版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、物料管理是在解決第二次世界大戰(zhàn)中航空工業(yè)出現(xiàn)的難題時提出的概念,它是從整個公司的角度來解決物料問題,包括:協(xié)調(diào)不同供應(yīng)商之間的協(xié)作,使不同物料之間的配合性和性能表現(xiàn)符合設(shè)計要求;提供不同供應(yīng)商之間以及供應(yīng)商與公司各部門之間交流的平臺;控制物料流動率等。物料管理可以有效解決庫存控制的矛盾等問題,緩解物料成本的壓力,提高企業(yè)生產(chǎn)管理效率。
物料分類作為物料管理的基礎(chǔ),其管理水平的高低在很大程度上決定了風(fēng)電總裝企業(yè)生產(chǎn)管理水平以及生
2、產(chǎn)效率的高低,同時,物料分類管理還涉及到供應(yīng)商的分類選擇、采購、庫存控制、物料管理等多個方面。因此,高效科學(xué)的物料分類管理對于風(fēng)電組裝企業(yè)具有重大的現(xiàn)實意義。本文擬對風(fēng)電總裝企業(yè)物料分類模型及其算法進行研究,提出基于粗糙集(RS)和支持向量機(SVM)的物料分類模型,期望解決樣本數(shù)據(jù)較少和指標過多的問題。
論文的主要研究內(nèi)容安排如下:
首先,論文對國內(nèi)外物料管理、物料分類的研究現(xiàn)狀進行綜述,闡述了本文的主要研究內(nèi)容及
3、總體框架,提出了本文的創(chuàng)新點。
其次,研究了常用物料分類方法、粗糙集以及支持向量機的相關(guān)基礎(chǔ)理論。
再次,構(gòu)建了風(fēng)電總裝企業(yè)物料屬性評估指標體系,提出了運用粗糙集(RS)進行屬性約減和支持向量機(SVM)設(shè)計分類器進行物料分類的技術(shù)思路,即應(yīng)用粗糙集方法約簡冗余屬性,簡化訓(xùn)練集和測試集,降低SVM分類器設(shè)計的復(fù)雜程度,提高SVM分類器的分類精度。上述的技術(shù)方案既充分利用了SVM較好的抑噪能力,也彌補了粗糙集對噪聲敏感
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 風(fēng)電總裝企業(yè)裝配線平衡研究與應(yīng)用.pdf
- 基于RS-SVM的中文文本分類研究.pdf
- 風(fēng)電設(shè)備總裝企業(yè)投標決策研究及應(yīng)用.pdf
- 基于RS和SVM的建設(shè)工程投標報價研究.pdf
- 基于增量學(xué)習(xí)SVM分類算法的研究與應(yīng)用.pdf
- 風(fēng)電設(shè)備總裝企業(yè)生產(chǎn)過程管理研究及應(yīng)用.pdf
- 基于SVM的Web文檔分類方法和應(yīng)用研究.pdf
- 基于SVM的網(wǎng)絡(luò)文本分類問題研究與應(yīng)用.pdf
- 典型風(fēng)電總裝企業(yè)裝配車間設(shè)施布局優(yōu)化研究與應(yīng)用.pdf
- 基于SVM的文本情感分類研究及應(yīng)用.pdf
- 基于圖模型的半監(jiān)督SVM分類算法研究與應(yīng)用.pdf
- 不均衡數(shù)據(jù)下基于SVM的分類算法研究與應(yīng)用.pdf
- 基于SVM的分類挖掘算法及其應(yīng)用.pdf
- 基于SVM的文本分類應(yīng)用研究.pdf
- 基于SVM的圖像分類研究.pdf
- 基于SVM的指紋分類研究.pdf
- 基于svm的文本情感分類研究及應(yīng)用
- 基于底層特征和SVM的圖像分類.pdf
- 基于SVM和組合特征的分類算法研究.pdf
- 基于EMD和SVM技術(shù)風(fēng)電齒輪箱早期故障診斷研究.pdf
評論
0/150
提交評論