来源：期刊VIP网 时间：
作者：赵青雨;苏之昀;夏唐斌;郑美妹;
单位：上海交通大学机械与动力工程学院;
摘要：传统的备件分类方法存在主观性强、补偿性差的问题，且在分类完成后缺少持续更新的能力。首先，本文考虑备件的经济、供给和重要性三个方面建立了备件分类指标体系，并结合否定规则改进聚类算法，解决多指标的互补性问题。其次，提出了一种改进粒子群优化BP神经网络的备件分类模型，对新入库备件分类有持续更新能力。最后，结合S公司的备件数据，利用改进的算法对备件进行分类和更新。结果表明，所提出的改进聚类算法更符合实际需求，且所提出的BP神经网络平均准确率为96.77%，优于其他传统的算法，可为企业的备件分类管理提供有力的支持。
关键词：多准则备件分类;;聚类算法;;BP神经网络;;优化算法
基金资助：国家自然科学基金资助项目(72271162);; 上海市科技计划资助项目(24692115800)
