基于RBF網絡的OKP企業(yè)變型零件生產提前期估算.pdf

1、OKP（One-of-a-Kind Production，按類單件生產）生產模式能夠迅速滿足不斷增長的客戶個性化訂單需求，適應激烈的市場競爭需要，代表著機械制造企業(yè)未來發(fā)展的方向之一。OKP 生產模式的運用要求企業(yè)的生產管理與控制系統(tǒng)能夠適應瞬息萬變的市場變化，并及時動態(tài)的對變化做出反應，以迎合個性化訂單的需求。但在我國當前該模式的具體生產實踐中，許多企業(yè)由于數字化生產管理的基礎薄弱，諸如ERP、MRPII 等先進生產管理系統(tǒng)不能夠得到

2、有效的數據支持，系統(tǒng)對市場訂單變化的迅速反應能力受到制約，有的甚至還很嚴重。因此，怎樣解決ERP、MRPII 等系統(tǒng)的數據支持問題，緩解數據化生產管理的薄弱現(xiàn)狀，提高企業(yè)對動態(tài)市場的快速反應能力，就成為當前我國OKP 企業(yè)所面臨的重要問題之一。 本研究以我國一家典型的OKP 機械制造企業(yè)為對象，針對影響其ERP 系統(tǒng)MRP 動態(tài)制定期量標準（訂單的動態(tài)變化導致了期量標準的變化）的關鍵問題——變型件生產提前期的估算，運用人工神經網

3、絡方法加以解決。該方法選取RBF 神經網絡，以變型件生產提前期估算問題為研究對象，并結合聚類分析理論，運用MATLAB 軟件工具，對初始數據進行處理，篩選出具有代表性的變型件作為網絡處理對象；以影響生產提前期因素為輸入變量，生產提前期數據為輸出變量建立網絡；運用改進型k-means 聚類算法初選RBF 網絡函數中心，梯度下降法訓練中心位置、半徑及輸出權值。 實驗結果表明基于改進型k-means 聚類算法的RBF 神經網絡可以較為