导读:本文包含了制造资源模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:资源,模型,道格拉斯,优化配置,效益,作业,资源配置。
制造资源模型论文文献综述
冯立杰,李伟男,岳俊举,王金凤[1]（2019）在《装备制造企业技术创新资源配置模型及其应用》一文中研究指出为进一步提升装备制造企业技术创新资源利用效率,需实时调整技术创新资源配置。结合技术创新资源投入与产出之间的动态时变、强非线性等特征,以装备企业新产品销售收入最大化为目标函数,以各项技术创新资源投入为约束条件,构建技术创新资源配置模型,并以H装备制造企业为例进行实证分析。结果表明,根据技术创新资源配置模型的最优解调整装备制造企业技术创新资源配置,能够增加企业技术创新成果产出。(本文来源于《煤炭技术》期刊2019年06期）
陈友玲,段克华,刘舰,王龙[2]（2019）在《云制造环境下基于双层规划的资源优化配置模型》一文中研究指出为了解决云制造环境下制造资源的优化配置问题,综合考虑需求与服务双方以及云平台运营方的利益,提出了一种基于双层规划的资源优化配置模型。该模型以前景理论结合多约束多属性评价体系求解出的供需双方满意度作为上层规划的优化目标;以云平台资源利用率最大化为下层规划的优化目标;通过双层规划并采用改进的i-NSGA-Ⅱ-JG算法对多目标制造资源配置问题进行求解。最后,通过算例仿真实验证明了该模型的可行性和优越性。(本文来源于《计算机应用研究》期刊2019年12期）
简琤峰,姜晨,张美玉[3]（2019）在《面向云制造资源调度预测的学习模型》一文中研究指出云制造资源调度面临着多目标优化基于群组智能优化调度算法对云制造任务求解耗时较长,本文首先提出一种基于ONBA并结合二阶振荡和差分进化算法的改进算法,利用改进算法获取云制造模型的调度数据,并通过该调度数据对IDBN深度学习模型进行训练.通过对深度学习学习率的改进,达到通过深度学习模型快速预测云制造模型调度结果.实验结果表明,通过这种方式,我们可以对调度结果进行准确的预测并大大缩短所消耗的时间.这给传统的多目标群组优化开辟了一条新的道路.(本文来源于《小型微型计算机系统》期刊2019年02期）
杨欣,曾珍香,孙学珊[4]（2018）在《基于云模型—DEMATEL法的云制造资源评价问题研究》一文中研究指出鉴于以往云制造资源的评价问题在评价指标体系和评价方法方面的不足,在制造业节能降耗的背景下考虑了云制造资源需求方和云制造平台运营商两个评价主体,建立云制造资源评价指标体系并运用云模型—DEMATEL法对云制造资源进行评价,弥补了以往研究方法忽略了评价信息的随机性以及指标之间相互影响的不足,并运用天津工业云的实例对该模型的有效性进行了验证.(本文来源于《数学的实践与认识》期刊2018年24期）
董元发,吴正佳,杜轩,查靓,袁庆松[5]（2018）在《元活动模型驱动的多领域制造资源粒层化服务封装与检索》一文中研究指出多领域制造资源的聚合与服务封装直接关系到云制造服务的可检索性与易用性,是实现制造能力共享的关键。针对因缺乏关键资源信息或制造活动过程特征,以及服务特征属性不确定性大等导致云服务信息粒度过粗、查准率低的问题,构建了以人、机、料、法、环为核心要素的制造元活动模型以实现多领域资源颗粒的有效聚合,并基于商空间粒计算理论对资源簇的制造能力进行逐层封装,提出基于灰相似粗糙集的云制造服务粒层递归搜索算法以解决服务特征属性的不确定性问题,建立了一套元活动模型驱动的多领域制造资源粒层化服务封装与检索方法。通过某金属构件快速成形云服务的检索算例验证了所提方法的可行性。(本文来源于《中国机械工程》期刊2018年12期）
吴燕霞,贾国柱,栾世超,王乐天,高影[6]（2018）在《基于云制造的资源优化配置模型》一文中研究指出为解决资源优化配置过程中忽视云制造平台可持续性的问题,综合考虑资源的知识贡献度、服务评价和使用优先级对平台可持续性的实际影响,结合服务质量指标,提出了资源组合服务能力综合评估模型。以平台运营方作为上层决策者,服务需求方作为下层决策者,构建了以平台运营方可持续性最强、服务需求方服务质量最优为目标的双层规划模型,并采用模拟退火算法对资源优化配置模型进行求解,应用分析和实验结果表明了该模型和算法的可行性。(本文来源于《系统工程》期刊2018年03期）
关叶青,朱颖,谢乃明[7]（2018）在《考虑多成本约束的柔性作业车间制造资源动态分配模型》一文中研究指出针对柔性作业车间多周期生产的设备和人力资源的协同分配问题,从成本的视角对其进行研究.综合考虑设备加工成本、人力成本、工件运输成本、库存成本、拖期成本以及外协成本等成本目标,构建考虑多成本约束的柔性作业车间制造资源动态分配模型,设计基于遗传算法的模型求解方法;最后以一个10台设备、10位工人、5个产品、3周期阶段的生产需求构造算例,给出各阶段制造资源优化分配方案和成本结果,验证了模型与算法的有效性.(本文来源于《控制与决策》期刊2018年11期）
耿超,曲世友,肖莹莹,施国强,林廷宇[8]（2017）在《基于EAV模型和Solr架构的云制造资源发现方法》一文中研究指出提出了一种基于文本信息处理的云制造资源发现技术方案。该方案将云制造资源描述模型通过映射函数转化成文本信息处理中的形式化模型,设计出了一种云制造资源的EAV(Entity-Attribute-Value)衍生模型,解决了资源属性异构性、多样性、动态性等问题;通过引入Solr索引架构,实现了资源属性数据的文本索引体系构建,提升了相关数据的查询性能;设计实现了一个基于EAV模型和Solr搜索引擎的云制造资源发现服务原型系统应用在云制造平台上,提升了制造资源的发现匹配能力。(本文来源于《系统仿真学报》期刊2017年10期）
汤华茂,郭钢[9]（2016）在《云制造资源虚拟化描述模型及集成化智能服务模式研究》一文中研究指出针对云制造资源服务模型及其特点,形式化定义了云制造资源及其粒度模型。通过构建制造资源的分布式语义描述模型,屏蔽了各类制造资源粒子在底层数据结构方面的差异,在信息表示的更高层次上实现了制造资源粒子的虚拟化描述。通过构建云制造资源本体对散布在各类网络环境中的制造资源在逻辑上进行统一管理、语义查询和智能推理。同时构建了云制造资源的集成化智能服务模型,使制造企业联盟在资源查询、资源匹配、资源利用以及资源协同等方面更加高效和便捷。(本文来源于《中国机械工程》期刊2016年16期）
徐博文[10]（2016）在《退役工程机械回收与再制造系统的资源及环境效益模型研究》一文中研究指出近年来,随着人们对“生态经济”和“绿色制造”模式的倡导,退役产品的再制造受到了各个领域的广泛关注。工程机械产品中含有诸多的可再利用零部件及多种可循环材料,对其进行再制造可以有效地节约产品成本,提高资源的利用率,从而显着地降低产品制造过程对资源及环境的影响。现有的很多文献和模型都提到,对退役工程机械进行再制造能对资源、环境带来很大的效益,但是却很少有学者能够提供一个量化的模型,对这该论断进行验证和深入分析,加之退役工程机械再制造过程中存在的诸多不确定性因素,如回收价格、回收数量、顾客需求、退役产品质量状况等,为政府和再制造企业相关决策带来了很大的挑战。因此,需要建立再制造的资源和环境效益的定量评估模型,分析不确定性因素对其内在变化机理的作用规律,为再制造相关决策提供支持,促进退役产品再制造行业的发展。本文首先对退役工程机械的回收及再制造流程进行了深入地研究,并在此基础上,对回收及再制造过程中的能源、材料和二氧化碳排放量等情况进行详细分析。然后,识别出回收及再制造过程的诸多不确定因素,建立了退役工程机械的回收及再制造的资源和环境效益评估模型。最后,分析了不确定性因素对再制造模型内在变化机理的作用规律。本文的具体研究内容如下:(1)对退役产品的回收及再制造过程的能源消耗、材料消耗以及碳排放等情况进行深入分析,并参阅大量的文献,识别影响回收及再制造过程的主要不确定因素及各因素之间存在的关系。(2)建立了不确定条件下退役工程机械的资源效益评估模型,并探讨了回收价格、退役产品质量系数、顾客需求系数、可直接再使用的比率等不确定性因素对资源效益和再制造商利润的影响。(3)通过对回收及再制造过程中的“碳足迹”进行深入研究,以“碳排放的减少量”作为衡量回收及再制造的环境效益的指标,建立了退役工程机械回收及再制造的碳排放评估模型,设计了自适应的混合遗传算法(Hybrid Genetic Algorithm,HGA)对模型进行求解,并分析了模型中的各不确定性因素对资源效益及环境效益的影响,最后通过算例验证了模型的合理性。(本文来源于《湖南大学》期刊2016-05-10）
制造资源模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了解决云制造环境下制造资源的优化配置问题,综合考虑需求与服务双方以及云平台运营方的利益,提出了一种基于双层规划的资源优化配置模型。该模型以前景理论结合多约束多属性评价体系求解出的供需双方满意度作为上层规划的优化目标;以云平台资源利用率最大化为下层规划的优化目标;通过双层规划并采用改进的i-NSGA-Ⅱ-JG算法对多目标制造资源配置问题进行求解。最后,通过算例仿真实验证明了该模型的可行性和优越性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
制造资源模型论文参考文献
[1].冯立杰,李伟男,岳俊举,王金凤.装备制造企业技术创新资源配置模型及其应用[J].煤炭技术.2019
[2].陈友玲,段克华,刘舰,王龙.云制造环境下基于双层规划的资源优化配置模型[J].计算机应用研究.2019
[3].简琤峰,姜晨,张美玉.面向云制造资源调度预测的学习模型[J].小型微型计算机系统.2019
[4].杨欣,曾珍香,孙学珊.基于云模型—DEMATEL法的云制造资源评价问题研究[J].数学的实践与认识.2018
[5].董元发,吴正佳,杜轩,查靓,袁庆松.元活动模型驱动的多领域制造资源粒层化服务封装与检索[J].中国机械工程.2018
[6].吴燕霞,贾国柱,栾世超,王乐天,高影.基于云制造的资源优化配置模型[J].系统工程.2018
[7].关叶青,朱颖,谢乃明.考虑多成本约束的柔性作业车间制造资源动态分配模型[J].控制与决策.2018
[8].耿超,曲世友,肖莹莹,施国强,林廷宇.基于EAV模型和Solr架构的云制造资源发现方法[J].系统仿真学报.2017
[9].汤华茂,郭钢.云制造资源虚拟化描述模型及集成化智能服务模式研究[J].中国机械工程.2016
[10].徐博文.退役工程机械回收与再制造系统的资源及环境效益模型研究[D].湖南大学.2016
论文知识图
