Resumen

La predicción de la producción es uno de los problemas difíciles en la gestión de la producción. Para superar esta dificultad, se presenta un modelo de regresión lineal múltiple dinámico mejorado basado en la evaluación de parámetros utilizando redes neuronales de Hopfield discretas (DHNN). En primer lugar, se establece un modelo de regresión lineal múltiple tradicional; este modelo tiene en cuenta los factores en el ciclo de vida de la producción (no solo una fase de la producción), como los recursos de fabricación, el proceso de fabricación y la tasa de rechazo del producto, lo que hace que la predicción de la producción sea más precisa. Luego se construye un modelo estático mejorado utilizando el método de retroceso. Finalmente, se obtiene el modelo dinámico mejorado basado en la evaluación de parámetros utilizando DHNN. Estos tres modelos se aplican a una empresa de fabricación de aviación basados en datos reales, y los resultados de la predicción de la producción muestran que los modelos tienen valor práctico.

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Predicción; Gestión de la producción; Modelo de regresión lineal; Evaluación de parámetros; Redes neuronales de Hopfield; Empresa manufacturera
• Keywords:Prediction; Production management; Linear regression model; Parameter evaluation; Hopfield neural networks; Manufacturing enterprise