基于INDICS平台的高端电器连接件智能装配工厂

1项目背景贵州航天电器股份有限公司是我国高端连接器、继电器和组件电缆的专业研制、生产骨干企业之一。在信息化方面,ERP系统、OA、PDM、CAD、CAE、CAM、CAPP均早有实施,2014年引进了西门子PLM系统,目前正在推进MES系统的应用。在自动化方面也已布局。但是高端电器连接件智能装配工厂还存在一些不足,具体需求如下:(1)跨地域资源协作水平低。企业资源的利用,库存、产能调用仅可考虑本地事业部资源,不能有效地利用订单等数据驱动,合理地协同资源和产能。     

基于大数据的五年制高职护生在线学习行为要素研究

在线学习已逐渐成为高职院校一种重要学习形式,该领域也成为当前研究热点之一。对在线学习进行介绍,同时对大数据技术在在线学习平台中的应用进行分析,重点对五年制高职护生在线学习行为要素进行研究分析,为更好地开展在线学习评价提供参考,促进高职院校更好地开展在线学习,提高在线学习质量。     

大数据时代大学生个人隐私保护问题研究

伴随着互联网+的风生水起,信息量暴增的大数据时代应运而来,"网络原住民"大学生不可避免、理所当然地处于大数据洪流之中,但也为其个人隐私保护带来了极大挑战。文章针对大数据带来的安全隐私问题,指出大学生个人隐私泄露的可能原因,提出可以采取的个人隐私保护措施,给出大数据时代隐私保护几种技术,期望能给相关人士提供有效参考。     

基于模拟退火优化BP神经网络的变形监测数据预测方法

针对BP神经网络模型用于变形监测数据处理时容易陷入局部极小值并且收敛速度慢的问题，提出一种基于模拟退火(Simulated Annealing,SA)算法优化BP神经网络的建筑物变形预测方法，利用SA的全局寻优能力对BP神经网络的模型参数进行优化，使参数迭代过程始终保持较高的“温度”和“能量”，从而确保BP神经网络能够得到全局最优解的同时具备较高的预测精度和收敛速度。采用实际算例对所提SA-BP方法在低信噪比和小样本条件下的预测精度进行验证，结果表明所提方法相对于传统BP神经网络法和小波方法能够获得更高的预测精度，并且在小样本和低信噪比条件下优势更加明显。     

基于BP神经网络的线损不良数据辨识及其预测

电能在输送过程中产生的大量损耗会大大提高电网的运营成本,同时海量的电网数据中往往包含错误数据,对线损计算及预测有严重影响。针对该问题,提出一种基于BP神经网络的不良数据辨识模型,可以有效辨别线路数据中的不良数据,并进行剔除。剔除不良数据后,再利用BP神经网络对线损进行预测。以宿迁市某变电站数据为例,验证了该模型的适用性。     

基于变形热效应条件下30CrMo钢的流变行为研究

在应变速率分别为0.1、1.0和10.0 s-1,应变温度分别为373、573和773 K条件下,对30Cr Mo钢进行压缩试验。通过获得的流变应力数据发现,随着应变速率的增加,应力存在着一定程度的软化现象,说明材料内部存在着变形热效应。在考虑变形热效应的情况下,对流变应力数据进行了修正。通过微观组织观察发现,试样内部存在着因变形热效应引起的动态再结晶,验证了数据修正的必要性。     

我国制造业模具人才培养现状和实际需求调研分析

我国制造业近年来的发展成就斐然,模具作为装备制造的基础,其重要性愈发明显,对人才的需求也愈发突出,选择典型地区相关高校对应专业的学生组织问卷调查,同时在全国众多模具企业中选择企业代表,对企业的人才需求进行调研分析,以期掌握当前我国制造业模具人才的培养现状。     

2020在线会议产品TOP30

2019年6月6日,工信部正式向中国电信、中国移动、中国联通、中国广电发放5G商用牌照,这标志着中国5G商用征程正式开启。作为新一代的信息技术,5G最显著的特点是大带宽、低时延、广连接,能实现高达10Gbit/s的数据速率、低至1毫秒的时延以及100万连接数/平方公里,由于5G的这些特性,意味着5G将连接万物.