智能订单决策支持系统研究
发布时间：2021-02-21 07:20
制造企业的智能订单决策支持系统是实现智能制造不可或缺的组成部分,它的发展与推广对提高企业决策效率、减少决策成本与减少错误决策等方面有着重要意义。智能订单决策支持系统是企业解决由人们个性化需求所导致面向订单生产（MTO）模式下订单接受问题唯一途径。尽管订单决策支持系统经过多年的发展,但其仍然存在效率低下与无法很好的适应较多数据量的情况的问题,其决策效率仍然有着提升空间。本文采用网络爬虫技术、LSTM技术、案例推理技术（CBR）、BP神经网络技术构建了智能订单决策支持系统,主要工作如下:（1）基于CBR-BP估测模型构建。在当前数据及历史数据构建的订单成本及其价格估测属性模型、Scrapy数据抓取模型的基础上,联合CBR技术与BP神经网络技术,构建了基于CBR-BP订单成本及其价格估测模型,并对其进行了实例验证分析,充分验证估测模型的可行性,且估测误差在5%以内。（2）基于LSTM估测模型构建。基于订单成本及其价格估测属性模型、Scrapy数据抓取模型,构建了基于LSTM订单成本及其价格估测模型,且进行了实例验证分析,证明了此估测模型的可行性,及在较大数据量的前提下具有较高的效率,估测误差...
【文章来源】：西安理工大学陕西省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
论文组织架构
图 2-5 简单的神经网络结构Fig.2-5 Simple neural network structure2 BP 神经网络学习规则神经网络学习的目的是为了获得一个包含训练数据之间映射关系的模型，给定一入，得到符合我们要求的输出。对各网络层连接权值根据预定的学习规则去实施动是神经网络学习的本质和核心。BP 网络其学习准则分为输入到输出的前向传播和输出到输入的误差反向传播。BP导步骤如下，若网络仅有三层，如下图 2-6 所示。
图 2-5 简单的神经网络结构Fig.2-5 Simple neural network structureP 神经网络学习规则经网络学习的目的是为了获得一个包含训练数据之间映射关系的模型，给定，得到符合我们要求的输出。对各网络层连接权值根据预定的学习规则去实施神经网络学习的本质和核心。P 网络其学习准则分为输入到输出的前向传播和输出到输入的误差反向传播。步骤如下，若网络仅有三层，如下图 2-6 所示。
【参考文献】：
期刊论文
[1]从精敏制造到工业4.0长尾生产的制造业转型升级[J]. 姚锡凡,张剑铭,陶韬,蒋经发,陈新准. 计算机集成制造系统. 2018(10)
[2]基于系统柔性的MTS-MTO混合生产决策[J]. 汪大金,白建明. 中国管理科学. 2018(09)
[3]工业4.0时代中国制造业新出路——《精益智能制造》推荐阅读[J]. 欧阳生,孔德洋. 中国机械工程. 2018(16)
[4]制造业中的大数据分析技术应用研究综述[J]. 梁志宇,王宏志,李建中,高宏. 机械. 2018(06)
[5]人工智能助力制造业优化升级[J]. 钱锋,桂卫华. 中国科学基金. 2018(03)
[6]考虑风险传导情形的订单接受决策方法[J]. 于超,刘洋,樊治平. 控制与决策. 2019(03)
[7]基于分层MTO订单的准入策略研究[J]. 曹裕,吴堪,熊寿遥. 管理科学学报. 2017(08)
[8]基于MTO-MTS生产模式的钢铁企业合同计划建模与优化策略[J]. 张琦琪,张涛,刘鹏. 管理工程学报. 2017(03)
[9]考虑需求时序关联性的MTO企业订单选择和调度综合决策[J]. 高华丽,但斌,闫建. 管理工程学报. 2017(03)
[10]机械制造业MTS模式下销售库存与运作计划平台构建[J]. 李俊海. 物流工程与管理. 2015(06)
博士论文
[1]基于案例推理与知识推送的智能化变型设计研究[D]. 徐荣振.山东大学 2018
硕士论文
[1]基于LSTM神经网络的电商需求预测的研究[D]. 王渊明.山东大学 2018
[2]基于深度学习算法的上市公司投资决策支持模型研究[D]. 张佳禹.辽宁师范大学 2018
[3]MTO企业订单接受决策方法研究[D]. 周怡伶.重庆理工大学 2018
[4]人工神经网络在股票预测中的应用研究[D]. 肖琪.华南理工大学 2017
[5]微表情识别的理论和方法研究[D]. 刘宇灏.东南大学 2016
[6]制造企业订单接受决策方法研究[D]. 李攀.重庆理工大学 2016
[7]考虑订单选择的流水车间调度及其智能优化算法研究[D]. 郑凡.武汉理工大学 2015
[8]基于强化学习的MTO企业订单接受决策模型研究[D]. 王宁宁.东北大学 2014
[9]基于约束的企业订单选择及其排序研究[D]. 杨柳.东北大学 2014
本文编号：3044031
【文章来源】：西安理工大学陕西省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
论文组织架构
图 2-5 简单的神经网络结构Fig.2-5 Simple neural network structure2 BP 神经网络学习规则神经网络学习的目的是为了获得一个包含训练数据之间映射关系的模型，给定一入，得到符合我们要求的输出。对各网络层连接权值根据预定的学习规则去实施动是神经网络学习的本质和核心。BP 网络其学习准则分为输入到输出的前向传播和输出到输入的误差反向传播。BP导步骤如下，若网络仅有三层，如下图 2-6 所示。
图 2-5 简单的神经网络结构Fig.2-5 Simple neural network structureP 神经网络学习规则经网络学习的目的是为了获得一个包含训练数据之间映射关系的模型，给定，得到符合我们要求的输出。对各网络层连接权值根据预定的学习规则去实施神经网络学习的本质和核心。P 网络其学习准则分为输入到输出的前向传播和输出到输入的误差反向传播。步骤如下，若网络仅有三层，如下图 2-6 所示。
【参考文献】：
期刊论文
[1]从精敏制造到工业4.0长尾生产的制造业转型升级[J]. 姚锡凡,张剑铭,陶韬,蒋经发,陈新准. 计算机集成制造系统. 2018(10)
[2]基于系统柔性的MTS-MTO混合生产决策[J]. 汪大金,白建明. 中国管理科学. 2018(09)
[3]工业4.0时代中国制造业新出路——《精益智能制造》推荐阅读[J]. 欧阳生,孔德洋. 中国机械工程. 2018(16)
[4]制造业中的大数据分析技术应用研究综述[J]. 梁志宇,王宏志,李建中,高宏. 机械. 2018(06)
[5]人工智能助力制造业优化升级[J]. 钱锋,桂卫华. 中国科学基金. 2018(03)
[6]考虑风险传导情形的订单接受决策方法[J]. 于超,刘洋,樊治平. 控制与决策. 2019(03)
[7]基于分层MTO订单的准入策略研究[J]. 曹裕,吴堪,熊寿遥. 管理科学学报. 2017(08)
[8]基于MTO-MTS生产模式的钢铁企业合同计划建模与优化策略[J]. 张琦琪,张涛,刘鹏. 管理工程学报. 2017(03)
[9]考虑需求时序关联性的MTO企业订单选择和调度综合决策[J]. 高华丽,但斌,闫建. 管理工程学报. 2017(03)
[10]机械制造业MTS模式下销售库存与运作计划平台构建[J]. 李俊海. 物流工程与管理. 2015(06)
博士论文
[1]基于案例推理与知识推送的智能化变型设计研究[D]. 徐荣振.山东大学 2018
硕士论文
[1]基于LSTM神经网络的电商需求预测的研究[D]. 王渊明.山东大学 2018
[2]基于深度学习算法的上市公司投资决策支持模型研究[D]. 张佳禹.辽宁师范大学 2018
[3]MTO企业订单接受决策方法研究[D]. 周怡伶.重庆理工大学 2018
[4]人工神经网络在股票预测中的应用研究[D]. 肖琪.华南理工大学 2017
[5]微表情识别的理论和方法研究[D]. 刘宇灏.东南大学 2016
[6]制造企业订单接受决策方法研究[D]. 李攀.重庆理工大学 2016
[7]考虑订单选择的流水车间调度及其智能优化算法研究[D]. 郑凡.武汉理工大学 2015
[8]基于强化学习的MTO企业订单接受决策模型研究[D]. 王宁宁.东北大学 2014
[9]基于约束的企业订单选择及其排序研究[D]. 杨柳.东北大学 2014
本文编号：3044031
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3044031.html
