基于数据挖掘技术的生产调度规则提取与应用系统的研究

《基于数据挖掘技术的生产调度规则提取与应用系统的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10286分类号：TP391.7密级：无UDC：621学号：099035基于数据挖掘技术的生产调度规则提取与应用系统的研究研究生姓名：焦磊导师姓名：倪中华申请学位类别工学博士学位授予单位东南大学一级学科名称机械工程论文答辩日期2018年7月27日二级学科名称机械制造及其自动化学位授予日期20年月日答辩委员会主席曲宁松评阅人2018年8月27日博士学位论文基于数据挖掘技术的生产调度规则提取与应用系统的研究专业名称：机械制造及其自动化研究生姓名：焦磊导师姓名：倪中华本论文获江苏省科技成果转化项目（BA2014114,

2、BA2015126）资助RESEARCHONPRODUCTIONSCHEDULINGRULEEXTRACTIONANDAPPLICATIONSYS-TEMBASEDONDATAMININGTECHNOLOGYADissertationSubmittedtoSoutheastUniversityFortheAcademicDegreeofDoctorofEngineeringBYJIAOLeiSupervisedbyProf.NIZhonghuaSchoolofMechanicalEngineeringSoutheastUn

3、iversityMay,2018东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研宄工作及取得的研宄成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研宄成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明‘并表示了谢意。研究牛签名日期：东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印

4、件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的一内容和纸质论文的内容相致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括以电子信息形式刊登）论文的全部内容或中、英文摘要等部分内容。论文的公布（包括以电子信息形式刊登）授权东南大学研究生院办理。东南大学博士学位论文基于数据挖掘技术的生产调度规则提取与应用系统的研究研究生姓名：焦磊导师姓名：倪中华学校名称：东南大学摘要良好的生产调度规则是保证车间得以有序、高效生产的重要前提。当前制造技术正朝着基于知识和信息的智能制造方向迈

5、进，这对调度规则在适用范围、响应速度、智能化等方面提出了进一步要求。解决这些问题的重要途径之一是基于数据的启发式生产调度方法。该方法依托数据挖掘技术，利用企业生产制造过程所产生的大量实例数据提取调度规则，并通过对挖掘到的规则进行进一步的泛化和优化，最终得到适用于企业自身需要的调度规则。本文根据企业现有管理系统和生产的现状，深入研究了基于数据挖掘技术的启发式生产调度的工作流程、内容和关键技术，并提供了解决方案。针对家具企业对于生产调度的客观要求，结合利用数据挖掘技术进行生产调度的特点，建立了基于数据挖掘技术的生产调度规则提取

6、与应用系统的体系结构与业务模型。该系统可以整合来自于多个管理系统的业务数据，并对数据集进行离散处理与属性提取。随后从数据源中挖掘调度规则，并应用于车间调度工作。为了使生产实例数据的获取机制具有较高的柔性、降低其耦合性并实现数据语义上的统一，建立了一种基于本体的生产调度数据多源异构融合方法。首先针对离散制造的过程和特点进行分析，将生产所涉及的对象以影响生产调度结果的程度以及在生产中发挥的作用为依据，采用分层划分的方法，为生产实例数据建立了统一的对象模型——生产事件信息元以及生产调度事件信息元。之后，分别建立了全局本体和局部本

7、体。最后，利用上述技术成果建立数据融合系统，实现多种管理系统的语义统一和数据融合。针对融合后的生产实例数据中普遍存在的属性值连续问题，提出了基于单维度多半径聚类算法的动态离散算法。首先根据生产实例属性值的密度分布不均匀及粗糙性的特点，设计了单维度多半径的数据聚类算法，较好的实现了属性值的聚类处理。此后，为该聚类算法的聚类参数添加动态调整规则，并设计了数据离散目标函数，实现了属性值的离散过程自动化。最后通过数组实验数据的对比，证明了该算法的有效性及高效性。针对生产实例数据属性维度过多所造成的维度灾难问题，构建了基于重要度与关

8、联I摘要系数的属性提取算法。首先根据生产数据的特点，利用模糊熵建立了属性重要程度的度量函数，并利用模糊熵的增量程度建立了关联属性的搜索方法。接着通过考察属性组合对于提升数据挖掘准确性的效果，建立了属性重构函数，利用属性间的线性组合进一步减少属性数量。最后通过实验证明本文的属性选择算法可以有效的减少属性维