基于供应链管理的制造型企业库存优化研究与实践

在全面库存管理思想的指导下，分析了AIP公司的库存管理现状，通过加强物流管理、改善内部供应链、扩大信息共享范围等手段，解决了库存量偏高和库存结构不合理问题，实现了优化库存总量、降低经营成本和提高市场竞争力等企业目标，并据此提出库存管理内容和模式的一些创新观点，从技术层面找NT普遍适用的库存管理与控制的有效措施，以期对制造型企业的库存管理有借鉴意义。     

未确知滤波法在监测数据误差处理中的应用

从现代误差理论出发,将可信度分析思路引入到误差处理中。采用未确知数学中的滤波方法对数据序列进行计算,分析异常数据的性质,可以对异常值和粗差进行识别。通过对一路堑边坡监测实例数据的应用,表明该法能较好地对数据中的异常情况进行探测,较为适用。     

超声张拉法索夹螺杆力测量异常数据识别

超声张拉法是目前测量悬索桥索夹螺杆轴力的常用方法。由于实际工程现场工作环境复杂，因此可能在测试各环节中引入误差；此外，设备精度和环境因素也可能对测试结果产生影响，最终会导致计算的螺杆力出现较大偏差。针对上述问题，在分析了超声张拉法索夹螺杆力测量结果中数据的局部异常情况和整体异常情况的基础上，提出了能够提高拟合准确度的局部异常数据点识别方法，以及能够发现错误测量结果或异常工作状态的数据整体异常识别方法，然后通过分析实验室测量数据，验证了所提出的异常数据识别方法的有效性。将该方法应用于南沙大桥大沙水道桥上、下游螺杆实测数据的误差分析中，取得了良好的结果。     

汽车制造企业生产管理存在的问题分析及解决办法

文章讲述了在汽车制造公司中生产管理的重要意义;对当前汽车企业生产现状进行了分析并列举了汽车制造企业生产过程中需要注意的事项,汇总了生产管理存在的主要问题,并提出了相应的改善方案,对其他企业的生产管理具有参考价值。     

某重型卡车驾驶室抖动问题分析

摘要：针对国内某企业生产的重型卡车,部分车辆出现的驾驶室异常抖动现象,对问题车辆进行了整车振动信号检测实验。利用数字信号分析处理技术以及振动信号分析理论对驾驶室抖动的原因进行了分析。通过振动信号的互功率谱密度分析和相干性函数分析寻找到了驾驶室抖动的振源,再利用整车关键位置振动信号的自功率谱函数分析,诊断出造成驾驶室抖动的问题原因,最后根据分析提出了解决驾驶室异常抖动的方案。     

船舶行为异常检测研究进展

船舶行为异常检测对于海上安全、海域的智能监管具有重要意义.异常检测算法不能满足轨迹大数据挖掘在实时性、准确性和鲁棒性等方面的需求.将异常行为进行分类,分析目前几类主要的异常检测方法:统计分析在对数据分布做出正确假设时根据概率分布获取异常情况,确定合适的异常阈值较为困难;预测法基于对历史数据的了解程度,易受多种因素影响;机器学习依赖数据特征、计算复杂度高.基于此,总结可能提高统计分析、机器学习和预测法检测效果的方法,指出将在线实时检测引入船舶检测,并展望数据处理、轨迹表示、挖掘分析和情境语义在异常检测中的可能研究方向.      

预应力桥梁智能张拉常见的数据异常问题及处理方法

预应力桥梁智能张拉过程中会经常出现一些数据异常问题,引起数据异常的原因较多。对一些常见的数据异常原因进行分析,提出相应的预防和处理措施。     

基于ASP的售后服务系统

对于我国汽车制造企业来说，由于售后服务体系相对落后，信息化建设也才刚刚起步，一些企业特别是中小型汽车制造企业，其售后服务还存在着供应链上下游信息交流不通畅、信息化建设水平低等问题。     

路基压实质量连续检测数据前处理及修正方法

以兰张铁路工程为例，提出异常值的剔除方法，并修正压路机行驶速度与振动方式对连续检测数据(CMV)的影响。在分析现场异常数据产生原因的基础上，采取绝对中位差法、孤立森林法、局部异常因子识别法对异常值进行分析，并结合动态变形模量(E_vd)对筛选后的数据进一步分析。结果表明：CMV检测原理及压路机工作参数可作为识别处理缺失值和伪异常值的依据，绝对中位差法、孤立森林法对突变数值的处理效果最好。采用修正系数对CMV进行修正后，表明当压路机以1.2 m/s为行驶速度基准值时，可分别建立强振和弱振作用下的CMV值修正公式以实现提高检测可靠性的效果。     

汽车工业准时化采购与供应链管理的探讨

以我国汽车整车制造企业的采购管理为例，对现行的计划供货、看板供货和同步供货3种采购管理模式进行了总结和分析，并着重围绕准时化生产理念和现代供应链管理理论对汽车制造企业采购管理产生的重要影响进行了探讨和研究。     

一个汽车发动机制造公司CIMS系统的设计

计算机集成制造系统（ＣＩＭＳ）是现代企业为提高经营管理的科学化水平，增强企业及其产品适应市场能力的重要手段，本文以某中外合资汽车发动机制造公司计算机集成制造系统设计方案为基础（该公司的生产纲领为年产１５万台２．０￣２．４Ｌ的汽车发动机），较全面地介绍了计算机集成制造系统设计的一般原则、系统的体系结构、系统的功能、网络的构成和系统实施的建议，旨在为汽车发动机生产企业采用ＣＩＭＳ系统时提供参考。     

重型汽车辆动力CAN网络结构及故障排查

文章主要介绍了某企业重型卡车动力CAN网络的基本结构,通过笔者长时间在生产制造源头至使用过程中对重型卡车CAN网络故障问题的处理,在此将故障类型进行归纳和整理,可根据各种情况对CAN网络故障类型进行分析和判断,从而迅速准确的处理CAN网络故障问题。     

略谈汽车企业柔性制造物流系统的改进措施

柔性制造生产方式在我国汽车生产企业建立时间不长，旧生产方式下的生产布局已不能很好适应现代柔性制造体系对生产资料物流系统的要求。对于物流系统的改造成为了解决制约汽车生产企业发展的关键问题之一。本文针对汽车生产与销售中存在的实际问题以及柔性制造体系在汽车生产企业中的软、硬件改进措施，结合工商管理、运筹学、机械制造原理等相关理论和工作实际进行了初步探讨。     

烧结主抽风机异常振动原因诊断及处理

通过对烧结主抽风机大修后出现的异常振动进行状态监测,并借助红外热成像技术等手段,诊断出故障的部位,分析原因并提出改进意见,验证处理效果。解决了困扰生产的难题。     

中小型航运企业管理信息化与优化管理

采用案例分析法对中小型船舶企业的管理体制、航次营运得失进行了分析。在竞争激烈的航运市场中,针对中小型船舶企业的企业生存能力和企业竞争力方面,提出了依靠信息化管理与优化建设的建议,注重工作细节性信息的管理,注重各相关部门、人员的沟通,形成船舶企业联动合力,共同促进企业营运,创造航次营运高效益。通过对一家中小型海运公司调研,发现船舶信息化管理的风险和缺陷,提出该公司船舶管理信息系统的优化方案,实施后,取得了较为显著的效果。     

浅谈中小型企业实施绿色营销的策略

随着当前经济的发展,人们对环保和健康的要求越来越高,本文围绕中小型企业的绿色营销这一主题,结合当前绿色营销存在的一些突出问题进行了分析,着重论述了中小型企业实施绿色营销的具体策略.     

车间生产制造的网络化管理与监控系统研究

基于企业车间生产制造和管理现状，对车间现状进行分析，建立适应企业车间现状的网络管理和监控系统的功能体系，构建车间生产和数控设备的网络化管理系统的硬件和软件系统。所建立的车间生产制造的网络化管理与监控系统能够实现从企业管理层到车间生产制造和设备状况的网络化信息交流，提高企业生产运作和管理效率。     

义乌中小型企业发展电子商务存在的问题及对策研究

义乌以“小商品市场”闻名于海内外,市场又以中小型企业居多,中小型企业在我国国民经济中占有重要的地位而电子商务作为一种新的经济运作方式必将给中小型企业带来巨大的机会与变革,电子商务是中小型企业发展的必由之路。通过对义乌市场的优势、中小型企业发展电子商务面临的问题的调查,分析义乌中小型企业电子商务存在的问题,提出解决对策。     

公路桥梁钢结构工厂化制造多属性决策评价方法

为了量化评估公路钢桥预制构件工厂化制造中的多属性信息以制定符合实际建设需求的最优制造企业方案，提出基于三角模糊数-TOPSIS法的公路钢桥制造多属性决策评价方法。首先，通过分析与表征公路钢桥预制构件的工厂化制造特点，提出预制生产模式下公路钢桥的层次划分方法，依托钢桥制造方案的属性建立备选制造企业的多属性评价体系；其次，基于制造任务信息模型和制造企业信息模型构建钢桥制造匹配模型，通过本体推理得出备选制造企业；然后，采用三角模糊数和0.1~0.9标度设定法计算备选制造企业方案的属性权重并构建初始多属性决策矩阵，提出改进的三角模糊数-TOPSIS法对备选制造企业方案的规范化多属性决策矩阵进行数学描述并求解得到综合接近度指数，从而实现备选制造企业的优劣排序；最后，将该决策评价方法应用于具体实施案例中，对4种备选制造企业方案进行对比分析。结果表明：4种备选制造企业方案的综合接近度指数依次为0.918，0.745，0.797，0.203，其中，方案1为最佳制造企业策略，方案3可作为次优策略备选。所提出的公路钢桥制造多属性决策评价方法能够科学合理地对公路钢桥预制构件的工厂化制造企业方案进行综合评价并实现自动化决策，为钢结构桥梁的自适应、自治生产奠定基础，提高公路钢桥制造过程的智能化、自治化程度。     

基于特征提取和机器学习的异常数据识别算法

结构健康监测系统的大力发展每天都在产生大量的监测数据。对于结构健康监测系统来说，判断这些产生的监测数据是否正常是对结构健康状态进行分析的第一步，也是关键的一步。同时，监测数据的异常与否也是判断传感器、采集设备、传输设备等是否正常工作的关键性依据。对于一段数据进行识别，判断数据是属于什么样的异常，是一个多分类的问题。采用基于特征提取和机器学习相结合的算法，对时序数据进行分类，能够快速地判断数据是否异常和异常的类型。