浅谈供应商的开发与管理

采购过程中供应商的开发与管理是至关重要的环节,科学有效地选择和管理供应商,不仅有利于采购活动的成功实现,促进双方获得共赢,而且有利于维护企业自身的利益。本文将根据我司采购部门对供应商开发与管理实践活动的研究,进一步阐述供应商选择与管理的重要作用及实践意义。     

基于改进 BiLSTM 网络的地铁车轮磨耗预测模型

针对地铁车轮磨耗数据时间跨度较长引起的长期依赖问题,为了进一步提升预测精度,提出一种将麻雀搜索算法(sparrow search algorithm,SSA)优化双向长短期记忆网络(bidirectional long short term memory,BiLSTM)的改进 BiLSTM(SSA-BiLSTM)网络模型,用于地铁车轮磨耗预测。首先,利用麻雀搜索算法对双向长短期记忆网络算法的神经元个数、迭代次数、输入批量和学习率等超参数在给定范围内进行寻优,得到参数最优值;然后,以参数最优值来构建改进 BiLSTM 网络模型,对车轮磨耗进行预测分析;最后,以车轮踏面磨耗和轮缘磨耗作为研究对象,将某地铁 1 车厢 1 号车轮的现场实测历史磨耗数据作为输入,对该模型进行训练及验证分析,并与多层感知机(multilayer perceptron,MLP)、LSTM、BiLSTM 以及 SSA-LSTM 模型的预测结果进行对比。研究结果表明：SSA-Bi-LSTM 模型的车轮磨耗预测精度更高,与 LSTM、BiLSTM 以及 SSA-LSTM 网络模型相比,踏面磨耗的平均绝对百分误差(mean absolute percentage error,MAPE)分别降低了 13.28%、10.32%、1.47%,轮缘磨耗分别降低了 9.5%、0.46%、0.02%;分别对同一地铁 2 号、4 号车厢的 1 号位置车轮磨耗进行预测,并与磨耗实测数据进行对比,踏面磨耗的平均绝对百分比误差分别为 1.34%、1.42%,轮缘磨耗的平均绝对百分比误差分别为 0.18%、0.19%,验证了本文所提模型具有良好的泛化性,为地铁轮对智能化管理提供理论支持,延长车轮使用寿命。     

基于MSC.Nastran的重型载货车车架有限元强度分析和模态分析

采用有限元分析软件MSC.Nastran,对重型载货车车架的不同状态(光车架、装前悬、装前后悬)进行了静弯强度和刚度分析,得出了其应力分布图,并与测试值进行了比较,得出了车架结构的合理性;分析了车架的前18阶模态特性,得出了其固有频率和振型,通过与汽车在行驶时车架受到的外部激振特性比较,得到整个车架满足动态特性的条件,能够避免发生共振,符合设计要求,为其结构的进一步优化及抗疲劳设计提供基础。