基于IE的城市新能源汽车充电站选址优化研究

汽车产业一直是我国国民经济重要支柱,随着我国经济结构转型升级和环境保护综合治理的力度持续加大,新能源汽车普及已势在必行,但新能源汽车销量的陡增给未来城市功能结构调整带来动力和挑战,特别是新能源汽车充电站在城市的选址布局优化问题尤为突出。以城市新能源汽车充电站布局为研究对象,使用IE优化理论方法与技术工具,针对充电站选址过程中忽略人的出行需求,导致其选址结果不精确的现状,应用Logit回归分析确定居民出行新能源汽车分担率,从而判断使用充电桩的需求数量,提高了计算结果精准度;再应用联合覆盖模型,确定充电场站选址位置,优化充电场站中充电桩的配置数量,用户使用充电桩最大距离缩短至2 km。实现了以低成本高效率满足新能源汽车用户的充电需求,对城市未来新能源充电场站选址与布局具有一定借鉴意义。

基于FCM-LSTM的滚动轴承多阶段寿命预测

针对滚动轴承逐渐呈现多阶段退化的退化特性,文中提出基于模糊C均值聚类(Fuzzy C-Means Clustering, FCM)和长短时记忆神经网络(Long Short-Term Memory, LSTM)的滚动轴承多阶段寿命预测方法。该方法的步骤是:使用小波包分解提取时频域特征,构建滚动轴承的健康指标;采用FCM将滚动轴承的退化过程分为多个阶段;使用LSTM对其在不同阶段的使用寿命进行预测,其预测结果可用于维修决策的制订与执行;利用开源试验数据集验证了该方法的合理性,表明了分阶段的寿命预测能有效提高预测精度。

基于图神经网络的云制造服务推荐方法研究

针对云制造服务平台上的海量制造服务信息所带来的信息过载问题,提出一种基于图神经网络的云制造服务推荐方法,有效克服了传统推荐方法无法利用数据高维特征的局限性。提取平台上制造服务资源的特征,根据不同的相似度计算方法将制造服务资源构建为网络图;利用邻居采样图神经网络(graph sample and aggregate, GraphSAGE)进行网络的表示学习,并将学习到的网络特征带入链接预测函数进行模型训练;通过对资源节点间的链接概率进行预测,完成对用户的制造服务推荐。结果表明,基于图神经网络算法的链接预测模型,其预测性能要优于所对比的共同邻居(common neighbors, CN)、Adamic-adar (AA)与资源分配(resource allocation, RA)链接预测算法,从而取得较好的推荐效果,为解决云制造服务推荐问题提供理论依据,有助于提高用户的决策效率。

考虑特征学习的IPSO-LSTM晶圆加工周期预测

为了推动大数据技术在制造车间的应用,针对复杂产品晶圆制造过程中海量制造数据时序性、强噪音影响加工周期预测精度的问题,提出考虑特征学习的改进粒子群优化长短期记忆网络(improved particle swarm optimization-long short term memory,IPSO-LSTM)的加工周期预测方法。采用降噪自编码器和稀疏自编码器联合构建深度自编码器,增强特征学习能力和抗噪能力;运用IPSO优化LSTM参数,克服时间依赖性,提升预测模型性能。实例验证了所提方法的预测精度优于传统机器学习方法,其平均绝对误差低于3%;并分析特征学习方法的有效性,将支持向量回归和多层感知器等传统方法加入特征学习方法,R^(2)分别提高了1.46%、1.05%,为晶圆加工周期的有效预测提供新的解决方法。

基于Flexsim仿真的生产物流系统分析

应用工业工程的流程分析法以及Flexsim仿真技术对某功放器分厂生产物流系统进行定性与定量的分析,并对其进行优化。结果表明:通过仿真方法对生产物流系统进行优化,可以提高生产物流系统各项指标。

网格支持下的服务型制造模式研究

服务型制造是最近由中国学者提出的一种新的先进制造模式,是服务业与制造业融合的产物。论述了服务型制造模式的内涵、需要解决的关键问题;基于网格技术及网格制造的理念与方法,提出网格支持下的服务型制造模式的概念模型,并建立了基于网格的服务型制造系统的体系结构。

TRIZ理论在生产流程优化中的应用

将发明问题的解决理论(TRIZ)应用于生产流程优化问题,提出基于经典IE与TRIZ的生产流程优化方法。以某散热器部件为例,应用IE流程分析法识别存在的瓶颈问题,应用TRIZ提出解决方案,经TOPSIS决策方法评价,确定最终优化方案。

中小型制造企业物流管理ASP平台模式研究

文章针对中小型制造企业物流管理信息化的需要,提出了面向中小型制造企业的物流管理ASP平台模式;研究了平台功能模型、软件结构及其开发、部署方法;最后探讨平台实现的关键技术。开发的原型系统结果表明,该平台能为中小型制造企业管理提供较好的解决方案。

基于经典IE与Flexsim的生产物流系统优化

提出了一种经典工业工程的程序分析方法与Flexsim仿真相结合的生产物流优化方法。以HF机械厂为实证对象,应用该方法对生产物流进行分析与优化。结果表明这种定性与定量相结合的方法能有效改善生产物流系统。

基于ASP模式及电子商务的制造企业物流管理信息系统研究

物流是电子商务概念模型的重要组成部分,是电子商务的瓶颈问题之一。在探讨电子商务环境下制造企业物流 模式的基础上,提出一种基于应用服务提供商(ASP)模式的电子商务环境下中、小型制造企业物流管理信息系统模式。

IE在医院就诊流程优化中的应用:案例研究

在所研究的医院中,病人花了大量时间在排队,因此很有怨气。使用流程分析方法,对就诊流程进行了再设计。在此基础上用Flexsim进行建模和仿真,结果显示,在设计的系统病人的平均等待时间降低了31%。

基于达宝易与Flexsim的生产线优化研究

提出基于达宝易(计算机辅助工作研究软件)与Flexsim仿真相结合的生产线优化方法。以某产品生产线为例,运用达宝易分析其流程、确定标准时间及产能;将数据导入Flexsim进行仿真,识别瓶颈问题;提出优化方案并进行仿真评估;结果表明:线平衡率提高20.2%,产能提高每小时10件;从而优化了生产线。

基于ASP模式的中小型制造企业物流管理系统研究

ASP模式是中小型制造企业实现信息化的有效途径。针对中小型制造企业物流管理的需要,建立了基于ASP模式的物流管理信息系统结构,并开发其原型系统,着重论述了ASP平台软件配置等关键问题。

依托制造大类本科教学平台加快提升工业工程新办专业的教育教学质量

深入研究国内工业工程专业发展现状及人才培养模式,依托机械制造及其自动化优势学科,提出基于制造大类本科教学平台的工业工程新办专业发展模式与对策。实践表明,该模式能加快工业工程专业的发展,有效提高学生的工程实践能力,保证人才培养质量,进而更好地满足社会对工业工程专业人才的需求。

改进ReliefF算法在水泥工艺故障诊断中的应用

针对ReliefF算法在迭代过程中受样本选取随机性、随机样本可能带有干扰及类别先验概率等因素影响较大的问题,提出了一种无需类别先验概率,且可以在所有类别的样本核心圈进行迭代的改进ReliefF算法。在标准数据集上的试验结果表明,改进ReliefF算法克服了传统ReliefF算法容易受迭代次数、最近邻样本数影响的问题,且算法的特征选择结果稳定,在选取特征维数相同的情况下,改进ReliefF算法选取特征的分类效果较传统ReliefF算法也有所提高。最后,将改进ReliefF算法运用于水泥工艺故障诊断,运用该算法提取故障特征,以支持向量机作为分类器,实现了故障的准确识别。

基于ATC的智能工厂分布式柔性作业车间动态调度

针对传统多车间生产调度方法不能满足智能生产系统调度优化的问题,结合智能工厂需求,以分布式柔性作业车间为研究对象,提出基于“生产计划-车间调度-物流仓储”的ATC层次模型,该模型是以时间、成本组成的一个多目标优化模型;提出两级效能偏差判别机制,在物联环境下动态识别扰动并根据扰动影响作出实时决策。最后,以3个车间调度问题为例,基于遗传禁忌搜索算法,验证了该模型的有效性。

瓦楞纸箱包装设计需求分析映射方法

目的介绍在瓦楞纸箱包装设计需求分析中将顾客需求映射至产品关键属性的方法。方法详细分析瓦楞纸箱包装设计需求映射具体过程,即用层次分析法(AHP)对顾客需求重要度排序,运用质量功能配置(QFD)和AHP完成顾客需求重要度向产品技术需求的映射,综合完成产品技术需求向产品关键属性需求的映射。结果结合实例说明了顾客需求能够有效映射为产品关键属性。结论该方法能够达到需求映射的目的。

家电再制造中拆卸生产线优化问题的仿真研究

在分析再制造研究与应用现状的基础上,指出生产线设计与优化问题是再制造产业化中需要解决的重要问题。以某企业的电视机再制造为实证对象,分析其拆卸生产线,测定各工位的标准时间等相关参数;建立Flexsim仿真模型,通过仿真分析识别问题;运用工业工程技术提出优化方案,并运用仿真评估之。结果表明:通过仿真方法对再制造拆卸生产线进行优化,可以提高拆卸生产效率。

基于IE的生产线改善研究

应用经典工业工程的基本方法(方法研究和作业测定)研究某公司的机顶盒产品生产线,提出改善方案,以优化流程。结果表明,运用IE方法查找并改进瓶颈问题,可提高生产线的效率。

运用含复杂网络结构的多种群遗传算法求解FJSP

多种群是为了克服遗传算法易早熟收敛而提出的一种有效方法,但是传统的多种群遗传算法较少考虑子群结构对算法性能的影响,且算法子群数有限。因此,为了弥补以上不足,提出一种含复杂网络结构的多种群遗传算法(Multi-population Genetic Algorithms with Complex Network Structures,MGA-CNS),以求解柔性作业车间调度问题为例,研究子群大小、子群数、可控参数(α)、可控参数(β)以及初始网络规模对MGA-CNS寻优性能的影响。仿真表明:子群大小越大,MGA-CNS的性能越好;子群数不能取值过小,更不能取值过大;α的值不能太大,以不大于0.3为宜;β的取值也不能太大,以不大于0.8为宜;初始网络规模以不大于4为宜。将参数优化后的MGA-CNS用于求解更多的柔性作业车间调度问题并与多种其他算法比较,验证了其有效性。