| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-11页 |
| 1.1.1 制药设备大修项目方案决策优化的重要性 | 第8-9页 |
| 1.1.2 制药关键设备大修项目决策实施现状 | 第9-10页 |
| 1.1.3 制药关键设备大修项目决策提升的探索 | 第10-11页 |
| 1.2 问题提出 | 第11-12页 |
| 1.2.1 制药关键设备大修实施决策存在的问题 | 第11页 |
| 1.2.2 制药设备大修项目决策优化方向 | 第11-12页 |
| 1.3 技术路线及研究改进意义 | 第12-16页 |
| 1.3.1 技术路线 | 第12-13页 |
| 1.3.2 研究内容 | 第13-14页 |
| 1.3.3 研究改进意义 | 第14-16页 |
| 第2章 相关文献研究综述 | 第16-36页 |
| 2.1 设备维修项目决策管理的相关理论发展研究 | 第16-19页 |
| 2.1.1 基于全面生产设备管理维修项目管理问题研究 | 第16-17页 |
| 2.1.2 基于戴明环持续改进的维修项目管理问题研究 | 第17页 |
| 2.1.3 基于以可靠性为中心理论的维修项目管理问题研究 | 第17-18页 |
| 2.1.4 基于智能决策支持系统的维修项目管理问题研究 | 第18-19页 |
| 2.2 多目标决策问题的相关研究 | 第19-20页 |
| 2.2.1 多目标决策优化理论基础 | 第19页 |
| 2.2.2 多目标决策优化问题求解的方法 | 第19-20页 |
| 2.3 免疫遗传粒子群算法研究 | 第20-36页 |
| 2.3.1 粒子群算法简介 | 第21-22页 |
| 2.3.2 惯性权重粒子群算法 | 第22-23页 |
| 2.3.3 收缩因子粒子群算法 | 第23页 |
| 2.3.4 基于随机联系的粒子群算法 | 第23-24页 |
| 2.3.5 免疫遗传粒子群算法 | 第24-31页 |
| 2.3.6 四种粒子群算法的比较 | 第31-36页 |
| 第3章 关键设备大修项目多目标决策模型 | 第36-48页 |
| 3.1 关键设备大修项目维修时间-维修成本模型 | 第36-39页 |
| 3.1.1 设备大修项目维修时间-维修成本关系研究 | 第36-38页 |
| 3.1.2 设备大修项目维修时间-维修成本模型建立 | 第38-39页 |
| 3.2 关键设备大修项目维修时间-质量模型 | 第39-42页 |
| 3.2.1 传统的设备大修项目维修时间-质量模型 | 第39-40页 |
| 3.2.2 设备大修项目维修时间-维修质量改良模型建立 | 第40-42页 |
| 3.3 关键设备大修项目质量-成本模型 | 第42-43页 |
| 3.3.1 维修质量成本概念 | 第42页 |
| 3.3.2 设备大修项目质量-维修成本模型建立 | 第42-43页 |
| 3.4 关键设备大修项目时间-成本-质量多目标决策优化模型 | 第43-48页 |
| 第4章 制药关键设备大修项目决策模型应用实例研究 | 第48-60页 |
| 4.1 实例背景介绍 | 第48-49页 |
| 4.2 关键设备大修多目标决策模型实例应用 | 第49-56页 |
| 4.2.1 关键大修设备概况 | 第49-51页 |
| 4.2.2 多目标决策模型建立 | 第51-52页 |
| 4.2.3 免疫遗传PSO运算求解过程 | 第52-54页 |
| 4.2.4 模型运算结果分析 | 第54-56页 |
| 4.3 决策模型分析评价 | 第56-60页 |
| 4.3.1 评价方法 | 第56-59页 |
| 4.3.2 评价结果 | 第59-60页 |
| 第5章 结论与展望 | 第60-62页 |
| 5.1 本文总结 | 第60-61页 |
| 5.2 不足与展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 遗传免疫测试函数源程序代码 | 第66-74页 |
| 致谢 | 第74页 |
