-
公开(公告)号：CN118428652A
公开(公告)日：2024-08-02
申请号：CN202410501296.9
申请日：2024-04-25
Applicant: 暨南大学
IPC: G06Q10/0631 , G06Q10/0835 , G06Q10/083 , G06Q10/087 , G06Q50/04
Abstract: 本申请涉及面向生产与运输的智能联动决策方法及服务平台，该方法包括：将更新生成的生产变量期望值和配送变量期望值分别下发至生产规划子系统和输送规划子系统；接收生产规划子系统响应于生产变量期望值所返回的生产变量返回值和输送规划子系统响应于配送变量期望值所返回的配送变量返回值，并判断生产变量返回值和配送变量返回值是否满足预设的产运一致性约束；在判断到生产变量返回值和配送变量返回值不满足预设的产运一致性约束的情况下，重复执行利用预设的协同优化CO算法和动态容差进行协同优化，直至新的生产变量返回值和配送变量返回值满足产运一致性约束，得到联动决策结果。
-
公开(公告)号：CN118278693A
公开(公告)日：2024-07-02
申请号：CN202410466365.7
申请日：2024-04-18
Applicant: 暨南大学
IPC: G06Q10/0631 , G06F18/2411 , G06N3/0442 , G06N3/126 , G06Q30/0202 , G06Q50/04
Abstract: 本申请涉及基于工业大数据的间歇式生产系统经济批量决策方法、服务平台及介质，该方法包括：获取当前所接收到的需求订单信息；根据预设的支持向量机SVM多分类模型，对所述当前产品生产信息进行处理，确定产品类型；将已确定产品类型的所述当前产品生产信息，输入预设的需求时序预测模型，得到第一产品需求预测信息；在将所述第一产品需求预测信息导入与所述产品类型对应的经济生产批量决策模型之后，利用预设的遗传算法和迭代规则，计算出经济生产批量结果，通过引入大数据分析技术确定决策模型中的关键变量，增强模型求解的精准性，提升复杂随机环境下生产物流系统多层次、多尺度管控决策的智能化水平。
-
公开(公告)号：CN119692913A
公开(公告)日：2025-03-25
申请号：CN202411848374.9
申请日：2024-12-16
Applicant: 暨南大学
IPC: G06Q10/087 , G06Q50/04 , G06N3/006 , G06N3/126
Abstract: 本申请涉及基于GA‑PSO的物料订购与补货的决策方法及服务平台，该方法包括：获取每个订购周期内多种目标物料对应的物料订购量；对每个订购周期中的交付周期的数目和多种目标物料分别对应的物料订购量进行编码，生成多个第一矩阵型编码个体；在基于多个第一矩阵型编码个体，利用遗传算法进行至少一次遗传操作后，确定当次迭代所生成的每个第二矩阵型编码个体对应的第二子编码体的适应度，基于适应度和第二矩阵型编码个体，进行遗传操作迭代，直至生成多个候选矩阵型编码个体；在将候选矩阵型编码个体中的候选子编码体作为候选粒子后，基于粒子群优化算法，对多个候选粒子进行迭代处理，并从生成的多个备选粒子中，选取包括目标物料补货决策信息的目标粒子。
-
公开(公告)号：CN118428652B
公开(公告)日：2024-11-08
申请号：CN202410501296.9
申请日：2024-04-25
Applicant: 暨南大学
IPC: G06Q10/0631 , G06Q10/0835 , G06Q10/083 , G06Q10/087 , G06Q50/04
Abstract: 本申请涉及面向生产与运输的智能联动决策方法及服务平台，该方法包括：将更新生成的生产变量期望值和配送变量期望值分别下发至生产规划子系统和输送规划子系统；接收生产规划子系统响应于生产变量期望值所返回的生产变量返回值和输送规划子系统响应于配送变量期望值所返回的配送变量返回值，并判断生产变量返回值和配送变量返回值是否满足预设的产运一致性约束；在判断到生产变量返回值和配送变量返回值不满足预设的产运一致性约束的情况下，重复执行利用预设的协同优化CO算法和动态容差进行协同优化，直至新的生产变量返回值和配送变量返回值满足产运一致性约束，得到联动决策结果。
-
公开(公告)号：CN118278693B
公开(公告)日：2024-11-01
申请号：CN202410466365.7
申请日：2024-04-18
Applicant: 暨南大学
IPC: G06Q10/0631 , G06F18/2411 , G06N3/0442 , G06N3/126 , G06Q30/0202 , G06Q50/04
Abstract: 本申请涉及基于工业大数据的间歇式生产系统经济批量决策方法、服务平台及介质，该方法包括：获取当前所接收到的需求订单信息；根据预设的支持向量机SVM多分类模型，对所述当前产品生产信息进行处理，确定产品类型；将已确定产品类型的所述当前产品生产信息，输入预设的需求时序预测模型，得到第一产品需求预测信息；在将所述第一产品需求预测信息导入与所述产品类型对应的经济生产批量决策模型之后，利用预设的遗传算法和迭代规则，计算出经济生产批量结果，通过引入大数据分析技术确定决策模型中的关键变量，增强模型求解的精准性，提升复杂随机环境下生产物流系统多层次、多尺度管控决策的智能化水平。
-
Patent Agency Ranking
公开(公告)号：CN118428851B
公开(公告)日：2024-10-15
申请号：CN202410501297.3
申请日：2024-04-25
Applicant: 暨南大学
IPC: G06Q10/087 , G06Q10/0631 , G06Q10/0835 , G06Q10/083 , G06Q50/04
Abstract: 本申请涉及基于订单批处理的生产与仓储智能联动决策方法及服务平台，该方法包括：获取预规划的排产信息和当前预规划的仓储信息，排产信息关联对应的生产总成本和生产下线时间序列，仓储信息关联对应的仓储总成本和排库时间序列；对生产总成本、生产下线时间序列、仓储总成本和排库时间序列，利用改进的协同优化算法和动态容差进行协同优化，以更新当前生产耦合变量期望值和当前排库耦合变量期望值；判断完成当次迭代的候选排产信息所对应的生产下线时间序列和候选仓储信息所对应的排库时间序列是否满足预设的一致性约束，并在判断到满足预设的一致性约束时，将对应的候选排产信息和对应的候选仓储信息作为协同规划结果。
-
公开(公告)号：CN113421346B
公开(公告)日：2023-02-17
申请号：CN202110739853.7
申请日：2021-06-30
Applicant: 暨南大学
Abstract: 本发明涉及一种增强驾驶感的AR‑HUD抬头显示界面的设计方法，属于虚拟现实领域，其包括：通过摄像头采集驾驶环境的影像信息；调整摄像头参数，完成相机标定；对图像进行预处理；虚拟呈像，标定AR‑HUD系统相关的参数并实现物体的虚实注册，实现导航虚拟标记与道路现实目标匹配、对准、提示；对AR‑HUD界面进行设计，在游戏引擎中进行虚拟驾驶场景的构建，并通过相关端口连接实体车辆设备，然后结合头戴式VR显示系统构建虚拟测试平台，遴选出最优的AR‑HUD显示系统。本发明有效避免了实车测试周期长、成本高、危险性大等缺点，同时也弥补了现有技术中对界面设计架构与用户的视觉匹配等方面的短板。
-
公开(公告)号：CN118674491B
公开(公告)日：2025-02-28
申请号：CN202410842824.7
申请日：2024-06-27
Applicant: 暨南大学
IPC: G06Q30/0202 , G06N3/0464 , G06N3/049 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本申请涉及基于大数据的产品需求信息预测方法、装置、预测平台及介质，该方法包括：在目标产品对应的历史生产数据中，获取与所述目标产品对应的第一生产数据时间序列，并按预设规则对所述第一生产数据时间序列进行缩放处理，生成第二生产数据时间序列；将所述第二生产数据时间序列，输入已训备的需求预测模型，得到所述目标产品对应的目标需求预测数据；利用已构建的EM‑GMM模型，处理所述目标需求预测数据的所有所述日生产需求预测数据，生成生产需求预测结果，其中，所述生产需求预测结果包括所述目标产品对应的周生产需求概率分布参数，通过使用TCN‑LSTM模型，结合网格搜索法，对历史生产数据进行预处理和预测，从而提高对目标产品需求预测的准确性。
-
公开(公告)号：CN118674491A
公开(公告)日：2024-09-20
申请号：CN202410842824.7
申请日：2024-06-27
Applicant: 暨南大学
IPC: G06Q30/0202 , G06N3/0464 , G06N3/049 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本申请涉及基于大数据的产品需求信息预测方法、装置、预测平台及介质，该方法包括：在目标产品对应的历史生产数据中，获取与所述目标产品对应的第一生产数据时间序列，并按预设规则对所述第一生产数据时间序列进行缩放处理，生成第二生产数据时间序列；将所述第二生产数据时间序列，输入已训备的需求预测模型，得到所述目标产品对应的目标需求预测数据；利用已构建的EM‑GMM模型，处理所述目标需求预测数据的所有所述日生产需求预测数据，生成生产需求预测结果，其中，所述生产需求预测结果包括所述目标产品对应的周生产需求概率分布参数，通过使用TCN‑LSTM模型，结合网格搜索法，对历史生产数据进行预处理和预测，从而提高对目标产品需求预测的准确性。
-
公开(公告)号：CN118428851A
公开(公告)日：2024-08-02
申请号：CN202410501297.3
申请日：2024-04-25
Applicant: 暨南大学
IPC: G06Q10/087 , G06Q10/0631 , G06Q10/0835 , G06Q10/083 , G06Q50/04
Abstract: 本申请涉及基于订单批处理的生产与仓储智能联动决策方法及服务平台，该方法包括：获取预规划的排产信息和当前预规划的仓储信息，排产信息关联对应的生产总成本和生产下线时间序列，仓储信息关联对应的仓储总成本和排库时间序列；对生产总成本、生产下线时间序列、仓储总成本和排库时间序列，利用改进的协同优化算法和动态容差进行协同优化，以更新当前生产耦合变量期望值和当前排库耦合变量期望值；判断完成当次迭代的候选排产信息所对应的生产下线时间序列和候选仓储信息所对应的排库时间序列是否满足预设的一致性约束，并在判断到满足预设的一致性约束时，将对应的候选排产信息和对应的候选仓储信息作为协同规划结果。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
