摘要：为精准匹配医患需求、优化资源配置,构建了适用于医联体模式下双向转诊中的医患配对模型.基于冰山理论构建了医生评价框架,并结合考虑上下转诊的评价指标,得到双向转诊的医生评价模型;利用支持向量机算法实现患者疾病类型预测,并对风险因素挖掘后采用随机森林算法得到患者评价模型,从而构建了转诊阶段医生胜任力模型和患者人物特征画像的完整评价体系.基于Gale-Shapley算法根据患者患病风险进行首轮医患配对,并结合个性化排序满足患者要求以提升配对满意度,通过动态多目标优化算法实现患者的精准匹配.通过使用好大夫网站和线下医院真实数据进行数值实验,验证了该模型可行性与精确度.

摘要：以DIP支付方式改革为背景,研究医方高编码行为,为医保支付方式改革的实施提供参考.针对DIP支付方式改革背景下医方高编码行为,构建可扩展非对称动态演化博弈模型,并基于实际算例进行仿真分析,揭示影响医方违规行为的关键因素.研究发现,加大罚款力度、增加声誉损失有利于遏制医方高编码;降低监管成本、加大罚款力度及监管收益促进保方严格执行监管职权;降低投诉成本、提高投诉收益为患方投诉提供保障.患方投诉概率随着医方高编码概率的增加而上升,医方高编码概率随保方严格监管概率的增加而降低,保方严格监管概率随患方投诉概率的下降而上升.高编码的最终驱动力源于正值额外收益,与保方、患方是否处于监管状态无直接关联.我国现行DIP相关管理条例下,医方高编码的内在驱动力不足,实际中不存在稳定均衡点.

摘要：《工业工程》期刊致力于服务国家重大战略和工程需求,响应新质生产力发展需求,弘扬技术与管理相结合的学科特色,通过关注前沿趋势、报道创新方法、探讨新兴观点、推广新型应用,来推动学术繁荣发展、促进技术深度应用,并引领工业工程学科创新发展.

摘要：数据技术发展促使数据驱动方法在血液库存管理领域的应用范围不断拓展,为揭示该领域发展脉络、明确研究热点与趋势走向,本文系统梳理了基于数据驱动的血液库存管理研究成果.首先,本文通过多个权威数据库进行文献检索,筛选出 92篇相关文献,采用文献计量与知识图谱分析方法,从载文量、期刊分布、作者合作网络以及关键词共现分析等多个维度,对研究现状进行宏观层面剖析.其次,本文聚焦血液需求预测、血液库存水平控制、血液库存分配与调拨 3个关键管理环节,系统总结现有文献中数据驱动方法的实际应用情况.最后,结合现有研究的局限性与行业实际发展需求,从研究问题、方法体系、数据基础以及系统实践应用 4个层面提出未来研究方向.本研究综述有助于学者全面掌握该领域研究进展,同时为推动血液库存管理智能化转型提供理论依据与方法参考.

摘要：探究大规模复杂路网的潜在交通特征中,仅考虑交通总量难以反映交通流的空间特征,还应考虑交通流在不同OD方向的强度分布.为此,本文提出一种具有交通子区OD方向的路网分区方法,更好地反映交通流在不同交通子区OD方向上的强度分布.以最小化区域内车辆平均速度和区域紧凑性为双目标,对原始路网进行较大规模初始区域划分.在此基础上,以最小化初始区域车辆速度方差、提高路网紧凑性和均衡各初始区域路段规模为目标函数,建立对初始区域进行合并的数学优化模型,利用综合评价法对以上 3个目标进行评价,并通过遗传算法求解得到较优的分区方案.对车辆GPS数据进行处理以获取车辆轨迹,根据车辆轨迹预存储各车辆OD路径方向上的子区路段速度和路段编号,提出基于车辆轨迹数据的路网子区速度方差计算方法.以深圳市公交车GPS数据为例进行路网分区方法有效性验证,结果表明本文方法相较于传统方法可得到更为紧凑、均匀的区域,且能够提高分区效率.此外,通过构建具有交通子区OD方向的宏观基本图,可更好地反映路网中交通流的空间演化特征.

摘要：本文构建了一个由制造商主导的Stackelberg博弈模型,考虑在直销和分销双渠道供应链下,制造商和零售商销售不同程度碳减排产品的策略选择.研究结果表明:1)随着消费者低碳偏好和产品碳减排量的增加,制造商和零售商的最优价格也随之上升.2)当产品的碳减排水平很低或很高时,制造商倾向于通过直销渠道销售低碳产品,并通过零售渠道分销传统产品;当产品的碳减排水平居中时,制造商选择通过直销渠道销售传统产品,通过零售渠道分销低碳产品.3)制造商的均衡销售策略总是对零售商利润不利.4)产品的碳减排水平越高对制造商和零售商越有利.本文旨在为双渠道供应链下制造商销售碳减排产品的策略提供相关依据.

摘要：针对由一个制造商和一个零售商组成的两级供应链,考虑制造商的经营目标是否兼顾消费者剩余,分析了制造商的消费者剩余偏好对零售商自有品牌入侵策略的影响,比较了制造商纯营利和半公益半营利经营目标下的供应链各成员的决策和利润.研究发现,根据零售商自有品牌竞争力的大小,零售商的入侵策略分为非有效、威胁和混合销售 3 种策略;相较于纯营利目标,制造商的半公益半营利目标会扩大零售商的非有效入侵策略区间,阻碍零售商自有品牌的入侵,并且在零售商入侵成功的情况下还能减少入侵带来的利润损失;无论是否入侵,制造商对消费者剩余的偏好都会弱化供应链双重边际效应,降低自身利润,提高零售商利润、供应链整体绩效及总消费者剩余.

摘要：在资金约束且风险规避的零售商与供应商构成的二级供应链中,利用条件风险值(conditional value-at-risk,CVaR)刻画零售商风险规避特征,构建博弈模型,研究在供应商信用担保下采用银行贷款与延迟付款这两种融资方式时的期权定价与零售商最优订购决策;探究零售商的融资选择,分析零售商的风险规避程度与融资利率对均衡决策的影响.理论结果表明,零售商的风险规避程度影响其融资选择.当风险规避系数小于某一临界值时,零售商会选择部分信用贷款;当风险规避系数大于某一临界值时,零售商会选择延迟支付.两种融资模式下的最优期权定价与最优订购量均随风险规避系数的上升而上升;零售商的CVaR随银行贷款利率的上升而下降,与延迟支付贷款利率无关.此外,零售商的风险规避须在一定范围内,否则供应链无法持续运营.最后,通过数值分析论证了理论结果.

摘要：针对现有四向穿梭车仓储系统在缺陷区域场景下路径规划效率低的问题,提出一种基于改进A*算法的优化方法.传统路径规划算法在该类复杂仓储环境中易产生转向次数冗余、无效节点遍历量大等缺陷,导致任务执行时间显著增加.为解决该问题,建立包含缺陷区域的仓储拓扑地图模型,系统分析曼哈顿距离、欧氏距离等启发式函数在非均匀仓储布局中的适应性差异.针对缺陷区域导致传统启发函数预估偏差较大的核心问题,引入三角形不等式准则重构启发式函数,有效提升路径成本预估精度.通过构建四向穿梭车仓储系统仿真平台,进行实验验证.实验数据表明,改进算法较双向A*算法平均减少 68.5%的探索节点数量,搜索效率提升 4.3%,任务执行效率提升10.1%.该方法在搜索效率与路径求解质量上有一定的优化效果,为高密度仓储系统路径规划提供了新的解决方案.

摘要：现代工业的发展要求工厂在多品种、大小批量混合生产的灵活模式下,研究精准的实时质量监控方法以应对频繁工艺调整带来的质量波动风险,确保产品质量的一致性.本研究旨在结合统计过程控制方法,实现对参数分布未知的生产过程的质量异常监控.构建一种非参数GWMA SR控制图对质量参数进行实时监控.为实现异常模式识别,提出一种基于PCA-RF-GA的模型,进行特征的选取和特征融合后,使用主成分分析方法进行特征降维,使用遗传算法优化的随机森林算法实现了模式分类.在仿真实验中,将不同特征组合、不同分类方法的识别速度与识别精度进行比较,结果显示所提出模式识别方法具有更优的识别效果.将本文方法应用到实际生产的质量监控中,以UO2 芯块的直径参数监控为例,证明了结合GWMA SR控制图和PCA-RF-GA模型的质量参数监控方法,可以准确快速识别参数分布未知的生产过程中的质量异常波动情况.

摘要：为改善高速公路车辆速度预测过程中因数据非正态分布而造成的预测误差,提出一种深度时间卷积网络(deep temporal convolutional network,DeepTCN)和Copula理论相结合的混合概率性预测方法.为给出考虑多个特征的确定性预测,建立了DeepTCN框架.根据DeepTCN得到的预测结果,基于预测误差的条件概率分布来拟合适当的Copula函数.通过误差补偿得到概率性预测结果.利用在广州市机场高速收集的实际交通数据来验证所提出的混合方法的有效性.数据分析与实验结果表明,实际数据反映出交通流确实存在高度随机性,而这种随机性在低车辆密度与高车辆密度时相对较小,在中等密度时相对较大;与现有的各种方法相比,DeepTCN在处理长时间序列信息时存在优越性,适用于高速公路车辆速度预测场景;结合Copula函数可以在一定程度上补偿数据随机性带来的预测误差,进一步提高预测精度.

摘要：为降低危险废物混合储运的风险和成本,提出一类考虑需求不确定的危险废物混合储运多目标优化建模与求解问题,旨在协同优化设施选址、堆存量控制和路线设计决策.考虑多类危险废物混合存储的危害性,引入毒性系数和恶臭因子构建处理站的环境影响负效用函数;考虑中转站的居民负效用影响,设计危险废物混合存储风险的度量方法.根据储运需求的不确定性,以分布函数拟合危险废物产量,并计算设施的最大堆存量.以总风险最小和总成本最小为优化目标,构建危险废物混合储运的选址-选线模型.根据模型的计算复杂度以及多目标特征,设计改进NSGA-II算法的模型求解步骤.通过多个测试算例验证模型和算法的有效性.计算结果表明,新模型和算法能够提供多个有效的选址-选线方案;相较于传统的风险模型,新建的风险模型能够提供成本和风险均摊度更优的方案,实现人员安全和环境卫生的协同保障;相较于常规的多目标优化方法,新算法能够缩短 38.79%的求解时间,并能在1700s以内求解不同规模的优化问题,且保持较高的计算稳定性.

摘要：考虑单一传感器及单一故障特征的故障诊断性能存在局限,提出一种两阶段多源传感信息融合轴承故障诊断方法.考虑样本不平衡特性与多特征关联提出改进Stacking算法,构建一维残差特征融合网络,对多传感器特征进行训练强化,实现故障特征融合.针对多源传感信息不确定性,基于Dempster-Shafer证据理论,提出了考虑证据信息量和可信度的改进证据融合规则,实现故障诊断决策融合.通过滚动轴承应用案例表明,所提方法在不同工况下的轴承故障诊断中,平均准确率、精确度、召回度和f1分数均达到 0.98以上,与其他 7种方法相比较,表现出优秀的性能和良好的泛化性.

摘要：为研究企业在探索式和利用式并购目标下采取不同整合行为的效果,基于网络视角将企业并购整合中的分拆行为划分为"加法"和"减法"分拆,结合复杂适应系统理论构建"并购目标-整合行为-并购结果"分析框架,建立NK仿真模型,对比分析两种目标下采取不同分拆方式的绩效及组织关系网络变化.研究发现,加法分拆提高了中介中心性,降低了约束度、全局聚类系数和网络全局效率,使自我网络更开放,有利于探索式目标的实现;减法分拆提高了约束度和中介中心性,降低全局聚类系数和网络全局效率,使自我网络更封闭,有利于利用式目标的实现.相比不分拆行为,决策复杂度的增加使得分拆行为对并购绩效的正向影响更明显.

摘要：《工业工程》期刊致力于服务国家重大战略和工程需求,响应新质生产力发展需求,弘扬技术与管理相结合的学科特色,通过关注前沿趋势、报道创新方法、探讨新兴观点、推广新型应用,来推动学术繁荣发展、促进技术深度应用,并引领工业工程学科创新发展.

摘要：针对焊枪故障预测中产生的数据不平衡问题,提出一种基于Jaya-RUSBoost改进模型的焊枪故障预测方法,通过结合欠采样、集成学习和参数设置优化,实现数据的平衡和故障预测精度的提升.构建RUSBoost故障预测模型,设计实验评估超参数值对模型性能的影响,确定模型参数的较优取值范围;设计Jaya元启发式算法对RUSBoost模型参数进行迭代,从而寻求最优故障预测参数模型.案例研究表明,相较于传统的RUSBoost算法,Jaya-RUSBoost算法在 5个焊枪上的故障预测准确率和F1值分别提升了 9.43%和 8.41%,且与多种机器学习模型相比,准确性等指标也得到显著的提升.本文提出的焊枪故障预测方法,具有较高的实际应用价值和推广前景,能够为焊接设备的智能维护提供有力支持.

摘要：锂电池作为新能源汽车的核心部件,其热性能直接影响整车的运行效率与安全性,提升电池热性能尤为重要.因此,本文提出一种基于可观测噪声信息的在线稳健参数设计(online robust parameter design,ORPD),该方法通过结合离线设计和在线调整优化电池热性能设计参数,提升电池热性能的最优性及稳健性.考虑到噪声因子在实际生产过程中的动态变化规律,构建基于时间序列的噪声因子模型;将控制变量进一步分为可在线调控(在线控制变量)和不可在线调控(离线控制变量)两类,构建质量特性的响应曲面模型,并推导其均值及方差表达式;提出以最小化质量损失为目标的两阶段在线调整策略,在确定了离线控制变量的基础上,根据对于噪声因子的实时观测,动态调整在线控制变量,实现对于质量特性最优性及稳定性的动态补偿.本文采用新能源汽车锂电池液体冷却效果案例,验证了所提ORPD较传统离线稳健参数设计的有效性与稳健性,为锂电池热性能的稳健优化提供方法支持.

摘要：针对光纤陀螺装配车间布局与生产调度集成优化问题,本文融合了精益物流的理念进行求解.构建了以最小化最大完工时间、精益物流距离、工作台布置合理性为优化目标的混合整数规划模型.基于具体问题特征,适应性设计了非支配排序遗传算法III(NSGA-III)进行问题的求解.其中,设计了基于独立演化的交叉算子去更好地保存表征无绕路和回流、无等待加工的精益方案的优质编码片段,并增强算法的探索能力.提出了一种"替换相消"的思路来执行交叉操作后产生的非法个体的合法化.为了减少物流线路上的绕道浪费,基于精益物流理念设计了交换变异算子.最后针对某企业光纤陀螺产品装配任务进行实例分析,验证了所提方法的有效性.

摘要：针对客户仅考虑最优成本而不考虑装配线布局方案的应用实际,将搜索问题转换为预测问题,并提出利用人工智能算法预测最优成本,采用特征重要性排序分析无法快速找到制约最优成本的关键因素的瓶颈.在工人成本改变的情况下,通过求解整数线性规划模型构建新的仿真数据集;利用上述数据,训练随机森林回归、决策树和XGBoost算法模型,利用第 1类工人成本、第 2类工人成本等 7个参数实现最优成本预测;采用 3种不同的方法对特征重要性进行排序,以找出制约最优成本的关键因素.用R2、RMSLE、EV和MPE这 4个指标对 3种回归算法的综合性能进行了评估,发现XGBoost算法的MPE误差最高,为 5.12%,随机森林回归算法的MPE误差最低,为 4.09%,证明了用智能算法预测最优成本的可行性.提供了一种采用智能算法对最优成本进行预测的新方法,特征重要性排序的结果表明,第1类工人工作时间对最优成本的影响显著高于其他因素.

摘要：为了优化real-time kinematic(RTK)的模糊度解算,提出一种基于数据与模型驱动的GNSS模糊度解算方法.该算法关注于如何对最佳的模糊度子集进行选择,从而增加模糊度固定的成功率.研究考虑了模糊度子集对基线解精度的影响,选择一种基于模糊度层面的子集方法,旨在确保模糊度固定的高成功率和基线固定解的高精度.该方法在执行部分模糊度解算时将模型驱动和数据驱动相结合,引入长短时记忆神经网络(LSTM),保证了模糊度固定解的稳定和可靠.结果表明,在确保模糊度固定解的高可靠性的前提下,基于解算规则的LSTM算法与现有算法相比,在所选数据集的固定率与固定成功率分别由 73.59%、72.83%和 93.07%、87.57%提高至 99.23%、95.51%和98.67%、92.74%,对RTK定位的精度和鲁棒性均有所提升.