10期

4 陈鹏;;3D打印技术在汽车制造中的应用[J];时代汽车;2018年11期

5 赵冬梅;;论汽车制造与维修对3D打印技术的应用[J];中国市场;2016年45期

6 周兵;;新常态下汽车制造企业环保管理对策探讨[J];现代制造技术与装备;2016年10期

7 李莎;;高职汽车制造与装配技术专业课程建设研究[J];科技经济导刊;2017年21期

8 张之洋;;汽车制造企业绿色制造模式及关键支持系统研究[J];山西农经;2017年16期

9 张喜荣;闫微;;汽车制造企业中作业成本法的应用研究[J];产业与科技论坛;2017年19期

10 王娟;;汽车制造企业的供应链融资解决方案[J];中国国际财经(中英文);2017年12期

相关博士学位论文 前10条

1 罗智勇;面向工作流的汽车制造供应链协控调度研究[D];哈尔滨理工大学;2018年

2 宋殿辉;面向汽车制造企业供应商选择的WSR评价模型研究[D];吉林大学;2018年

3 姚佐平;汽车制造管理创新研究[D];武汉理工大学;2006年

4 王永靖;汽车制造企业绿色制造模式及关键支持系统研究[D];重庆大学;2008年

5 白绪贵;我国汽车制造企业自主创新能力形成机理的研究[D];吉林大学;2010年

6 李远慧;低碳经济下中国汽车制造企业绿色竞争能力研究[D];北京交通大学;2016年

7 刘红胜;汽车制造企业精益供应链物流系统研究[D];武汉理工大学;2013年

8 刘伟;汽车制造企业的生产计划模式与模型研究[D];吉林大学;2011年

9 李文川;汽车制造企业RFID采纳过程模型及应用问题研究[D];重庆大学;2011年

10 徐晔彪;基于EVA的汽车制造企业价值创造机理、路径及评价研究[D];武汉理工大学;2014年

相关硕士学位论文 前10条

1 刘继国;汽车制造企业云物流智能匹配方法选择研究[D];沈阳工业大学;2019年

2 石田立;某汽车制造企业恶臭污染特征及来源分析[D];华南理工大学;2018年

3 郑溯;基于SAP的B汽车制造企业成本控制问题研究[D];沈阳大学;2018年

4 黄夏;我国汽车制造上市公司资本结构与公司绩效的相关性研究[D];南京林业大学;2018年

5 朱丽娟;汽车制造企业供应链质量风险研究[D];武汉理工大学;2015年

6 魏煦璐;基于平衡计分卡的汽车制造企业绩效管理研究[D];武汉理工大学;2015年

7 谭婉宁;汽车制造企业技术创新风险管理研究[D];中国海洋大学;2015年

8 冉曦;路径依赖视角下的汽车制造企业节能路径研究[D];华北电力大学;2015年

9 李瑞;我国汽车制造企业横向并购供应链整合研究[D];中国海洋大学;2014年

10 江南颖;构建X微型汽车制造企业风险导向内部审计研究[D];重庆理工大学;2014年

本文编号：2889049