摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
主要符号表 | 第18-19页 |
1 绪论 | 第19-46页 |
1.1 研究背景与意义 | 第19-24页 |
1.1.1 研究背景 | 第19-20页 |
1.1.2 问题的提出与研究意义 | 第20-24页 |
1.2 国内外相关工作研究进展 | 第24-42页 |
1.2.1 国内外常用的备件分类方法与慢速流动备件的概念界定 | 第24-30页 |
1.2.2 备件需求预测有效性的影响因素相关研究 | 第30-33页 |
1.2.3 慢速流动备件需求预测的相关研究 | 第33-41页 |
1.2.4 目前研究存在的关键问题 | 第41-42页 |
1.3 研究方法与技术路线 | 第42-43页 |
1.4 研究内容与论文结构 | 第43-46页 |
2 慢速流动备件预测效用的影响因素分析 | 第46-82页 |
2.1 慢速流动备件需求预测的效用分析 | 第46-65页 |
2.1.1 影响预测效用的关键因素识别 | 第46-55页 |
2.1.2 需求预测效用分析及供应状态分区 | 第55-65页 |
2.2 外部资源配置的影响分析 | 第65-79页 |
2.2.1 外部资源配置管理模型 | 第66-77页 |
2.2.2 外部供应源的管理策略研究 | 第77-79页 |
2.3 内部预测能力提升的影响因素分析 | 第79-81页 |
2.3.1 历史需求数据间断性对预测的影响分析 | 第80页 |
2.3.2 使用期工况对预测的影响分析 | 第80页 |
2.3.3 备件全寿命周期长对预测的影响分析 | 第80-81页 |
2.4 本章小结 | 第81-82页 |
3 慢速流动备件间断型需求数据的重构与转换方法 | 第82-108页 |
3.1 基于历史数据重构(HDR)的建模方法分析 | 第82-86页 |
3.1.1 信息源重定位 | 第82-85页 |
3.1.2 历史数据重构的应用流程 | 第85-86页 |
3.2 基于历史数据重构(HDR)的慢速流动备件预测步骤 | 第86-91页 |
3.2.1 数据分解 | 第86-88页 |
3.2.2 数量退化 | 第88-89页 |
3.2.3 序列转换 | 第89-90页 |
3.2.4 预测结果整合 | 第90-91页 |
3.3 历史数据重构(HDR)方法的有效性验证 | 第91-106页 |
3.3.1 HDR-SVM慢速流动备件需求预测模型设计 | 第91-99页 |
3.3.2 历史数据重构(HDR)方法的实例验证 | 第99-106页 |
3.4 本章小结 | 第106-108页 |
4 慢速流动备件的工况模式识别 | 第108-120页 |
4.1 基于RS和DT的工况模式识别 | 第108-117页 |
4.1.1 工况因素的提取 | 第109-111页 |
4.1.2 相关因素集的RS属性约简 | 第111-114页 |
4.1.3 工况环境的DT分类 | 第114-116页 |
4.1.4 工况模式识别 | 第116-117页 |
4.2 基于工况相似的历史样本提取 | 第117-119页 |
4.3 本章小结 | 第119-120页 |
5 慢速流动备件的推进式预测方法研究 | 第120-136页 |
5.1 PABDP预测模型 | 第120-133页 |
5.1.1 模型构建的思路 | 第120-122页 |
5.1.2 PABDP模型构建的基础数据要求 | 第122页 |
5.1.3 PABDP预测原理及模型构建 | 第122-133页 |
5.2 PABDP方法的应用流程 | 第133-135页 |
5.3 本章小结 | 第135-136页 |
6 应用实例 | 第136-151页 |
6.1 案例企业备件管理概况 | 第136-139页 |
6.2 数据准备 | 第139-140页 |
6.3 预测过程 | 第140-146页 |
6.3.1 工况模式识别 | 第140-145页 |
6.3.2 性能状态评估及预测 | 第145-146页 |
6.4 结果分析 | 第146-150页 |
6.5 本章小结 | 第150-151页 |
7 结论与展望 | 第151-154页 |
7.1 结论 | 第151页 |
7.2 创新点 | 第151-152页 |
7.3 展望 | 第152-154页 |
参考文献 | 第154-165页 |
攻读博士学位期间科研项目及科研成果 | 第165-166页 |
致谢 | 第166-167页 |
作者简介 | 第167页 |