基于大数据的印花质量影响因素分析方法研究
这是一篇关于工业4.0,印花质量,大数据,分析系统的论文, 主要内容为随着“工业4.0”的提出与实施,全球制造业开始了新一轮的改革。我国制造业在“中国制造2025”战略的指导下纷纷开始加快结构转型,以提升国际竞争力。纺织业是我国传统的制造业,而染整是纺织行业中丰富织物花色、提高产品附加值最重要环节。染整是技术密集型产业,其工艺流程复杂,参数变化大,生产、管理控制要素多,工业自动化程度低。目前,染整生产由于过度依赖技术工人经验,没有定量定性的知识可以用来规范生产,导致了产品生产过程中印花质量无法保持稳定的问题。与此同时,还衍生出了如资源利用率低、环境污染等问题。所以保证印花生产质量的稳定性是染整行业在结构转型中急需解决的问题。针对上述情况问题,结合印花生产数据的特征,利用大数据技术研究了印花质量影响因素分析方法。该方法由数据质量处理,数据挖掘分析两部分组成。数据预处理包括缺失值处理、基于箱形图的异常值处理、基于皮尔逊相关系数的特征值选择。使用决策树算法对数据进行数据挖掘。通过基于大数据的印花质量影响因素分析方法实现对印花生产数据全方位的分析,找出印花质量与影响因素之间的关系,改善染整行业印花质量不稳定的问题,实现染整工艺的可重现性。为了能更便捷、高效地使用基于大数据的印花质量影响因素分析方法,设计与实现了大数据印花质量分析系统。结合染整行业的需求,通过系统需求分析、系统概要设计完成系统功能与结构的分析设计。通过J2EE技术、Hadoop+Spark大数据集群搭建和面向对象编程完成对基于大数据的印花质量影响因素分析方法的封装,并详细设计与实现了系统用户管理、数据综合处理、数据可视化、历史数据查询等功能模块。最后采用软件测试方法,验证了大数据印花质量分析系统的可靠性和稳定性。本文提出的基于大数据的印花质量影响因素分析方法和大数据印花质量分析系统在降低印花生产对工人经验依赖度,改善印花质量稳定性问题上有良好的效果。
工业4.0下的ERP系统之生产管理系统
这是一篇关于工业4.0,ERP,生产管理的论文, 主要内容为随着互联网+、移动通信、物联网等新技术的突破,发达国家都在对传统制造业进行智能升级。德国政府提出工业4.0,加快全面进入以智能制造为核心的智能经济时代;美国提出了工业互联网,加快先进制造业研发活动;我国提出“中国制造2025”,加快制造业的智能升级,提高国际竞争力。为实现制造业的智能升级,工业4.0之前的ERP(Enterprise Resource Planning)系统存在信息覆盖区域窄、互联网和移动互联没有得到充分利用等不足,需要更新换代。为此将安徽马钢输送设备有限公司基于C/S架构的ERP系统与物联网、互联网相结合,升级成为B/S结构的ERP系统。本文承担生产管理系统的升级。整个ERP系统分为营销管理系统、工艺管理系统、采购管理系统和本文所研究的生产管理系统。一个完整的生产流程由营销科制定的生产主计划开始,首先经过工艺管理系统进行工艺设计,制定工艺清单和设计图纸,然后经过采购管理系统制定采购清单,最后进入生产管理系统进行相应的生产管理。本文主要从三个方面开展工作。首先升级现有功能,包括生产子计划制定、材料定额下达、工艺清单分配、外协申请单制定以及成品入出库等。子计划制定是根据主计划将生产任务分配到各个车间;材料定额根据库存情况和物料清单制定;工艺清单分配是根据生产计划将图纸分配到相应车间;外协申请单是将无法生产的产品外委到其他单位;成品入出库是对库存做详细的记录。其次利用物联网技术,在成品和半成品上贴上磁性条形码,任何支持扫码的手持设备(如Pad和手机等)都可以获取信息,进行合理的条码管理。实现了人、机、物的三者互联,保证生产进度的可跟踪性、保证库存管理的及时性和准确性,从而提高生产效率。最后利用ExtJs跨平台的特性,一次开发即可在PC端和移动端同时实现。工作人员可以用手机登录生产管理系统,在现场或者家里都可以进行任务的审批和查询。本系统目前在安徽马钢输送设备制造有限公司投入使用,效果很好。
工业4.0下的ERP系统之供应链管理系统
这是一篇关于ERP,采购管理,供应链,工业4.0的论文, 主要内容为2007年在马钢输送设备制造有限公司部署的基于C/S架构的ERP(Enterprise Resource Planning,企业资源计划)系统,存在客户端维护工作量大和业务局限于企业内网等缺点。随着工业4.0和互联网+等概念的提出,中国提出了“中国制造2025”的理念,希望企业运行越来越智能化,实现万物互联。现有的ERP已经不能满足制造业智能升级的需要,更新换代势在必行。采购管理是ERP系统的重要组成部分,本文采用面向对象的方法和MVC设计模式,将安徽马钢输送设备制造有限公司原来C/S架构的采购管理系统升级为B/S架构。系统架构分解为数据访问层、业务逻辑层、表现层三层,降低了代码的耦合度,极大的提高了开发效率。本文主要做了两方面的工作:1)升级现有的功能:主要功能有材料类计划制定、计划汇总、采购员分配、采购单制定、采购比价、采购预采、采购合同管理、送货管理、入库管理以及相应的后台管理功能等。2)与互联网+结合,将信息交互向供应链上游供应商扩展,供应商通过互联网可以看到采购需求、供货进度、财务回款等信息。本系统已在安徽马钢输送设备制造有限公司投入使用,反映良好。
基于大数据的印花质量影响因素分析方法研究
这是一篇关于工业4.0,印花质量,大数据,分析系统的论文, 主要内容为随着“工业4.0”的提出与实施,全球制造业开始了新一轮的改革。我国制造业在“中国制造2025”战略的指导下纷纷开始加快结构转型,以提升国际竞争力。纺织业是我国传统的制造业,而染整是纺织行业中丰富织物花色、提高产品附加值最重要环节。染整是技术密集型产业,其工艺流程复杂,参数变化大,生产、管理控制要素多,工业自动化程度低。目前,染整生产由于过度依赖技术工人经验,没有定量定性的知识可以用来规范生产,导致了产品生产过程中印花质量无法保持稳定的问题。与此同时,还衍生出了如资源利用率低、环境污染等问题。所以保证印花生产质量的稳定性是染整行业在结构转型中急需解决的问题。针对上述情况问题,结合印花生产数据的特征,利用大数据技术研究了印花质量影响因素分析方法。该方法由数据质量处理,数据挖掘分析两部分组成。数据预处理包括缺失值处理、基于箱形图的异常值处理、基于皮尔逊相关系数的特征值选择。使用决策树算法对数据进行数据挖掘。通过基于大数据的印花质量影响因素分析方法实现对印花生产数据全方位的分析,找出印花质量与影响因素之间的关系,改善染整行业印花质量不稳定的问题,实现染整工艺的可重现性。为了能更便捷、高效地使用基于大数据的印花质量影响因素分析方法,设计与实现了大数据印花质量分析系统。结合染整行业的需求,通过系统需求分析、系统概要设计完成系统功能与结构的分析设计。通过J2EE技术、Hadoop+Spark大数据集群搭建和面向对象编程完成对基于大数据的印花质量影响因素分析方法的封装,并详细设计与实现了系统用户管理、数据综合处理、数据可视化、历史数据查询等功能模块。最后采用软件测试方法,验证了大数据印花质量分析系统的可靠性和稳定性。本文提出的基于大数据的印花质量影响因素分析方法和大数据印花质量分析系统在降低印花生产对工人经验依赖度,改善印花质量稳定性问题上有良好的效果。
基于大数据的印花质量影响因素分析方法研究
这是一篇关于工业4.0,印花质量,大数据,分析系统的论文, 主要内容为随着“工业4.0”的提出与实施,全球制造业开始了新一轮的改革。我国制造业在“中国制造2025”战略的指导下纷纷开始加快结构转型,以提升国际竞争力。纺织业是我国传统的制造业,而染整是纺织行业中丰富织物花色、提高产品附加值最重要环节。染整是技术密集型产业,其工艺流程复杂,参数变化大,生产、管理控制要素多,工业自动化程度低。目前,染整生产由于过度依赖技术工人经验,没有定量定性的知识可以用来规范生产,导致了产品生产过程中印花质量无法保持稳定的问题。与此同时,还衍生出了如资源利用率低、环境污染等问题。所以保证印花生产质量的稳定性是染整行业在结构转型中急需解决的问题。针对上述情况问题,结合印花生产数据的特征,利用大数据技术研究了印花质量影响因素分析方法。该方法由数据质量处理,数据挖掘分析两部分组成。数据预处理包括缺失值处理、基于箱形图的异常值处理、基于皮尔逊相关系数的特征值选择。使用决策树算法对数据进行数据挖掘。通过基于大数据的印花质量影响因素分析方法实现对印花生产数据全方位的分析,找出印花质量与影响因素之间的关系,改善染整行业印花质量不稳定的问题,实现染整工艺的可重现性。为了能更便捷、高效地使用基于大数据的印花质量影响因素分析方法,设计与实现了大数据印花质量分析系统。结合染整行业的需求,通过系统需求分析、系统概要设计完成系统功能与结构的分析设计。通过J2EE技术、Hadoop+Spark大数据集群搭建和面向对象编程完成对基于大数据的印花质量影响因素分析方法的封装,并详细设计与实现了系统用户管理、数据综合处理、数据可视化、历史数据查询等功能模块。最后采用软件测试方法,验证了大数据印花质量分析系统的可靠性和稳定性。本文提出的基于大数据的印花质量影响因素分析方法和大数据印花质量分析系统在降低印花生产对工人经验依赖度,改善印花质量稳定性问题上有良好的效果。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码工坊 ，原文地址：https://m.bishedaima.com/lunwen/53968.html
