面向全生命周期的大规模定制生产模式的研究

针对目前关于大规模定制的研究主要囿于产品族开发的现状,提出了从全生命周期的角度研究大规模定制生产模式的思路。通过分析单件定制、大规模生产和大规模定制三种生产模式之间的差别,形成了面向大规模定制的响应模式,总结出了设计和定制分离、延迟策略以及模块化产品族的特点。提出了面向DFX的产品族设计方法、包含需求配置和工程配置等在内的定制配置过程、基于制造单元的生产线布局规划过程、基于产品族结构和JIT策略的物流网络融合处理、面向并行装配线规划的设计结构矩阵处理算法等内容。     

云环境下大规模定制中资源配置研究

针对传统大规模定制生产模式无法满足日益个性化的产品市场变化,导致产品无法形成生产批量,在生产过程中增加成本和时间的问题,结合云制造的背景环境,提出云环境下大规模定制产品的生产模式,并通过建立包含生产总时间、生产总成本和产品总质量的多目标优化函数模型,使用NSGA-Ⅱ算法对所建模型进行求解,对模式运行中的资源配置问题进行研究。最后通过航模发动机进行算例验证,证明所建模型可以得到解决云环境下大规模定制产品生产过程中资源优化配置问题的最优生产方案。     

机床产品网络化定制系统的研究

机床产品种类繁多,为了满足客户的个性化需求,构建了机床产品网络化定制系统的体系结构,阐述了参数化设计技术、成组技术、快速原型制造技术、网络技术和数据库技术等实现机床产品定制系统的关键技术,给出了定制系统的工作流程,并以具体的实例验证了系统的可行性．     

大批量定制:未来制造业的主流生产方式

大批量定制生产方式能快速和低成本地向顾客提供个性化和定制化产品，因此正在成为制造业的主流生产模式，不同的行业以往的生产方式是不同的，但它们的发展方向却是相似的，有的是从过去的大批量生产模式转向大批量定制生产模式，如汽车工业和家电工业；有的是从过去的定制生产模式转向大批量定制生产模式，如船舶工业和工业汽轮机行业；有的是从过去的批量生产模式转向大批量定制生产模式，如机床工业和航空工业，当然，不同行业采用的大批量定制的深度是不同的。     

面向大规模定制的供应链驱动模型的研究与应用

大规模定制是在高效率的大规模生产的基础上,通过产品结构和制造过程的重组,运用现代信息技术,新材料技术、柔性技术等一系列高新技术,以大规模生产的成本和速度,为单个顾客或小批量多品种市场定制任意数量的产品的一种生产模式,本文提出了面向大规模定制的推拉型供应链驱动模式,构建了以装配为分离点的供应链模型,并进行了案例研究。     

支持基于Internet的大规模定制的产品信息管理系统

基于Internet的大规模定制生产方式是一种必然趋势。在这种生产模式下，企业必须改善其结构、组织和管理方式以及产品的设计和生产方式才能适应这种模式。基于Internet的大规模定制生产的产品信息管理系统在功能和框架上与传统PDM系统不同，它有强大的协作功能，支持异构平台，有更多的功能模块。其关键技术在于分布式软件组件技术、数据该和传输过程的安全机制以及产品和零部件数量的控制策略。最后，提出了基于Internet的大规模定制条件下的产品信息管理的系统解决方案。     

浅议数控机床电气控制系统

随着社会生产和科学技术的飞速发展，机械制造技术发生了深刻的变化，机械产品日趋精密复杂，且改型频繁，尤其是在宇航、军事、造船等领域所需的零件，精度要求高，形状复杂，批量又小。传统的普通加工设备已难以适应市场对产品多样化的要求。为了满足上述要求，以数字控制技术为核心的新型数字程序控制机床应运而生。     

面向客户的产品规模定制设计及其应用

讨论产品设计过程中的基本模块，并提出规模定制设计的概念。面向客户的产品设计的核心是开发面向规模定制的产品族结构，实现与统一的产品开发和送货机制的后期集成。介绍了产品族结构的特点，以及明确产品族结构的步骤。同时给出了一个规模定制设计的研究实例。     

基于大批量定制生产的产品生成模式与优化模型

有关大批量定制生产的研究大多数还处于基本概念、基本原理和方法论阶段。为了给企业提供真正有效的解决方案,依照离散型制造系统生产机理,从对象维和过程维的二维角度,提出了基于大批量定制生产的通用结构模式,探讨了产品全寿命周期的业务流程优化方向,构建了大批量定制生产的优化数学模型。该模型对于离散型制造业具有普遍适用性。     

云制造中产品个性化定制研究综述

消费者对个性化产品购买需求的增加,对制造企业的定制生产能力提出了越来越高的要求。而现有制造企业存在的信息化水平不高、制造资源不足等问题,严重影响了制造企业向个性化生产转型的进程。针对上述情况,结合云制造概念及技术提出了云制造中产品个性化定制生产模式。为了更加深入地研究云制造中产品个性化定制的运行模式及阐述云制造平台在定制生产过程中的主要作用,从体系架构、服务流程、关键技术等方面对相关研究进行了回顾和介绍,然后列举了个性化定制生产模式在汽车、软件和服装行业的应用,最后对研究趋势进行了展望。分析表明,云制造平台汇聚全球的制造资源为个性化定制服务,能够有效解决单一制造企业实施个性化定制过程中面临的一系列困难,做到以较低的成本快速高效地满足消费者日益多样化、个性化的需求。     

实施客户化大生产的管理运作基础

简要介绍了客户化大生产的产生过程,在分析客户化大生产内涵的基础上定义了客户化大生产的概念,概括出户化大生产的3个本质特征为产品的个性化、较低的变异成本和快速的响应市场需求,指出生产中实现“大规模、大范围、大联合”是实施客户化大生产的管理运作基础,并对其进行了深入研究。     

即时顾客化定制的运作策略和原则研究

基于TRIZ创新理论以冲突为核心和采取结构化过程解决复杂问题的思想,在生产方式描述模型“生产方式树”的基础上,提出了一个生产方式的创新流程模型;然后利用该创新流程模型,以大量定制为初始生产方式,分析得到了同时实现低成本和定制、同时实现定制和零顾客购买提前期的运作策略和原则;最后提出了一个实现即时顾客化定制的运作模型“即时顾客化定制生产方式树”,该运作模型从整体上描述了同时实现低成本、定制和零顾客购买提前期的运作策略和原则。     

中药产业的大规模定制模式研究

从实现中药产业现代化角度,运用大规模定制理论,以一个典型中药生产企业为例,探讨实施大规模定制对传统中药产业带来的变革和发展机遇,在此基础上提出中药生产企业大规模定制的实施方案。     

基于用户画像与协同过滤的大规模定制智能推荐算法研究

大规模定制模式的兴起与发展有效缓解了用户对差异化、个性化产品的需求与追求定制化产品成本高昂之间的矛盾。为更高效地辅助用户在大规模定制过程中做出满意的产品定制决策,对传统面向大规模定制的推荐算法进行相应改进,并结合大规模定制的特征,提出基于用户画像的定制方案推荐算法。选用基于物品的协同过滤算法作为基础推荐算法,引入大数据工具——用户画像模型对初始推荐结果进行二次过滤,以改善传统协同过滤推荐算法易忽视用户自身兴趣偏好特征的问题,提高用户定制体验与推荐精准性。给出手机产品定制案例,对产生最终推荐结果的整个过程进行模拟与分析,验证该推荐算法的有效性和可行性。     

关于产品批量化定制的思考

区分了完全定制和批量化定制的概念,澄清了笼统的定制概念在产品功能设计和制作成本上的混乱局面,指出完全定制和批量化定制在产品设计与生产组织方式上均有本质的区别,批量化定制通过减小客户工程,同时扩大标准件和容易实现定制的零件比例来降低成本,从而使产品有较大变化时,其成本基本保持不变或仅有小幅增长,还分析了影响批量化定制产品成本的因素,为控制成本提供了依据。     

Automated robotic programming for products with changes

To achieve mass customization, a manufacturing system needs to accomplish a variety of manufacturing processes of different products for the same product family. One of the critical issues is to develop an automatic program for process planning, so that the required product variations can be tackled appropriately in the same manufacturing system. In the current paper, robotic motion planning for automatic coating process is investigated, the state of the art in this area is reviewed and a new methodology is proposed for path generation, trajectory planning and integrated system simulation.     

基于协同过滤的大规模定制个性化推荐方法

为了对用户的产品定制决策进行动态辅助和引导,让用户在大规模定制系统中的产品配置过程变得更简单、方便,在产品定制环节引入了协同过滤推荐算法的思想,并结合大规模定制的特点对推荐算法进行适当改进后提出了一种新的面向大规模定制的个性化推荐算法。给出一个手机定制的实例,对算法产生推荐结果的具体过程进行了模拟与分析。仿真实验产生的可行推荐方案表明,该算法对于解决大规模定制模式下的个性化推荐问题是可行有效的。