知識化制造環(huán)境下基于擴展模糊Petri網的預測與決策.pdf

1、目前現(xiàn)有的模糊Petri網模型種類不能完全滿足日益發(fā)展變化的產品生產管理各方面的應用要求，而且模型的建立往往為針對某一個具體的產品的生產管理過程加以實現(xiàn)，對于同類的或者相近的產品，缺乏利用其相似性進行快速建模的方法。針對這種情況，本文提出了若干個經過擴展的模糊Petri網模型，并將其與善于進行知識處理和應用的知識化制造相結合以強化其快速建模能力或知識表示能力，再利用這些擴展模型對產品生產管理的部分預測和決策問題進行了分析和研究。文中，首

2、先對知識化制造環(huán)境下利用自學習模糊Petri網(SFPN)實現(xiàn)采購預測進行了研究，其次解決了基于生命周期階段匹配的知識化制造系統(tǒng)SFPN模型的產品促銷決策問題，然后對模糊數Petri網(FNPN)和拆卸難度可能度基礎上的簡單機電產品拆卸序列優(yōu)化決策進行了分析研究，最后研究了基于多屬性模糊Petri網(AFPN)的知識化制造系統(tǒng)產品需求預測方法。
　　 具體說來，主要在如下幾個方面進行了研究：
　　 1．提出了一種知識化制

3、造環(huán)境下的自學習模糊Petri網模型，給出了其參數計算方法，建立了自學習模糊Petri網模型知識庫，并將網絡架構和產品類別作為其模型建立和更新判斷指標。通過構造SFPN模型的知識化制造知識庫，建立并保存原有產品的SFPN模型，在開發(fā)后續(xù)產品或者進行新的決策時調出并進行修正后作為后續(xù)產品模型，通過較短時間和少量樣本的自學習訓練，就可以快速建立后續(xù)產品的SFPN模型并用于預測或決策。最后利用采購預測實例驗證了其有效性。
　　 2．利

4、用原有產品及其現(xiàn)有產品的相似性，提出了一種確定產品所處生命周期階段的匹配方法。建立了雙匹配函數進行數據計算匹配，在此基礎上，通過利用匹配算法提取現(xiàn)有產品的生命周期特征，與存儲于知識化制造系統(tǒng)知識庫的原有產品生命周期數據知識進行匹配，匹配后的數據可用于從知識化制造系統(tǒng)知識庫中獲取適合現(xiàn)有產品的生產與營銷決策，最后采用SFPN方法并以產品促銷決策為例驗證了其有效性。
　　 3．針對結構簡單機電產品拆卸序列的尋優(yōu)問題，提出了一種模糊數

5、Petri網模型基礎上的產品拆卸序列排序的難度可能度決策方法。首先，將善于表達模糊或界限不確定目標的三角模糊數與便于建模的Petri網相結合，建立三角模糊數Petri網。其次，以拆卸難度作為結構簡單機電產品拆卸序列評價指標，選取三相異步電動機作為實例，在建立三相異步電動機拆卸序列的三角模糊數Petri網模型的基礎上，利用拆卸難度可能度方法，實現(xiàn)了對三項異步電動機拆卸序列的難度優(yōu)選排序決策，選擇難度最小的拆卸序列進行拆卸，以提高拆卸效率。

6、
　　 4．為強化模糊Petri網的知識表示能力，提出了一種多屬性模糊Petri網(AFPN)，即在模糊Petri網的基礎上，為每個庫所及權值賦予與實際系統(tǒng)相對應的多個屬性，以簡單模型結構完成具有多個屬性的系統(tǒng)的建模。利用知識化制造系統(tǒng)的知識庫，對多屬性模糊Petri網進行屬性分解、屬性合并以及訓練更新，并對不規(guī)則模型進行規(guī)則化，可以在原有產品的AFPN模型基礎上簡單快速建立后續(xù)產品的AFPN新模型。在產品需求預測的實例中，采用