| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第15-27页 |
| 1.1 研究背景 | 第15-17页 |
| 1.1.1 市场竞争环境的变化 | 第15-16页 |
| 1.1.2 制造企业面临的具体问题 | 第16-17页 |
| 1.2 国内外相关领域研究现状 | 第17-23页 |
| 1.2.1 MES的研究现状 | 第17-20页 |
| 1.2.2 SMT车间数据采集研究现状 | 第20-21页 |
| 1.2.3 面向SMT的MES研究现状 | 第21-22页 |
| 1.2.4 研究现状评述 | 第22-23页 |
| 1.3 研究目的和研究意义 | 第23-24页 |
| 1.3.1 研究目的 | 第23页 |
| 1.3.2 研究意义 | 第23-24页 |
| 1.4 研究内容、研究方法及创新点 | 第24-27页 |
| 1.4.1 研究内容 | 第24-25页 |
| 1.4.2 研究方法 | 第25-26页 |
| 1.4.3 创新点 | 第26-27页 |
| 第2章 相关理论 | 第27-37页 |
| 2.1 面向服务的架构相关理论 | 第27-28页 |
| 2.1.1 SOA的定义 | 第27页 |
| 2.1.2 SOA模型 | 第27-28页 |
| 2.1.3 SOA的优点 | 第28页 |
| 2.2 RFID相关理论 | 第28-30页 |
| 2.2.1 RFI D系统构成 | 第28-29页 |
| 2.2.2 RFI D技术在制造业中的应用 | 第29-30页 |
| 2.3 决策树相关理论 | 第30-33页 |
| 2.3.1 决策树的生长 | 第30-31页 |
| 2.3.2 决策树的修剪 | 第31-33页 |
| 2.4 神经网络相关理论 | 第33-36页 |
| 2.4.1 BP神经网络 | 第33-34页 |
| 2.4.2 RBF神经网络 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 基于智能对象的SMT车间SO-M ES框架体系 | 第37-44页 |
| 3.1 SMT车间生产流程分析 | 第37-39页 |
| 3.2 基于智能对象的SMT车间MES体系框架 | 第39-43页 |
| 3.2.1 SMT车间MES系统需求分析 | 第39页 |
| 3.2.2 SO-MES系统功能架构 | 第39-42页 |
| 3.2.3 基于智能对象的SMT车间MES体系结构 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 基于智能对象的SMT车间制造过程数据采集 | 第44-56页 |
| 4.1 传统电子产品制造过程信息采集分析 | 第44-46页 |
| 4.1.1 传统信息采集现状 | 第44页 |
| 4.1.2 主动信息交互方式需求分析 | 第44-45页 |
| 4.1.3 电子制造过程数据需求分析 | 第45-46页 |
| 4.2 基于RFI D的智能对象的提出 | 第46-47页 |
| 4.2.1 智能对象 | 第46页 |
| 4.2.2 基于RFI D的智能对象的优势 | 第46-47页 |
| 4.3 基于智能对象的SMT制造过程控制研究 | 第47-53页 |
| 4.3.1 SMT车间数据采集点的确定 | 第47-48页 |
| 4.3.2 RFI D设备在车间的系统化部署 | 第48-49页 |
| 4.3.3 表面贴装过程的形式化定义 | 第49-50页 |
| 4.3.4 基于智能对象的SMT生产过程状态监控基础 | 第50-53页 |
| 4.4 智能对象在SMT制造过程中的应用 | 第53-55页 |
| 4.4.1 在制品数量的计算 | 第53页 |
| 4.4.2 贴装工位瓶颈工序的发现 | 第53-54页 |
| 4.4.3 物料防错算法 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 基于智能对象的SMT车间生产数据挖掘 | 第56-72页 |
| 5.1 数据挖掘架构 | 第56-57页 |
| 5.2 数据准备 | 第57-60页 |
| 5.2.1 数据选取 | 第57页 |
| 5.2.2 数据清洗 | 第57-58页 |
| 5.2.3 特征选择 | 第58-60页 |
| 5.3 C5.0 决策树分类预测模型的建立 | 第60-65页 |
| 5.3.1 参数设置 | 第60-61页 |
| 5.3.2 模型输出及结果分析 | 第61-63页 |
| 5.3.3 决策树性能评估 | 第63-65页 |
| 5.4 BP神经网络分类预测模型的建立 | 第65-67页 |
| 5.4.1 参数设置 | 第65-66页 |
| 5.4.2 模型输出及结果分析 | 第66-67页 |
| 5.4.3 BP神经网络模型评估 | 第67页 |
| 5.5 RBF神经网络分类预测模型的建立 | 第67-69页 |
| 5.5.1 参数设置 | 第67-68页 |
| 5.5.2 模型输出及结果分析 | 第68-69页 |
| 5.5.3 RBF神经网络模型评估 | 第69页 |
| 5.6 三种分类预测模型的结果比较分析 | 第69-70页 |
| 5.7 本章小结 | 第70-72页 |
| 第6章 实证研究 | 第72-80页 |
| 6.1 MM公司简介 | 第72-73页 |
| 6.2 MM公司的MES应用及关键功能的实现 | 第73-78页 |
| 6.2.1 系统总体框架 | 第73页 |
| 6.2.2 构建基于RFI D的智能对象 | 第73-74页 |
| 6.2.3 车间应用情况 | 第74-78页 |
| 6.3 应用效果分析 | 第78-79页 |
| 6.4 本章小结 | 第79-80页 |
| 总结与展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 攻读学位期间发表的学术论文 | 第86-87页 |
| 致谢 | 第87页 |
