| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·工时定额与成组技术概述 | 第9-11页 |
| ·工时定额的概念与意义 | 第9-10页 |
| ·成组技术概述 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国内企业的工时定额工作现状 | 第11-12页 |
| ·国内外工时定额研究现状 | 第12-13页 |
| ·成组技术研究现状 | 第13页 |
| ·本文的研究内容 | 第13-15页 |
| 第2章 成组技术在工时定额计算中的应用 | 第15-28页 |
| ·零件分类成组方法 | 第15-16页 |
| ·零件分类编码系统 | 第16-18页 |
| ·零件分类与编码基本原理 | 第16-17页 |
| ·零件编码分组法 | 第17-18页 |
| ·JLBM-1分类编码系统简介 | 第18-20页 |
| ·JLBM-1分类编码系统的缺陷及改进 | 第20-23页 |
| ·零件的工艺特征 | 第23-25页 |
| ·机械加工工艺过程的组成 | 第23-24页 |
| ·JLMB-1分类编码系统的工艺信息 | 第24-25页 |
| ·零件分组的实现 | 第25-28页 |
| ·制定相似性标准 | 第25-26页 |
| ·分组实例 | 第26-28页 |
| 第3章 典型工序工时定额标准的制定研究 | 第28-42页 |
| ·典型工序的形成 | 第28页 |
| ·工时定额的组成 | 第28-31页 |
| ·典型工序工时定额的制定方法 | 第31-33页 |
| ·工时定额的制定原则 | 第31页 |
| ·工时定额制定方法的选择 | 第31-33页 |
| ·工作研究法 | 第33-37页 |
| ·方法研究 | 第34-35页 |
| ·时间研究 | 第35-37页 |
| ·典型工序工时定额标准的制定 | 第37-38页 |
| ·工时定额验证 | 第38-39页 |
| ·工时定额异常数据处理 | 第39-42页 |
| ·异常数据的形成 | 第39-40页 |
| ·异常数据的判定 | 第40-41页 |
| ·异常数据处理 | 第41-42页 |
| 第4章 基于神经网络的相似工序工时定额的计算 | 第42-58页 |
| ·神经网络技术基础 | 第42-46页 |
| ·神经元结构模型 | 第42-43页 |
| ·神经网络的拓扑结构和学习规则 | 第43-44页 |
| ·BP网络的学习过程 | 第44-46页 |
| ·神经网络计算模型的设计 | 第46-50页 |
| ·时定额标准表的分类 | 第46-48页 |
| ·选择网络模型类型 | 第48-49页 |
| ·设计网络模型的结构 | 第49-50页 |
| ·定额计算模型的训练 | 第50-55页 |
| ·训练样本集的准备 | 第50-51页 |
| ·数据的预处理 | 第51页 |
| ·网络训练 | 第51-55页 |
| ·计算结果的处理 | 第55页 |
| ·工时定额网络模型训练结果评价 | 第55-58页 |
| ·网络的均方误差 | 第55-56页 |
| ·训练结果分析 | 第56-58页 |
| 第5章 总结与展望 | 第58-59页 |
| ·总结 | 第58页 |
| ·后期展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 附录 | 第63-73页 |
| 附录A 硕士期间公开发表的论文 | 第63-64页 |
| 附录B 改进后的JLBM-1分类编码系统结构 | 第64-69页 |
| 附表B1 JLBM-1分类系统的尺寸分类表 | 第64-65页 |
| 附表B2 JLBM-1分类系统材料、毛坯、热处理、精度分类表 | 第65-66页 |
| 附表B3 JLBM-1分类系统回转体类零件分类表 | 第66-67页 |
| 附表B4 JLBM-1分类系统非回类零件分类表 | 第67-68页 |
| 附表B5 JLBM-1系统形状与加工的名词术语及其定义说明 | 第68-69页 |
| 附录C A型神经网络工时定额计算程序(部分主程序) | 第69-73页 |
| 附表C1 刀具类型编码表 | 第69页 |
| 附表C2 加工型面编码表 | 第69页 |
| 附表C3 粗糙度编码表 | 第69页 |
| 附表C4 材料编码表 | 第69-70页 |
| 附表C5 样本集 | 第70-72页 |
| 附录C6 系统主程序 | 第72-73页 |
