| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 研究目的和意义 | 第12-13页 |
| 1.4 研究方法和内容 | 第13-15页 |
| 1.4.1 研究方法 | 第13-14页 |
| 1.4.2 研究内容 | 第14-15页 |
| 1.5 创新点与技术路线 | 第15-18页 |
| 1.5.1 创新点 | 第15-16页 |
| 1.5.2 技术路线 | 第16-18页 |
| 2 相关研究基础与理论综述 | 第18-32页 |
| 2.1 绩效概述 | 第18-24页 |
| 2.1.1 绩效 | 第18-19页 |
| 2.1.2 绩效管理 | 第19-20页 |
| 2.1.3 绩效指标体系 | 第20-24页 |
| 2.1.4 绩效评价 | 第24页 |
| 2.2 关键绩效指标体系及其构建方法 | 第24-27页 |
| 2.2.1 基于层级的关键绩效指标体系 | 第24页 |
| 2.2.2 关键绩效指标体系构建方法 | 第24-27页 |
| 2.3 离散制造车间绩效指标体系文献综述 | 第27-28页 |
| 2.4 离散制造车间绩效评价与仿生算法 | 第28-32页 |
| 2.4.1 离散制造车间绩效评价方法文献综述 | 第28-29页 |
| 2.4.2 仿生算法的基础理论概述 | 第29-30页 |
| 2.4.3 神经网络算法及其在绩效评价中的应用 | 第30页 |
| 2.4.4 遗传算法及其在绩效评价中的应用 | 第30-31页 |
| 2.4.5 其他算法在绩效评价中的应用 | 第31-32页 |
| 3 离散制造车间关键绩效指标体系设计 | 第32-41页 |
| 3.1 基于层级的关键绩效指标体系设计过程 | 第32-34页 |
| 3.2 基于价值树模型的企业级KPI分解 | 第34-37页 |
| 3.2.1 生产成本 | 第34-35页 |
| 3.2.2 产品加工质量 | 第35-36页 |
| 3.2.3 准时交货期 | 第36-37页 |
| 3.3 基于鱼骨图的车间级KPI分解 | 第37-38页 |
| 3.4 离散制造车间关键绩效指标矩阵模型 | 第38-41页 |
| 4 离散制造车间关键绩效指标的静态定义与计算 | 第41-49页 |
| 4.1 离散制造车间关键绩效指标体系的典型指标定义 | 第41-44页 |
| 4.2 基于IDEF0模型的离散制造车间关键绩效指标系统功能构建 | 第44-49页 |
| 4.2.1 离散制造车间绩效评价系统顶层模型构建 | 第44-45页 |
| 4.2.2 离散制造车间绩效评价系统基层模型构建 | 第45-49页 |
| 5 基于BP神经网络的离散制造车间绩效评价 | 第49-56页 |
| 5.1 BP神经网络算法的基本原理 | 第49-50页 |
| 5.1.1 BP神经网络及其结构 | 第49-50页 |
| 5.1.2 BP神经网络学习规律 | 第50页 |
| 5.2 基于BP神经网络的离散制造车间绩效评价模型 | 第50-56页 |
| 5.2.1 绩效评价模型提出 | 第50-51页 |
| 5.2.2 离散制造车间绩效指标预处理 | 第51-52页 |
| 5.2.3 BP网络结构的确定 | 第52-53页 |
| 5.2.4 离散制造车间评价模型的学习算法 | 第53-55页 |
| 5.2.5 基于标杆法的离散制造车间绩效分析 | 第55-56页 |
| 6 XD下料车间绩效评价应用 | 第56-64页 |
| 6.1 下料车间简介 | 第56页 |
| 6.2 下料车间的绩效评价 | 第56-62页 |
| 6.2.1 下料车间的关键绩效指标设计 | 第56页 |
| 6.2.2 基于BP神经网络的下料车间的绩效评价 | 第56-62页 |
| 6.3 下料车间的绩效分析 | 第62-64页 |
| 7 结论与展望 | 第64-66页 |
| 7.1 结论 | 第64页 |
| 7.2 不足及展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表学术论文情况 | 第70-71页 |
| 致谢 | 第71-72页 |
