多价值链汽车制造厂零部件质量数据服务技术研究
这是一篇关于多价值链,数据智能,层次分析法,改进粒子群算法,BP神经网络的论文, 主要内容为汽车产业作为我国制造行业的标杆,经过多年的发展,已经成为国民经济的支柱产业之一。多价值链协同服务云平台(简称云平台)和多家中小型汽车制造厂合作,云平台数据空间中汇聚了海量业务数据。但是云平台上活跃的汽车制造厂没有充分利用海量的零部件质量数据资源,缺乏针对性的质量分析和挖掘,对零部件的质量管理能力相对薄弱。同时价值链内的企业缺乏沟通,价值链间的企业缺乏合作,形成了数据孤岛的局面。因此本文站在汽车制造厂的角度,开展零部件质量数据服务研究。本文所有研究内容均建立在第三方云平台的基础上。首先提出传统模式下的汽车制造厂在零部件质量管控中存在的问题,并对汽车制造厂和上游供应商之间的零部件供应模式进行分析,将零部件在不同阶段采集到的质量数据划分多个维度,然后基于数据空间提出面向汽车制造厂的零部件质量数据服务解决方案和多价值链数据资源服务方案。接着基于解决方案进行系统应用场景需求分析,结合应用场景设计系统的体系架构以及功能模块。系统主要包含零部件多维质量数据分析、上游协作企业质量分析、多链零部件故障影响因素分析、多链零部件故障数据查询、车型质量风险评估五个模块,结合流程图阐述系统中功能模块的执行流程,并提出多价值链数据资源提取方案以及数据概念模型和逻辑模型设计。本文依据汽车制造厂需要及时发现新车车型潜在的质量风险,构建基于层次分析法(简称AHP)和改进粒子群算法(简称IPSO)优化的BP神经网络的组合评价模型对新车车型进行质量风险评估,选取三个测试函数设计优化实验对IPSO的性能进行分析,设计BP神经网络和PSO优化的BP神经网络的对比实验验证组合模型评估结果的准确性,最终证明组合模型的评估结果更准确且误差更小。本文采用C#语言以及ASP.NET框架研发基于B/S三层架构模式的零部件质量数据服务系统,使用ECharts进行数据分析结果的可视化展示,最终将系统功能集成到云平台中。本文目的是帮助汽车制造厂充分利用多链零部件质量数据资源,尽可能挖掘数据资源中蕴含的故障信息,实现制造厂对零部件质量控制与优化的需求,同时及时发现车型隐含的质量风险,减少车型质量损失。本文开发的系统能够满足汽车制造厂的实际需求,具有现实意义。
基于第三方云平台的零部件故障数据增值服务技术研究
这是一篇关于多价值链,云平台,数据智能,组合预测模型的论文, 主要内容为多年以来,随着中国经济的飞速发展,汽车也逐渐大众化,成为人们生活中不可或缺的重要交通工具,中国的汽车销量在世界上也一直位列前茅。一辆汽车由成千上万件零部件组成,零部件的质量直接决定了汽车产品的性能好坏。而零部件供应商作为零部件的源头企业,在如今的市场形势下,零部件供应商要想稳住自己的市场地位,提高自己产品的质量是最根本的解决办法。同时,能及时地发现零部件的质量问题,对存在质量问题的零部件及时地进行整改,对发生故障的零部件及时地进行索赔,提高产品服务效率对供应商来说具有重要意义。就供应商的实际需求,本文基于第三方多价值链协同服务云平台提出了面向供应商的多种服务解决方案,并进行了验证和实现。论文基于多价值链协同服务云平台,首先分析了现有的传统故障信息反馈模式的不足,然后提出了基于第三方云平台的故障信息反馈模式。在此模式的基础上设计出了,针对供应商实际需求的多价值链数据资源服务解决方案,充分发挥了供应商处于价值链交叉节点位置的优势。根据设计的解决方案,紧接着设计了系统的总体架构,也对系统的总体功能模块和各主要的功能模块以及功能流程进行了详细的设计。同时,为了更好地支持供应商下一阶段的零部件备货计划,本文提出了一种基于ARIMA、GRU和SVR三种算法的组合预测模型,并通过与多种预测模型的实验结果对比,验证组合预测模型在对零部件故障量预测问题上具有更高的准确度,进而对供应商多价值链零部件故障数量进行精准地预测。最后,基于前文的系统设计,论文采用B/S系统架构,通过使用ASP.NET等技术,完成了面向供应商的数据智能服务系统的开发,对提出的服务解决方案加以验证,使用Echarts等技术对所得结果进行可视化展示。
面向科技咨询的数据智能服务开发平台研究与实现
这是一篇关于科技咨询,数据智能,自动化生产线,表达式即服务的论文, 主要内容为科技咨询数据智能服务开发平台是为科技咨询业务专家、数据分析专家、算法专家等角色提供的,基于云原生技术、大数据技术和AI技术搭建的简单易用的辅助工具,平台以过程自动化的方式提高科技咨询业务落地的效率,助力科技咨询行业在当前信息过载的互联网环境下满足数据说话、精准定位、快捷响应的新需求。国内外现有的数据智能服务开发平台在科技咨询场景下功能过于臃肿、过程过于复杂,无法有效提高生产力,这些存在的问题和挑战主要包括:1)海量多源异构数据集中管理与利用的问题。科技咨询的数据来源广且量大,不同的数据源供应商所属领域不同,它们提供的数据呈分散、异构的特点,缺乏了统一的数据资源组织与管理。2)服务开发过程依旧繁琐、开发周期依旧长的问题。科技咨询数据智能服务的落地需要经过大数据存储与处理、模型设计与训练、模型性能评估、应用部署运维等过程,现有平台无法完美契合这些过程,需要投入大量的人力分工协作,且不同工作间具有依赖性,对于后期发现问题的返工修正的不断更新,导致更高的时间和经济成本。另一方面,前期研发所形成的算法资产,对于新的数据和特定的场景,都有持续训练、集成和部署的需求,重复的过程给工作人员增加了更多的负担。3)服务之间的可重复利用问题。在科技咨询新场景的服务开发中,复用多个已构建数据智能服务的原子能力形成新的服务,是一种提高生产力的有效方式。但是服务之间的依赖关系、重复调用导致了更长的响应时间和系统资源占用量,如何设计出高效的组合服务显得格外重要。针对以上问题与挑战,本文重点面向科技咨询场景对数据智能服务的自动化开发流程和复合型数据智能服务的构建模型进行了研究与分析,并完成了面向科技咨询的数据智能服务开发平台的研究与实现,主要研究内容有:1)设计并实现了科技咨询数据智能服务自动化生产线。该生产线实现了从多源异构的海量科技咨询数据资产存储与管理,到多版本人工智能模型资产的生产与管理,再到数据智能服务资产部署与管理的自动化生产流程,有效降低了数据智能服务的开发周期和减少了人力投入,达到了降本增效的目的。2)设计并实现了分布式数据智能服务引擎。一方面,引擎实现了数据智能服务实例根据负载状况自动扩缩容,提高服务的稳定性和响应速度;另一方面,引擎以表达式即服务的方式,实现了对数据智能服务原子能力的复用,并对表达式的构建与调用进行了优化,解决了服务编排时服务依赖问题带来的响应时间过长和服务重复调用导致的系统资源浪费的问题。3)设计并实现了面向科技咨询的数据智能服务开发平台。该平台提供了多源数据管理、算子在线开发与版本管理、图像化工作流拖拽开发与版本管理、模型评估部署与版本管理、服务健康监测、表达式服务在线编辑与测试等功能,以过程自动化的方式提高了相关人员开发科技咨询数据智能服务的效率。最后,本平台应用于国家重点研发计划课题“科技咨询数据资源体系研究与资源建设”中,基于海量科技咨询数据,开发了若干数据智能标引服务,验证了本文所设计平台的应用价值。
面向科技咨询的数据智能服务开发平台研究与实现
这是一篇关于科技咨询,数据智能,自动化生产线,表达式即服务的论文, 主要内容为科技咨询数据智能服务开发平台是为科技咨询业务专家、数据分析专家、算法专家等角色提供的,基于云原生技术、大数据技术和AI技术搭建的简单易用的辅助工具,平台以过程自动化的方式提高科技咨询业务落地的效率,助力科技咨询行业在当前信息过载的互联网环境下满足数据说话、精准定位、快捷响应的新需求。国内外现有的数据智能服务开发平台在科技咨询场景下功能过于臃肿、过程过于复杂,无法有效提高生产力,这些存在的问题和挑战主要包括:1)海量多源异构数据集中管理与利用的问题。科技咨询的数据来源广且量大,不同的数据源供应商所属领域不同,它们提供的数据呈分散、异构的特点,缺乏了统一的数据资源组织与管理。2)服务开发过程依旧繁琐、开发周期依旧长的问题。科技咨询数据智能服务的落地需要经过大数据存储与处理、模型设计与训练、模型性能评估、应用部署运维等过程,现有平台无法完美契合这些过程,需要投入大量的人力分工协作,且不同工作间具有依赖性,对于后期发现问题的返工修正的不断更新,导致更高的时间和经济成本。另一方面,前期研发所形成的算法资产,对于新的数据和特定的场景,都有持续训练、集成和部署的需求,重复的过程给工作人员增加了更多的负担。3)服务之间的可重复利用问题。在科技咨询新场景的服务开发中,复用多个已构建数据智能服务的原子能力形成新的服务,是一种提高生产力的有效方式。但是服务之间的依赖关系、重复调用导致了更长的响应时间和系统资源占用量,如何设计出高效的组合服务显得格外重要。针对以上问题与挑战,本文重点面向科技咨询场景对数据智能服务的自动化开发流程和复合型数据智能服务的构建模型进行了研究与分析,并完成了面向科技咨询的数据智能服务开发平台的研究与实现,主要研究内容有:1)设计并实现了科技咨询数据智能服务自动化生产线。该生产线实现了从多源异构的海量科技咨询数据资产存储与管理,到多版本人工智能模型资产的生产与管理,再到数据智能服务资产部署与管理的自动化生产流程,有效降低了数据智能服务的开发周期和减少了人力投入,达到了降本增效的目的。2)设计并实现了分布式数据智能服务引擎。一方面,引擎实现了数据智能服务实例根据负载状况自动扩缩容,提高服务的稳定性和响应速度;另一方面,引擎以表达式即服务的方式,实现了对数据智能服务原子能力的复用,并对表达式的构建与调用进行了优化,解决了服务编排时服务依赖问题带来的响应时间过长和服务重复调用导致的系统资源浪费的问题。3)设计并实现了面向科技咨询的数据智能服务开发平台。该平台提供了多源数据管理、算子在线开发与版本管理、图像化工作流拖拽开发与版本管理、模型评估部署与版本管理、服务健康监测、表达式服务在线编辑与测试等功能,以过程自动化的方式提高了相关人员开发科技咨询数据智能服务的效率。最后,本平台应用于国家重点研发计划课题“科技咨询数据资源体系研究与资源建设”中,基于海量科技咨询数据,开发了若干数据智能标引服务,验证了本文所设计平台的应用价值。
数据智能对消费者移动购物意愿的影响研究
这是一篇关于数据智能,消费情绪,移动购物意愿,定性比较分析的论文, 主要内容为随着大数据、人工智能的发展,以及移动在线购物的普遍应用,给移动购物带来了海量消费者行为数据,数据智能应运而生。一方面,数据智能极大方便消费者移动购物,另一方面,数据智能也给消费者带来不少困扰,如饿了么、美团对会员进行“大数据杀熟”,这遭到了消费者的反感和驳斥。又如消费者在手机端购买机票、电影票时,同一订单同一时间价格却比其他人更贵,这让消费者感到沮丧。那么,数据智能到底如何影响消费者情绪及其移动购物意愿?其对消费者的影响到底是积极的还是消极的?在数据智能时代,企业该如何制定他们的营销策略?值得理论界进行深入探讨。现阶段,数据智能对移动购物行为的研究已经受到许多国内外学者的广泛关注,尽管学者们分别从个性化推荐、智能客服系统、智能搜索引擎等进行了相关探讨,但研究尚不足够,大部分对数据智能的研究局限在技术层面上的剖析。且当前国内外学者对消费者移动购物的研究中,绝大多数主要采用与技术接受领域相关理论如技术接受模型、理性行为理论、技术接受和使用统一等理论去深入探讨消费者的移动购物意愿和行为,较少研究人员采用环境心理学模型来探讨移动购物意愿及行为。本文希望通过分析影响消费者移动购物意愿的数据智能因素,探讨它们之间如何相互作用,最终形成引致移动购物意愿的条件组态,从而总结数据智能因素的不同组合形式对消费者移动购物意愿产生的影响,帮助移动商家提供营销建议。基于上述研究目的,本研究基于环境心理学模型,针对移动购物情境的特点,采用模糊集定性研究方法(fs QCA3.0)和多元统计分析方法(SPSS25)对962份样本数据进行分析,研究内容主要包含:(1)数据智能对消费情绪的组态影响效应研究。(2)数据智能对移动购物意愿的组态影响效应研究。(3)消费情绪的中介效应研究。本文的研究结果表明:(1)在移动购物情境下,数据智能五个因素对消费情绪均有着影响作用。通过模糊集定性比较分析得到4种主要组态,这些不同组态均引致积极的消费情绪,其中智能搜索、智能推荐与智能物流是影响消费情绪的关键因素。当移动端提供高质量的智能搜索、智能推荐与智能物流时,往往能使消费者产生积极的消费情绪。(2)在以数据智能为前因条件,移动购物意愿作为结果变量的分析中,共得到3种主要组态,其中智能搜索、智能推荐与智能物流的存在是使消费者产生移动购物意愿的核心条件。(3)在对消费情绪进行中介效应检验发现,消费情绪在智能搜索与移动购物意愿间起完全中介效应,消费情绪在智能推荐与移动购物意愿间、智能物流与移动购物意愿间起到部分中介效应,消费情绪在智能出价与移动购物意愿间、智能客服与移动购物意愿间起到遮掩效应而不是中介效应。本研究通过探讨数据智能对消费者移动购物意愿的影响,丰富了现有移动购物行为研究,补充了移动购物情境下移动购物意愿的组态机制,并在一定程度上对以往移动购物研究的研究视角进行了补充。论文的研究结果有助于移动商家或移动营销人员运用到其移动营销策略中,对提高消费者移动购物意愿具有重要实践意义。移动营销人员可以从优化智能搜索引擎、智能推荐系统、智能物流等方面完善营销策略,通过不同的前因构型灵活调配数据智能因素,制定出消费者满意的数智营销策略。
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：毕业设计驿站 ，原文地址：https://m.bishedaima.com/lunwen/55345.html
