基于RS和SVM的风电总装企业物料分类研究与应用

【摘要】：物料管理是在解决第二次世界大战中航空工业出现的难题时提出的概念,它是从整个公司的角度来解决物料问题,包括:协调不同供应商之间的协作,使不同物料之间的配合性和性能表现符合设计要求;提供不同供应商之间以及供应商与公司各部门之间交流的平台;控制物料流动率等。物料管理可以有效解决库存控制的矛盾等问题,缓解物料成本的压力,提高企业生产管理效率。 物料分类作为物料管理的基础,其管理水平的高低在很大程度上决定了风电总装企业生产管理水平以及生产效率的高低,同时,物料分类管理还涉及到供应商的分类选择、采购、库存控制、物料管理等多个方面。因此,高效科学的物料分类管理对于风电组装企业具有重大的现实意义。本文拟对风电总装企业物料分类模型及其算法进行研究,提出基于粗糙集(RS)和支持向量机(SVM)的物料分类模型,期望解决样本数据较少和指标过多的问题。 论文的主要研究内容安排如下: 首先,论文对国内外物料管理、物料分类的研究现状进行综述,阐述了本文的主要研究内容及总体框架,提出了本文的创新点。 其次,研究了常用物料分类方法、粗糙集以及支持向量机的相关基础理论。 再次,构建了风电总装企业物料属性评估指标体系,提出了运用粗糙集(RS)进行属性约减和支持向量机(SVM)设计分类器进行物料分类的技术思路,即应用粗糙集方法约简冗余属性,简化训练集和测试集,降低SVM分类器设计的复杂程度,提高SVM分类器的分类精度。上述的技术方案既充分利用了SVM较好的抑噪能力,也弥补了粗糙集对噪声敏感的缺点,增强了分类器的容错及抗干扰能力。在此基础上,论文建立了基于RS和SVM的物料分类模型,并对模型求解过程进行了详细说明。 最后,基于上述理论研究,将建立的模型应用于某企业的实际工程中,对分类结果进行对比分析,结果表明基于RS和SVM的物料分类模型的分类精度可以达到较高水平,该模型具有一定工程应用价值。 【关键词】：物料分类 风电总装企业 粗糙集 支持向量机
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TH186;TP18
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-14
• 1.1 研究背景和意义8-10
• 1.1.1 研究背景8-9
• 1.1.2 研究意义9-10
• 1.2 国内外研究现状10-12
• 1.3 论文研究的主要内容12-13
• 1.4 论文的研究思路及创新点13
• 1.4.1 研究总体思路13
• 1.4.2 研究的创新点13
• 1.5 本章小结13-14
• 2 论文研究的理论基础14-26
• 2.1 物料分类相关基础理论14-15
• 2.1.1 物料分类的概念14
• 2.1.2 物料分类的原则14-15
• 2.2 一般物料分类方法15-17
• 2.2.1 ABC分类法15
• 2.2.2 Kraljic矩阵分类法15-17
• 2.3 粗糙集理论17-21
• 2.3.1 粗糙集理论的基本概念17-19
• 2.3.2 粗糙集的数据预处理19-20
• 2.3.3 信息约简20-21
• 2.4 支持向量机理论21-25
• 2.4.1 支持向量机基本概念22-24
• 2.4.2 支持向量分类机24-25
• 2.5 本章小结25-26
• 3 基于RS和SVM的风电总装企业物料分类模型研究26-40
• 3.1 风电总装企业物料属性评估指标体系研究26-30
• 3.1.1 风电总装企业物料特征26-27
• 3.1.2 一级指标构建27
• 3.1.3 二级指标构建27-30
• 3.2 基于RS和SVM的风电总装企业物料分类模型研究30-39
• 3.2.1 常见物料分类方法比较研究30
• 3.2.2 粗糙集和支持向量机协同处理数据原理30-32
• 3.2.3 粗糙集和支持向量机协同的技术研究32-34
• 3.2.4 基于粗糙集和支持向量机的物料分类模型34-39
• 3.3 本章小结39-40
• 4 基于RS和SVM的风电总装企业物料分类应用研究40-56
• 4.1 风电总装企业物料分类现状及缺陷40-46
• 4.1.1 企业物料管理现状及问题40-43
• 4.1.2 企业物料分类现状及问题43-46
• 4.2 风电总装企业基于RS-SVM的物料分类应用46-54
• 4.2.1 物料属性约简47-52
• 4.2.2 物料分类52-54
• 4.3 预期效果分析54-55
• 4.4 本章小结55-56
• 5 结论与展望56-57
• 致谢57-58
• 参考文献58-62
• 附录62
• A. 作者在攻读硕士学位期间发表的论文62
• B. 作者在攻读硕士学位期间参加的主要项目62

您可以在本站搜索以下学术论文文献来了解更多相关内容

基于小波提取特征的SVM目标识别    王明高;王琰;

航空客运量预测    敖小琴;张桥艳;孙宏;

基于SVM的内模控制算法在船舶航向中的应用    田红军;王锡怀;肖健梅;

基于SVM的雷达故障预诊断技术研究    王玉松;

基于SVM多类分类的滑坡区域危险性评价方法研究    姜琪文,许强,何政伟

基于AR-SVM的转子故障诊断    张龙,熊国良,陈慧,李嶷

基于SVM的激光诱导荧光遥感识别海面溢油    陈海菊;安居白;刘建鑫;

基于SVM的人脸表情识别    陈伟宏;

专家系统在瞬变电磁反演中的应用    谭代明;漆泰岳;

基于支持向量机的输电线路故障诊断分类    马新明;韩占忠;刘平;

A Tool Wear Predictive Model based on SVM    

A CDMA Signal Receiver based on LS-SVM    

基于可变风险SVM模型的故障识别方法研究    司爱威;冯辅周;江鹏程;饶国强;王建;

一种提高SVM分类精度的调制信号识别方法    王红伟;董慧;

Improved Particle Swarm Optimized SVM for Short-term Traffic Flow Predication    

一种基于SVM的主动学习文本分类方法    宋鑫颖;周志逵;

基于SVM的多波束测深数据滤波    邵杰;叶宁;容亦夏;

基于SVM和田口方法的石英挠性加速度计健壮性设计    于湘涛;周峰;张兰;魏超;

Adaptive Control of Nonlinear System based on SVM online Algorithm    

基于递归SVM的高光谱数据特征选择算法研究    张睿;陈雪;马建文;

利用SVM虚拟化技术实现容灾    郭涛

管好企业生产制造    叶宜强

乱军之中智者胜    本报记者 韩露

基于网络层的存储虚拟化是主流    

影响干燥速率的因素    林亦枰 林平

LSI发布新存储虚拟化管理器    本报记者 郭平

食品新贵——真空冷冻干燥食品    陈伟华

存储虚拟化市场的博弈    王琨月

LSI Engenio 7900存储面向中端客户    刘

管理变革：降低标准才能统一标准    中山大学EMBA教授、广东欧博企业管理研究所所长 曾伟

基于SVM的高不平衡分类技术研究及其在电信业的应用    渠瑜

样例权重估计及在此基础上的SVM    申丰山

基于提升小波及SVM优化的模拟电路智能故障诊断方法研究    宋国明

基于SVM的肺结节自动识别方法研究    张婧

基于SVM的话者确认关键技术研究    龙艳花

基于话者统计特征和SVM的文本无关话者确认研究    许敏强

制冷陈列柜性能仿真SVM方法的研究及应用    曹志坤

基于混沌时间序列和SVM的入侵检测系统研究    王金林

大口径活塞泵对典型黏稠物料吸入特性实验研究    马星民

稳健回归技术及其在光谱分析中的应用    包鑫

基于SVM的眼动轨迹解读思维状态的研究    严会霞

基于SVM分类器的分步定位算法研究    吴迪

基于Basic-N-Units特征的SVM方法预测MicroRNA    杨焕

盲抽取与SVM方法在地球化学异常下限提取中的应用    曾玉祥

基于支持向量机（SVM）的森林生态系统健康评价及预警    曹云生

基于SVM的海岸线提取方法研究    张汉女

基于GA-SVM算法的细胞色素酶P450突变预测    姚玉

基于SVM算法的web分类研究与实现    陈燃燃

基于聚类和SVM主动反馈的图像检索方法    陈卓

基因微阵列数据的SVM分类器优化方法    冯青