CN110852705B - 一种制造任务驱动的刀具组合推荐方法 - Google Patents

一种制造任务驱动的刀具组合推荐方法 Download PDF

Info

Publication number
CN110852705B
CN110852705B CN201911010263.XA CN201911010263A CN110852705B CN 110852705 B CN110852705 B CN 110852705B CN 201911010263 A CN201911010263 A CN 201911010263A CN 110852705 B CN110852705 B CN 110852705B
Authority
CN
China
Prior art keywords
cutter
tool
variable
information table
manufacturing task
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
Application number
CN201911010263.XA
Other languages
English (en)
Other versions
CN110852705A (zh
Inventor
高洁
闫献国
郭宏
梁波
曹铎
赵胜荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taiyuan University of Science and Technology
Original Assignee
Taiyuan University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Taiyuan University of Science and Technology filed Critical Taiyuan University of Science and Technology
Priority to CN201911010263.XA priority Critical patent/CN110852705B/zh
Publication of CN110852705A publication Critical patent/CN110852705A/zh
Application granted granted Critical
Publication of CN110852705B publication Critical patent/CN110852705B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Tourism & Hospitality (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Economics (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Primary Health Care (AREA)
  • Manufacturing & Machinery (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Numerical Control (AREA)

Abstract

本发明涉及刀具资源管理及服务技术，具体是一种制造任务驱动的刀具组合推荐方法。本发明解决了在传统的刀具资源管理平台中使用者无法根据制造任务序列来选配最佳刀具组合的问题。一种制造任务驱动的刀具组合推荐方法，该方法是采用如下步骤实现的：步骤S1：针对云平台上的每种刀具，构建刀具信息表；步骤S2：针对每种制造任务，构建制造任务信息表；步骤S3：构建制造任务信息表与刀具信息表之间的映射目录；步骤S4：针对制造任务信息表中的第j个制造任务tj，将该制造任务tj的工件材料、加工面类型、加工精度分别赋值给变量x0(1)、变量x0(2)、变量x0(3)，并将赋值后的变量x0(1)、变量x0(2)、变量x0(3)作为参考标准。本发明适用于云制造。

Description

一种制造任务驱动的刀具组合推荐方法
技术领域
本发明涉及刀具资源管理及服务技术，具体是一种制造任务驱动的刀具组合推荐方法。
背景技术
在云制造的环境下，刀具资源具有种类繁多、描述异构、分布性广等特点，可以面向不同的制造任务提供不同的切削功能。在传统的刀具资源管理平台中，由于持有者描述方式的不同、管理系统的异构性、所属数据库的分布性等原因，无法实现制造任务与刀具资源之间的映射，由此导致使用者无法根据制造任务序列来选配最佳刀具组合。基于此，有必要发明一种全新的方法，以解决在传统的刀具资源管理平台中使用者无法根据制造任务序列来选配最佳刀具组合的问题。
发明内容
本发明为了解决在传统的刀具资源管理平台中使用者无法根据制造任务序列来选配最佳刀具组合的问题，提供了一种制造任务驱动的刀具组合推荐方法。
本发明是采用如下技术方案实现的：
一种制造任务驱动的刀具组合推荐方法，该方法是采用如下步骤实现的：
步骤S1：针对云平台上的每种刀具，构建刀具信息表；
所述刀具信息表包括：刀具信息、工艺信息、提供者信息；
所述刀具信息包括：刀具资源码、刀具序列码、刀具题目、关键字；
所述工艺信息包括：切削深度、进给速度、切削速度、加工面类型、刀具类别ID；
所述提供者信息包括：地域名称、地域ID、公司名称、公司ID；
步骤S2：针对每种制造任务，构建制造任务信息表；
所述制造任务信息表包括：制造任务序号、制造任务名、工件材料、加工面类型、加工精度；
步骤S3：构建制造任务信息表与刀具信息表之间的映射目录；
所述映射目录包括：刀具资源码、刀具类别ID、刀具案例库；
所述刀具案例库的案例属性包括：工件材料、加工面类型、加工精度；
步骤S4：针对制造任务信息表中的第j个制造任务tj，将该制造任务tj的工件材料、加工面类型、加工精度分别赋值给变量x0(1)、变量x0(2)、变量x0(3)，并将赋值后的变量x0(1)、变量x0(2)、变量x0(3)作为参考标准；
步骤S5：将刀具案例库中的第i个案例的工件材料、加工面类型、加工精度分别赋值给变量xi(1)、变量xi(2)、变量xi(3)，并将赋值后的变量xi(1)、变量xi(2)、变量xi(3)作为第i个比较案例xi；
步骤S6：对参考标准和第i个比较案例xi进行归一化处理；具体处理公式如下：
Figure GDA0003632658030000021
式中：n＝1,2,3；k表示刀具案例库中的案例数量；
步骤S7：计算第i个比较案例xi与参考标准的Tanimoto系数
Figure GDA0003632658030000022
具体计算公式如下：
Figure GDA0003632658030000023
式中：xi＝(x′i(1),x′i(2),x'i(3))；
步骤S8：若第i个比较案例xi与参考标准的Tanimoto系数
Figure GDA0003632658030000024
则表明第i个比较案例xi与参考标准匹配；反之，则表明第i个比较案例xi与参考标准不匹配；
步骤S9：循环执行步骤S5～S8，由此得到与参考标准匹配的全部比较案例；然后，根据与参考标准匹配的全部比较案例，从刀具信息表中映射得到与制造任务信息表中的第j个制造任务tj匹配的刀具集；
步骤S10：循环执行步骤S4～S9，由此从刀具信息表中映射得到与制造任务信息表中的每个制造任务匹配的刀具集；
步骤S11：从每个刀具集中选择一个刀具进行组合，并从得到的全部刀具组合中随机选择若干个刀具组合作为初始种群；
步骤S12：利用轮盘赌选择法在初始种群中选择两个刀具组合；
步骤S13：将选择出的两个刀具组合进行基因隔位交叉；
步骤S14：在基因隔位交叉后的两个刀具组合中分别随机选择一个基因，并在该基因对应的刀具集中选择一个刀具对其进行替换，由此对基因隔位交叉后的两个刀具组合进行变异；
步骤S15：分别计算选择出的两个刀具组合和变异后的两个刀具组合的适应度函数值，并将适应度函数值最小的两个刀具组合写入种群，然后将选择出的两个刀具组合从种群中删除；
步骤S16：循环执行步骤S12～S15多次后，计算种群中全部刀具组合的适应度函数值，并选取适应度函数值最小的一个刀具组合作为最佳推荐。
所述步骤S15～S16中，适应度函数值的计算公式如下：
Figure GDA0003632658030000031
Figure GDA0003632658030000032
式中：fun表示适应度函数值；N表示制造任务信息表中的制造任务数量；AreaID表示当前刀具组合的地域ID列表；CompanyID表示当前刀具组合的公司ID列表。
本发明所述的一种制造任务驱动的刀具组合推荐方法基于全新原理，实现了制造任务与刀具资源之间的映射，由此使得使用者能够根据制造任务序列来选配最佳刀具组合。
本发明有效解决了在传统的刀具资源管理平台中使用者无法根据制造任务序列来选配最佳刀具组合的问题，适用于云制造。
附图说明
图1是本发明中步骤S1～S3的示意图。
具体实施方式
一种制造任务驱动的刀具组合推荐方法，该方法是采用如下步骤实现的：
步骤S1：针对云平台上的每种刀具，构建刀具信息表；
所述刀具信息表包括：刀具信息、工艺信息、提供者信息；
所述刀具信息包括：刀具资源码、刀具序列码、刀具题目、关键字；
所述工艺信息包括：切削深度、进给速度、切削速度、加工面类型、刀具类别ID；
所述提供者信息包括：地域名称、地域ID、公司名称、公司ID；
步骤S2：针对每种制造任务，构建制造任务信息表；
所述制造任务信息表包括：制造任务序号、制造任务名、工件材料、加工面类型、加工精度；
步骤S3：构建制造任务信息表与刀具信息表之间的映射目录；
所述映射目录包括：刀具资源码、刀具类别ID、刀具案例库；
所述刀具案例库的案例属性包括：工件材料、加工面类型、加工精度；
步骤S4：针对制造任务信息表中的第j个制造任务tj，将该制造任务tj的工件材料、加工面类型、加工精度分别赋值给变量x0(1)、变量x0(2)、变量x0(3)，并将赋值后的变量x0(1)、变量x0(2)、变量x0(3)作为参考标准；
步骤S5：将刀具案例库中的第i个案例的工件材料、加工面类型、加工精度分别赋值给变量xi(1)、变量xi(2)、变量xi(3)，并将赋值后的变量xi(1)、变量xi(2)、变量xi(3)作为第i个比较案例xi；
步骤S6：对参考标准和第i个比较案例xi进行归一化处理；具体处理公式如下：
Figure GDA0003632658030000051
式中：n＝1,2,3；k表示刀具案例库中的案例数量；
步骤S7：计算第i个比较案例xi与参考标准的Tanimoto系数
Figure GDA0003632658030000052
具体计算公式如下：
Figure GDA0003632658030000053
式中：xi＝(x′i(1),x′i(2),x'i(3))；
步骤S8：若第i个比较案例xi与参考标准的Tanimoto系数
Figure GDA0003632658030000054
则表明第i个比较案例xi与参考标准匹配；反之，则表明第i个比较案例xi与参考标准不匹配；
步骤S9：循环执行步骤S5～S8，由此得到与参考标准匹配的全部比较案例；然后，根据与参考标准匹配的全部比较案例，从刀具信息表中映射得到与制造任务信息表中的第j个制造任务tj匹配的刀具集；
步骤S10：循环执行步骤S4～S9，由此从刀具信息表中映射得到与制造任务信息表中的每个制造任务匹配的刀具集；
步骤S11：从每个刀具集中选择一个刀具进行组合，并从得到的全部刀具组合中随机选择若干个刀具组合作为初始种群；
步骤S12：利用轮盘赌选择法在初始种群中选择两个刀具组合；
步骤S13：将选择出的两个刀具组合进行基因隔位交叉；
步骤S14：在基因隔位交叉后的两个刀具组合中分别随机选择一个基因，并在该基因对应的刀具集中选择一个刀具对其进行替换，由此对基因隔位交叉后的两个刀具组合进行变异；
步骤S15：分别计算选择出的两个刀具组合和变异后的两个刀具组合的适应度函数值，并将适应度函数值最小的两个刀具组合写入种群，然后将选择出的两个刀具组合从种群中删除；
步骤S16：循环执行步骤S12～S15多次后，计算种群中全部刀具组合的适应度函数值，并选取适应度函数值最小的一个刀具组合作为最佳推荐。
所述步骤S15～S16中，适应度函数值的计算公式如下：
Figure GDA0003632658030000061
Figure GDA0003632658030000062
式中：fun表示适应度函数值；N表示制造任务信息表中的制造任务数量；AreaID表示当前刀具组合的地域ID列表；CompanyID表示当前刀具组合的公司ID列表。

Claims (1)

1.一种制造任务驱动的刀具组合推荐方法，其特征在于：该方法是采用如下步骤实现的：
步骤S1：针对云平台上的每种刀具，构建刀具信息表；
所述刀具信息表包括：刀具信息、工艺信息、提供者信息；
所述刀具信息包括：刀具资源码、刀具序列码、刀具题目、关键字；
所述工艺信息包括：切削深度、进给速度、切削速度、加工面类型、刀具类别ID；
所述提供者信息包括：地域名称、地域ID、公司名称、公司ID；
步骤S2：针对每种制造任务，构建制造任务信息表；
所述制造任务信息表包括：制造任务序号、制造任务名、工件材料、加工面类型、加工精度；
步骤S3：构建制造任务信息表与刀具信息表之间的映射目录；
所述映射目录包括：刀具资源码、刀具类别ID、刀具案例库；
所述刀具案例库的案例属性包括：工件材料、加工面类型、加工精度；
步骤S4：针对制造任务信息表中的第j个制造任务tj，将该制造任务tj的工件材料、加工面类型、加工精度分别赋值给变量x0(1)、变量x0(2)、变量x0(3)，并将赋值后的变量x0(1)、变量x0(2)、变量x0(3)作为参考标准；
步骤S5：将刀具案例库中的第i个案例的工件材料、加工面类型、加工精度分别赋值给变量xi(1)、变量xi(2)、变量xi(3)，并将赋值后的变量xi(1)、变量xi(2)、变量xi(3)作为第i个比较案例xi；
步骤S6：对参考标准和第i个比较案例xi进行归一化处理；具体处理公式如下：
Figure FDA0003632658020000011
式中：n＝1,2,3；k表示刀具案例库中的案例数量；
步骤S7：计算第i个比较案例xi与参考标准的Tanimoto系数
Figure FDA0003632658020000021
具体计算公式如下：
Figure FDA0003632658020000022
式中：xi＝(x′i(1),x′i(2),x'i(3))；
步骤S8：若第i个比较案例xi与参考标准的Tanimoto系数
Figure FDA0003632658020000023
则表明第i个比较案例xi与参考标准匹配；反之，则表明第i个比较案例xi与参考标准不匹配；
步骤S9：循环执行步骤S5～S8，由此得到与参考标准匹配的全部比较案例；然后，根据与参考标准匹配的全部比较案例，从刀具信息表中映射得到与制造任务信息表中的第j个制造任务tj匹配的刀具集；
步骤S10：循环执行步骤S4～S9，由此从刀具信息表中映射得到与制造任务信息表中的每个制造任务匹配的刀具集；
步骤S11：从每个刀具集中选择一个刀具进行组合，并从得到的全部刀具组合中随机选择若干个刀具组合作为初始种群；
步骤S12：利用轮盘赌选择法在初始种群中选择两个刀具组合；
步骤S13：将选择出的两个刀具组合进行基因隔位交叉；
步骤S14：在基因隔位交叉后的两个刀具组合中分别随机选择一个基因，并在该基因对应的刀具集中选择一个刀具对其进行替换，由此对基因隔位交叉后的两个刀具组合进行变异；
步骤S15：分别计算选择出的两个刀具组合和变异后的两个刀具组合的适应度函数值，并将适应度函数值最小的两个刀具组合写入种群，然后将选择出的两个刀具组合从种群中删除；
步骤S16：循环执行步骤S12～S15多次后，计算种群中全部刀具组合的适应度函数值，并选取适应度函数值最小的一个刀具组合作为最佳推荐；
所述步骤S15～S16中，适应度函数值的计算公式如下：
Figure FDA0003632658020000031
Figure FDA0003632658020000032
式中：fun表示适应度函数值；N表示制造任务信息表中的制造任务数量；AreaID表示当前刀具组合的地域ID列表；CompanyID表示当前刀具组合的公司ID列表。
CN201911010263.XA 2019-10-23 2019-10-23 一种制造任务驱动的刀具组合推荐方法 Active CN110852705B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911010263.XA CN110852705B (zh) 2019-10-23 2019-10-23 一种制造任务驱动的刀具组合推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911010263.XA CN110852705B (zh) 2019-10-23 2019-10-23 一种制造任务驱动的刀具组合推荐方法

Publications (2)

Publication Number Publication Date
CN110852705A CN110852705A (zh) 2020-02-28
CN110852705B true CN110852705B (zh) 2022-06-10

Family

ID=69596860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911010263.XA Active CN110852705B (zh) 2019-10-23 2019-10-23 一种制造任务驱动的刀具组合推荐方法

Country Status (1)

Country Link
CN (1) CN110852705B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102323952A (zh) * 2011-09-09 2012-01-18 河海大学常州校区 基于改进遗传算法的可重构装配线排序方法
CN103793762A (zh) * 2014-01-23 2014-05-14 太原科技大学 一种基于小样本多类型参数的刀具寿命预测方法
CN106736857A (zh) * 2016-11-30 2017-05-31 太原科技大学 切削力自感知的梯度压电陶瓷智能切削刀具装置
CN108804586A (zh) * 2018-05-27 2018-11-13 北京工业大学 融合网格存优策略的多目标优化的个性化电影推荐方法
CN109146160A (zh) * 2018-08-06 2019-01-04 河海大学常州校区 一种云制造资源服务调度方法
CN109933874A (zh) * 2019-03-01 2019-06-25 太原科技大学 一种基于灰色关联分析的刀具选配方法
CN110084416A (zh) * 2019-04-19 2019-08-02 江苏理工学院 一种基于遗传算法的复杂产品生产线性能优化方法
CN110163546A (zh) * 2019-05-20 2019-08-23 四川长虹电器股份有限公司 一种基于大数据确定最优补货量的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9208251B2 (en) * 2007-01-19 2015-12-08 Linkedin Corporation Computer-based evaluation tool for selecting personalized content for users

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102323952A (zh) * 2011-09-09 2012-01-18 河海大学常州校区 基于改进遗传算法的可重构装配线排序方法
CN103793762A (zh) * 2014-01-23 2014-05-14 太原科技大学 一种基于小样本多类型参数的刀具寿命预测方法
CN106736857A (zh) * 2016-11-30 2017-05-31 太原科技大学 切削力自感知的梯度压电陶瓷智能切削刀具装置
CN108804586A (zh) * 2018-05-27 2018-11-13 北京工业大学 融合网格存优策略的多目标优化的个性化电影推荐方法
CN109146160A (zh) * 2018-08-06 2019-01-04 河海大学常州校区 一种云制造资源服务调度方法
CN109933874A (zh) * 2019-03-01 2019-06-25 太原科技大学 一种基于灰色关联分析的刀具选配方法
CN110084416A (zh) * 2019-04-19 2019-08-02 江苏理工学院 一种基于遗传算法的复杂产品生产线性能优化方法
CN110163546A (zh) * 2019-05-20 2019-08-23 四川长虹电器股份有限公司 一种基于大数据确定最优补货量的方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Liu Zhi-feng 等.Gantry machining tool assembly methods and predictive optimization based on multi-body system.《Computer Integrated Manufacturing Systems》.2014,第20卷(第2期),第394-400页. *
Sahar Noor 等.Scheduling Tool for Flexible Manufacturing Systems using Hybrid Genetic Algorithm.《2006 International Conference on Emerging Technologies》.2006,第554-559页. *
Zain, AM 等.Application of GA to optimize cutting conditions for minimizing surface roughness in end milling machining process.《EXPERT SYSTEMS WITH APPLICATIONS》.2010,第37卷(第6期),第4650-4659页. *
席光辉.柔性制造系统刀具需求遗传算法研究.《武汉理工大学学报(信息与管理工程版)》.2006,第28卷(第6期),第45-47页. *
赵晖 等.基于工件加工工艺特征的数控刀具选配系统.《组合机床与自动化加工技术》.2010,(第4期),第100-102、105页. *
霍亭宇.云制造环境下刀具资源优化配置与服务应用研究.《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅰ辑》.中国学术期刊（光盘版）电子杂志社,2017,(第5期),第B022-376页. *

Also Published As

Publication number Publication date
CN110852705A (zh) 2020-02-28

Similar Documents

Publication Publication Date Title
Liang et al. An optimized protocol for analysis of EST sequences
Böhm et al. Variations of the C2H2 zinc finger motif in the yeast genome and classification of yeast zinc finger proteins
Hulsen DeepVenn--a web application for the creation of area-proportional Venn diagrams using the deep learning framework Tensorflow. js
CN107451747B (zh) 基于自适应非支配遗传算法的车间调度系统及其工作方法
CN109815254B (zh) 基于大数据的跨地域任务调度方法及系统
WO2022095870A1 (zh) 一种针对靶点药物的数据分析方法及装置
Mora‐Márquez et al. ddradseqtools: a software package for in silico simulation and testing of double‐digest RAD seq experiments
Marchet et al. BLight: efficient exact associative structure for k-mers
Wang et al. Fungal names: A comprehensive nomenclatural repository and knowledge base for fungal taxonomy
Vis et al. An efficient algorithm for the extraction of HGVS variant descriptions from sequences
WO2022188820A1 (zh) 文件的分类处理方法、装置、服务器、系统及计算机程序产品
AU2011210554B2 (en) Statistical record linkage calibration for geographic proximity matching
Hopkins et al. Incorporating hierarchical characters into phylogenetic analysis
Yi et al. ConTEdb: a comprehensive database of transposable elements in conifers
Lee et al. CRISPRpic: Fast and precise analysis for CRISPR-induced mutations via p refixed i ndex c ounting
CN113362102A (zh) 一种客户线索分发方法、系统及存储介质
Gordon et al. PolyCRACKER, a robust method for the unsupervised partitioning of polyploid subgenomes by signatures of repetitive DNA evolution
CN110852705B (zh) 一种制造任务驱动的刀具组合推荐方法
JP2002132327A (ja) 生産計画作成方法およびそのシステム
EP2518669A1 (en) Apparatus and method for determining stage using technology lifecycle
Maniraj et al. Optimisation of process plans in reconfigurable manufacturing systems using ant colony technique
CN112115121A (zh) 一种数据治理实时数据质量检测系统
Yao et al. gm RAD: an integrated SNP calling pipeline for genetic mapping with RADseq across a hybrid population
CN116578558A (zh) 一种数据处理方法、装置、设备及存储介质
Chun et al. BAMixChecker: an automated checkup tool for matched sample pairs in NGS cohort

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