船舶工程分解结构表达研究

针对精细化造船的需求，研究船舶工程分解。进行详细的造船工程项目静态层次划分和项目动态任务分解，研究了任务包、作业过程和资源占用的表达，以期为造船工程管理的全面研究提供良好的基础条件。     

基于MSWBS的造船层次网络计划及其动态管理研究

鉴于目前造船计划管理方面存在的一些问题,提出现代船舶工作分解结构,在此基础上建立造船层次网络计划。通过信息化的手段,能实现造船工程计划的实时查看和动态调整,从而达到动态管理。     

基于表关系图的历史数据转储方案及应用研究

分析了历史数据转储的必要性,根据订单的相关性对数据进行分类,提出一种基于表关系图的历史数据转储方案.     

基于知识库的船舶管系定额工时测算研究

为了解决船舶制造企业管系定额工时测算效率低、误差大、难以指导生产计划编排及成本控制等问题,依据“设计、生产、管理、信息一体化”的思想,在深入分析管系设计数据特征的基础上,构建设计物量自动化抽取模型,并以管系定额工时标准体系为依据建立工时测算规则,运用知识库推理逻辑进行定额工时精确测算,最后通过系统研发与企业实际应用,验证抽取模型及测算方法的有效性.     

基于现代船舶工程分解结构的造船工程计划体系研究

提出现代船舶工程分解结构,在此基础上建立造船工程计划体系,实现造船工程网络计划上下层计划的对应。扩充了工程分解结构单元的内容,把工程分解结构映射为单代号里程碑网络计划,把任务包细化为双代号执行网络计划,从而实现造船工程计划的有效制订、执行、控制和反馈。     

基于表关系图的历史数据转储方案及应用研究

分析了历史数据转储的必要性，根据订单的相关性对数据进行分类，提出一种基于表关系图的历史数据转储方案。     

大数据环境下的船舶中间产品装配工时预测模型

基于大数据环境提出考虑误差修正的两阶段船舶中间产品装配工时预测模型。从船舶设计软件中提取中间产品装配工艺信息，建立反向传播神经网络(Back Propagation Neural Network, BPNN)模型，实现装配工时的初步预测。采集对装配工时预测可能造成影响的外界因素大数据，建立基于极端梯度提升(Extreme Gradient Boosting, XGBoost)算法的装配工时预测误差修正模型。两阶段预测结果相加得到装配工时预测值。实例验证该预测模型的有效性，可为船舶企业完善装配工时管理提供切实可行的解决思路。     

船舶精细化工时管理模式及应用

以船舶与海洋工程制造企业工时管理体系为研究对象，以构建数字化、集成化、智能化、标准化的工时管理信息系统为目标，对设计数据和实动工时进行深度挖掘，系统研究数据抽取规则、工时测算规则、工时修正方法及其与任务派工标准和结算标准等方面之间的关联规则，实现与设计数据的有效集成，完善和规范工时物量管理的业务流程和测算方法，有效帮助企业改进生产工艺、提高生产效率，显著提升企业核心竞争力。