知識化制造環(huán)境下基于擴(kuò)展模糊Petri網(wǎng)的預(yù)測與決策.pdf

1、目前現(xiàn)有的模糊Petri網(wǎng)模型種類不能完全滿足日益發(fā)展變化的產(chǎn)品生產(chǎn)管理各方面的應(yīng)用要求，而且模型的建立往往為針對某一個具體的產(chǎn)品的生產(chǎn)管理過程加以實現(xiàn)，對于同類的或者相近的產(chǎn)品，缺乏利用其相似性進(jìn)行快速建模的方法。針對這種情況，本文提出了若干個經(jīng)過擴(kuò)展的模糊Petri網(wǎng)模型，并將其與善于進(jìn)行知識處理和應(yīng)用的知識化制造相結(jié)合以強(qiáng)化其快速建模能力或知識表示能力，再利用這些擴(kuò)展模型對產(chǎn)品生產(chǎn)管理的部分預(yù)測和決策問題進(jìn)行了分析和研究。文中，首

2、先對知識化制造環(huán)境下利用自學(xué)習(xí)模糊Petri網(wǎng)(SFPN)實現(xiàn)采購預(yù)測進(jìn)行了研究，其次解決了基于生命周期階段匹配的知識化制造系統(tǒng)SFPN模型的產(chǎn)品促銷決策問題，然后對模糊數(shù)Petri網(wǎng)(FNPN)和拆卸難度可能度基礎(chǔ)上的簡單機(jī)電產(chǎn)品拆卸序列優(yōu)化決策進(jìn)行了分析研究，最后研究了基于多屬性模糊Petri網(wǎng)(AFPN)的知識化制造系統(tǒng)產(chǎn)品需求預(yù)測方法。
　　 具體說來，主要在如下幾個方面進(jìn)行了研究：
　　 1．提出了一種知識化制

3、造環(huán)境下的自學(xué)習(xí)模糊Petri網(wǎng)模型，給出了其參數(shù)計算方法，建立了自學(xué)習(xí)模糊Petri網(wǎng)模型知識庫，并將網(wǎng)絡(luò)架構(gòu)和產(chǎn)品類別作為其模型建立和更新判斷指標(biāo)。通過構(gòu)造SFPN模型的知識化制造知識庫，建立并保存原有產(chǎn)品的SFPN模型，在開發(fā)后續(xù)產(chǎn)品或者進(jìn)行新的決策時調(diào)出并進(jìn)行修正后作為后續(xù)產(chǎn)品模型，通過較短時間和少量樣本的自學(xué)習(xí)訓(xùn)練，就可以快速建立后續(xù)產(chǎn)品的SFPN模型并用于預(yù)測或決策。最后利用采購預(yù)測實例驗證了其有效性。
　　 2．利

4、用原有產(chǎn)品及其現(xiàn)有產(chǎn)品的相似性，提出了一種確定產(chǎn)品所處生命周期階段的匹配方法。建立了雙匹配函數(shù)進(jìn)行數(shù)據(jù)計算匹配，在此基礎(chǔ)上，通過利用匹配算法提取現(xiàn)有產(chǎn)品的生命周期特征，與存儲于知識化制造系統(tǒng)知識庫的原有產(chǎn)品生命周期數(shù)據(jù)知識進(jìn)行匹配，匹配后的數(shù)據(jù)可用于從知識化制造系統(tǒng)知識庫中獲取適合現(xiàn)有產(chǎn)品的生產(chǎn)與營銷決策，最后采用SFPN方法并以產(chǎn)品促銷決策為例驗證了其有效性。
　　 3．針對結(jié)構(gòu)簡單機(jī)電產(chǎn)品拆卸序列的尋優(yōu)問題，提出了一種模糊數(shù)

5、Petri網(wǎng)模型基礎(chǔ)上的產(chǎn)品拆卸序列排序的難度可能度決策方法。首先，將善于表達(dá)模糊或界限不確定目標(biāo)的三角模糊數(shù)與便于建模的Petri網(wǎng)相結(jié)合，建立三角模糊數(shù)Petri網(wǎng)。其次，以拆卸難度作為結(jié)構(gòu)簡單機(jī)電產(chǎn)品拆卸序列評價指標(biāo)，選取三相異步電動機(jī)作為實例，在建立三相異步電動機(jī)拆卸序列的三角模糊數(shù)Petri網(wǎng)模型的基礎(chǔ)上，利用拆卸難度可能度方法，實現(xiàn)了對三項異步電動機(jī)拆卸序列的難度優(yōu)選排序決策，選擇難度最小的拆卸序列進(jìn)行拆卸，以提高拆卸效率。

6、
　　 4．為強(qiáng)化模糊Petri網(wǎng)的知識表示能力，提出了一種多屬性模糊Petri網(wǎng)(AFPN)，即在模糊Petri網(wǎng)的基礎(chǔ)上，為每個庫所及權(quán)值賦予與實際系統(tǒng)相對應(yīng)的多個屬性，以簡單模型結(jié)構(gòu)完成具有多個屬性的系統(tǒng)的建模。利用知識化制造系統(tǒng)的知識庫，對多屬性模糊Petri網(wǎng)進(jìn)行屬性分解、屬性合并以及訓(xùn)練更新，并對不規(guī)則模型進(jìn)行規(guī)則化，可以在原有產(chǎn)品的AFPN模型基礎(chǔ)上簡單快速建立后續(xù)產(chǎn)品的AFPN新模型。在產(chǎn)品需求預(yù)測的實例中，采用