江南大学研究生开题报告范文.docx
- 文档编号:5247905
- 上传时间:2022-12-14
- 格式:DOCX
- 页数:14
- 大小:27.91KB
江南大学研究生开题报告范文.docx
《江南大学研究生开题报告范文.docx》由会员分享,可在线阅读,更多相关《江南大学研究生开题报告范文.docx(14页珍藏版)》请在冰豆网上搜索。
江南大学研究生开题报告范文
江南大学
研究生论文开题报告
学科
工科
专业
机械工程
研究方向
学号
研究生姓名
学位级别
硕士
导师姓名
填表日期2017年9月25日
注:
此表为研究生在导师或指导小组的指导下,由研究生本人填写,经导师、教研室主任、院(系)分管研究生工作的负责人审阅后,报研究生院备案,非经同意不得改动。
论文题目
基于云平台的汽车检测装备制造服务优选与系统开发
本人已查阅过哪些科研资料及调研情况:
参考文献:
[1]杨沁,杨成,许程鹏.一种基于复杂网络社团发现的产品模块划分方法[J].现代制造工程,2015(11):
64-70.
[2]余杰,吉卫喜,陈高俊.面向MES的外协企业决策支持系统研究[J].成组技术与生产现代化,2013(3):
21-26.
[3]刘东.整车制造企业第三方物流服务商的优选分析[D].南京农业大学,2012.
[4]罗永亮,张霖,陶飞.云制造模式下制造能力建模的关键技术[J].计算机集成制造系统,2012(7):
1357-1367.
[5]崔晓康,马军,李立伟.基于动态集成框架的云制造服务过程追溯与匹配研究[J].制造业自动化,2014(8):
9-11,14.
[6]余杰,吉卫喜,孙斌.基于熵值法TOPSIS的外协供货商评价系统设计与实现[J].机械制造,2014(6):
55-59.
[7]尹超,黄必清,刘飞.中小企业云制造服务平台共性关键技术体系[J].计算机集成制造系统,2011(3):
495-503.
[8]周涛.面向复杂创新环境的汽车企业供货商评价体系研究[D].重庆大学,2015.
[9]刘汉生.汽车外协件供货商综合能力评价研究[D].上海交通大学,2007.
[10]柯沁.A公司供货商选择评价研究[D].华东理工大学,2011.
[11]杨男.面向中小企业的云制造平台关键技术研究[D].南京理工大学,2013.
[12]郭亮.面向机械加工的云制造服务平台关键技术研究[D].重庆大学,2017.
[13]姜云霞.云制造环境下加工制造资源虚拟化关键技术研究[D].哈尔滨理工大学,2015.
[14]杨财.云制造环境下的企业生产管理模式研究[D].浙江大学,2014.
[15]朱哲岐.云制造环境下制造资源的优化匹配研究[D].重庆大学,2014.
[16]黄剑.云制造环境下制造资源的建模及优化配置研究[D].南昌大学,2014.
[17]江平宇,刘超.社群化工厂的内涵体系架构与运行逻辑探讨[J].航空制造技术,2017(7):
26-30.
[18]刘明周,王强,凌琳.基于分层任务网络的云制造任务分解方法[J].中国机械工程,2017(8):
924-930.
[19]刘婷婷,李长仪.基于多维模糊决策的云制造服务优选模型[J].山东理工大学学报(自然科学版),2017(5):
73-78.
[20]胡艳娟,武理哲,张霖.云制造服务评价理论与方法研究综述[J].计算机集成制造系统,2017(3):
640-649.
[21]何林燕.云制造环境下柔性作业车间调度算法的研究[D].哈尔滨理工大学,2017.
[22]程思遥.面向云制造的资源服务管理模式研究及原型系统开发[D].浙江大学,2013.
[23]张成雷.中小企业云制造服务平台的研究与开发[D].湖北工业大学,2013.
[24]杨鑫.制造企业质量信用评价研究[D].浙江大学,2013.
[25]王姝淇.云制造环境下机床资源优化配置研究[D].哈尔滨理工大学,2015.
[26]李长松.基于机加工工艺特征的云制造平台及信任评估研究[D].重庆大学,2015.
[27]刘中生.云制造环境下制造服务优选研究[D].南昌大学,2016.
[28]易安斌.云制造资源服务组合优化选择问题研究[D].华南理工大学,2016.
[29]邓舒婷.云制造平台中制造任务与制造云服务优化匹配问题研究[D].燕山大学,2016.
[30]杨雷.云制造模式下面向同类型多任务的生产加工资源优化配置研究[D].重庆大学,2016.
[31]陈浩.云制造中QoS管理模式关键技术研究[D].新疆大学,2013.
[32]郭世伟.航空企业制造任务分配及其外协企业评价方法研究[D].哈尔滨工业大学,2009.
[33]蔡坦.云制造环境下层次化制造服务优选研究[D].重庆大学,2013.
[34]LiWF,ZhongY,WangX.Resourcevirtualizationandserviceselectionincloudlogistics[J].JournalofNetworkandComputerApplications,2013,36(6):
1696-1704.
[35]LiuYT,ZengLZ.QoSComputationandPolicinginDynamicWebServiceSelection[C].13thinternationalWorldWideWebconferenceonAlternatetrackpapers&posters,NewYork,2004.
[36]ChiregiMatin,NavimipourNima-Jafari.Anewmethodfortrustandreputationevaluationinthecloud[J].ComputersinHumanBehavior,2016(60):
280-292.
[37]SinghSarbjeet,SidhuJagpreet.Compliance-basedMulti-dimensionalTrustEvaluationSystemfor[J].FutureGenerationComputerSystems,2017(67):
109-132.
[38]DingShuai,XiaChengyi,WangChengjiang.Multi-objectiveoptimizationbasedrankingpredictionforcloud[J].DecisionSupportSystems,2017(101):
106-114.
[39]SomuNivethitha,KirthivasanKannan,SriramV.S.-Shankar.Acomputationalmodelforrankingcloudserviceprovidersusing[J].FutureGenerationComputerSystems,2017(68):
14-30.
[40]LiangHelan,DuYanhua.DynamicserviceselectionwithQoSconstraintsandinter-service[J].FutureGenerationComputerSystems,2017(76):
119-135.
[41]SpezzanoGiandomenico.UsingServiceClusteringandSelf-AdaptiveMOPSO-CDfor[J].ProcediaComputerScience,2016(83):
512-519.
[42]TangMingdong,DaiXiaoling,LiuJianxun.Towardsatrustevaluationmiddlewareforcloudserviceselection[J].FutureGenerationComputerSystems,2017(74):
302-312.
[43]GuéroutTom,GaouaYacine,ArtiguesChristian.Mixedintegerlinearprogrammingforqualityofserviceoptimization[J].FutureGenerationComputerSystems,2017(71):
1-17.
[44]GuoSS,DuBG.Manufacturingresourcecombinatorialoptimizationforlargecomplexequipmentingroupmanufacturing:
Acluster-basedgeneticalgorithm[J].Mechatronics,2015(31):
101-115.
调研情况:
在全社会推进“工业4.0”和“中国制造2025”的大环境下,如何更好的将“互联网+”应用到机械制造行业,帮助实现中国制造由数字化向智能化迈进,成为我国制造业转型的迫切需求。
随着制造企业向产业分工细化,产品研发、加工周期不断缩短的方向发展,企业间的分工合作显得越来越重要,企业集群也正是这种企业间分工合作的产物。
为了满足市场多元化和产品高端化、精密化的需求,非标定制产品有着很大的市场需求,而非标定制也将成为新时期互联网经济中非常重要的商业模式。
无锡某汽车检测装备制造企业,是一家生产汽车零部件高端检具量具的非标定制企业,产品特征是多品种、小批量,产品工艺复杂、工序繁多。
在实际生产中,有大量的电火花加工、热处理加工、细长孔加工等工序需要外协加工,因为每次要外协的工艺、尺寸都不同,而各个外协加工企业的加工能力又不尽相同,所以有相当数量的外协加工企业需要管理。
每次外协加工都要从众多外协企业中人工选择合适的企业,反复的电话沟通协调,而且对每个企业的加工质量、交货期、报价等都无法考核,外协服务商管理比较混乱。
而且因为外协加工不按时交货、外协加工中零件破损导致整机装配延迟、交货延迟的事情时有发生。
公司急需一个能够对外协服务商进行管理、对服务商历史交易进行评价并根据服务商的评价和外协需求科学的选择几个外协服务商的平台,该平台要求能与公司现在运行的ERP和信息共享平台对接,并可以向外协服务商提供入驻和订单查询功能。
课题的意义及我国在这方面已进行的工作情况:
课题意义:
随着市场经济体制改革和供给侧改革的不断深入,产品的创新速度和更新换代速度也不断加快,能否又快又好的推出符合市场需求的产品,是制造企业发展成败的关键。
云制造、企业协同制造就是可以满足这种需求的、比较合理的制造资源共享的商业模式。
外协服务商管理,是云制造的关键问题之一。
如何能从纷繁众多的服务商中选择加工能力匹配、交货准时、成本合理的服务商,是各个大型制造企业面临的重要问题。
从理论上看,本课题引入社会学中“社交亲密度”的概念,根据企业与各服务商的历史交易记录及服务评分,建立企业与服务商之间的企业亲密度模型,并将“企业亲密度”作为服务商优选的重要评价指标之一。
引入企业亲密度指标,可以使服务商优选模型的评价指针更加全面,使服务商优选结果更加合理。
从实际应用的角度来看,企业之间的合作关系错综复杂,且容易受主观因素影响,不是仅仅通过数据可以完全描述的。
假使几个服务商各加工指标都相同的情况下,用户还是会有选择某一特定服务商的倾向性,也就是用户偏好。
我们的服务优选系统可以通过模型捕捉到用户偏好,并根据偏好不断修改评价参数,给用户提供个性化的服务,推荐最满意的服务商。
国内研究情况:
制造服务优选的本质是基于云平台的外协供货商评价和基于订单需求的供货商选择。
外协供货商评价从1997年第一次被提出至今,一直有人在不断的研究。
但研究的外协对象主要是针对整个零件,评价指针侧重于企业的生产能力、研发能力和设备水平,未将互联网时代所注重的地域、时效、信誉度等指标考虑在内。
云制造服务优选从2010年第一次提出至今,也不断的有人在做着各种研究,但研究的对象一般是整个零件,服务资源包括设计资源、设备资源、人力资源等等,主要侧重于制造任务的分解和粒度的细分,而且真正搭建起云制造平台系统的不多。
国内最早的外协供货商评价研究,是1997年华中科技大学管理学院CIMS供应链课题组的一次调查,得出目前我国企业在选择供货商时,主要的选择标准是产品质量;价格、交货期、批量柔性和品种多样性也是企业考虑的因素之一[9]。
在此后的一段时间,供货商选择的步骤逐渐明确,2000年马新安提出供货商选择分为四个阶段:
粗筛选、细筛选、精炼和确认、跟踪评价。
2003年徐晋进一步细化评价指标,包括5个一级指标、14个二级指标和38个三级指标。
近年来,随着互联网经济的发展,2004年,王旭平和陈傲专门针对电子商务环境,分析了影响企业与供货商稳定合作的因素,其中两个比较重要的因素是信息技术和供货商信誉,在此基础上构建了电子商务环境下的供货商评价指标体系[27]。
2010年钱碧波等人提出适用于敏捷虚拟企业合作伙伴评价选择的指标体系。
2011年曹秀英等提出了供应链合作伙伴选择的评价指标体系:
企业业绩、业务结构、生产能力、质量系统和企业环境。
云制造、制造即服务的理念,是2010年由李伯虎院士提出来的。
2012年开始,云制造服务的研究逐渐深入,继2011年的资源虚拟化、语义描述和服务评价研究后,又提出资源感知、资源接入、资源服务化、服务发现与搜索、资源优化配置、资源调度、服务组合等概念。
在2015年,云制造服务研究领域中加入个性化服务技术研究,说明在基础研究日渐成熟时,云制造服务也开始考虑用户的个性化需求问题[34]。
重庆大学、浙江大学和南昌大学,云制造和服务优选方面做的工作较多。
重庆大学的蔡坦,提出一种新的服务质量(QoS)评估机制,并以此为基础,鉴别制造服务质量的优劣;杨雷构建了以完成任务量最多、时间最短、成本最低、合格率最大、可靠性最大、平台满意度最大为目标的生产加工资源优化配置模型,并提出了基于改进遗传算法的优化配置模型求解流程。
浙江大学的程思遥设计了基于用户评价的制造服务评价方案,基于层次分析法(AHP)制定了评价指标体系,基于熵权系数法确定了各指标权重;杨财给出了云制造环境下的企业多层次、多任务项目模型,然后对云制造任务进行了基于模型的形式化描述,对任务的功能信息以及约束信息进行了详细的说明。
南昌大学的黄剑通过考虑优化配置中多个目标的影响因子,利用层次分析法解决了多目标优化配置中目标权重比例问题;刘中生构建了基于模糊层次分析法(FAHP)和灰关联的云制造服务资源粗选群决策模型,建立了基于多目标的云制造服务资源优选模型,并采用多目标的粒子群算法求解。
国外的研究动态及发展趋势:
国外研究情况:
在云制造领域,国外的一些发达国家也进行了相关工作的研究,也收获了一定的科研成效。
新西兰奥克兰大学的XunXu等介绍了云制造的基本思想、体系结构等,该团队还设计了一个名为ICMS(Cloud-basedmanufacturingsystem)的云制造原型系统。
美国佐治亚理工学院的DazhongWu等分析了云制造的策略、典型技术、商业应用情况并给出了相关研究建议。
由美国搭建的制造能力服务平台(MFG.COM),其主要的功用是把海量的、虚拟化的制造资源集中管理,可以为了选择制造业合作伙伴提供快捷、高效地服务。
借助于网络协同化技术,美国波音公司通过制造服务外包的方式,组织了来自世界40多家不同企业联合研发波音787飞机,达到了生产成本降低了1/2,节省了1/3的研发周期。
欧盟于2010年8月启动了制造云项目(MCP),资助了500多万欧元,做到了在“软件即服务(SoftwareasaService,SaaS)”应用支持下,更快捷、更安全地为我们的用户提供可匹配的制造能力服务,这在照明行业、光伏产业以及汽车生产上有了一定的应用。
具体的在制造服务优选和服务评价方面,文献[34]把服务选择看成是一个优化问题后,提出一种基于粒子群优化算法(PSO)的附带服务质量(QoS)约束的服务选择算法;文献[38]深入探讨了影响webservices(web服务)选择的不同种类服务质量(QoS)指针,搭建了一个评价web服务的QoS指标框架,并通过该框架计算出QoS指标值,进而给出了服务的优劣次序;文献[39]提出改进的基于集群地遗传算法(CGA)去优化选择云制造资源服务的技术路线;文献[43]设计了一个基于多目标约束的QoS指针权重评价的信息矩阵,并以QoS综合评价值作为依据来优选服务。
发展趋势:
云制造的概念是我国率先提出的,最近几年的研究很多,但云制造的模式和技术总体上还处于初期阶段。
云制造将制造企业虚拟化,摆脱了传统环境中以制造资源为依托的制造模式,以面向服务为基础,将最好的服务提供给需求对象。
具体的,有以下几点发展趋势:
(1)制造商筛选评价体系是云制造服务选择的决定性因素,目前评价指标并不全面。
随着研究的深入,筛选评价指标体系会更趋合理、更加完善,而且评价体系要能体现服务需求方的个性化要求。
(2)以用户为中心的制造服务结果评估问题,在目前研究较少。
即通过云平台完成制造服务后,用户要对本次制造服务做出评价,并将历史交易记录经过模型处理,为下次服务优选提供参考,向云制造服务中融入个性化需求。
(3)质量信用体系,是适合我国的特有的信用体系,也逐渐被提出。
即通过获取企业质量行为数据,建立质量信用模型,并最终将质量信用状况引入到服务商优选模型。
开题报告
1.立题的依据,选题必须对国民经济或在学术上有一定意义。
当前,在智能制造的新形势下,制造企业不应再将企业的重心放在制造资源的大规模投资上,“大而全”的传统企业模式不仅会造成企业臃肿、资金链周转不灵等问题,还会在一定程度上造成行业整体的产能过剩,影响国民经济健康发展。
依托互联网技术,通过云平台对制造资源进行虚拟化、数字化处理,实现各个制造企业之间制造资源的共享和高效利用,是国家所大力提倡的智能制造新模式。
本课题“基于云平台的汽车检测装备制造服务优选与系统开发”,立足云制造、服务优选等近年来热门的技术,充分了解了国内外研究现状,着力满足国家需求。
通过云平台,为外协供应商提供一个服务展示的平台,为制造资源需求方提供一个多方面选择的平台。
新时期的供应商管理和服务优选应该不单单是数据处理和决策,服务优选过程中更应该是充分考虑用户偏好,可以根据任务的不同紧迫度为用户提供多种备选方案,并给予用户一定范围内的自主选择权,实现系统的智能辅助决策。
在系统开发方面,本课题希望通过Matlab编写一系列算法和模型,导出为jar包并被系统调用,真正实现云平台的算法智能化,服务我国离散型制造企业。
在学术方面,首先,本课题将社会学中“社交亲密度”的概念改进应用到客户与服务供应商的关系中,通过建模推导得出一个“用户亲密度”值,用来体现最近一段时间客户与某供应商业务往来关系。
第二点,本课题将“用户亲密度”这一概念引入供应商评价模型,使供应商评价不仅仅是评价加工能力,还可以体现近一段时间供应商提供的服务质量等,使供应商评价模型更加完善,并可以体现用户的选择偏好。
2.课题进行的途径,步骤的设想。
研究内容
本课题是在广泛研究了近年来国内外在“供应商评价”、“服务优选”和“云平台”方面的成果后,拟将社会学中评价人与人之间关系的模型引入到客户与服务供应商的关系中,通过一系列的建模和评价,使服务优选过程更加合理化、更能体现客户的偏好、更加贴合制造企业的需求,具体内容如下:
(1)研究社会学中评价人与人亲密度关系的模型,参考目前主流社交软件“社交亲密度”等量化指标的做法,尝试在客户和服务供应商之间通过对历史服务记录、历史服务评价的数据分析,用数学建模的方法得出一个可以表征客户和服务供应商业务往来频繁程度的指标,暂且称之为“用户亲密度”。
(2)研究供应商评价中各种评价指标的分类和评价模型,考虑将表征客户和服务供应商业务往来频繁程度的指标融入评价模型,改进服务优选模型,使其可以体现客户在供应商选择上的个人偏好,实现精准交易。
改进或使用新的优选算法,提高优选效率和精准度。
(3)设计云平台系统结构,研究通过JavaWeb平台调用Matlab编写的jar包技术,实现服务商入驻、服务商管理、服务商优选等主要内容,通过接口与企业现行的ERP系统和MES系统对接,实现数据共享。
研究方案
本课题来源于实际的企业合作项目,采用理论分析与案例实践相结合的研究方法,首先进行前期调研和数据采集,然后通过理论分析进行建模和算法设计,最后通过编程实现系统开发。
具体研究方案如下:
(1)精读文献
在开题过程中已经泛读了相关领域的很多文献,也精读了一些文献。
在课题开展过程中,还要不断阅读文献,尤其是精读相当一部分中外文献,充分了解云制造、供应商评价和服务优选领域已取得的成果,了解供应商评价模型中已经考虑了哪些指标、这些指标是如何分类的,了解服务优选的主要步骤、选择过程中采用了哪些主流的算法。
(2)企业调研、搜集数据
要想建立客户和服务供应商之间业务往来的评价模型,需要掌握客户和供应商之间往期的业务数据,还需要获得各个服务供应商的加工类别、加工能力、厂区位置、按期交货率等属性,这些数据在云平台运行后可以开放权限给服务供应商入驻,但课题研究过程中需要人工搜集这些基础数据。
(3)建立“用户亲密度”数学模型
根据社会学的研究,通过分析人与人之间往来的信息,可以得出一个人与人之间的“社交亲密度”,用来表征人与人之间交往的频繁程度。
类似的,通过分析一段时间内,客户与某服务供应商的业务往来记录和服务完成后客户对供应商的服务评价,可以推导建立一个“用户亲密度”模型。
该模型指标大致上应该是随时间衰减、随服务次数增加的函数,在后续的研究中还要考虑更全面的因素来构建模型。
(4)改进服务优选模型和算法
目前制造服务优选大致分为粗筛选、细筛选、精炼和确认、跟踪评价这几个步骤,评价指标也大致包含企业业绩、业务结构、生产能力、质量系统和企业环境等,采用算法大多为模糊层次分析(FAHP)、遗传算法(GA)和粒子群算法等。
本课题要改进服务优选模型,在继续沿用服务优选四大步骤的基础上,引入“用户亲密度”这一新的评价指标来弥补之前模型没有考虑历史业务数据的不足,并准备采用供需匹配(SDM)、复杂网络和直觉模糊集决策等新的算法来改进服务优选结果的精准度。
(5)确定数据结构
数据结构是系统开发的基础,借助实体-联系图(E-R图)将所有实体概念化,逐渐明确数据库中表、字段、主键、视图、域等属性,编写数据字典并在后期编程过程中不断维护。
(6)Matlab的模型和算法实现
由于评价模型和优选算法都比较复杂,如果用Java代码实现的计算效率可能比较低,而先用Matlab写好相应的计算函数,然后打包成jar包供Java系统调用会更方便,也是目前Java系统与Matlab交互比较常见的做法。
其中JRE版本和位数的匹配、m文件编译为jar文件、jar包导入Java项目和计算结果返回显示是难点。
(7)系统开发
初步计划采用Java语言和HTML语言开发B/S模式下的JavaWeb项目,项目采用SpringMVC的三层架构,将整个项目分为表现层、业务逻辑层、数据访问层。
系统开发主要分为两个阶段:
基于模型的系统开发阶段和系统部署与实施阶段。
第一阶段主要是系统框架的搭建、基本操作界面的开发、功能模块的开发和用户权限的设置。
应用部署和运行阶段,是在系统开发完成后经过加密和编译后,将可部署文件在企业服务器进行部署,并对企业员工和服务供应商进行培训。
关键解决问题
(1)建立“用户亲密度”评价模型,要系统的反映最近一段时间客户和服务供应商的业务往来频繁程度和客户对服务评价的好坏。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 江南 大学研究生 开题 报告 范文