| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-7页 |
| 1 绪论 | 第11-29页 |
| 1.1 研究背景 | 第11页 |
| 1.2 我国制造业的发展趋势与云制造模式 | 第11-16页 |
| 1.2.1 我国制造业的发展趋势 | 第11-13页 |
| 1.2.2 云制造模式 | 第13-16页 |
| 1.3 论文相关领域研究现状 | 第16-25页 |
| 1.3.1 单件定制模式下的生产调度 | 第16-19页 |
| 1.3.2 云制造服务全生命周期过程 | 第19-23页 |
| 1.3.3 基于云制造的调度研究 | 第23-25页 |
| 1.3.4 研究现状总结 | 第25页 |
| 1.4 研究问题的提出及研究意义 | 第25-26页 |
| 1.5 论文的创新点及课题来源 | 第26-27页 |
| 1.5.1 论文的创新点 | 第26页 |
| 1.5.2 论文的课题来源 | 第26-27页 |
| 1.6 本章小结 | 第27-29页 |
| 2 基于云制造的单件定制生产智能调度模型构建及关键技术 | 第29-45页 |
| 2.1 引言 | 第29页 |
| 2.2 问题描述及定义 | 第29-31页 |
| 2.2.1 问题描述 | 第29-30页 |
| 2.2.2 定义 | 第30-31页 |
| 2.3 模型运行机理解析及模型构建 | 第31-37页 |
| 2.3.1 基于云制造的调度 | 第31-32页 |
| 2.3.2 智能工厂和智能调度 | 第32-34页 |
| 2.3.3 云制造环境下的智能调度 | 第34-36页 |
| 2.3.4 基于云制造的单件定制生产智能调度模型 | 第36-37页 |
| 2.3.5 与普通集团企业生产调度的区别 | 第37页 |
| 2.4 基于云制造的单件定制生产智能调度关键技术 | 第37-43页 |
| 2.4.1 基于云制造平台的云服务聚类管理 | 第38-40页 |
| 2.4.2 基于云制造平台的多工艺路线获取 | 第40-41页 |
| 2.4.3 基于多工艺路线的调度方案生成 | 第41-42页 |
| 2.4.4 基于云制造平台的调度干扰管理 | 第42-43页 |
| 2.5 本章小结 | 第43-45页 |
| 3 基于云制造平台的加工方案聚类及多工艺路线获取 | 第45-71页 |
| 3.1 引言 | 第45-46页 |
| 3.2 加工方案超网络复杂拓扑模型构建 | 第46-53页 |
| 3.2.1 加工方案超网络定义 | 第46-49页 |
| 3.2.2 加工方案超网络各子网络模型构建 | 第49-50页 |
| 3.2.3 加工方案超网络构建 | 第50-53页 |
| 3.3 基于粒计算的加工特征聚类 | 第53-59页 |
| 3.3.1 粒计算 | 第53-54页 |
| 3.3.2 加工特征相似度矩阵构建 | 第54-56页 |
| 3.3.3 加工特征粒度空间构建 | 第56-58页 |
| 3.3.4 加工特征粒度空间最优粒层确定 | 第58-59页 |
| 3.3.5 加工特征、加工工序与加工设备映射 | 第59页 |
| 3.4 基于语义匹配和群领导算法的新零件多工艺路线智能获取 | 第59-69页 |
| 3.4.1 加工特征语义匹配策略 | 第60-64页 |
| 3.4.2 工艺路线方案优选数学模型 | 第64-65页 |
| 3.4.3 工艺路线方案优选数学模型求解 | 第65-69页 |
| 3.5 本章小结 | 第69-71页 |
| 4 基于多工艺路线的调度方案获取 | 第71-87页 |
| 4.1 引言 | 第71-73页 |
| 4.2 算法概述 | 第73-77页 |
| 4.2.1 量子演化算法 | 第73-75页 |
| 4.2.2 群领导优化算法 | 第75-76页 |
| 4.2.3 混沌映射 | 第76-77页 |
| 4.2.4 算法概述小结 | 第77页 |
| 4.3 问题描述 | 第77-78页 |
| 4.4 算法设计 | 第78-86页 |
| 4.4.1 混沌量子群领导混合算法框架 | 第79-80页 |
| 4.4.2 编码、转化、修复和解码 | 第80-84页 |
| 4.4.3 混沌初始化与个体评价 | 第84-85页 |
| 4.4.4 量子旋转变异及个体单向交叉演化 | 第85-86页 |
| 4.4.5 算法终止准则 | 第86页 |
| 4.5 本章小结 | 第86-87页 |
| 5 基于云制造平台的调度干扰管理策略 | 第87-105页 |
| 5.1 引言 | 第87-89页 |
| 5.2 新订单插单类调度干扰管理策略 | 第89-96页 |
| 5.2.1 问题描述 | 第90-91页 |
| 5.2.2 调度策略与数学模型 | 第91-93页 |
| 5.2.3 算法设计 | 第93-96页 |
| 5.3 设备故障类调度干扰管理策略 | 第96-103页 |
| 5.3.1 问题描述 | 第97-98页 |
| 5.3.2 调度策略 | 第98-101页 |
| 5.3.3 数学模型 | 第101-102页 |
| 5.3.4 算法设计 | 第102-103页 |
| 5.4 本章小结 | 第103-105页 |
| 6 案例分析 | 第105-139页 |
| 6.1 案例背景简介 | 第105页 |
| 6.2 基于云制造的最优调度方案生成过程及干扰管理策略制定 | 第105-138页 |
| 6.2.1 加工特征粒计算聚类及加工方案超网络模型构建 | 第105-115页 |
| 6.2.2 新零件加工特征语义匹配及多工艺路线优选 | 第115-121页 |
| 6.2.3 最优工艺路线及调度方案获取 | 第121-132页 |
| 6.2.4 新订单插单类调度干扰管理策略制定 | 第132-134页 |
| 6.2.5 设备故障类调度干扰管理策略制定 | 第134-138页 |
| 6.3 本章小结 | 第138-139页 |
| 7 结论与展望 | 第139-143页 |
| 7.1 论文总结 | 第139-142页 |
| 7.2 研究展望 | 第142-143页 |
| 致谢 | 第143-145页 |
| 参考文献 | 第145-163页 |
| 附录 | 第163页 |
| A. 博士期间取得的研究成果 | 第163页 |
| B. 博士期间参与的科研项目 | 第163页 |
