您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201905-49
论文题目 基于LSTM深度神经网络的智能物料拉动系统研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于LSTM深度神经网络的智能物料拉动系统研究

首发时间:2019-05-06

黄雪思 1   

黄雪思(1993-),女,合肥工业大学硕士研究生,主要研究方向:制造系统监测、控制与管理。

葛茂根 1   

葛茂根(1979-),男,合肥工业大学副教授、硕导,主要研究方向:制造系统运行优化。

江东 1    施贝 1    杜闯 1   
  • 1、合肥工业大学机械工程学院,合肥 230009

摘要:针对传统物料拉动方式中存在的配送效率低以及配送不及时等问题,结合深度学习技术提出了基于预约时间的智能物料拉动系统。介绍了系统的整体架构,设计了系统的业务流程,建立了基于物料消耗速率的LSTM预测模型,利用某公司实际生产过程中产生的大量配送数据进行了模型训练,并将LSTM模型与BP模型的预测效果进行对比,实验结果表明LSTM模型能对物料消耗速率进行精确预测,有助于企业实现物料精准拉动。

关键词: 深度学习 LSTM 物料拉动 智能制造 JIT准时制

For information in English, please click here

Research on intelligent material pulling system based on LSTM deep neural network

Huang Xuesi 1   

黄雪思(1993-),女,合肥工业大学硕士研究生,主要研究方向:制造系统监测、控制与管理。

Ge Maogen 1   

葛茂根(1979-),男,合肥工业大学副教授、硕导,主要研究方向:制造系统运行优化。

Jiang Dong 1    Shi Bei 1    Du Chuang 1   
  • 1、School of Mechanical Engineering, Hefei University of Technology,Hefei 230009

Abstract:Aiming at the problems of low distribution efficiency and untimely distribution in traditional material pulling mode, an automatic material pulling scheme based on reservation time is proposed by combining deep learning technology. The overall structure of the system was introduced, the business process of the system was designed, LSTM prediction model based on material consumption rate was established, and the model was trained with a large number of distribution data generated in the actual production process of a company. The LSTM model is compared with BP model, and the results show that LSTM model can accurately predict the material consumption rate so as to help enterprises to achieve accurate pulling of materials.

Keywords: Deep learning LSTM Material pulling intelligent manufacturing Just-in-time

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
黄雪思,葛茂根,江东,等. 基于LSTM深度神经网络的智能物料拉动系统研究[EB/OL]. 北京:中国科技论文在线 [2019-05-06]. http://www.paper.edu.cn/releasepaper/content/201905-49.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于LSTM深度神经网络的智能物料拉动系统研究