面向网络化制造的资源优化匹配算法的研究

来源 :长春工业大学 | 被引量 : 0次 | 上传用户:aiyi23_2008
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
制造业是国民经济和社会发展的物质基础,是一个国家综合国力的重要体现。信息技术对制造业的巨大影响,在于它促成了生产方式的巨大变革,如何迎接信息时代所带来的巨大挑战是制造业本身面临的首要问题。 网络化制造是制造业利用网络技术开展的产品设计、制造、销售、采购、管理等一系列活动的总称,涉及企业生产经营活动的各个环节。网络化制造是企业实现制造资源优化配置与合理利用的主要途径。网络化制造模式致力于将分散的制造资源有效集成,形成核心优势,降低成本,提高企业的效率和效益. 对制造资源进行研究并建立制造资源模型的目的是要实现制造资源的优化配置。本文的目的就是研究在网络化制造环境下如何构造动态的制造资源数据模型,并在此模型上实现性能较好的资源优化匹配算法,实现网络化制造环境下优势制造资源的整合与优化管理,使企业的制造资源得以充分利用。 本论文结合当前网络技术的发展,针对网络化制造系统,建立动态制造资源数据模型,在研究以前优化算法的基础上,提出一种使制造资源得以优化的合理的匹配算法,既采用WebServices技术结合遗传算法,合理组织数据模型的元素,实现快速搜索制造资源,选择合理的优化的资源进行优化组合,快速实现产品的协同制造。最后,查阅某制造企业“关键零件网络化制造”的原型数据,对其进行应用和实现。通过对实例的多次实验,将程序得到的数据结果进行定量和定性的分析,验证了该算法的有效性、先进性和可行性。 本论文中所使用的计算机操作系统为WindowsXP,实例系统是基于.NET平台开发的,用VisualStudio.NET作为开发工具,开发语言为VB,数据库采用SQLSERVER2000。
其他文献
统计学习理论是一种专门研究有限样本情况下机器学习规律的理论。在此理论框架下产生的支持向量机(SVM)方法,使抽象的统计学习理论转化为实际的学习方法。然而,由于SVM尚处于发
在信息技术高速发展的今天,软件已经成为计算机系统的主要使能部件。但同时,软件由于自身存在的漏洞被利用于攻击,造成严重后果的事件也层出不穷。这对软件安全提出了新的挑
信用风险是金融市场最古老的也是最主要的金融风险之一,它直接影响着现代经济生活中的各项活动,也影响着一个国家的宏观决策和经济发展,甚至影响着全球经济的稳定发展。 在国
强化学习是机器学习的重要研究方向之一,旨在使智能体通过与环境交互,不断改进自身策略,最大化收到的累计奖赏。经典的强化学习方法多基于值函数,但是基于值函数的方法对于连
环境建模是机器人完成人们赋予任务的基础与关键。在确保描述细腻性的前提下,同时兼顾数据量紧缩、任务种类、机器人特征等建立高度有效、准确的环境模型,这将是所有其它功能
以计算机和现代网络技术为特征的现代信息技术极大地促进了社会经济的发展,也引发了一场资产信息管理的革命,现行的资产信息管理方式和方法面临着前所未有的挑战。基于J2EE的资
流程工业自动化水平较高,但大多数系统彼此孤立运行,造成信息孤岛的存在,另一方面,为了降低产品开发成本、赢得市场竞争,流程企业急需根据自身特点,综合集成各个过程运行系统,构建具
工程量自动计算经历了二十多年的研究,形成了基于图形输入、CAD系统二次开发等方法,并在实际运用中起到了一定的作用,但这些方法脱离了计算机辅助建筑设计,没有从根本上解决工程
图形用户界面(Graphic User Interface,简称GUI)是大多数软件系统提供给用户的交互接口,其功能正确性直接决定软件质量。GUI测试是检测GUI功能正确性的重要手段,它是一种通过对
OLAP是近年来兴起的广泛应用于数据仓库中的一种多维分析技术,而ROLAP是其中应用最为普遍也最受关注的一种模式,目前市场上大多OLAP产品都基于此模式。ROLAP的实施所涉及的问