資源描述：
《基于數據挖掘技術的生產調度規(guī)則提取與應用系統(tǒng)的研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、學校代碼：10286分類號：TP391.7密級：無UDC：621學號：099035基于數據挖掘技術的生產調度規(guī)則提取與應用系統(tǒng)的研究研究生姓名：焦磊導師姓名：倪中華申請學位類別工學博士學位授予單位東南大學一級學科名稱機械工程論文答辯日期2018年7月27日二級學科名稱機械制造及其自動化學位授予日期20年月日答辯委員會主席曲寧松評閱人2018年8月27日博士學位論文基于數據挖掘技術的生產調度規(guī)則提取與應用系統(tǒng)的研究專業(yè)名稱：機械制造及其自動化研究生姓名：焦磊導師姓名：倪中華本論文獲江蘇省科技成果轉化項目（BA2014114,
2、BA2015126）資助RESEARCHONPRODUCTIONSCHEDULINGRULEEXTRACTIONANDAPPLICATIONSYS-TEMBASEDONDATAMININGTECHNOLOGYADissertationSubmittedtoSoutheastUniversityFortheAcademicDegreeofDoctorofEngineeringBYJIAOLeiSupervisedbyProf.NIZhonghuaSchoolofMechanicalEngineeringSoutheastUn
3、iversityMay,2018東南大學學位論文獨創(chuàng)性聲明本人聲明所呈交的學位論文是我個人在導師指導下進行的研宄工作及取得的研宄成果。盡我所知，除了文中特別加以標注和致謝的地方外，論文中不包含其他人已經發(fā)表或撰寫過的研宄成果，也不包含為獲得東南大學或其它教育機構的學位或證書而使用過的材料一。與我同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明‘并表示了謝意。研究牛簽名日期：東南大學學位論文使用授權聲明東南大學、中國科學技術信息研究所、國家圖書館有權保留本人所送交學位論文的復印
4、件和電子文檔，可以采用影印、縮印或其他復制手段保存論文。本人電子文檔的一內容和紙質論文的內容相致。除在保密期內的保密論文外，允許論文被查閱和借閱，可以公布（包括以電子信息形式刊登）論文的全部內容或中、英文摘要等部分內容。論文的公布（包括以電子信息形式刊登）授權東南大學研究生院辦理。東南大學博士學位論文基于數據挖掘技術的生產調度規(guī)則提取與應用系統(tǒng)的研究研究生姓名：焦磊導師姓名：倪中華學校名稱：東南大學摘要良好的生產調度規(guī)則是保證車間得以有序、高效生產的重要前提。當前制造技術正朝著基于知識和信息的智能制造方向邁
5、進，這對調度規(guī)則在適用范圍、響應速度、智能化等方面提出了進一步要求。解決這些問題的重要途徑之一是基于數據的啟發(fā)式生產調度方法。該方法依托數據挖掘技術，利用企業(yè)生產制造過程所產生的大量實例數據提取調度規(guī)則，并通過對挖掘到的規(guī)則進行進一步的泛化和優(yōu)化，最終得到適用于企業(yè)自身需要的調度規(guī)則。本文根據企業(yè)現(xiàn)有管理系統(tǒng)和生產的現(xiàn)狀，深入研究了基于數據挖掘技術的啟發(fā)式生產調度的工作流程、內容和關鍵技術，并提供了解決方案。針對家具企業(yè)對于生產調度的客觀要求，結合利用數據挖掘技術進行生產調度的特點，建立了基于數據挖掘技術的生產調度規(guī)則提取
6、與應用系統(tǒng)的體系結構與業(yè)務模型。該系統(tǒng)可以整合來自于多個管理系統(tǒng)的業(yè)務數據，并對數據集進行離散處理與屬性提取。隨后從數據源中挖掘調度規(guī)則，并應用于車間調度工作。為了使生產實例數據的獲取機制具有較高的柔性、降低其耦合性并實現(xiàn)數據語義上的統(tǒng)一，建立了一種基于本體的生產調度數據多源異構融合方法。首先針對離散制造的過程和特點進行分析，將生產所涉及的對象以影響生產調度結果的程度以及在生產中發(fā)揮的作用為依據，采用分層劃分的方法，為生產實例數據建立了統(tǒng)一的對象模型——生產事件信息元以及生產調度事件信息元。之后，分別建立了全局本體和局部本
7、體。最后，利用上述技術成果建立數據融合系統(tǒng)，實現(xiàn)多種管理系統(tǒng)的語義統(tǒng)一和數據融合。針對融合后的生產實例數據中普遍存在的屬性值連續(xù)問題，提出了基于單維度多半徑聚類算法的動態(tài)離散算法。首先根據生產實例屬性值的密度分布不均勻及粗糙性的特點，設計了單維度多半徑的數據聚類算法，較好的實現(xiàn)了屬性值的聚類處理。此后，為該聚類算法的聚類參數添加動態(tài)調整規(guī)則，并設計了數據離散目標函數，實現(xiàn)了屬性值的離散過程自動化。最后通過數組實驗數據的對比，證明了該算法的有效性及高效性。針對生產實例數據屬性維度過多所造成的維度災難問題，構建了基于重要度與關
8、聯(lián)I摘要系數的屬性提取算法。首先根據生產數據的特點，利用模糊熵建立了屬性重要程度的度量函數，并利用模糊熵的增量程度建立了關聯(lián)屬性的搜索方法。接著通過考察屬性組合對于提升數據挖掘準確性的效果，建立了屬性重構函數，利用屬性間的線性組合進一步減少屬性數量。最后通過實驗證明本文的屬性選擇算法可以有效的減少屬性維
