CN108053108B - 一种基于装备体系状态特征的定型列装决策管理方法及系统 - Google Patents
一种基于装备体系状态特征的定型列装决策管理方法及系统 Download PDFInfo
- Publication number
- CN108053108B CN108053108B CN201711289200.3A CN201711289200A CN108053108B CN 108053108 B CN108053108 B CN 108053108B CN 201711289200 A CN201711289200 A CN 201711289200A CN 108053108 B CN108053108 B CN 108053108B
- Authority
- CN
- China
- Prior art keywords
- equipment
- feedback
- matrix
- data
- team
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012360 testing method Methods 0.000 claims abstract description 65
- 238000004513 sizing Methods 0.000 claims abstract description 56
- 238000013461 design Methods 0.000 claims abstract description 44
- 238000007726 management method Methods 0.000 claims abstract description 37
- 238000012552 review Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 97
- 230000008569 process Effects 0.000 claims description 38
- 238000012549 training Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 238000007493 shaping process Methods 0.000 abstract description 16
- 238000012827 research and development Methods 0.000 abstract description 11
- 230000008859 change Effects 0.000 abstract description 2
- 238000011160 research Methods 0.000 abstract description 2
- 238000011217 control strategy Methods 0.000 abstract 1
- 238000004806 packaging method and process Methods 0.000 description 13
- 238000001514 detection method Methods 0.000 description 8
- TVZRAEYQIKYCPH-UHFFFAOYSA-N 3-(trimethylsilyl)propane-1-sulfonic acid Chemical compound C[Si](C)(C)CCCS(O)(=O)=O TVZRAEYQIKYCPH-UHFFFAOYSA-N 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种基于装备体系状态特征的定型列装决策管理方法及系统,本方案根据定型申请装备各阶段的参数状态进行智能分析,给出反馈结果。本方案依据当前装备体系下装备或装备集的动态统计应用数据,预测出定型申请需求、定型试验需求、队伍试验需求、定型审查需求、队伍试用需求、队伍列装需求,分析列装生命周期各阶段的管控策略,协调控制各阶段的执行情况;该种列装需求预测管理方法及系统,基于装备体系状态特征预测各阶段需求的动态变化,统一实施多项在研装备及其各阶段的协调控制,提高装备研发从定型到列装的整体效率。
Description
技术领域
本发明涉及机器语言技术,具体涉及基于机器语言的警用装备列装决策管理方案。
背景技术
装备定型列装包括如下各阶段:
1)定型申请
新型装备包括新研、改型、仿制产品。定型是确保产品的研制、生产质量的一种制度,是装备研制程序的一个阶段。该阶段需要提供定型申请阶段的产品的设计图样及完整文件并保证产品配套齐全。标明构成产品的所有配套设备、零部件、元器件、原材料、软件等有供货来源。
2)定型试验
第三方检测机构经过设计定型试验,证明产品的性能达到批准的战术技术性能和作战使用要求,不得遗留重大质量问题。
3)队伍试验
由定委分配的试验队伍对定型试验的产品进行部队实战测试,产品性能达到批准设计定型时的要求和实战需要。
4)定型审查
由定委对生产与验收的各种图样、技术文件齐备。配套设备及零部件、元器件、原材料、软件供货需要有保障。
5)队伍试用
由定委选择试用队伍,并制定队伍试用实施计划,试用队伍按照计划的实施要求以及试用期限,对装备产品进行试用,试用完毕后提交队伍试用报告。
6)队伍列装
定委根据试用队伍提交的试用报告来进行决策是否进行队伍的列装。
为进一步适应列装工作面临的新形势、新任务和新要求,加强和规范装备定型列装工作,提升装备建设的规范化、体系化、科学化水平。加强和规范用装备定型列装工作是进一步提升装备应用能力的客观要求,是实现装备建设科学发展的有效途径,也是解决装备研发列装突出问题的重要举措。要主动适应形势,紧跟实战需要,进一步加强装备研发列装工作,努力提供更加有力的装备支撑;要统筹装备研发、定型和列装工作,强化对装备产品的技术把关和性能审查,提高装备建设效益;要加强顶层设计、统筹研发资源、规范制度机制、严格标准程序,促进公安装备研发列装工作科学、规范、有序开展。
随着近年来形势的变化,而且国内外各大厂商也在不遗余力地研发更多更好的产品。迫切需要构建科学、系统的装备体系,推动装备研发与需要同步发展、深度融合;统筹考虑装备研发需求,研究制定装备定型工作规划和年度实施计划;科学调配装备研发资源,切实加大对重点领域关键技术和高新技术装备研发的保障力度。
当前的装备研发主要基于PLM(生命周期管理)、PDM(产品数据管理) 等信息系统提供支持,这些系统在开发效率管理、项目资源管理、数据管理等方面存在诸多问题。由于缺乏执行结果的可见性、存在过多的项目追踪及项目沟通会议及跨部门合作时产品数据不同步等造成项目周期变长,更多的人力成本的浪费以及项目风险无法进行有效的控制。由于多个项目同时存在,造成资源利用率不透明,无法有效的获取资源利用情况。装备设计周期频繁导致产品设计过程变长;装备数据与项目数据无法有效的关联。项目管理数据滞后,无法向战略层面提供有效的数据对项目进行及时的判断,为甄别优质项目,对无效项目进行及时的决策。
由此可见,为了提高装备研发从定型到列装的整体效率,本领域亟需一套有效的列装需求预测管理方案,可以基于装备体系状态特征预测各阶段需求的动态变化,以便于实施多项在研装备及其各阶段的协调控制。
发明内容
首先对本发明中用到的缩写及名词进行说明:
PMR:Parameter Measuring Reporter,参数测量报告者;
DSS:Decision Scheduler Server,决策与调度服务;
PFM:Parameter Feature Matrix,参数特征矩阵;
PPM:Procedure Parameter Matrix,过程参数矩阵;
FDM:Feedback Data Matrix,反馈数据矩阵;
ERM:Experience RatingMatrix,评定经验矩阵;
PTTM:PreDefined Time ThresholdMatrix,预定义时间计划矩阵;
PPTM:PreDefined Performance ThresholdMatrix,预定义性能指标矩阵;
SETM:SystemExeceute Status Matrix,系统执行矩阵;
EQNet:定型列装决策深度神经网络;
EQModel:定型列装决策模型;
ACS:Adjusted Cosine Similarity,调整余弦相似度算法;
AFFRM:Attention FactorFeedBack Rating Matrix,关注度-因素反馈评分矩阵;
PMS:Parameter Monitor Servcie,参数监测服务。
本发明所要解决的技术问题是针对现有装备定型列装决策管理过程中存在的不足和缺陷,提供一种基于装备定型列装过程数据并有机融合反馈数据和经验数据的列装决策解决方案。
为了解决上述技术问题,本发明具体提供了一种基于装备体系状态特征的定型列装决策管理方法,该管理方法根据定型申请装备各阶段的参数状态进行智能分析,给出反馈结果。
进一步的,所述管理方法包括如下步骤:
(1)收集装备定型过程参数;
(2)获取定型试验及试用过程中的反馈数据;
(3)将过程参数,反馈数据和经验数据构建参数矩阵,并据此构建和训练智能模型,最后应用模型做出定型列装决策。
进一步的,所述步骤(3)中构建参数特征矩阵PFM,所述参数特征矩阵 PFM={定型申请PPM,定型试验PPM,队伍试验PPM,定型审查PPM,队伍试用PPM,队伍列装PPM,定型申请FDM,定型试验FDM,队伍试验FDM,定型审查FDM,队伍试用FDM,队伍列装FDM,定型申请ERM,定型试验ERM,队伍试验ERM,定型审查ERM,队伍试用ERM,队伍列装ERM}。
进一步的,所述步骤(3)中构建和训练智能模型包括如下步骤:
基于参数特征矩阵PFM确定系统执行矩阵SETM;
通过原始SETM数据训练EQNet得到EQModel模型。
进一步的,所述步骤(3)中,由EQModel模型对关注度-因素反馈评分矩阵AFFRMcu进行运算给出优化策略反馈组合,所述关注度-因素反馈评分矩阵AFFRMcu由系统执行矩阵SETM经过执行方法FEQ()计算得到;执行方法 FEQ()基于EQModel模型构建,其输入为SETM,输出为AFFRMcu。进一步的,所述关注度-因素反馈评分矩阵AFFRMcu通过如下公式确定:
其中,{A0,A1,A2,A3,A4,A5,A6,A7,A8,A9}为关注矩阵;{F0……Fn}为业务参数矩阵;PTTMcu为时间计划数据矩阵;PPTMcu为性能指标数据矩阵。
进一步的,所述定型试验及试用过程中的反馈数据包括如下内容:
(1)装备的故障率;
(2)装备的可用性指标;
(3)装备的性能参数指标。
进一步的,所述经验数据包括:定型设备列表,定型设备试验数据,定型设备队伍试验数据,定型设备队伍试用数据,定型设备列装数据。
为了解决上述技术问题,本发明具体提供了一种基于装备体系状态特征的定型列装决策管理系统,所述定型列装决策管理系统包括定型列装决策管理程序,所述定型列装决策管理程序被处理器执行时实现收集装备定型过程参数,获取定型试验及试用过程中的反馈数据;再将过程参数,反馈数据和经验数据构建参数矩阵,并据此构建和训练智能模型,最后应用模型做出定型列装决策。
进一步的,所述定型列装决策管理系统进行初始化时:
配置系统的待定型列装装备序列{eq0,eq1,……,eqn};
配置系统的定义时间计划矩阵PTTM{eq0,eq1,……,eqn};
配置系统的定义性能指标矩阵PPTM {eq0,eq1,……,eqn};
合计当前系统承载参数特征矩阵SETM。
进一步的,所述定型列装决策管理系统运行时:
根据运行时负载状态实时更新运行时参数特征矩阵SETM;
根据系统运行时参数状态实时更新系统的时间计划阈值 PTTMcu;
根据系统运行时参数状态实时更新系统的性能阈值 PPTMcu;
应用FEQ()计算当前SETM的AFFRMcu;
据AFFRMcu中的Few(Acu)的值判别:
若Few(Acu)显示预警
置反馈参考集为预警反馈集,启动持续线性时间扫描;
若Few(Acu)显示关注
置反馈参考集为关注反馈集,启动间歇性时间关注;
若Few(Acu)显示为执行优秀
置反馈参考集为优秀反馈集合,启动标准关注。
本发明提供的基于装备体系状态特征的定型列装决策管理方案,可支持以需求单位实际需求,试用状态为基准进行研究和列装调度,并在决策端全程跟踪列装设备的运行状态,收集应用单位的反馈数据及设备应用效果评定数据,通过基于数据构建管理决策模型的方式,降低定型列装过程中的决策反馈响应消耗,提高决策效率和正确度。
再者,本发明提供的方案,支持在决策端全生命周期管理装备的定型列装基线,提高装备研发资源的利用效率和决策的执行效率。
附图说明
以下结合附图和具体实施方式来进一步说明本发明。
图1为本发明实例中定型列装业务流程图;
图2为本发明实例中EQNet设计结构图;
图3为本发明实例中EQNet设计卷积层结构图;
图4为本发明实例中系统运行执行流程图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明。
参见图1,装备由定型到列装主要经过以下几个阶段:
(1)定型申请,由生产商进行定型的申请,提交定型申请报告。
(2)定型试验,由定委分配第三方检测机构进行对定型设备的试验,第三方检测机构提交定型试验报告。
(3)队伍试验,由定委分配队伍进行定型设备的队伍试验,队伍在试验完毕后提交队伍试验报告。
(4)定型审查,由定委对定型设备进行审查,并出具审查报告。
(5)队伍试用,由定委分配试用队伍对设备进行实际的试用,队伍在试用完毕后提交试用报告。
(6)列装,定委对定型设备的定型过程进行综合评估,决定是否列装。
据此,本方案提出基于装备定型过程参数,定型试验及试用过程中的反馈数据以及经验数据来构建相应的参数矩阵,据此来设计和训练智能模型,最后应用模型做出定型列装决策。
这里所述的装备定型过程参数包括如下内容:
(1)定型申请阶段中过程参数包括生产商评级,生产条件,生产工艺质量等;
(2)定型试验阶段中过程参数包括检测机构资质,检测条件覆盖率,性能参数;
(3)队伍试验阶段中过程参数包括队伍人员数量,人员学历,队伍成果等;
(4)定型审查阶段中过程参数包括技术文件评值,配套设备,原材料供货保障评值;
(5)队伍试用阶段中过程参数包括队伍人员数量,人员学历,队伍成果等;
(6)队伍列传阶段中过程参数包括装备列装出勤率,战果,效费比等。
这里的定型试验及试用过程中的反馈数据包括如下内容:
(1)装备的故障率;
(2)装备的可用性指标;
(3)装备的性能参数指标。
这里的定型装备的经验数据来源为装备定型管理系统中的历史数据记录,包含最终的是否列装结果。经验数据包括:
定型装备列表,所述经验数据中的装备列表,既已列传装备的历史集合数据。
定型设备试验数据,所述经验数据中设备的第三方检测结果,用于训练数据进行过程数据数字化表示,既对已列传装备的检测数据项进行数据ETL,计算出装备的检测数据矩阵。
定型设备队伍试验数据,所述经验数据中设备的队伍试验结果,用于训练数据进行反馈参数数字化表示,既对已列传装备在试验过程中的试验数据项进行数据ETL,计算出装备的试验反馈数据矩阵。
定型设备队伍试用数据,所述经验数据中设备的队伍试用结果,用于训练数据进行反馈参数数字化表示,既对已列传装备在试验过程中的应用数据项进行数据ETL,计算出装备的应用反馈数据矩阵。
定型设备列装数据,所述经验数据中最终的列装结果,用于训练数据进行结果数据的数字化表示,既对已列传装备在试验过程中的评价、评分数据项进行数据ETL,计算出装备的评价、评分反馈数据矩阵。
本方案中基于过程参数、反馈数据、经验数据构建的参数矩阵,主要包括参数特征矩阵PFM,该参数特征矩阵PFM={定型申请PPM,定型试验PPM,队伍试验PPM,定型审查PPM,队伍试用PPM,队伍列装PPM,
定型申请FDM,定型试验FDM,队伍试验FDM,定型审查FDM,队伍试用FDM,队伍列装FDM,
定型申请ERM,定型试验ERM,队伍试验ERM,定型审查ERM,队伍试用ERM,队伍列装ERM}。
在此基础上,本方案通过深层神经网络EQNet来训练系统执行矩阵SETM 数据,来得到定型列装决策模型EQNet。这里的系统执行矩阵SETM基于参数特征矩阵PFM确定。
再者,本方案中利用确定的定型列装决策模型EQNet通过对关注度-因素反馈评分矩阵AFFRMcu进行运算给出优化策略反馈组合。该关注度-因素反馈评分矩阵AFFRMcu由系统执行矩阵SETM经过执行方法FEQ()计算得到,该执行方法FEQ()基于EQModel模型构建,其输入为SETM,输出为AFFRMcu。
据此形成的定型列装决策管理方法能够实现根据定型申请装备各阶段的参数状态进行智能分析,由此给出预警、关注、优秀的反馈结果。
基于上述内容,以下具体说明一下本定型列装决策管理方法的实现过程。
(一)构建装备定型列装各阶段的参数矩阵数据。
使用PMS来获取定型申请、定型试验、队伍试验、定型审查、队伍试用、队伍列装等六阶段的过程参数矩阵、反馈数据矩阵、评定经验数据矩阵,PMS 是系统的数据服务中心,通过接收列装各阶段的的PMR定时发送的阶段特征参数状态信息,从而为DSS提供装备定型列装生命周期的参数状态信息。
参数特征状态数据记录在参数特征矩阵中,DSS合集的PFM如下:
PFM={
定型申请PPM,定型试验PPM,队伍试验PPM,定型审查PPM,队伍试用PPM,队伍列装PPM,
定型申请FDM,定型试验FDM,队伍试验FDM,定型审查FDM,队伍试用FDM,队伍列装FDM,
定型申请ERM,定型试验ERM,队伍试验ERM,定型审查ERM,队伍试用ERM,队伍列装ERM};
参数λ={λ0,λ1,λ2,λ3,λ4,λi,…},其为参数预定义变量格式,经PTTM 和PPTM运算后,获得运算意义。
整个方案中的预定义时间计划矩阵PTTM可定义为:
整个方案中的预定义性能指标矩阵PPTM可定义为:
在此基础上,本方案中的整个执行承载参数特征数据状态采用如下的系统执行矩阵SETM表示:
(二)设计定型列装决策模型。
本方案采用深层神经网络EQNet来训练SETM数据以得到EQModel模型, EQNet的实现要点包括以下方面(参见图2):
(1)给定一个输入IN,其特征通道数为FC_1,通过一系列卷积等一般变换后得到一个特征通道数为FC_2的特征,接下来本方案通过三个操作来重标定特征FC_2。
(2)在卷积层中使用小滑动N×N的感受野进行8层卷积,卷积层之后进行全连接层,所有隐藏层使用ReLu(如图3所示)。
(3)顺着空间维度来进行特征压缩,将每个二维的特征通道变成一个实数,这个实数某种程度上具有全局的感受野,并且输出的维度和输入的特征通道数相匹配。它表征着在特征通道上响应的全局分布,而且使得靠近输入的层也可以获得全局的感受野。
(4)通过参数W来为每个特征通道生成权重,其中参数W被学习用来显式地建模特征通道间的相关性。
(5)最后是一个RW的操作,步骤(4)输出的权重看做是经过特征选择后的每个特征通道的重要性,然后通过乘法逐通道加权到先前的特征上,完成在通道维度上的对原始特征的重标定。
(三)定型列装决策决策响应
通过FPTTM(SETM)函数抽取SETM数据中各阶段的时间数据,与PTTM 计算距离得时间计划数据矩阵PTTMcu,
通过FPPTM(SETM)函数抽取SETM数据中各阶段的性能指标数据,与 PPTM计算距离得到性能指标数据矩阵PPTMcu:
本方案通过进一步通过执行方法FEQ()对任一SETM给出关注度-因素反馈评分矩阵AFFRM={A0,A1,A2,A3,A4,A5,A6,A7,A8,A9,F0……Fn},该执行方法 FEQ()基于EQModel模型构建,其输入为SETM,输出为AFFRMcu。
其中,{A0,A1,A2,A3,A4,A5,A6,A7,A8,A9}为关注矩阵,该矩阵中每一项为关注度定义属性,空项可置0;{F0……Fn}为业务参数矩阵,由在研装备的特征数据决定,对应不同的装备,业务参数矩阵通过n的伸缩适配。
Few()为多级分类器,其特征为基于连续输入数据可持续寻优进化,其输入为{A0,A1,A2,A3,A4,A5,A6,A7,A8,A9},输出为提示预警、提示重点关注、提示一般关注,既既反馈决策时间关注优先级。
在此基础上,本方案通过原始SETM数据训练EQNet得到EQModel模型。
该EQModel通过对AFFRMcu进行运算给出优化策略反馈组合既多个优选参数的反馈参考集:
EQModel(AFFRMcu)→SET(XA,YF,Zcu);
其中,SET(XA,YF,Zcu)为反馈集关注度、业务参数、指标契合度的集合; XA,→{A0,A1,A2,A3,A4,A5,A6,A7,A8,A9};YF,→{F0……Fn};Zcu→ {PTTMcu,PPTMcu}。
由此,通过参考SET(XA,YF,Zcu),即可对当前定型列装各阶段做出指导,发出决策性指令,亦可计算当前定型列装分值:
本方案在上述的基于装备体系状态特征的定型列装决策管理方法的具体实施方案的基础上,进一步提供了一种基于装备体系状态特征的定型列装决策管理系统,用于提供DSS对定型列装各阶段的决策调度。
该定型列装决策管理系统主要包括定型列装决策管理程序,该定型列装决策管理程序在被处理器执行时实现能够实现上述的定型列装决策管理方法,即收集装备定型过程参数,获取定型试验及试用过程中的反馈数据;再将过程参数,反馈数据和经验数据构建参数矩阵,并据此构建和训练智能模型,最后应用模型做出定型列装决策。具体的实现过程如上所述,此处不加以赘述。
本定型列装决策管理系统中设计的模型能够将设备定型中设备的基本参数,定型审核,定型试验,队伍试验,队伍试用等过程作为一个个的因素输入,通过智能分析模型运算决策结果并输出。
由此定型列装决策管理系统,实现DSS对定型列装各阶段的决策调度的过程如下:
初始化:
配置系统的待定型列装装备序列{eq0,eq1,……,eqn};
配置系统的定义时间计划矩阵PTTM{eq0,eq1,……,eqn};
配置系统的定义性能指标矩阵PPTM {eq0,eq1,……,eqn};
DSS合计当前系统承载参数特征矩阵SETM。
系统执行:
DSS根据运行时负载状态实时更新运行时参数特征矩阵SETM;
根据系统运行时参数状态实时更新系统的时间计划阈值 PTTMcu;
根据系统运行时参数状态实时更新系统的性能阈值 PPTMcu;
触发关注循环:
应用FEQ()计算当前SETM的AFFRMcu;
据AFFRMcu中通过Few()判别:
若Few(Acu)显示预警,
→置SET(XA,YF,Zcu)为预警反馈集,启动持续线性时间扫描;
若Few(Acu)显示关注,
→置SET(XA,YF,Zcu)为关注反馈集,启动间歇性时间关注;
若Few(Acu)显示为执行优秀,
→置SET(XA,YF,Zcu)为优秀反馈集合,启动标准关注;
最后,人工确认后加入到知识库。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.基于装备体系状态特征的定型列装决策管理方法,其特征在于,所述管理方法根据定型申请装备时定型申请阶段、定型试验阶段、队伍试验阶段、定型审查阶段、队伍试用阶段、队伍列装阶段的参数状态进行智能分析,给出反馈结果;所述管理方法包括如下步骤:
(1)收集装备定型过程参数;
(2)获取定型试验及试用过程中的反馈数据,所述反馈数据包括如下内容:装备的故障率、装备的可用性指标、装备的性能参数指标;
(3)将过程参数,反馈数据和经验数据构建参数矩阵,并据此构建和训练智能模型,最后应用智能模型做出定型列装决策;所述经验数据包括:定型设备列表,定型设备试验数据,定型设备队伍试验数据,定型设备队伍试用数据,定型设备列装数据;所述构建和训练智能模型包括如下步骤:
基于参数特征矩阵PFM确定系统执行矩阵SETM;
通过原始系统执行矩阵SETM数据训练定型列装决策深度神经网络EQNet得到定型列装决策模型EQModel;
由EQModel模型对关注度-因素反馈评分矩阵AFFRMcu进行运算给出优化策略反馈组合,所述关注度-因素反馈评分矩阵AFFRMcu由系统执行矩阵SETM经过执行方法FEQ()计算得到;执行方法FEQ()基于EQModel模型构建,其输入为SETM,输出为关注度-因素反馈评分矩阵AFFRMcu;
据AFFRMcu中的Few(Acu)的值判别:
若Few(Acu)显示预警
置反馈参考集为预警反馈集,启动持续线性时间扫描;
若Few(Acu)显示关注
置反馈参考集为关注反馈集,启动间歇性时间关注;
若Few(Acu)显示为执行优秀
置反馈参考集为优秀反馈集合,启动标准关注。
2.根据权利要求1所述定型列装决策管理方法,其特征在于,所述步骤(3)中构建参数特征矩阵PFM,所述参数特征矩阵PFM={定型申请PPM,定型试验PPM,队伍试验PPM,定型审查PPM,队伍试用PPM,队伍列装PPM,定型申请FDM,定型试验FDM,队伍试验FDM,定型审查FDM,队伍试用FDM,队伍列装FDM,定型申请ERM,定型试验ERM,队伍试验ERM,定型审查ERM,队伍试用ERM,队伍列装ERM}。
4.基于装备体系状态特征的定型列装决策管理系统,其特征在于,所述定型列装决策管理系统包括定型列装决策管理程序,所述定型列装决策管理程序被处理器执行时实现收集装备定型过程参数,获取定型试验及试用过程中的反馈数据;再将过程参数,反馈数据和经验数据构建参数矩阵,并据此构建和训练智能模型,最后应用智能模型做出定型列装决策;所述反馈数据包括如下内容:装备的故障率、装备的可用性指标、装备的性能参数指标;所述经验数据包括:定型设备列表,定型设备试验数据,定型设备队伍试验数据,定型设备队伍试用数据,定型设备列装数据;
所述定型列装决策管理系统构建和训练智能模型时,包括如下步骤:
基于参数特征矩阵PFM确定系统执行矩阵SETM;
通过原始系统执行矩阵SETM数据训练定型列装决策深度神经网络EQNet得到定型列装决策模型EQModel;
由EQModel模型对关注度-因素反馈评分矩阵AFFRMcu进行运算给出优化策略反馈组合,所述关注度-因素反馈评分矩阵AFFRMcu由系统执行矩阵SETM经过执行方法FEQ()计算得到;执行方法FEQ()基于EQModel模型构建,其输入为SETM,输出为关注度-因素反馈评分矩阵AFFRMcu;
据AFFRMcu中的Few(Acu)的值判别:
若Few(Acu)显示预警
置反馈参考集为预警反馈集,启动持续线性时间扫描;
若Few(Acu)显示关注
置反馈参考集为关注反馈集,启动间歇性时间关注;
若Few(Acu)显示为执行优秀
置反馈参考集为优秀反馈集合,启动标准关注。
5.根据权利要求4所述的基于装备体系状态特征的定型列装决策管理系统,其特征在于,所述定型列装决策管理系统进行初始化时:
配置系统的待定型列装装备序列{eq0,eq1,……,eqn};
配置系统的定义时间计划矩阵PTTM{eq0,eq1,……,eqn};
配置系统的定义性能指标矩阵PPTM{eq0,eq1,……,eqn};
合计当前系统承载参数特征矩阵SETM。
6.根据权利要求5所述的基于装备体系状态特征的定型列装决策管理系统,其特征在于,所述定型列装决策管理系统运行时:
根据运行时负载状态实时更新运行时参数特征矩阵SETM;
根据系统运行时参数状态实时更新系统的时间计划阈值 PTTMcu;
根据系统运行时参数状态实时更新系统的性能阈值 PPTMcu;
应用执行方法FEQ()计算当前SETM的AFFRMcu;所述执行方法FEQ()基于EQModel模型构建,其输入为SETM,输出为关注度-因素反馈评分矩阵AFFRMcu;
据AFFRMcu中的Few(Acu)的值判别:
若Few(Acu)显示预警
置反馈参考集为预警反馈集,启动持续线性时间扫描;
若Few(Acu)显示关注
置反馈参考集为关注反馈集,启动间歇性时间关注;
若Few(Acu)显示为执行优秀
置反馈参考集为优秀反馈集合,启动标准关注。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711289200.3A CN108053108B (zh) | 2017-12-07 | 2017-12-07 | 一种基于装备体系状态特征的定型列装决策管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711289200.3A CN108053108B (zh) | 2017-12-07 | 2017-12-07 | 一种基于装备体系状态特征的定型列装决策管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108053108A CN108053108A (zh) | 2018-05-18 |
CN108053108B true CN108053108B (zh) | 2022-09-23 |
Family
ID=62122791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711289200.3A Active CN108053108B (zh) | 2017-12-07 | 2017-12-07 | 一种基于装备体系状态特征的定型列装决策管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108053108B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112306027A (zh) * | 2020-05-08 | 2021-02-02 | 陈晓清 | 应用于智慧园区的设备生产线调度方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956798A (zh) * | 2016-06-20 | 2016-09-21 | 华北电力大学 | 一种基于稀疏随机森林的配网设备运行状态评估方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
PL407047A1 (pl) * | 2014-02-05 | 2015-08-17 | Michał Waluś | Sposób akwizycji cech osobniczych zwłaszcza do systemów autoryzacji biometrycznej oraz układ decyzyjnej akwizycji |
CN106447195A (zh) * | 2016-09-28 | 2017-02-22 | 国网浙江省电力公司湖州供电公司 | 一种基于员工积分和外协队伍评价的安全承载力分析方法 |
CN106971270A (zh) * | 2017-03-30 | 2017-07-21 | 中国人民解放军装备学院 | 一种电子装备使用适用性的评估方法 |
CN107194029B (zh) * | 2017-04-19 | 2020-06-30 | 中国航空综合技术研究所 | 一种基于体系结构框架的标准视图建模方法 |
-
2017
- 2017-12-07 CN CN201711289200.3A patent/CN108053108B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956798A (zh) * | 2016-06-20 | 2016-09-21 | 华北电力大学 | 一种基于稀疏随机森林的配网设备运行状态评估方法 |
Non-Patent Citations (2)
Title |
---|
基于系统工程的装备试验与评价需求研究;廖兴禾等;《装备学院学报》;20170228(第01期);118-123 * |
警用装备的两阶段全生命周期管理研究;胡玲玲,李建业;;《微型电脑应用》;20180220;第34卷(第02期);43-44 * |
Also Published As
Publication number | Publication date |
---|---|
CN108053108A (zh) | 2018-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019055538A1 (en) | SYSTEMS AND METHODS OF ADDITIVE MANUFACTURING | |
JP5516390B2 (ja) | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 | |
US20200401113A1 (en) | Determining optimal material and/or manufacturing process | |
KR101732319B1 (ko) | 목표 지향적 빅데이터 비즈니스 분석 프레임워크 | |
JPWO2021015134A1 (ja) | 材料設計システム、材料設計方法、及び材料設計プログラム | |
US20060100916A1 (en) | System, method, and software for convergence-based project planning | |
Jeong et al. | Shipyard block logistics simulation using process-centric discrete event simulation method | |
SANIUK et al. | Management of production orders in metalworking production | |
CN109559033B (zh) | 一种面向云设计制造模式的社交化团队成员优选方法 | |
Heck et al. | Iteration-based performance measurement in the fuzzy front end of PDPs | |
CN108053108B (zh) | 一种基于装备体系状态特征的定型列装决策管理方法及系统 | |
Tuegel et al. | Digital thread and twin for systems engineering: design to retirement | |
Dabbagh et al. | An approach for prioritizing NFRs according to their relationship with FRs | |
Korde et al. | State-of-the-art review of construction performance models and factors | |
Haartman et al. | Lean practices and the adoption of digital technologies in production | |
KR100991316B1 (ko) | 제조 설비에 관련된 예보를 생성하기 위한 시뮬레이션 사용 | |
Kobryn et al. | Digital thread and twin for systems engineering: EMD to disposal | |
CN110191015A (zh) | 基于cpi指标的云服务性能智能预测方法和装置 | |
Jufer et al. | Performance Factory–A new approach of performance assessment for the Factory of the Future | |
Pakkar | Using DEA and AHP for ratio analysis | |
Han et al. | Analysis of global competitiveness of engineering modeling and simulation technology for next-manufacturing innovation: Using quantitative analysis of patents and papers | |
Lu et al. | Identification of Learning Effects in Modular Construction Manufacturing | |
Atwater et al. | Wholistic Sustainment Maturity: The Extension of System Readiness Methodology across all Phases of the lifecycle of a complex system | |
CN111325431B (zh) | 一种卫星系统集成成熟度的评估方法 | |
Genaidy et al. | A roadmap for a methodology to assess, improve and sustain intra‐and inter‐enterprise system performance with respect to technology‐product life cycle in small and medium manufacturers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |