基于SMOTE-IKPCA-SeNet深度迁移学习的小批量生产质量预测研究

随着智能制造技术的发展和客户个性化需求的增加,多品种小批量生产方式逐渐成为制造业的主流。面向大批量生产、以统计过程控制为核心的质量管理方式并不适用于小批量生产。针对复杂生产过程存在参数多、非线性和交互作用的问题,提出利用深度迁移学习的方式将历史生产数据作为源域迁移至小样本目标产品数据进行质量预测。首先,通过合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)和改进的核主成分分析(improved kernel principal component analysis,IKPCA)算法筛选源域和目标域的可迁移特征,这不仅兼顾了特征重要性和可迁移性,还减少了“负迁移”,提高了模型泛化能力;然后,采用结合通道注意力机制的卷积神经网络SeNet构建基于深度迁移学习的质量预测模型。仿真结果表明,随着目标域样本的增加,所提方法的预测准确性明显优于广泛采用的支持向量机建模方法。同时,所提可迁移特征筛选方法显著提高了深度迁移学习的质量预测效果,为复杂的小批量生产过程质量保证提供了新方法。

批量建模方法在ATM日取现金额预测的应用

提出批量建模方法,组合时间序列相似度、RBF神经网络、线性回归三种算法,以276台ATM为预测对象预测日取现金额,在设定的业务参数范围内,自动地为每个参数组合构建模型,根据外推预测相对误差自动确定最优的参数组合,最终自动筛选出276组ATM日取现金额预测模型,预测出ATM日取现金额,为后续研究提供初始化数据。

基于自主特征中国省际国内旅游预测模型构建

提出了基于自主特征的中国省际国内旅游预测模型,选取景点资源丰度、区域人口规模、人均GDP、城市化及受教育水平、交通网密度五个因素,以2002年和2004年中国大陆31个省区的统计数据为依据,建立了具有指数相乘结构的国内客流量预测模型,分析了各因素的弹性及边际贡献.将回归结果与统计值进行比较,确定了有关参数的时间变化规律和北京、上海、广东三个省区的偏离系数,用建立的模型对2005年31个省区国内客流量进行了预测,在95%的置信度水平下,模型预测相关性强、相对误差小.该研究可为中国省际国内旅游快速批量预测提供新的方法.

基于客运大数据平台的铁路客流预测系统

客流预测是铁路路网规划、线路及场站设计、铁路运营等工作的重要基础。针对多层面、不同类型、不同时期的铁路客流预测业务需求,依托铁路客运大数据平台,构建铁路客流预测系统,能够在同一系统平台上完成客流预测方案的测试、评价和规范化应用。该系统集成各类客流预测算法模型,可充分利用历史售票数据,并考虑年度、季节、星期、时间、节假日、重大事件、天气等各类影响因素,提供不同角度、不同粒度、不同时期的客流预测功能,支持人机交互预测和定时批量离线预测2种应用模式,可为各类客运业务分析人员提供定制化客流预测数据,为票额智能预分、列车开行方案设计等客运业务提供准确、可靠的决策依据。

医用耗材采购中经济批量法的应用

目的：有效控制医用耗材采购和仓储成本，降低库存积压。方法：利用移动平均法测算医用耗材采购需求，利用经济批量法进行订货优化决策。结果：以一次性针筒为例，获得的订货经济批量能很好满足实际需求，并减少了采购总成本。结论：经济批量法可应用于医用耗材采购决策，并能减少采购总成本。