一、网络化制造关键技术信息流的研究（论文文献综述）
李云竹[1]（2021）在《云制造网络下CHQC公司生产任务与资源匹配的优化研究》文中进行了进一步梳理随着云计算、物联网、虚拟技术等新兴信息技术在制造业领域的广泛应用与发展,制造产业有了日新月异的进步与变革,形成新的生产方式和产业形态。尽管我国汽车企业近年扩张较快,但与世界重要汽车公司相比,仍然偏小。汽车制造成本、零部件采购成本比国际平均高出50%。因此,无论从汽车制造行业总体发展趋势,还是从制造业转型趋势来看,我国广大汽车制造企业存在巨大的发展空间。CHQC公司近年来致力于整车产品生产,作为传统微型轿车制造商,在产品量产、网络通讯、数据库和ERP等生产和信息化建设方面已经能初步满足企业经营管理的需求,但其制造资源欠缺和资源信息闭塞使得部分生产任务难以完成,严重阻碍了整车产品生产。因此,制定一套完善共享制造资源匹配方案,对提高CHQC公司竞争力具有重要的实际意义。云制造能很好解决生产任务日趋复杂化和制造资源离散化等问题,因此,以云制造平台为依托,针对CHQC公司生产任务与制造资源匹配问题,通过资源匹配优化框架的构建、任务分解、制造资源评价指标的建立、制造资源选择模型的构建对资源匹配进行优化设计。首先把CHQC公司生产任务优化分解问题作为云制造资源优化匹配研究的基础,根据任务分解的基本原则和相关约束,设计了云制造网络下生产任务优化分解流程。然后根据元任务之间的关联关系,建立关联无向图,采有图聚类算法对其实现最优分割,进而得到多个粒度合适的子任务。最后,建立云制造资源评价指标体系,构建云制造资源选择优化模型,考虑CHQC公司模糊评价对云制造资源匹配的影响,给出基于三角模糊及GIOWA算子的区间型供应算法,对模糊评价数据进行处理,最终结合多方评价值以及模糊评价值,以主观需求确定权重,对云制造资源进行综合评选,进而得到最优任务-资源匹配方案。运用了发动机生产任务与云制造资源匹配实例对模型和方法进行检验和比较分析,证实了优化模型的可行性,并针对优化方案提出保障策略。
王晋,颜浩龙[2]（2020）在《智慧供应链视角下零部件产业智能化升级模式研究》文中指出当前,我国正处于经济转型、产业升级的关键时刻,零部件产业发展水平落后是我国制造业水平整体提升的短板。基于物联网、大数据和人工智能等新一代信息技术的智慧供应链为零部件产业智能化升级创造了条件。零部件产业可以从产品智能化、生产过程智能化和供应链智慧化三种模式来进行智能化转型升级,零部件产业水平的提升有助于我国工业体系整体实力的提升。
喻寅昀[3]（2020）在《网络化离散制造企业制造资源优化配置研究》文中进行了进一步梳理为科学配置社会化制造资源、提高制造资源使用率、减少制造费用以及更敏捷地响应市场需求,网络化制造已经成为一种流行的制造模式。当前,有关网络化制造研究成果,主要集中在生产制造管理目标、生产制造绩效评价、制造资源配置、生产车间布局、射频识别技术等方面。网络化离散制造环境下的制造资源优化配置问题作为网络化制造的核心研究问题之一,其资源配置的科学程度将直接影响企业生产经营成本和效益。为此,本文对网络化离散制造企业制造资源优化配置问题进行了分析研究,主要研究内容如下。（1）对网络化离散制造资源优化配置相关基础理论进行了研究。首先,对网络化制造定义、网络化离散制造定义、以及网络化离散制造的研究重点做出论述,并对制造资源的特点和种类进行分类;然后,分析了网络化离散制造资源优化配置特点和资源优化配置策略;最后,在上述基础之上,给出了网络化离散制造资源优化配置的一般流程。（2）针对网络化离散制造业企业初选问题,提出了基于模糊层次分析法和灰色关联分析法的制造资源初选方法。首先,对网络化离散制造过程的制造信息采集、制造信息的属性定义和应用进行分析;然后,基于灰色关联分析法和模糊层次分析法,对候选制造资源粗糙集进行筛选得到候选制造集;最后,以机床装配A企业的生产订单为例,利用本文所述资源初选方法来对其网络化离散制造环境下的制造资源进行初选。（3）针对网络化离散制造业企业优选问题,建立以顾客订单的时间、质量、成本为约束因素,顾客满意度最大化和企业利益最大化为目标的双层优化模型。首先,采用Kano模型将顾客需求分为基本型、期望型和兴奋型;其次,采用质量功能展开模型,将顾客对产品的功能需求转化为制造工程特性,并建立顾客满意度函数;接下来,根据企业经济效益特点采用分布核算法,建立企业经济效益函数;进一步地,在考虑质量、成本、时间的约束条件下,建立顾客满意的和企业定制经济的多目标函数;最后,以机床装配A企业的生产订单为例,利用本文所述资源初选方法来对其网络化离散制造环境下的制造资源进行优选。以中小批量定制生产企业为研究对象,根据网络化离散制造环境下的制造资源配置优化过程,对其制造资源的预选、初选和优选进行分析研究,形成一条完整的制造资源优化配置路线。旨在解决网络化离散制造企业的制造资源优化配置问题,从而实现制造资源的科学合理,提高企业和顾客双方利益,为离散制造企业进行资源优化配置提供重要指导和应用参考。
许岩[4]（2020）在《基于云制造平台的智能装备故障诊断方法与租赁定价模型研究》文中认为作为立国之本、兴国之器、强国之基的制造业,其发展、进步、创新一直是各界关注与研究的重点。随着以云计算、大数据、工业互联网、移动互联网等为代表的新一代信息技术（简称New IT）,以及以深度学习、深度强化学习、群体智能等为代表的新一代人工智能技术（简称New AI）的发展,智能制造技术成为当前制造业转型升级的核心驱动力。在智能制造成为现代制造模式的同时,也伴随产生了若干新的制造模式和业态。其中,以按需使用为核心,以用户为中心的云制造成为一种新兴的先进制造业模式。在云制造模式中,云制造平台是智能装备制造商与客户的重要纽带,是推动制造业服务化转型的重要力量。本研究主要基于云制造平台,围绕故障诊断与服务租赁,聚焦制造业转型升级过程中遇到的部分问题,包括:（1）训练数据类型少且分布不均导致的故障诊断模型可靠性差的问题;（2）实际运行工况复杂多变使得训练数据和实际测试数据分布不同导致的诊断模型适用性不高问题;（3）制造资源分配不均而导致的制造资源闲置浪费问题;（4）缺乏科学合理的定价策略而导致无法提供高效租赁服务的问题。本文主要对上述问题展开研究,研究内容和创新点如下:（1）针对故障诊断模型可靠性差和适用性不高的问题,提出基于数字孪生和深度迁移学习的两阶段故障诊断方法（Digital-twin-assisted Fault Diagnosis method using Deep transfer learning,DFDD）。在第一阶段的故障诊断中,通过在虚拟空间建立超高逼真的仿真模型提前模拟设备运行情况,并使用仿真数据充分训练基于深度神经网络（Deep Neural Network,DNN）的故障诊断模型,提前发现在设计阶段未考虑到的潜在问题。在第二阶段的故障诊断中,使用深度迁移学习（Deep Transfer Learning,DTL）算法将在虚拟空间训练的故障诊断模型迁移到物理空间中,用于智能装备的实时监控和预防性维护,既保证了故障诊断的精度,也避免了重新训练模型对时间和知识的浪费。（2）使用改进的樽海鞘算法优化DFDD,解决了故障诊断模型构建依赖人工经验的问题,进一步提高了故障诊断模型的诊断性能。深度迁移学习可在不同分布的数据间进行分类预测,但网络结构参数通过随机初始化或经验性方法获取,效率低且难以保证参数最优。本研究使用改进的樽海鞘算法寻优得出网络初始化参数,包括隐含层节点数和稀疏性参数,实现了对故障诊断模型网络参数的自适应获取。（3）提出云制造下服务租赁模式并构建租赁定价模型,为制造资源分配不均问题提供解决思路。在云制造模式下,将智能装备以服务的形式租赁给客户,并通过对装备的实时监测与故障诊断实现预防性维护,延长设备使用寿命,保证租赁设备的持续健康运行。此种租赁模式可以有效缓解制造资源分配不均问题,实现制造资源的高效利用。本研究还从供需Stackelberg博弈角度建立了租赁定价的双层规划模型,双层规划问题是一类具有主从递阶结构的复杂决策问题,具有NP-hard性。本研究使用带精英策略的非支配排序遗传算法（Nondominated Sorting Genetic Alogorithm II,NSGA-II）求得模型的Pareto最优解,即使供需双方效用最大的租赁和定价策略。（4）对本研究所提的服务模式与方法进行案例验证。本研究以广东某汽车制造商为案例研究对象,对所提故障诊断方法及其优化改进方法进行了验证,结果表明本文所提出的DFDD方法对智能装备健康状况的预测与判断是准确、稳定的,改进的深度迁移学习算法对DFDD的诊断性能也有一定的提升作用。本研究还以某刀具生产厂商为案例对所提服务租赁模式和租赁定价策略进行了验证,结果表明租赁模式和定价策略具有现实意义与实践价值。
陈明涛[5]（2019）在《云制造环境下供应链协同机理研究》文中研究表明云制造模式为实现高层次的企业间协同提供了重要理论支撑。当前,学界在信息技术对协同关系的影响研究主要侧重于企业内部,很少考察其对企业间关系中多种维度协同要素的联合影响,而供应链上企业依托于云平台将更易实现高水平的协同关系。供应链以新兴信息技术为支撑,可以实现从依赖物理过程到整个供应链的信息共享和协作过程,可以通过信息化手段实现资源的整合和服务的优化,从而提升供应链整合和利用能力。为了探索云制造环境下的供应链协同机理,基于IT能力和协同理论构建了平台整合能力和灵活配置能力分别影响供应链协同的研究模型,并考虑了环境变量市场动荡性对两种能力影响供应链协同的调节效应。针对324家使用过云制造平台的企业中高层管理人员进行问卷调查,并利用SmartPLS进行了数据分析和模型拟合,结果表明这两种能力对供应链协同具有显着正向影响,市场动荡性在此过程中起到显着调节作用。根据实证研究结果对船舶供应链的应用前景进行分析,并结合船舶供应链协同中的信息共享、同步决策、激励联盟展开研究和探讨,分析了三种维度下云制造平台关键模块的特点及所需技术的关键属性和要求,云制造环境下的船舶企业可以快速整合链上的各类资源,并实时响应市场需求,形成一个敏捷、精益、高效的经营、设计和生产为一体的动态供应链联盟。
王平[6]（2018）在《基于云的管理信息系统及其价值创造机理研究》文中进行了进一步梳理随着经济全球化以及信息技术的快速发展,管理信息系统从传统的企业内部独立建设与应用模式向平台化建设、服务化租用的模式转变。以云计算技术为基础的新一代管理信息系统能够有效打破传统企业间的边界,通过资源的高度汇聚与信息的高效共享、流程的公开透明,促进价值链企业间业务协同的效率与质量,从而推动企业管理理念与制造模式的转变。本文重点围绕基于云的管理信息系统C-MIS的概念特征及应用展开研究,主要研究内容包括:（1）提出了C-MIS的概念,并对其概念框架进行了系统性研究。云计算技术对管理信息系统产生了变革性影响,基于云的管理信息系统C-MIS的技术架构和应用模式都区别于之前的模式,是管理信息系统发展的新阶段。本文通过对管理信息系统发展阶段的梳理,并结合云计算技术的特点,提出了C-MIS的概念,总结提炼了其区别于其他阶段的典型特征,并按照信息系统研究范式对C-MIS的支撑理论、体系架构、标准规范、服务模式等进行了系统性分析与设计,初步建立了C-MIS的概念体系,为进一步推进管理信息系统领域相关理论的研究打下了基础。（2）提出了协同价值链的概念并深入分析了其内涵,并研究了C-MIS环境下协同价值链构建方法。C-MIS环境下制造资源高度汇聚,可以满足多样化的制造服务需求,实现资源优化配置,价值链构建过程的准确、高效是影响C-MIS推广应用的关键。本文基于本体技术较强的表示能力、推理能力和方便的扩展能力,对制造资源和服务需求进行本体化描述建模;然后,利用相似性原理对制造资源与服务需求形成的OWL描述文档进行匹配;最后,利用基于组合权重的灰色评价方法对匹配形成的候选价值链进行优选排序,为价值链构建决策提供支持。（3）探究了C-MIS价值创造路径及作用机理。本文对C-MIS的关键技术特征进行了分析,并结合信息技术能力理论,提出了C-MIS的两个关键能力:系统集成能力和动态配置能力,并基于协同理论,提出了价值链运营过程协同的两个层次:战略协同和运营协同,构建了C-MIS关键能力通过促进价值链企业间自上而下两个层次的协同从而提升企业绩效的假设模型,并考虑了TOE在C-MIS关键能力促进企业间协同过程中的调节作用;然后,利用实证的方法,通过规范的理论推演和数据分析,验证了相关假设,明确了“C-MIS关键能力——价值链协同——企业绩效”的价值创造路径及作用机理,并同时厘清了TOE对管理信息系统促进企业间协同过程中的影响作用。（4）结合实际案例对C-MIS的建设过程以及C-MIS关键能力促进企业间协同进行了分析,对应用效益进行了总结。通过对船舶行业价值链运营状况的分析,提出了船舶行业性的协同制造需求,分析构建船舶价值链协同制造服务平台的必要性和可行性。然后对平台技术架构、关键功能等进行了分析,重点对平台关键能力建设培育过程、平台关键能力推动价值链企业间战略及运营协同的作用进行了深入分析,对平台的应用效益进行了总结。综上所述,本文以C-MIS为研究对象,通过文献综述与理论推演,建立了C-MIS的概念体系,探究了C-MIS提升企业绩效的价值创造路径及作用机理,对C-MIS环境下的协同价值链构建及优选方法进行了设计,在一定程度上弥补了目前基于云计算技术的管理信息系统的研究空白,为我国学界与业界C-MIS的研发与应用实践提供指导。
丁淑辉[7]（2017）在《云制造下多粒度设计资源服务化方法与匹配策略研究》文中进行了进一步梳理随着社会分工和行业细分的逐渐发展,各行业设计技术和设计资源的专业化程度越来越高,逐渐呈现出行业化、专业化、区域化分布的特点。除企业自有设计资源外,独立设计机构也越来越多。这些专业设计机构有着经验丰富的设计人员、专业的软硬件设备与场地等相关资源,在满足企业自身设计需求基础上,还能完成行业内相关外包设计工作。与此同时,由于各细分行业设计理论和方法的巨大差别,对于由多领域学科构成的复杂机电系统,单一设计资源无论是从设计人员与知识结构上、还是从所需软件资源以及实验条件、试制设备及场地等资源方面来说,都难以完成全部设计任务。因此,需要多设计资源的合作与共享,共同完成复杂的跨学科产品设计。但行业人员、设备、知识等设计资源的复杂性,以及设备的地域分布性、企业间的技术壁垒等因素,为行业设计资源的整合与共享提出了巨大挑战,给复杂产品设计的协同化、网络化、专业化发展带来了很大障碍。在这一背景下,以设计资源的网络化共享为目的,本论文提出了一种多粒度设计资源云制造系统,在多粒度设计资源本体建模与聚合的基础上,实现了大粒度聚合级设计资源的服务化描述,完成设计任务与服务资源的匹配,达到了资源共享的目的。在设计资源多粒度特性分析的基础上,提出了设计资源的多粒度模型,分别定义了静态实体资源SPR、动态能力资源DCR以及多功能设计单元CDC的概念并对其组成进行了详细分析。在分析网格、制造网格、云制造等网络化制造平台基础上,提出了基于多粒度资源聚合的设计资源云制造服务平台,构建了其体系构架,分析了云制造环境下设计任务与设计资源的匹配机制。建立了一种基于能动性资源接入的设计资源两级接入方法,提出了设计资源的通用本体模型,并以此通用模型为基础,建立了基于SPR资源、DRC资源以及CDC资源三层粒度的资源模型。为完成设计资源优选,设计了一种DCR资源和CDC资源的评估方法。在建立设计成熟度系数、设计成功率系数、设计稳定度系数、设计经验度系数四个评估变量的基础上,定义了设计资源能力指数,并建立了资源评价指数和成本指数。以设计资源能力指数、评价指数和成本指数作为构成元素,建立资源指数矩阵,结合各资源权重系数建立成员评估矩阵和运行评估矩阵。根据成员资源与聚合资源的权重生成综合评估矩阵。设计了一种资源聚合策略,提出了基于同地域资源主动推送机制的交互式DCR资源聚合方法和CDC资源聚合方法,并给出了其详细聚合步骤。通过研究语义Web服务及其描述语言OWL-S,提出了一种基于语义的设计资源服务化描述方法,通过扩展OWL-S通用本体,建立了设计资源语义化描述框架,并提出了基于设计资源本体与资源描述本体映射的设计资源服务化描述策略,通过建立资源概念集合和OWL-S扩展本体间的双射关系,实现了资源的服务化描述。建立了一种基于设计任务逐层流程化分解的多级云服务匹配策略,提出了语境相关的设计任务本体建模方法,给出了一种基于信息流的设计任务流程化分解方法,在研究语义相似度基本算法基础上,设计了一种基于语义相似度的服务资源多级匹配策略,通过任务与服务资源的多级匹配相似度计算,实现了本体任务与云服务的匹配。在前述理论与方法研究基础上,搭建了多粒度设计资源云制造原型系统总体框架,开发了原型系统并对关键模块进行了功能实现,最后对部分关键算法进行了实例验证。
苏凯凯[8]（2017）在《云制造环境下的制造资源优化配置方法研究》文中提出为了有效整合社会化制造资源、提高资源利用率、降低制造成本以及更快地响应市场需求,李伯虎院士提出了一种基于网络的、面向服务的智慧化制造新模式——云制造。云制造环境下的制造资源优化配置问题作为云制造的核心问题之一,其求解方法的优劣将直接影响到云制造服务的运行质量和效率,进而影响到云制造的发展与推广。为此,本文针对云制造环境下的制造资源优化配置问题进行了深入的研究,主要研究内容和成果如下:（1）对云制造环境下的制造资源优化配置相关基础理论进行了研究。对云制造的运行要素、相关概念、运行模式和体系结构进行了详细的论述,在此基础上,指出了云制造环境下制造资源配置的一般流程、制造资源优化配置问题的特点及其复杂性,并论述了实现云制造环境下制造资源优化配置的关键过程。（2）针对云制造环境下的制造服务与资源建模及其映射问题,提出了基于本体的云制造服务和资源的建模方法与基于可拓聚类算法的云制造服务-云制造资源映射方法。首先,将云制造服务分成了设计服务、仿真服务和生产加工服务等八个大类制造服务;其次,根据云制造活动对云制造资源需求的不同,将云制造资源属性划分为包含基本信息、功能信息、评价信息和状态信息等四种信息的基本结构;然后,提出了基于可拓基元模型的云制造服务和云制造资源模型的数学表达方法;再次,将可拓学中的关联函数与层次聚类法相结合,提出了基于可拓聚类算法的云制造服务-云制造资源映射方法;最后,通过算例分析验证了映射方法的可行性与有效性。（3）针对云制造环境下的制造资源评价问题,提出了基于可拓优度与模糊层次分析法相结合的云制造资源可拓综合评价方法。首先,提出了包含服务质量指标和服务能力指标的云制造资源评价指标体系;其次,基于云制造环境下制造资源评价问题的特点,研究了基于可拓优度的可拓综合评价法,并通过与模糊层次分析法相结合,提出了针对云制造资源的综合评价方法;最后,通过算例分析验证了评价方法的可行性与有效性。（4）将云制造环境下的制造资源组合优化选择问题分为有需求偏好和无需求偏好的制造资源组合优化选择问题,并分别提出了基于双层规划的云制造资源组合优化选择方法和基于非合作博弈的云制造资源组合优化选择方法。首先,针对不同结构的云制造资源组合优化选择问题,提出了包含服务质量指标和柔性指标的云制造资源组合优化选择指标体系;其次,针对有需求偏好的云制造资源组合优化选择问题,建立了基于双层规划的云制造资源组合优化选择模型,提出了基于带精英策略的快速非支配排序遗传算法的模型求解方法;再次,针对无需求偏好的云制造资源组合优化选择问题,建立了基于非合作博弈的云制造资源组合优化选择模型,采用改进的带精英策略的快速非支配排序遗传算法对模型进行了求解;最后,分别通过算例分析验证了两种方法的可行性和有效性。（5）针对云制造环境下的制造资源组合优化选择模型的参数估计问题,提出了基于人工蜂群算法的云制造资源组合优化选择模型参数估计方法。首先,将云制造环境下制造资源组合优化选择模型参数的获取问题,转换成系统辨识中的模型参数估计问题;其次,建立了以估计值的损失函数值最小为优化目标的云制造资源组合优化选择模型参数估计优化模型,并针对该模型,提出了基于人工蜂群算法的参数估计优化模型求解方法;最后,通过算例分析验证了模型及其求解方法的可行性与有效性。
伍伟民[9]（2016）在《面向复杂产品离散装配过程的物料管理与控制技术研究》文中认为以导弹、卫星等为代表的复杂产品总装属于典型的多品种、小批量、离散型生产模式,多采用固定工位作业（单个工位完成大部分装配作业）方式,具有生产节拍不明显、研制流程复杂多变、反复拆装、动态扰动频发等特点,导致复杂产品装配过程中的物料动态跟踪和管理困难、物料信息可追溯性差。因此,如何实现装配车间准时、高效、有序、可控的物料配送,以及装配现场物料的精细化管控,一直是复杂产品总装企业亟待解决的难题之一。论文系统开展了面向复杂产品离散装配过程的物料管理与控制技术的研究,在此基础上开发了软件系统并进行了应用验证。论文主要研究工作如下:1.对车间物料管理的相关技术,包括车间物理布局规划、车间物流优化调度、车间物流周转控制及物料跟踪管理等国内外研究现状进行了综述,阐述了论文的研究目的、意义以及项目来源。2.基于对典型复杂产品总装企业现有车间物料管理业务流程的分析,探讨了准时制（Just In Time,JIT）物流供应原理在复杂产品总装企业物流管理的适用性,提出了基于总装需求拉动的JIT物流供应模式,并结合对复杂产品总装企业物料管理特点及精细化管控目标的分析,建立了复杂产品装配过程物料管理与控制系统的体系结构,阐述了复杂产品装配过程物料管理与控制系统的关键实现技术。3.结合复杂产品总装企业对物料信息自动、实时、准确采集的需求,引入无线射频识别技术（Radio Frequency Identification,RFID）,提出了一种复杂产品离散装配过程物料管理RFID应用模式。在对复杂产品总装企业物料类型分析的基础上,实现了基于RFID的装配物料智能标识。以航天企业某车间现有布局规划为基础,研究了RFID系统的布局规划和RFID数据处理技术。4.构建了物料多层次关联模型和“装配计划--装配任务--日作业计划”三级管控机制,实现了基于日作业计划的物料主动配送方法。该方法以“各工位当日作业需求拉动+库房统一精准配送”的主动配送模式替代当前高度离散的物流模式,并对当日未完成装配的物料执行相应的退库流程,规范了复杂产品总装物流过程,减少了资源浪费,提升了物料配送效率。5.分析了物料从“需求发起--需求处理--统一配送--物料接收--物料使用--物料退库”全过程周转流程,提出了基于RFID和状态协调的总装物料精细化控制技术,实现了物料周转过程协调、有序、可控和高效的管理和物料过程信息实时、完整、有效采集及在线共享。基于产品结构树的装配物料信息集成管理技术,实现了车间物料数据的全面、合理、有序组织以及物料使用记录等实做物料数据的快速汇总输出。6.设计并开发了复杂产品装配过程物料管理与控制系统,并以航天企业某车间为具体应用对象,结合实例对相关方法和技术进行了验证。
王强[10]（2016）在《云制造模式下车间制造系统运行优化关键技术研究》文中研究说明随着我国“两化融合”战略的实施以及云计算、物联网等先进信息技术在制造行业领域的不断渗透,云制造应运而生。云制造的核心在于实现制造资源的协同与共享,为制造业的升级转型提供了新的推动力。然而,云制造的理论及相关技术在车间制造系统层面的应用还面临诸多问题,如制造资源云端化管理、协同化运作等。鉴于此,本学位论文以研究“云制造环境下车间制造系统运行模式”为突破口,聚焦制造资源语义描述与服务化封装、制造任务分解与规划、制造资源优化配置以及制造服务链实时监控等关键问题,展开与其相关的共性方法研究。首先,对先进制造模式的演变以及目前云制造相关领域的研究现状进行了综述,分析了云制造模式下车间制造系统运行管理面临的挑战;接着,分析了云制造环境下车间制造系统运行优化模式的特点和内涵,从理论研究和系统实现角度出发,提出一种面向云制造的车间制造系统运行模式,并对其关键技术进行探讨;然后,围绕着云制造模式下车间制造系统运行优化的核心问题进行了深入研究,具体包括:1)分析云制造环境下制造资源服务语义描述的需求,对OWL-S语义描述方法进行了论述,将制造资源本体和元资源建模方法引入云制造资源服务语义描述中,构建了云制造资源服务本体元模型;在云制造资源特性分析基础上,设计一种基于分类树的制造资源分类方法,结合云制造资源服务本体元模型建立云制造资源服务语义描述框架,消除资源描述语义二义性;提出一种支持实时信息发布的服务化封装方法,以支持服务状态信息的一致性与实时性。2)在明确云制造任务内涵以及制造任务约束结构相关定义的基础上,运用OWL-S对云制造任务进行形式化描述。结合云制造任务特性,对云制造任务分解流程进行分析并给出云制造任务分解原则,设计了基于层次任务网络的云制造任务递归分解算法,并给出了制造任务粒度分析方法、制造任务内聚性度量方法、制造任务相关性度量方法以及制造服务综合质量度量方法。3)针对动态环境下的云制造资源优化配置问题,从云制造任务执行过程出发,建立了云制造资源多目标动态优化配置模型,并给出资源动态配置策略;结合基于事件驱动和周期驱动的动态资源配置技术,将混沌机制、双阶段变异策略和种群扰动策略引入标准差分进化算法,提出一种面向多目标的制造资源动态优化配置求解算法,有效提高解算效率与解的质量。4)对云制造服务链内涵进行阐述并给出其形式化描述方法,在分析云制造服务链实时监控难点的基础上,提出一种基于实时信息驱动的云制造服务链监控体系架构及运行模式,并研究了多源异构信息感知与集成模型、服务运行指标通用模型及其组态配置、制造服务与服务运行指标映射模型以及层次生产系统运行指标体系等关键技术。5)结合本文所研究的面向云制造的车间制造系统运行模式、运作技术及支持系统的体系结构和功能框架,开发了一套面向云制造的车间制造运行管理原型系统并进行了系统应用和实施,验证了本文所提方法的可行性和有效性。
二、网络化制造关键技术信息流的研究（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、网络化制造关键技术信息流的研究（论文提纲范文）
（1）云制造网络下CHQC公司生产任务与资源匹配的优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状及评述 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 研究评述 |
| 1.4 研究内容和方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 第2章 CHQC公司生产任务与制造资源匹配现状及优化框架 |
| 2.1 CHQC公司概况 |
| 2.1.1 公司简介 |
| 2.1.2 公司组织架构 |
| 2.2 CHQC公司生产任务与制造资源匹配现状及特点 |
| 2.2.1 生产任务与制造资源匹配的现状 |
| 2.2.2 生产任务与制造资源匹配的特点 |
| 2.3 CHQC公司生产任务与制造资源匹配现状问题分析 |
| 2.3.1 生产任务分解问题 |
| 2.3.2 制造资源提供问题 |
| 2.3.3 制造资源评价问题 |
| 2.4 CHQC公司生产任务与制造资源匹配优化框架设计 |
| 2.4.1 云制造网络构成要素 |
| 2.4.2 云制造网络体系架构 |
| 2.4.3 生产任务与制造资源匹配优化框架设计目标 |
| 2.4.4 生产任务与制造资源匹配优化具体框架 |
| 2.5 本章小结 |
| 第3章 云制造网络下CHQC公司生产任务分解优化 |
| 3.1 云制造网络下生产任务与资源匹配过程 |
| 3.2 生产任务分解目标与原则 |
| 3.2.1 生产任务分解目标 |
| 3.2.2 生产任务分解原则 |
| 3.3 任务间的信息交互分析 |
| 3.3.1 任务类型与关系分析 |
| 3.3.2 内聚性与任务粒度 |
| 3.3.3 耦合性与任务关联度 |
| 3.4 云制造网络下生产任务分解优化流程 |
| 3.4.1 任务初步分解 |
| 3.4.2 任务关联图建立 |
| 3.4.3 任务聚类重组 |
| 3.5 本章小结 |
| 第4章 云制造网络下CHQC公司资源选择优化 |
| 4.1 云制造资源选择目标与原则 |
| 4.1.1 云制造资源选择目标 |
| 4.1.2 云制造资源选择原则 |
| 4.2 云制造网络下资源评价指标建立 |
| 4.2.1 云制造资源评价指标选取 |
| 4.2.2 云制造资源评价指标聚合 |
| 4.3 云制造网络下资源选择优化模型 |
| 4.3.1 优化目标函数 |
| 4.3.2 模型约束 |
| 4.4 云制造网络下资源选择优化模型求解 |
| 4.4.1 模糊需求下的理想值 |
| 4.4.2 基于GIOWA算子的优化模型求解 |
| 4.5 本章小结 |
| 第5章 CHQC公司云制造资源匹配的实例仿真与保障策略 |
| 5.1 CHQC公司云制造资源匹配的仿真设计 |
| 5.1.1 仿真方法与目的 |
| 5.1.2 仿真实验设计 |
| 5.2 CHQC公司云制造资源匹配的仿真结果 |
| 5.2.1 仿真结果分析 |
| 5.2.2 优化效果比较 |
| 5.3 CHQC公司云制造资源匹配优化保障策略 |
| 5.3.1 提升企业信息化水平 |
| 5.3.2 加强员工的技能培训 |
| 5.3.3 建立相关管理制度 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（2）智慧供应链视角下零部件产业智能化升级模式研究（论文提纲范文）
| 1 文献综述 |
| 2 智慧供应链与新一代信息技术 |
| 3 零部件产业智能化升级模式设计 |
| 3.1 零部件的智能化设计 |
| 3.2 生产过程的智能化 |
| 3.3 供应链智慧化 |
| 4 结论 |
（3）网络化离散制造企业制造资源优化配置研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 制造资源建模技术的研究现状 |
| 1.3.2 制造资源优化配置研究 |
| 1.3.3 国内外研究现状述评 |
| 1.4 研究内容 |
| 1.5 主要创新点 |
| 第2章 基本概念及相关理论 |
| 2.1 基本概念 |
| 2.1.1 网络化制造定义 |
| 2.1.2 离散制造的定义 |
| 2.1.3 制造资源定义 |
| 2.2 相关理论 |
| 2.2.1 网络化离散制造理论 |
| 2.2.2 资源优化配置理论 |
| 第3章 网络化离散制造资源优化配置体系构建 |
| 3.1 网络化离散制造资源优化配置目标与原则 |
| 3.1.1 资源优化配置目标 |
| 3.1.2 资源优化配置原则 |
| 3.2 网络化离散制造资源优化配置特点分析 |
| 3.3 网络化离散制造资源优化配置策略 |
| 3.3.1 网络化离散制造资源优化配置模式 |
| 3.3.2 协同制造企业综合评价参考标准 |
| 3.4 网络化离散制造资源优化配置流程 |
| 第4章 网络化离散制造业企业初选 |
| 4.1 网络化离散制造过程的信息采集 |
| 4.2 制造信息的属性定义与应用 |
| 4.2.1 制造信息的属性定义 |
| 4.2.2 制造信息的应用 |
| 4.3 基于模糊层次分析法和灰色关联分析法的制造资源初选方法 |
| 4.3.1 模糊层次分析法和灰色关联分析法 |
| 4.3.2 基于FAHP和 GRA的制造资源初选过程 |
| 4.4 算例应用 |
| 4.4.1 制造信息的收集 |
| 4.4.2 制造资源的权重确定 |
| 4.4.3 制造资源的初选 |
| 第5章 网络化离散制造业企业优选 |
| 5.1 问题描述 |
| 5.2 考虑顾客满意度的资源优化配置目标函数 |
| 5.2.1 基于kano的顾客需求层次分析 |
| 5.2.2 基于kano-QFD的顾客满意度计算 |
| 5.2.3 基于QFD的需求功能转换 |
| 5.3 考虑企业生产经济效益的资源优化配置目标函数 |
| 5.3.1 企业生产投入值指标体系构建 |
| 5.3.2 企业经济效益函数 |
| 5.4 考虑顾客满意度与企业经济效益的资源配置模型构建 |
| 5.4.1 双层规划模型 |
| 5.4.2 资源配置模型构建 |
| 5.5 算例分析 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录A 调查问卷 |
| 附录B 算例计算部分程序代码 |
| 在学研究成果 |
| 致谢 |
（4）基于云制造平台的智能装备故障诊断方法与租赁定价模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 主要研究问题 |
| 1.3 研究目标与研究意义 |
| 1.3.1 研究目标 |
| 1.3.2 研究意义 |
| 1.4 国内外研究现状 |
| 1.4.1 云制造相关研究 |
| 1.4.2 故障诊断相关研究 |
| 1.4.3 租赁定价相关研究 |
| 1.5 研究方法与技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 1.6 本文的章节安排 |
| 1.7 本研究创新之处 |
| 第二章 云制造平台与智能装备服务模式 |
| 2.1 云制造平台 |
| 2.1.1 总体框架 |
| 2.1.2 特性分析 |
| 2.2 应用需求分析 |
| 2.2.1 故障诊断需求分析 |
| 2.2.2 服务租赁需求分析 |
| 2.3 智能装备故障诊断模式 |
| 2.3.1 故障诊断的基本方法 |
| 2.3.2 故障诊断方法的比较分析 |
| 2.3.3 深度学习算法与应用 |
| 2.3.4 数字孪生技术与应用 |
| 2.4 智能装备租赁定价模式 |
| 2.4.1 共享平台 |
| 2.4.2 租赁定价模型 |
| 2.5 本章小结 |
| 第三章 基于数字孪生和深度迁移学习的故障诊断方法 |
| 3.1 DFDD整体框架 |
| 3.2 DFDD故障诊断流程 |
| 3.2.1 总体流程 |
| 3.2.2 智能研发阶段虚拟空间的故障诊断 |
| 3.2.3 主动运维阶段物理空间的故障诊断 |
| 3.3 案例验证 |
| 3.3.1 案例背景 |
| 3.3.2 故障诊断模型构建 |
| 3.3.3 结果分析 |
| 3.4 本章小结 |
| 第四章 基于改进深度迁移学习的故障诊断方法 |
| 4.1 改进的樽海鞘算法 |
| 4.1.1 樽海鞘算法基本原理 |
| 4.1.2 基于统计引导和多项式差分学习的改进樽海鞘算法 |
| 4.2 基于ISSA的故障诊断方法 |
| 4.2.1 算法原理 |
| 4.2.2 算法流程 |
| 4.3 案例验证 |
| 4.4 本章小结 |
| 第五章 云制造下服务租赁定价模型 |
| 5.1 服务租赁流程及特征 |
| 5.1.1 服务租赁流程 |
| 5.1.2 服务租赁特征 |
| 5.2 服务租赁定价机理分析 |
| 5.2.1 服务租赁定价影响因素 |
| 5.2.2 服务租赁定价双层规划模型的非合作博弈分析 |
| 5.3 服务租赁定价模型的构建 |
| 5.3.1 符号说明 |
| 5.3.2 服务提供方的目标函数 |
| 5.3.3 服务需求方的目标函数 |
| 5.3.4 服务租赁定价双层规划模型 |
| 5.4 模型求解 |
| 5.4.1 算法描述 |
| 5.4.2 算法流程 |
| 5.5 案例验证 |
| 5.5.1 案例背景 |
| 5.5.2 算例结果分析 |
| 5.6 本章小结 |
| 总结与展望 |
| 全文总结 |
| 研究展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（5）云制造环境下供应链协同机理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 制造模式研究现状 |
| 1.2.2 供应链研究现状 |
| 1.3 研究方法和技术路线 |
| 1.3.1 研究方法 |
| 1.3.2 技术路线 |
| 1.4 论文的主要创新点 |
| 第2章 理论研究综述 |
| 2.1 云制造理论 |
| 2.1.1 云制造的概念 |
| 2.1.2 云制造体系架构与关键技术 |
| 2.1.3 云制造的能力维度 |
| 2.2 供应链协同相关理论 |
| 2.2.1 供应链与协同 |
| 2.2.2 供应链管理 |
| 2.3 云制造环境下的供应链协同分析 |
| 2.3.1 云制造环境下的供应链协同性 |
| 2.3.2 云制造环境下的供应链协同要素 |
| 第3章 云制造环境下供应链协同理论模型构建 |
| 3.1 引言 |
| 3.2 变量的归纳与总结 |
| 3.2.1 云制造平台的能力划分 |
| 3.2.2 供应链协同维度划分 |
| 3.2.3 市场动荡性 |
| 3.3 研究假设 |
| 3.3.1 云制造环境下供应链协同机理假设提出 |
| 3.3.2 供应链协同维度的作用机理及假设提出 |
| 3.3.3 调节变量市场动荡性假设提出 |
| 3.4 假设汇总 |
| 3.5 小结 |
| 第4章 云制造环境下供应链协同理论模型分析 |
| 4.1 引言 |
| 4.2 问卷设计与回收 |
| 4.2.1 问卷与研究变量设计 |
| 4.2.2 研究样本分析 |
| 4.3 研究方法选择与评价 |
| 4.3.1 数据分析方法 |
| 4.3.2 测量模型评价 |
| 4.4 小结 |
| 第5章 云制造环境下供应链协同测量模型检验与实践分析 |
| 5.1 引言 |
| 5.2 理论模型测量与检验 |
| 5.2.1 云制造环境下供应链协同机理模型检验与讨论 |
| 5.2.2 云制造环境下市场动荡性调节作用检验与讨论 |
| 5.2.3 结果与讨论 |
| 5.3 研究结果应用实践 |
| 5.3.1 云制造环境下船舶供应链信息共享 |
| 5.3.2 云制造环境下船舶供应链同步决策 |
| 5.3.3 云制造环境下船舶供应链激励联盟 |
| 5.4 小结 |
| 第6章 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究局限性及展望 |
| 参考文献 |
| 攻读学位期间所获得的相关科研成果 |
| 致谢 |
（6）基于云的管理信息系统及其价值创造机理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题的提出 |
| 1.1.3 研究意义 |
| 1.2 文献综述 |
| 1.2.1 云计算与价值链协同 |
| 1.2.2 基于云的管理信息系统 |
| 1.2.3 管理信息系统能力与价值创造 |
| 1.2.4 现有研究评述 |
| 1.3 研究思路及方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究路线 |
| 1.4 论文结构 |
| 1.5 主要创新点 |
| 第2章 理论基础 |
| 2.1 云计算概述 |
| 2.2 价值链与价值链协同 |
| 2.2.1 价值链与价值链管理 |
| 2.2.2 协同与协同管理理论 |
| 2.2.3 价值链协同内容 |
| 2.3 管理信息系统能力与价值创造 |
| 2.3.1 管理信息系统能力理论 |
| 2.3.2 管理信息系统能力与价值创造 |
| 2.3.3 管理信息系统价值创造影响要素分析 |
| 2.4 C-MIS的概念及能力 |
| 2.4.1 C-MIS的概念 |
| 2.4.2 C-MIS的能力 |
| 2.5 本章小结 |
| 第3章 基于云的管理信息系统(C-MIS)研究 |
| 3.1 MIS发展阶段分析 |
| 3.2 C-MIS典型特征及阶段分析 |
| 3.2.1 C-MIS的典型特征 |
| 3.2.2 C-MIS的发展驱动 |
| 3.2.3 C-MIS应用趋势分析 |
| 3.3 C-MIS的核心理论体系结构 |
| 3.3.1 核心理论及技术 |
| 3.3.2 系统技术架构 |
| 3.3.3 标准与规范 |
| 3.3.4 服务模式 |
| 3.4 C-MIS构建关键技术 |
| 3.4.1 C-MIS体系架构技术 |
| 3.4.2 C-MIS制造关键技术 |
| 3.5 本章小结 |
| 第4章 C-MIS价值创造机理研究 |
| 4.1 研究概念模型构建 |
| 4.1.1 基于协同理论的C-MIS价值创造机理 |
| 4.1.2 TOE的调节作用 |
| 4.1.3 本研究的概念模型 |
| 4.2 研究假设 |
| 4.2.1 C-MIS价值创造及作用机理的假设提出 |
| 4.2.2 TOE调节作用的假设提出 |
| 4.2.3 假设分析 |
| 4.3 研究方法 |
| 4.3.1 变量的测量 |
| 4.3.2 问卷的设计 |
| 4.3.3 样本描述与数据搜集 |
| 4.3.4 数据分析方法 |
| 4.4 测量模型检验 |
| 4.4.1 探索性因子分析(EFA) |
| 4.4.2 内部一致性和收敛效度检验 |
| 4.4.3 判别效度检验 |
| 4.5 模型检验与讨论 |
| 4.5.1 结构模型分析与假设检验 |
| 4.5.2 基本结构模型结果分析讨论 |
| 4.5.3 TOE调节作用结果分析与讨论 |
| 4.6 研究结果讨论 |
| 4.7 本章小结 |
| 第5章 C-MIS环境下协同价值链构建方法研究 |
| 5.1 C-MIS环境下协同价值链的内涵及特点 |
| 5.1.1 C-MIS对价值链的影响 |
| 5.1.2 C-MIS环境下协同价值链的概念及内涵 |
| 5.1.3 C-MIS环境下协同价值链的特点 |
| 5.2 C-MIS环境下协同价值链构建 |
| 5.2.1 C-MIS环境下协同价值链构建流程 |
| 5.2.2 C-MIS环境下协同价值链构建应用框架 |
| 5.3 C-MIS环境下制造资源建模 |
| 5.3.1 制造资源本体建模 |
| 5.3.2 制造资源语义描述 |
| 5.4 C-MIS环境下制造资源与服务需求匹配 |
| 5.4.1 制造资源与需求服务匹配逻辑 |
| 5.4.2 基于语义相似度的匹配算法 |
| 5.4.3 制造资源与服务需求匹配步骤 |
| 5.5 C-MIS环境下价值链优选排序方法 |
| 5.6 价值链构建仿真分析 |
| 5.7 本章小结 |
| 第6章 船舶价值链协同制造服务平台研究 |
| 6.1 船舶行业概况 |
| 6.1.1 我国船舶价值链运营现状分析 |
| 6.1.2 国外船舶行业制造模式及信息化现状 |
| 6.1.3 我国船舶行业制造模式及信息化现状 |
| 6.1.4 我国船舶制造行业协同制造需求 |
| 6.2 平台建设必要性及可行性分析 |
| 6.2.1 平台建设必要性分析 |
| 6.2.2 平台建设可行性分析 |
| 6.3 基于云的船舶价值链协同制造服务平台构建 |
| 6.3.1 平台总体架构 |
| 6.3.2 平台关键功能 |
| 6.4 平台能力建设及价值创造分析 |
| 6.4.1 平台能力建设过程分析 |
| 6.4.2 平台企业间协同内容分析 |
| 6.4.3 平台应用效益分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 研究结论 |
| 7.2 理论贡献 |
| 7.3 实践启示 |
| 7.4 研究局限与展望 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间主要的研究成果 |
| 致谢 |
| 详细摘要 |
（7）云制造下多粒度设计资源服务化方法与匹配策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 云制造相关技术发展现状 |
| 1.3 相关技术研究现状 |
| 1.4 论文主要研究内容与章节结构 |
| 2 基于多粒度设计资源模型的云制造系统框架研究 |
| 2.1 多粒度设计资源模型 |
| 2.2 多粒度设计资源云制造系统组成及其功能研究 |
| 2.3 云制造环境下多粒度设计资源服务系统体系架构 |
| 2.4 多粒度设计资源云制造系统关键技术 |
| 2.5 本章小结 |
| 3 设计资源本体建模与聚合及其评估方法研究 |
| 3.1 基于能动性资源的设计资源两级接入 |
| 3.2 设计资源的通用本体建模 |
| 3.3 SPR资源本体建模 |
| 3.4 DCR资源本体建模与聚合 |
| 3.5 DCR评估方法与综合评估矩阵 |
| 3.6 CDC资源本体建模与聚合及其评估方法 |
| 3.7 资源聚合策略及算法 |
| 3.8 本章小结 |
| 4 基于语义的设计资源服务化方法研究 |
| 4.1 语义Web服务及其标记语言OWL-S |
| 4.2 基于语义的设计资源服务化描述 |
| 4.3 设计资源本体与资源描述本体映射 |
| 4.4 本章小结 |
| 5 基于设计任务逐层流程化分解的多级云服务匹配策略 |
| 5.1 基于设计任务逐层流程化分解的多级云服务匹配 |
| 5.2 语境相关的设计任务本体建模 |
| 5.3 基于信息流的设计任务流程化分解 |
| 5.4 基于语义相似度的本体任务与云服务匹配策略 |
| 5.5 本章小结 |
| 6 原型系统设计与算法验证 |
| 6.1 原型系统总体框架与模块设计 |
| 6.2 原型系统开发与实现 |
| 6.3 聚合资源综合评估算法验证 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 全文总结 |
| 7.2 主要创新点 |
| 7.3 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间从事科学研究及发表论文情况 |
| 附录 DCR资源优选程序关键源代码 |
| 学位论文数据集 |
（8）云制造环境下的制造资源优化配置方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 引言 |
| 1.2 云制造的产生背景 |
| 1.2.1 制造业的发展过程与趋势 |
| 1.2.2 网络化制造 |
| 1.2.3 传统网络化制造模式存在的不足 |
| 1.3 云制造 |
| 1.3.1 云制造的定义和内涵 |
| 1.3.2 云制造与传统网络化制造模式的区别 |
| 1.3.3 云制造涉及的关键问题 |
| 1.4 国内外研究现状 |
| 1.4.1 制造资源共享方法 |
| 1.4.2 制造资源优化选择方法 |
| 1.4.3 制造领域的数据挖掘方法 |
| 1.5 课题来源与研究内容 |
| 1.5.1 课题来源 |
| 1.5.2 主要研究内容 |
| 1.5.3 章节安排 |
| 2 云制造环境下的制造资源优化配置基础理论 |
| 2.1 引言 |
| 2.2 云制造的运行要素与运行模式 |
| 2.2.1 云制造的运行要素 |
| 2.2.2 云制造的运行模式 |
| 2.2.3 云制造的体系结构 |
| 2.3 云制造资源优化配置的概念与过程 |
| 2.3.1 云制造资源优化配置问题概述 |
| 2.3.2 云制造资源优化配置问题的典型特征及其复杂性分析 |
| 2.3.3 云制造资源优化配置的关键实现过程 |
| 2.4 本章小结 |
| 3 云制造环境下的制造服务与资源建模及其映射方法 |
| 3.1 引言 |
| 3.2 云制造服务与资源建模及其映射问题分析 |
| 3.3 基于本体论的制造服务与资源建模 |
| 3.3.1 本体论与本体建模 |
| 3.3.2 云制造服务的分类 |
| 3.3.3 云制造资源的信息模型 |
| 3.4 基于可拓聚类算法的云制造服务与资源映射方法 |
| 3.4.1 可拓学基本理论 |
| 3.4.2 云制造服务与资源的可拓学表达 |
| 3.4.3 基于可拓聚类算法的云制造服务与资源映射方法 |
| 3.4.4 算例分析 |
| 3.5 本章小结 |
| 4 云制造环境下的制造资源综合评价方法 |
| 4.1 引言 |
| 4.2 云制造资源评价问题分析 |
| 4.3 云制造资源评价指标体系 |
| 4.3.1 云制造资源评价指标的选取原则 |
| 4.3.2 云制造资源评价指标体系的建立 |
| 4.4 基于可拓综合评价法的云制造资源评价模型 |
| 4.4.1 可拓综合评价法 |
| 4.4.2 基于模糊层次分析法的评价指标权重分析方法 |
| 4.5 算例分析 |
| 4.6 本章小结 |
| 5 云制造环境下的制造资源组合优化选择方法 |
| 5.1 引言 |
| 5.2 云制造资源组合优化选择问题分析 |
| 5.3 云制造资源组合的评价指标体系与基本结构 |
| 5.3.1 云制造资源组合的评价指标体系 |
| 5.3.2 云制造资源组合的基本结构 |
| 5.4 基于双层规划的云制造资源组合优化选择方法 |
| 5.4.1 云制造资源组合优化选择问题的双层规划数学模型 |
| 5.4.2 云制造资源组合优化选择双层规划模型的求解 |
| 5.4.3 算例分析 |
| 5.5 基于非合作博弈的云制造资源组合优化选择方法 |
| 5.5.1 云制造资源组合优化选择问题的非合作博弈数学模型 |
| 5.5.2 云制造资源组合优化选择非合作博弈模型的求解 |
| 5.5.3 算例分析 |
| 5.6 本章小结 |
| 6 云制造环境下的制造资源组合优化选择模型参数估计方法 |
| 6.1 引言 |
| 6.2 云制造资源组合优化选择模型参数估计问题分析 |
| 6.3 基于人工蜂群算法的云制造资源组合优化选择模型参数估计方法 |
| 6.3.1 云制造资源组合优化选择模型参数估计问题的数学模型 |
| 6.3.2 基于人工蜂群算法的参数估计模型求解方法 |
| 6.4 算例分析 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（9）面向复杂产品离散装配过程的物料管理与控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外相关技术研究现状 |
| 1.2.1 车间物理布局规划 |
| 1.2.2 车间物流优化调度 |
| 1.2.3 车间物流周转控制及物料跟踪管理 |
| 1.2.4 研究现状分析 |
| 1.3 研究目的、意义及项目来源 |
| 1.3.1 研究目的和意义 |
| 1.3.2 项目来源 |
| 1.4 主要研究工作和论文结构 |
| 第2章 复杂产品装配过程物料管理与控制系统总体框架 |
| 2.1 引言 |
| 2.2 复杂产品总装企业物料管理业务流程分析 |
| 2.2.1 总装企业现有物料管理业务流程分析 |
| 2.2.2 JIT物流供应原理在复杂产品总装过程的适用性分析 |
| 2.2.3 基于总装需求拉动的JIT物流模式 |
| 2.3 复杂产品总装企业物料管理特点及管理目标 |
| 2.3.1 复杂产品总装企业物料管理特点分析 |
| 2.3.2 车间物料精细化管控的目标 |
| 2.4 复杂产品装配过程物料管理与控制系统体系结构 |
| 2.5 系统的关键实现技术 |
| 2.5.1 复杂产品总装企业物料管理RFID应用架构 |
| 2.5.2 基于日作业计划的物料主动配送方法 |
| 2.5.3 基于RFID和流程的装配过程物料动态跟踪管理技术 |
| 2.6 本章小结 |
| 第3章 复杂产品总装企业物料管理RFID应用架构 |
| 3.1 引言 |
| 3.2 RFID工作原理 |
| 3.3 复杂产品离散装配过程物料管理RFID应用模式 |
| 3.4 基于RFID的物料智能标识 |
| 3.4.1 复杂产品总装企业物料类型分析 |
| 3.4.2 物料智能标识及管理层级定义 |
| 3.5 基于RFID的装配车间物理布局规划 |
| 3.6 基于RFID的物料信息采集与处理技术 |
| 3.6.1 基于RFID的物料区域位置信息实时采集 |
| 3.6.2 装配工位物料配套状态自动识别 |
| 3.7 本章小结 |
| 第4章 基于日作业计划的物料主动配送方法 |
| 4.1 引言 |
| 4.2 物料多层次关联模型 |
| 4.2.1 相关概念的定义及内涵 |
| 4.2.2 基于流程的结构化装配工艺设计与物料信息管理关联 |
| 4.2.3 物料与装配任务的关联协调 |
| 4.2.4 物料与日作业计划的关联协调 |
| 4.3 三级管控机制 |
| 4.3.1 工艺信息流 |
| 4.3.2 计划信息流 |
| 4.4 基于日作业计划的物料主动配送方法 |
| 4.5 本章小结 |
| 第5章 基于RFID和流程的装配过程物料动态跟踪管理技术 |
| 5.1 引言 |
| 5.2 基于RFID和状态协调的复杂产品装配物料精细化管控流程 |
| 5.3 基于流程的物料使用过程信息采集及过程控制 |
| 5.3.1 基于RFID和流程的物料使用信息采集 |
| 5.3.2 物料问题信息采集与控制流程 |
| 5.3.3 缺物料快速规范处理流程 |
| 5.4 基于产品结构树的装配物料信息管理技术 |
| 5.4.1 基于产品结构树的物料信息管理模型 |
| 5.4.2 复杂产品装配物料信息的快速查询与追溯 |
| 5.5 本章小结 |
| 第6章 复杂产品装配过程物料管理与控制系统的实现与应用 |
| 6.1 引言 |
| 6.2 系统的功能结构 |
| 6.3 系统的开发和运行环境 |
| 6.4 系统设计与实现 |
| 6.4.1 系统的工作流程设计 |
| 6.4.2 系统的外部接口 |
| 6.5 系统的性能测试 |
| 6.6 应用实例 |
| 6.6.1 登录及系统管理 |
| 6.6.2 物料与装配工艺流程的结构化关联 |
| 6.6.3 装配计划下发与分解 |
| 6.6.4 日作业计划编制 |
| 6.6.5 物料需求提取与在线发送 |
| 6.6.6 物料需求接收与处理 |
| 6.6.7 物料周转过程可视化监控 |
| 6.6.8 物料现场物料接收确认 |
| 6.6.9 物料使用信息采集流程 |
| 6.6.10 车间物料信息汇总输出 |
| 6.7 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结全文 |
| 7.2 展望 |
| 参考文献 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
（10）云制造模式下车间制造系统运行优化关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 问题的提出及研究背景 |
| 1.1.1 先进制造模式的发展与演变 |
| 1.1.2 车间制造系统运行管理面临的挑战与机遇 |
| 1.2 国内外研究现状 |
| 1.2.1 云制造体系结构 |
| 1.2.2 云制造服务描述 |
| 1.2.3 任务分解与规划 |
| 1.2.4 制造服务优化配置 |
| 1.2.5 制造过程监测与控制 |
| 1.3 研究目的和意义 |
| 1.4 论文的组织结构 |
| 第二章 云制造模式下的车间制造系统运行优化框架 |
| 2.1 引言 |
| 2.2 云制造 |
| 2.2.1 云制造的概念 |
| 2.2.2 云制造服务平台 |
| 2.3 CMfg-MOM需求分析 |
| 2.4 CMfg-MOM内涵及特点 |
| 2.5 CMfg-MOM运行模式 |
| 2.6 CMfg-MOM关键技术 |
| 2.6.1 制造资源建模及其服务化封装 |
| 2.6.2 制造任务分解 |
| 2.6.3 制造资源优化配置 |
| 2.6.4 制造服务链实时监控 |
| 2.7 本章小结 |
| 第三章 云制造资源服务语义描述及其服务化封装方法 |
| 3.1 引言 |
| 3.2 云制造资源服务语义描述需求 |
| 3.3 云制造资源服务语义描述 |
| 3.3.1 OWL-S概述 |
| 3.3.2 云制造资源服务本体元模型构建 |
| 3.3.3 云制造资源特性分析及其分类 |
| 3.3.4 云制造资源服务语义描述实现方法 |
| 3.4 云制造资源服务化封装 |
| 3.5 本章小结 |
| 第四章 基于分层任务网络规划的云制造任务分解方法 |
| 4.1 引言 |
| 4.2 云制造任务描述及其约束结构定义 |
| 4.2.1 云制造任务描述 |
| 4.2.2 云制造任务约束结构 |
| 4.3 云制造任务分解原则及分解流程分析 |
| 4.3.1 云制造任务分解原则 |
| 4.3.2 云制造任务分解流程分析 |
| 4.4 云制造任务分解算法 |
| 4.4.1 制造任务粒度分析与控制 |
| 4.4.2 制造任务内聚性度量方法 |
| 4.4.3 制造任务相关性度量方法 |
| 4.4.4 云制造服务QoS约束度量方法 |
| 4.4.5 云制造服务发现方法 |
| 4.4.6 HTN规划方法 |
| 4.4.7 基于HTN的云制造任务分解算法 |
| 4.5 实例分析 |
| 4.6 本章小结 |
| 第五章 云制造资源动态优化配置方法 |
| 5.1 引言 |
| 5.2 云制造资源动态优化配置问题描述及数学模型 |
| 5.2.1 问题描述 |
| 5.2.2 资源配置问题数学模型 |
| 5.3 云制造资源动态配置策略 |
| 5.4 云制造资源优化配置方法 |
| 5.4.1 标准差分进化算法概述 |
| 5.4.2 个体编码 |
| 5.4.3 基于混沌映射的种群初始化 |
| 5.4.4 双阶段变异优化 |
| 5.4.5 Pareto排序选择 |
| 5.4.6 种群扰动 |
| 5.5 云制造资源动态优化配置问题求解步骤 |
| 5.6 实例分析 |
| 5.6.1 计算准备 |
| 5.6.2 结果分析 |
| 5.7 本章小结 |
| 第六章 云制造服务执行链的构建及其实时监控方法 |
| 6.1 引言 |
| 6.2 云制造服务链语义描述 |
| 6.3 云制造服务链监控平台体系结构及运行模式 |
| 6.3.1 云制造服务链实时监控难点分析 |
| 6.3.2 云制造服务链监控平台体系结构 |
| 6.4 云制造服务执行链监控关键实现方法 |
| 6.4.1 多层次服务运行指标体系 |
| 6.4.2 服务运行指标通用模型及其建模 |
| 6.4.3 多源异构信息感知与集成模型 |
| 6.5 本章小结 |
| 第七章 云制造模式下车间制造运行管理系统 |
| 7.1 引言 |
| 7.2 CMfg-MOMS体系结构 |
| 7.3 CMfg-MOMS原型系统 |
| 7.3.1 制造资源注册及其发布 |
| 7.3.2 制造任务管理与规划 |
| 7.3.3 制造资源优化调度 |
| 7.3.4 制造服务链可视化监控 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表学术论文和所参加科研项目 |
四、网络化制造关键技术信息流的研究（论文参考文献）
- [1]云制造网络下CHQC公司生产任务与资源匹配的优化研究[D]. 李云竹. 哈尔滨理工大学, 2021(09)
- [2]智慧供应链视角下零部件产业智能化升级模式研究[J]. 王晋,颜浩龙. 物流科技, 2020(07)
- [3]网络化离散制造企业制造资源优化配置研究[D]. 喻寅昀. 沈阳工业大学, 2020(01)
- [4]基于云制造平台的智能装备故障诊断方法与租赁定价模型研究[D]. 许岩. 华南理工大学, 2020(01)
- [5]云制造环境下供应链协同机理研究[D]. 陈明涛. 江苏科技大学, 2019(03)
- [6]基于云的管理信息系统及其价值创造机理研究[D]. 王平. 江苏科技大学, 2018(03)
- [7]云制造下多粒度设计资源服务化方法与匹配策略研究[D]. 丁淑辉. 山东科技大学, 2017
- [8]云制造环境下的制造资源优化配置方法研究[D]. 苏凯凯. 北京交通大学, 2017(09)
- [9]面向复杂产品离散装配过程的物料管理与控制技术研究[D]. 伍伟民. 北京理工大学, 2016
- [10]云制造模式下车间制造系统运行优化关键技术研究[D]. 王强. 合肥工业大学, 2016(12)