共查询到20条相似文献,搜索用时 125 毫秒
1.
以成都、德阳和绵阳构成的区域为研究对象,分析了成德绵区域的制造业特点和网络化制造技术需求,论述了实施区域网络化制造工程对成德绵区域的意义,并进行了成德绵区域网络化制造工程的方案设计。 相似文献
2.
为了研究不同区域经济发展模式和制造业发展模式下的区域性网络化制造模式,提出了网状中心城市型区域;针对网状中心城市型区域制造业的构成特点,提出了网状中心城市型区域网络化制造系统;对该系统的体系结构、功能结构、服务模式以及基于Web服务的系统集成服务机制等进行了研究。最后,介绍了该系统在重庆市进行试点和实施的情况,以及取得的阶段性效果。 相似文献
3.
4.
网络化制造平台的系统构成及功能应用 总被引:8,自引:1,他引:8
根据网络和通信技术在现代制造业中的重大影响和作用,论述了网络化制造的内涵以及实现网络化制造的重要性,并介绍了一种网络化制造平台的系统构成及各组成部分的功能。 相似文献
5.
阐述了全球网络化制造的主要运行模式及其关键技术的研究探索与实践,为我国模具制造业发展提供了新的思路和途径. 相似文献
6.
陶瓷产品网络化销售和定制系统设计研究 总被引:5,自引:2,他引:5
通过分析正在全球范围内兴起的定制生产和电子商务对我国制造业的挑战,提出一种将CIMS技术,网络化制造技术和电子商务相结合的经营模式-产品网络化销售和定制模式,研究了该模式的体系结构,并以某企业为案例,开发了陶瓷产品网络化销售和定制系统,给出了业务流程,运行模式及技术特征。 相似文献
7.
随着计算机和网络技术的快速发展,现代制造业也面临着变革,智能化、网络化成为现代制造业的发展趋势。本文详细介绍了数控设备网络化的概念以及实现方式,并从应用的角度阐述了其系统组成,最后对目前数控设备网络化应用中存在的问题进行了分析,对未来的发展趋势进行了展望,具有一定的实践指导意义。 相似文献
8.
虚拟设计与网络化制造研究综述 总被引:4,自引:0,他引:4
网络化制造作为一种现代制造新模式,正日益成为制造业研究和实践的一个热门领域。利用网络技术实现设计制造各环节问信息、知识共享与集成,对制造业起到了关键的支撑作用,这使得未来的企业制造活动建立在虚拟设计和网络化制造基础上。 相似文献
9.
宁汝新 《中国制造业信息化》2011,(3):18-19
数字化制造是制造业信息化发展的新阶段,也是目前制造业的重要发展方向,如精密化、智能化、网络化、极端化等,无一不与数字化制造技术的发展密切相关。 相似文献
10.
先进机械制造技术的发展现状和发展趋势 总被引:14,自引:2,他引:14
综述了先进机械制造技术的发展现状,阐述机械制造技术向集成化、精密化、自动化、高速化、智能化及网络化、全球化、虚拟化和绿色化方向发展,我国制造业应采取的近期目标。 相似文献
11.
12.
机电工程科学前沿与发展的思考(1) 总被引:1,自引:1,他引:0
朱剑英 《机械制造与自动化》2001,(1):1-6
本文叙述机械工程在国民经济中的重要地位,提出的精密化、综合化、网络化、智能化分别是机械工程发展的核心、途径、急需和方向;着重介绍了当今世界机械工程的最新发展,预测了电子和信息产业将跃升为机械工业的主导产业;对我国当前经济改革和机械工业的发展,提出必须面向网络时代和全球化经济等重要建议. 相似文献
13.
14.
15.
16.
17.
综述了21世纪西部大开发为四川制造业带来的机遇,阐述了世纪之交制造技术发展的趋势和特征,结合四川实际,提出了制造业面临的挑战和对策。加速观念改变和制造业体制改革,优先网络基础建设,坚持技术创新是四川制造业实现跨越式发展的必要措施。 相似文献
18.
20.
Ping-Feng Pai Chih-Sheng Lin 《The International Journal of Advanced Manufacturing Technology》2005,27(1-2):205-210
The machinery industry is one of the most important exporting industries in Taiwan. The values of Taiwan’s machinery industry
have been increasing continuously over the past years. Therefore, forecasting of production values is an essential issue for
the machinery industry in Taiwan. Support vector machines (SVMs), a novel forecasting technique, have been successfully applied
in solving non-linear regression and time series problems. In this paper, SVMs are employed to examine the feasibility in
forecasting seasonal time series data of production values of Taiwan’s machinery industry. In addition, two other forecasting
approaches, namely the seasonal time series autoregressive integrated moving average (SARIMA) model and general regression
neural networks (GRNN), are used to compare the performance of forecasting. Experimental results show that support vector
machines outperform SARIMA and the general regression neural networks in terms of forecasting accuracy. 相似文献