| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 研究现状与展望 | 第12-15页 |
| 1.2.1 作业计划与调度优化技术 | 第12-13页 |
| 1.2.2 车间生产异常发现技术 | 第13页 |
| 1.2.3 故障诊测与健康管理技术 | 第13-15页 |
| 1.3 课题的来源及研究内容 | 第15-16页 |
| 1.3.1 课题来源 | 第15页 |
| 1.3.2 课题的主要研究内容 | 第15-16页 |
| 1.4 本文的组织结构与章节安排 | 第16-17页 |
| 第2章 大数据环境下MES作业计划与调度优化方法 | 第17-26页 |
| 2.1 新环境下MES作业计划与调度问题概述 | 第17页 |
| 2.2 MES计划与调度优化系统体系结构研究 | 第17-19页 |
| 2.3 异常信息获取与异常事件发现 | 第19-22页 |
| 2.3.1 异常事件的定义与分类 | 第19-20页 |
| 2.3.2 异常实时监控技术 | 第20页 |
| 2.3.3 异常主动感知技术 | 第20-21页 |
| 2.3.4 异常实时监控与主动感知子系统 | 第21-22页 |
| 2.4 异常事件智能化处理 | 第22-25页 |
| 2.4.1 智能化驱动机制概述 | 第22-23页 |
| 2.4.2 基于ECA规则的决策引擎 | 第23页 |
| 2.4.3 基于关联关系的决策引擎 | 第23-24页 |
| 2.4.4 智能驱动机制子系统 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 大数据环境下制造车间生产异常发现方法研究 | 第26-36页 |
| 3.1 车间生产异常发现问题定义 | 第26-27页 |
| 3.2 决策树算法 | 第27-29页 |
| 3.2.1 分类算法概述 | 第27-28页 |
| 3.2.2 ID3决策树算法 | 第28-29页 |
| 3.2.3 C4.5 决策树算法 | 第29页 |
| 3.3 车间生产异常预警模型 | 第29-33页 |
| 3.3.1 异常事件定量分析 | 第29-31页 |
| 3.3.2 生产异常预警方法实现 | 第31-33页 |
| 3.4 实验案例验证 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于神经网络的切削刀具剩余寿命预测方法研究 | 第36-47页 |
| 4.1 车间切削设备概述 | 第36页 |
| 4.2 切削刀具衰退状态分析 | 第36-38页 |
| 4.2.1 刀具状态监控信号 | 第36-37页 |
| 4.2.2 基于小波熵理论的衰退指标 | 第37-38页 |
| 4.3 基于SOM神经网络的最小量化误差指标 | 第38-40页 |
| 4.3.1 最小量化误差指标计算 | 第38页 |
| 4.3.2 MQE指标的应用 | 第38-40页 |
| 4.4 切削设备刀具剩余寿命预测 | 第40-45页 |
| 4.4.1 剩余寿命预测流程 | 第40-41页 |
| 4.4.2 基于时序的多神经网络决策模型 | 第41-43页 |
| 4.4.3 基于遗传算法的权值优化方法 | 第43-45页 |
| 4.5 基于刀具剩余寿命的切削设备组件健康管理 | 第45页 |
| 4.6 实验案例验证 | 第45-46页 |
| 4.7 本章小结 | 第46-47页 |
| 第5章 MES作业计划与调度综合优化系统 | 第47-58页 |
| 5.1 综合优化系统概述 | 第47页 |
| 5.2 综合优化系统设计 | 第47-50页 |
| 5.2.1 系统架构设计 | 第47-48页 |
| 5.2.2 功能模块设计 | 第48-50页 |
| 5.3 综合优化系统实现 | 第50-57页 |
| 5.3.1 企业资源管理模块 | 第50-52页 |
| 5.3.2 作业实时监控模块 | 第52-53页 |
| 5.3.3 异常事件处理模块 | 第53-54页 |
| 5.3.4 调度云服务模块 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间所发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |