PPC业务论文（共4篇）
PPC业务论文 篇1
据有关资料统计, 西方发达国家的中间业务收入已达到银行总收入40%以上, 当前我国商业银行从统计数据上来看, 只占到资产总额的15%左右, 我国商业银行仍然靠存贷利差维持生存。随着全球金融市场的发展, 国内商业银行越来越意识到发展中间业务的重要性。各大商业银行及地方性商业银行纷纷逐鹿中原, 抢占中间业务这一市场, 在市场竞争如此激烈的情况下, 商业银行越来越认识到营销对中间业务发展的重要性。没有营销, 就没有市场。而我国目前商业银行在中间业务营销方面存在着诸多问题, 例如营销策略没有科学规划, 战略定位不明确, 产品同质性较大无差异化等等。鉴于中间业务市场营销的重要性及如何评估商业银行在中间业务市场营销方面取得的成就, 进而检验商业银行自身中间业务的营销效果显得尤为重要。
一、评价指标体系的构建
王志鹏, 张本照 (2009) 认为商业银行绩效定量是评价商业银行发展的关键步骤。确定了中间业务评价指标体系, 其中包括盈利性指标, 成长性指标, 安全性指标, 业务发展指标, 并运用TOPSIS法进行综合排序[1]。方芳 (2005) 对商业银行中间业务市场营销策略进行了初步研究探讨, 认为在中间业务营销目标市场的选择与定位方面, 首先要以市场为导向, 以客户为中心, 按不同地域, 不同层次, 不同阶段, 因地制宜地开展中间业务。在市场营销策略方面, 第一, 要多样促销;第二, 要深化服务;第三, 产品品种要创新;第四, 要健全组织体系[2]。
刘斌, 罗明慧, 陈国辉 (2014) 以L银行的经验证据为依据, 首先回顾了我国商业银行中间业务与业绩评价综述, 以BSC和EVA为构建平台, 构建了中间业务全面业绩评价模型, 选取了中间业务全面业绩评价模型, 具体包括财务维度, 客户维度, 内部流程维度, 学习与成长维度等[3]。总结已有研究成果, 将商业银行中间业务营销绩效评价指标体系进行如下规定, 如表1所示。
二、评价样本及数据
本文主要选取上市商业银行为研究对象, 以上市公司年报为依托, 为实地调研为辅助, 获取样本数据。本文选取12家上市商业银行, 分别是中国工商银行 (ICBC) , 中国建设银 (CCB) , 交通银行 (BOC) , 民生银行 (CMBC) , 农业银行 (ABC) , 浦发银行 (SPD) , 兴业银行 (CIB) , 招商银行 (CMB) , 中国银行 (BOC) , 华夏银行 (HXB) , 北京银行 (BJB) , 南京银行 (NJB) , 按照第四章商业银行中间业务营销绩效评价指标体系, 查阅2015年前3季度上市公司年报, 可得如下样本调本表2。
采用MATLAP2013a对样本数据进行处理, 建立基于遗传算的PPC模型, 父代种群规模我们定为400, 交叉概率设定为0.8, 变异概率设定为0.8, 同时设定20个优秀个体数目, 设定系统加速个数为20, 输入样本数据, 得到最大投影指标值为20.1033, 得到最佳投影方向为= (0.3640 0.2584 0.2279 0.2778 0.2479 0.1896 0.3434 0.3435 0.37740.2527 0.3621 0.0291) , 得到不同密度下的样本综合评价的一维投影值为= (1.0320 1.3299 1.5017 1.6230 0.7155 1.3353 1.1895 1.6766 1.4238 1.2895 1.4863 1.5436) 。
注:数据来源2015年各大上市银行第三季度年报, 定性指标来源于实际调研数据整理。
最佳投影方向代表了在评价过程中影响因素对样本的综合评价影响值, 对进行综合排序, 可知各个影响因素的贡献大小, 如图1所示。
由图1中所示, 各个二级评价指标中, 顾客忠诚度对中间业务营销竞争力评价影响最大, 占到影响权重的12%, 中间业务收入增长率及新产品获利能力占比为11%, 贡献率处于第二的位置, 市场占有率及顾客满意度各自占比权重为10%, 贡献率处于第三位, 创新企业文化, 中间业务收入, 中间业务净收入与中间业务收入支占比占到影响权重的第四位。由二级影响因素影响权重进一步可知一级影响因素权重, 商业银行中间业务的发展能力占比达到26%, 盈利能力占比达到22%, 市场竞争能力占比达32%, 创新能力能占比达20%。由分析可知, 大小代表各个样本值营销绩效水平, 12家商业银行中间业务营销绩效水平如图3。
由图3可知, 民生银行与招商银行中间业务营销绩效水平处于前两位, 总体商业银行中间业务营销绩效水平大小顺序为:招商银行>民生银行>南京银行>交通银行>北京银行>中国银行>建设银行>华夏银行>兴业银行>工商银行>农业银行>浦发银行。
三、结语
由分析可以看出, 基于RAGA-PPC模型得出了各个上市商业银行中间业务营销绩效水准, 同时得出了各个影响因素的权重, 各个商业银行要想提高中间业务营销绩效能力, 需要参考各个影响因素权重, 特别要注重权重比重较大的影响因素, 从而做到集约资源有的放矢。
摘要：本文构建了我国商业中间业务绩效评价指标体系, 基于上市公司年报数数据, 运用基于遗传算法的投影寻踪聚类分析对上市商业银行进行绩效评价, 得出影响上市公司中间业务绩效的影响因素权重, 并对各个银行的中间业务营销绩效进行比较, 结究结果表明, 基于RAGA-PPE模型, 能够最大程度克服人工权重的影响, 保证评价结果的客观性。
关键词：投影寻踪,商业银行,中间业务,营销绩效
参考文献
[1]王志鹏, 张本照.商业银行中间业务绩效定量评价研究[J].特区经济, 2009, 12:82~84
[2]方芳.商业银行中间业务市场营销策略初探[J].商业经济文荟, 2005, 3:32~34
[3]刘斌, 罗明慧, 陈国辉.商业银行中间业务全面业绩评价模型构建与检验——来自L银行的经验证据[J].技术经济与管理研究, 2015, 3:79~85
PPC业务论文 篇2
东加里曼省总体为一轴向北东的复式背向斜, 走向与海岸线近于一致, 向南转为近南北向。断层较为发育, 走向为北西、北北西向, 少部分为北北东向、近南北向及近东西向。研究区位于印度尼西亚东加里曼丹省PENAJAM PASER UTARA县, 其东北、东南、西北至各煤层露头, 西南到探矿权边界, 东西长约10 km, 南北宽约9 km, 面积58.40 km2。
根据地表出露、钻孔揭露及区域资料, 研究区地层主要为新近系, 第四系覆盖于基岩之上。研究区基本形态为向斜构造, 轴向北东, 向北东仰起, 地层倾角约9°～24°, 已发现落差大于50 m的断层1条 (F5断层) , 落差0～20 m断层8条, 如图1所示。该地区总体为一宽缓向斜, 地层倾角不大, 落差较大断层较少, 发育一些小断层, 构造复杂程度属中等, 且没有发生岩浆岩侵入现象。
2 煤系特征及含煤性
2.1 含煤地层划分
KAMPUNG BARU组和BALIKPAPAN组为研究区的主要含煤岩系, 如图2所示, KAMPUNG BARU组含有本区主要可采煤层D煤。
2.1.1 KAMPUNG BARU组 (Tpkb)
上部为灰、褐灰色泥岩、粉砂岩为主, 夹数层灰色中厚层状细砂岩及薄煤;
下部为灰、褐灰、灰白色泥岩、粉砂岩和0、A、B、C、D五个煤组10余层薄～中厚层煤, 间夹3～4层浅灰白色分选较好的块状细砂岩, 其胶结差。
2.1.2 BALIKPAPAN组 (Tmbp)
砂岩和粘土岩夹砂质泥岩、页岩、石灰岩和煤层。石英砂岩呈白至微黄色, 厚度1～3 m。钙质砂岩:褐色、薄层状和透镜状, 厚度20～40 cm, 含少量的有孔虫化石夹含碳物质。粘土岩为暗灰色, 局部地区发现含有氧化铁和残留物, 而其他地区主要是含碳的砂岩。含钙泥岩:薄层状、褐色, 含砂石灰岩含大量有孔虫类、软体动物贝壳类及珊瑚等动物骨骼残体, 为生物碎屑灰岩。该地层顶部稳定分布的1～2层含生物碎屑泥灰岩, 厚度2.20～12.90 m, 平均6.62 m, 其中还发育下分层, 厚度4.50～6.00 m, 其间为厚8.45～12.00 m的含炭质细砂岩, 含少量棕褐色油页岩。
2.2 研究区主要含煤性
本区含煤地层为KAMPUNG BARU组和BALIKPAPAN组, 钻探工程揭露含煤地层平均总厚40.54 m, 煤层平均总厚3.32 m, 含煤系数8.19%。KAMPUNG BARU组厚0～411.55 m, 平均厚311.53 m, 在该组下部含0、A、B、C、D一共五个煤组, 煤层均厚3.29 m, 含煤系数9.66%, 如表1所示。
2.3 研究区煤层对比
BALIKPAPAN组顶部的泥灰岩, 其层位和厚度稳定, 是进行煤层对比的理想标志层。该泥灰岩为灰色, 块状, 粉砂质～泥质结构, 泥钙质胶结。结构相对松散, 含大量珊瑚、海螺、有孔虫类、贝壳等海相动物碎屑化石, 为生物碎屑泥灰岩。厚度2.20～12.90 m, 平均6.62 m, 局部还发育下分层, 厚度4.50～6.00 m。
研究区KAMPUNG BARU组D煤层测井曲线特征明显, 可作为煤层对比的辅助标志, 如图3所示。D煤层长源距曲线呈上下高, 中间低的燕尾状, 此特征不论煤层厚薄均存在。
2.4 可采煤层的划分
本区揭露的可采煤层为KAMPUNG BARU组的0、A、B、C、D煤层, 其中A、B、D煤层为主要可采煤层, 0、C煤层为局部可采煤层。
D煤层位于KAMPUNG BARU组底部, 煤层底板下距BALIKPAPAN组顶部泥灰17.00～31.40m, 平均间距22.56 m。研究区内D煤层厚0.60～5.70 m, 平均厚3.43 m, 向斜轴部较厚, 两翼较薄。D煤层厚度较稳定, 一般在2～5 m, F5断层以西厚度2～3 m, F5断层以东厚度较大, 多在4m以上。靠近煤层露头处厚度较小, 一般小于2m。D煤层仅有两个不可采点, 可采性指数0.99, 变异系数33%, 属基本全区可采的较稳定煤层, 其为本区的主要可采煤层。
研究区内D煤层顶板以泥岩为主, 少部分为粉细～中砂岩, 砂岩顶板多分布于F5断层以东。D煤层底板也以泥岩为主, 少部分为粉细～中砂岩, 砂岩也多分布于F5断层以东。由于成岩时间短, 岩层胶结很差, D煤层顶底板极易风化, 呈泥、砂状。D煤顶板砂岩、泥岩或炭质泥岩均属软岩不稳定性顶板;直接底板炭质泥岩为极软岩不稳定性底板, 细砂岩、粉砂岩为不稳定性底板。
B煤层位于KAMPUNG BARU组下部, 煤层底板下距D煤34.20～44.10 m, 平均间距27.33 m。在B煤与D煤之间有一薄煤 (C煤) 。区域内B煤层厚0.20～3.00 m, 平均厚度1.13 m, 可采性指数0.54, 变异系数74%, 不可采区位于向斜西北仰起端的煤层露头附近, 属大部可采的较稳定煤层。B煤层含夹矸0～7层, 东北角煤层结构复杂, 其余多为单层结构。煤层的最下分层一般较厚, 夹矸多为炭质泥岩、泥岩。研究区内B煤层顶、底板均以泥岩为主, 极少部分为粉细～中砂岩, 有时有炭质泥岩伪顶或伪底。
A煤层位于KAMPUNG BARU组下部, 煤层底板下距B煤5.10～14.40 m, 平均8.96 m。A煤层厚煤厚0.10～2.36 m, 平均厚度1.40 m, 可采性指数0.79, 变异系数39%, 不可采区位于向斜西北仰起端的煤层露头附近, 属大部可采的较稳定煤层。A煤层含夹矸0～3层, 东北角煤层结构复杂, 其余多为单层结构。夹矸多为炭质泥岩、泥岩。A煤层顶、底板均以泥岩为主, 极少部分为粉细～中砂岩, 有时有炭质泥岩伪顶或伪底。
3 煤质特征
本区各煤层的物理性质较为相似, 颜色为深褐～黑色, 棕色条痕, 玻璃光泽, 参差状断口, 条带状结构, 内生裂隙较发育, 性脆易碎, 为暗淡型煤, 本区煤质属为褐煤。本次研究共采集27个煤样, 进行了煤质化验, 首先根据煤样的代表性和可靠性对数值异常样品进行筛选, 然后进行统计分析。
3.1 水分
A煤原煤内在水分含量在14.98%～15.31%之间, 平均为15.15%;B煤原煤内在水分含量在12.51%～14.11%之间, 平均值为13.29%;D煤原煤内在水分含量在9.57%～14.98%之间, 平均为12.74%, 水分含量均较高。这主要是因为褐煤的煤化度较低, 煤的内表面积大, 含氧量高, 极性基团多, 能吸附较多的水分所致, 但对煤的开采利用影响不大。
3.2 灰分
A原煤灰分在4.98%～10.27%之间, 平均7.63%;B原煤灰分在4.01%～8.32%之间, 平均6.40%;D原煤灰分在3.40%～13.29%之间, 平均7.03%, 均为低灰分煤。
3.3 发热量
A煤空干基发热量值在20.88～22.25 MJ/kg之间, 平均21.56 MJ/kg;B煤空干基发热量值在21.42～24.86 MJ/kg之间, 平均22.93 MJ/kg;D煤空干基发热量值在19.58～24.64 MJ/kg之间, 平均22.53 MJ/kg, 发热量较高。一般煤的灰分产率与发热量高低呈反比[1,2], 该区煤层煤的灰分产率与发热量关系亦均符合此规律。
3.4 挥发分
A煤原煤挥发分含量在38.02%～39.91%之间, 平均38.97%;B煤原煤挥发分含量在40.89%～43.42%之间, 平均42.52%;D煤原煤挥发分含量在37.70%～46.08%之间, 平均41.79%, 数值相对较高。
3.5 全硫与磷
本区各煤层原煤硫分含量在0.21%～0.42%之间, A、B、D煤层原煤硫分含量平均值分别为0.41%、0.31%、0.33%, 均为特低硫煤;根据国家标准GB/T 20475.1-2006中的规定, 特低磷煤为煤中磷含量低于<100×10-6, 各煤层磷分含量均在0.001%～0.004%之间, 为特低磷煤。
4 结论
确定该研究区含有两套含煤岩系, 即KAMPUNG BARU组 (Tpbk) 和BALIKBABAN组 (Tmbp) , 且KAMPUNG BARU组含0、A、B、C、D五个煤组, 其中A、B、D三层煤为本区主采煤层;该区含煤地层平均总厚40.54 m, 煤层平均总厚3.32 m, 含煤系数8.19%, 可采煤层分布范围广, 适合煤层的开采;该区煤层一般含有较高的水分, 较低的灰分产率, 较高的挥发分和发热量, 全部煤层均为特低硫、特低磷煤。
摘要：通过对印尼PPCⅠ区域内的地层进行勘查, 划分出此区域的两套含煤岩系, 并介绍其岩性特征, 确定出该地区的主要标志层, 进行了煤层对比, 大致确定可采煤层为KAMPUNG BAR U组的A、B、D煤层, 判定此煤类为褐煤, 并阐述了印尼PPCⅠ地区的含煤性与煤质特征。
关键词：PPCⅠ地区,含煤性,煤质特征
参考文献
[1]刘治青.煤中灰分与发热量相关性和回归方程[J].山西焦煤科技, 2006 (4) :13-14
PPC业务论文 篇3
目前, 以二氧化碳 (CO2) 为主的温室气体引发的包括拉尼娜、厄尔尼诺在内的许多全球气候异常现象, 已经给地球生态带来非常严重的后果, 如冰川融化、海平面上升、干旱蔓延、荒漠化和世界粮食减产等, 已经严重影响了全球生态系统和人类的农业生产活动。并且随着地球CO2浓度升高, 这种恶化仍在继续。长此以往温室效应将会给人类带来严重环境危机, 阻碍人类的发展。面对日益严峻的形势, 人类对温室效应所带来的气候变化给予了极大的关注, 加强CO2的开发利用、变废为宝已是当务之急。将二氧化碳固定为全降解塑料的相关研究在这种局势下应运而生。由CO2与环氧丙烷 (PO) 生成的聚碳酸亚丙酯 (PPC) 正是因为具有较好的综合性能及较低的成本, 而拥有良好的市场前景和竞争优势, 成为二氧化碳共聚酯中的佼佼者。
二、聚碳酸亚丙酯PPC的特征
PPC作为CO2与PO的交替共聚物, 是可完全生物降解的新型高分子。在常温下PPC的密度为1.29g/cm3。PPC在23℃的抗张强度为29MPa左右, 抗张模量为950MPa, 断裂伸长率可达604%, PPC还具有高阻隔性, 低透氧率, 透明, 耐热水, 耐油等特点, 可与传统塑料媲美。有望广泛应用于农用薄膜、食品保鲜、日用杂品、一次性餐具、可降解塑料袋、泡沫塑料板材及儿童玩具等市场领域。
除此之外, 还有研究表明, PPC薄膜在酸或碱性溶液中都可发生化学降解, 并且能够提高薄膜吸水能力。通过土壤埋藏法研究PPC的降解行为, 结果发现在6个月后土壤埋藏的PPC膜表面变粗糙, 说明PPC具有一定的生物降解性。而将PPC植入老鼠腹腔内其降解没有引起炎症, 则能够表明PPC具有生物相容性, 可作为医用高分子材料应用。可见PPC优越的应用前景不仅仅局限于日用化工行业, 还能应用于医用材料行业。
尽管PPC已有如此优越的应用前景, 但真正要涉及到实际应用中仍有不少缺陷:一是主链上存在醚键, 链段容易绕醚键内旋转, 链的柔性较大, 玻璃化温度较低;二是链柔性较大, 链间作用力较小。广角X射线衍射 (WAXD) 证明PPC无结晶峰, 差示扫描量热法 (DSC) 测得PPC无熔融温度, 说明PPC本质上是非晶的, 低温或拉伸取向结晶性也很差;三是高温下, 端羟基会引起酯类醇解, 发解拉链式降解, 热稳定性较差。所以, 若要将PPC作为通用材料使用, 还需对其改性增强。考虑到PPC的热稳定性、机械强度等一系列问题, 人们通常采用共混、交联共聚等方法以改变PPC的链结构及端基状况, 希望使共聚物的性能得以改善, 提高其如生物降解性能、热稳定性等某一方面的性能。选择适合的材料与PPC共混制备复合材料, 在改善PPC的性能方面有很明显的成效。例如, PPC与丁腈橡胶 (NBR) 共混后具有良好的耐油耐热氧老化性能, 有比普通丁腈橡胶更好的机械性能。PPC与有机蒙脱土 (MMT) 共混后机械性能和热氧老化性能有明显的改善。将PPC与聚乙二醇 (PEG) 共混改性后, 玻璃化转变温度和分解温度明显提高, 热稳定性得到改善, 亲水性增强, PPC生物降解性能加倍提高。
三、聚乳酸PLA的特性
聚乳酸 (PLA) 又名聚丙交酯, 一般是从植物中提取淀粉为主要原料, 经过酶分解得到葡萄糖, 再经过乳酸菌发酵后变成乳酸, 最后经过化学合成得到高纯度的聚乳酸, 它是一种具有优良的生物相容性、可生物降解性和生物可吸收性的物质。PLA是一种热塑性生物可降解脂肪族聚酯, 聚乳酸制品废弃后在土壤或水中, 可在30d内彻底地被分解成为二氧化碳和水, 然后在太阳光的照射作用下, 它们又会分解为淀粉的起始原料。可见, 该材料不会对环境造成污染, 并且是一种完全自然循环型的可生物降解材料。
PLA玻璃化温度50℃, 熔点175℃, 具有良好的光泽性和透明度, 强度高, 延展性好但易水解。可被加工成薄膜、纤维或柱状体等制品, 所制薄膜与聚苯乙烯薄膜的性能相当。其废弃物在自然环境下可完全生物降解, 最终产物为CO2和H2O。PLA还是一种具有良好生物相容性的生物降解材料, 在人体内可以降解成乳酸, 进入三羧酸循环, 最终产物是二氧化碳和水, 对人体无毒无害, 是当前医学上应用最多的合成可降解聚合物之一。它在医用领域中广泛应用为药物缓释材料、体内植入材料、手术缝合线、骨科固定材料以及组织工程材料等。除在医用领域中的广泛应用之外, 作为一种完全自然循环型的可生物降解材料, PLA也已经成为新型绿色环保包装材料中的一颗新星。尽管PLA性能优异, 但是由于PLA的价格目前比较昂贵、以及材料本身脆性较大, 故在极大程度上限制了它的应用。因此, 通过与其它高分子共聚或共混来改性是一个比较好的选择。
四、聚碳酸亚丙酯PPC/聚乳酸PLA复合材料的合成
将两种或两种以上聚合物经过混合制备成宏观均匀材料的过程称为共混改性。一般包括物理共混、化学共混和物理化学共混三种情况。高分子材料最简单而直接的改性方法是共混改性。利用共混技术将不同性能的高分子材料共混, 可以大幅度提高聚合物的性能, 也可以利用不同高分子材料在性能上具有的互补性来制备性能优良的新型聚合物材料, 还可以实现将价格昂贵的高分子材料与价格相对低廉的高分子材料共混, 在不降低或略微降低前者性能的前提下降低生产成本, 因此具有工艺过程简单方便、可操作性强、应用范围广等明显优点, 是应用最广的改性方法之一。
聚合物共混改性是实现高分子材料精细化、功能化和发展新晶种的重要途径。通过人为的方法, 经混合、分散操作, 使材料在力学、热学、流变学及其它方面的性能得以改变, 从而制得与原组分性能不同的聚合物共混物。由于聚合物共混物具有性能优异、加工周期短、价格低廉等特点, 聚合物共混改性不仅能满足生产实践中对材料多层次的需求, 而且丰富了高分子材料科学的研究内容, 推动了高分子材料研究领域在深度和广度方向的不断发展。制备聚合物共混物的方法主要有三大类, 物理共混法、共聚—共混法、互穿高分子网络法。
PPC业务论文 篇4
一、基于holon的CAPP/PPC集成模型
“holon”是希腊词“holos” (意思是整体、全部) 和后缀“on” (意思是部分) 的组合, 每一个holon是既独立又协作的完整的个体, 相对于上层组织是具有协作特性的部分, 相对于下层组织是具有自律性的整体, 协作性和自律性构成了holon最基本的两个属性。基于holon思想的CAPP/PPC集成模型包括如下模块:
CAPP holon:包括初步工艺计划holon和非线性工艺规划holon, 包括综合工艺信息、设备工艺信息、零件工序构成信息、产品零件构成信息、产品种类信息, 用于实现产品的工艺设计。PPC holon:包含定单holon和资源holon, 其中订单holon拥有关于生产订单和生产任务的知识, 包括订单的组织、处理、分解信息以及相应的功能, 用于实现订单处理、生产调度、加工进度监视、作业计划调整、制造任务或作业过程的开始、中止、继续和停止等制造功能;资源holon拥有源于制造资源的组织、使用和控制方面的知识, 包括车间设备对应信息, 设备工序对应信息, 物料资源信息及人力资源信息, 提供企业的制造能力, 用于实现企业各种制造资源的监控、分配、组织、使用和控制。
二、色织企业非线性工艺规划的描述
在生产过程中, 结合非线性工艺规划方法, 首先, 初步工艺计划holon根据主生产计划holon提供的订单信息及资源holon提供的企业制造资源信息制定初步工艺设计方案并提供给主生产计划holon, 主生产计划holon根据此方案及资源信息产生企业主生产计划;然后, 非线性工艺规划holon根据企业制造资源信息制定非线性工艺规划方案并提供给车间作业holon, 车间作业holon根据车间加工能力等信息产生总体优化的车间生产计划。
在集成系统中, 为了便于在各个holon之间进行信息的传送、识别和处理, 采用一种逻辑语言描述工艺计划过程模型, 色织企业主要工序的非线性工艺规划可描述为process (原纱, or (筒染, 轴染, 配轴染色) , 上浆, 穿综插口, or (剑杆织机, 比喷织机, 比多织机, 日喷织机, 多臂织机) , 后整理) , 其中, process () 关系中的单元按从左至右方向完成, or () 关系中的单元有且只有一个被执行。
三、基于非线性工艺规划的CAPP/PPC集成过程中的资源决策
在非线性工艺规划中, 包括两类资源选择问题:同一加工特征利用不同的加工方法实现;同一加工特征利用一种加工方法实现, 但可以选取不同类型的设备加工。这两类问题都涉及到同一工序可能对应多个设备, 这就需要资源holon根据车间实际情况, 对每一工序对应的车间设备进行优先级排序, 使得订单holon能够选择最优的设备资源。
在资源决策过程中, 资源holon首先确定加工该批量产品相对应的设备加工能力, 然后根据车间计划系统反馈的加工资源实际情况, 确定车间中满足加工能力的设备, 最后根据设备能力及实时状态计算车间每一个可用设备的优先指标。具体过程及方法如下:
基于得到的设备相对加工能力, 以及排队时间、准备时间等动态因素, 确定适合该加工特征的每一类型设备的优先指标ij= (j=1, 2, …, n) , ij可以通过优先指标矩阵I计算得出。
C是由满足非线性工艺规划确定的加工能力的车间设备构成的能力需求满足矩阵, 它是由1和0构成的对角矩阵。如果第j个设备满足加工要求, 则cij=1 (j=1, 2, …, n) , 否则为0。cij对应第j个加工工序的设备类型。
S=[s1…sj…sn]T, 是由满足加工能力的每一类型设备的相对加工能力指数mj、准备时间指数rj、排队时间指数qj得到的设备状态矩阵, 其中sj=1÷ (mi+rj+qj) , mj、rj、qj分别表示第j个类型设备的相对加工能力、准备时间、排队时间。
利用上述方法, 通过资源选择模块就可以得到满足某一加工特征要求的多个加工设备, 然后根据这一加工特征的优先指标矩阵I选择优先级别高的设备安排加工。
四、结论
本文建立基于holon思想的CAPP/PPC集成模型, 提出此种集成环境下的色织企业的资源选择方法, 改善了设备负荷不均和调度瓶颈问题, 大幅度提高了CAPP系统产生的工艺计划的可执行性。
摘要：分析了色织企业的生产及工艺特点, 将holon思想引入到CAPP与PPC的系统集成中, 建立基于holon思想的CAPP/PPC的集成模型, 并结合非线性工艺规划方法, 讨论了色织企业工艺规划描述, 提出了holon思想下的CAPP与PPC集成过程中的资源决策方法。
关键词：色织企业,holon,CAPP/PPC集成,资源决策
参考文献
[1]唐任仲狄瑞坤:合弄及其在制造领域中的应用[J].系统工程理论与实践, 1999, 19 (3) :67～70