metasfresh是德国最知名的大型开源制造业erp,协议友好（gpl2协议），功能全面，全面支持集团多公司多工厂架构，光代码包就有38226个文件，除了常规的erp模块外，还包括很多sap/oracle才有的功能1 库存管理支持包装物/托盘模式2 集成供应商门户3 仓库车间手持app4 采购app5 电子合同6 电子报关edi作为大型开源制造业erp系统，metasfresh全面支持docker容器化部署...

metasfresh 甘特图组件的设计分析甘特图组件在项目管理，人力资源，和crm模块都有广泛使用，一般使用svg技术来绘制图形，可以按日/周/月/年切换时间单位，也可以手工新增修改拖动任务条甘特图主要分为任务甘特图和资源甘特图，一般的甘特图组件实现了任务甘特图，但没有提供资源甘特图的实现，需要自己来实现资源甘特图是展示每个资源（产线 设备）的任务安排，以及有关联任务（同属于一个工单）之间的前后关联箭头表示，和任务甘特图每行就一个任务不同的是，资源甘特图每个资源会安排很多任务，任务拖动时，考虑的

metasfresh 生产模块生产排程逻辑设计1 生产的源头是销售订单so扣除产成品库存后的生产订单,对生产订单按交货期，优先级和数量，价值等条件进行排序，比如交货期早的先做，优先级高的先做，价值高的先做2 对排序好的生产订单依次进行生产排程3 对生产订单的产品的物料清单进行分解（bom表定义），检查生产订单的产品的子部件的库存情况，库存不够的，对于自制的子部件，生成制造订单,对于外购的子部件，生成采购申请pr4 制造订单安排在子部件对应的工作中心workcenter进行生产(在workce

metasfresh 制造模块简介1 产品和产品属性定义2 产品bom定义3 产品工艺路线定义4 atp mrp运算 制造订单和工序工单生成5 有限产能排产6 工单现场生产和批次质检7 产品成本归集和自动会计凭证8 车间和工厂生产报表...

metasfresh是开源的唯一一个大型erp,由德国的资深技术专家团队（出自德国sap和德国ibm)打造,架构庞大，支持集群，功能丰富，光表就有近2000张pc 手机 pad三端合一的界面设计风格metasfresh的界面由著名的ui设计公司jazzy（给三星手机软件设计界面风格的公司）设计，同时适配pc端和手机端metasfresh是gpl协议，就是那个卖了8亿美元的原来的开源erp第一的co...

  由于本人对并行遗传算法非常熟悉，所以去年一直在考虑用并行遗传算法进行深度神经网络的训练（http://blog.csdn.net/lijianhua1205/article/details/72786057），目前，共享专车巨头Uber集中发布了5篇通过用并行遗传算法来优化神经网络的神经进化（neuroevolution），叫做Deep Genetic Algorithm (DeepGA),这...

百度无人驾驶apollo项目训练最佳算法模型改进   google的无人驾驶的最新算法训练模型，现在已经为外界熟知，使用了较为复杂的训练模型，当然了，google的无人驾驶也没有真正的落地实用化，所以google的算法也不是最终解决方案  百度apollo项目也可以用google的算法模型来训练，这样效果应该更好（apollo只是百度无人驾驶的开源项目，百度无人车也可能已经使用了最先进的算法）...

百度无人驾驶apollo项目驾驶行为决策模块深度神经网络算法模型apollo这一快没提供，可以使用以下的算法模型learning_rate = 1e-4activation_relu = 'relu'model = Sequential()model.add(Lambda(lambda x: x / 127.5 - 1.0, input_shape=(64,

百度无人驾驶apollo项目分布式改造初探ros本身是分布式的，但是和高并发高可靠的互联网分布式系统比，它又缺少了很多，分布式模块和消息中间件缺乏高可靠设计，没有监控 跟踪 报警模块，也不支持分布式缓存来保证数据高吞吐1 使用zookeeper,保证ros 节点主从双备，主节点发生故障，随时切换到备份节点2 引入系统实时监控和报警系统，并使用智能ai技术进行故障

百度无人驾驶apollo项目路径规划a*算法分析车辆路径规划寻路算法有很多，apollo路径规划模块使用的是启发式搜索算法A*寻路算法a*算法是一种在路网上中求解最短路径的直接搜索寻路算法,原理是引入估价函数，加快搜索速度，提高了局部择优算法搜索的精度，成为当前较为流行的最短路算法估价函数用公式表示为： f(n)=g(n)+h(n)其中， f(n) 是从初始节点到目标节点的最佳路径的估计代价，  ...

制造业ai帮助制造企业实现以下目标，更好的应对未来时代的挑战:

基于并行遗传算法优化的深度神经网络模型       深度神经网络的问题是训练速度慢，容易梯度消失，剃度消失问题的存在，使得深度神经网络的训练变得极度困难,人们提出的cnn rnn lstm这些模型，就是为了减少节点的数目，提高训练速度，但这些模型主要局限在图像识别 自然语言理解这些领域，而人类社会的大多数问题，泛化的深度神经网络很显然是更贴切的模型      用遗传算法来训练神经网络的权值，很早就...

智能仓储 和 智能物流中的人工智能技术其实和无人车一样，本质上都是属于智能机器人要用到的算法和技术1 计算机视觉和slam技术，用于分拣机器人的感知和地图定位2 机器学习 深度学习 强化学习技术，主要用于分检机器人的路径规划 避障和货架 商品 其他机器人的检测和识别3 数学规划等运筹优化算法 遗传算法主要用于上下架策略4 多智能体算法 蚁群算法用于多个分拣机器人的协调行动5 模糊神经网络和p

智能制造工厂中的人工智能和大数据技术人工智能技术主要分四个方面1 通过神经网络技术对产品制造全流程数据进行分析，找到提高产品质量的办法；2 通过计算机视觉（ar/vr)和神经网络技术，智能制造设备具备自学习、自适应的能力3 通过车间无人小车（agv)，仓库无人分拣机器人 生产线工业机器人的使用，达到无人化操作4 在产品上装上传感器，通过大数据和数据挖掘算

工业4.0,智能制造和c2b大规模定制平台工业4.0，其实就是智能制造和c2b大规模定制平台智能制造和大规模定制，其实就是客户从电商网站上选择产品，进行个性化定制，然后生成订单，提交到工厂工厂接到订单后，自动安排生产计划，按承诺的交货期将定制产品发运交付给客户智能制造和大规模定制平台的三大关键 一是个性化定制 二是自动计算价格 三是自动计算预估交货期前两个是产品设计和工艺设计要考虑的，后一个是需要从生产计划系统进行模拟预估

无人驾驶中的人工智能技术（Drive.Ai) 1 环境感知，这是计算机视觉领域的研究重点， 常说的slam就是指这个，基于激光雷达的slam系统目前已经能较好的进行地图定位，局部环境地图构建 2  标识识别，包括车道识别  交通标志识别（比如红绿灯） 车辆行人识别和运动跟踪，在这里，CNN（Convolutional Neural Network,卷积神经网络）技术成了目前

基于并行遗传算法的无人驾驶（自动驾驶）避障算法和安全性研究无人驾驶系统，本质上分为输入（环境感知 标志车辆行人图像识别  车辆定位）  行为决策（导航路径规划 避障等）  输出（车辆控制 ），而行为决策里，最重要的就是避障算法，避障算法是无人驾驶系统的核心 传统的避障算法，比如vfh和dwa等，是一种数学优化，它们的问题很多，比如只考虑局部优化，不能考虑全局，只考虑单个目标

工业机器人的算法分为感知算法和控制算法，更进一步细分为环境感知算法 ，路径规划和行为决策算法（ai)，运动控制算法，后两个也可以统称为控制算法 环境感知算法获取环境各种数据(机器人视觉和图像识别），定位机器人的方位（slam)，对于固定工位的机器人来说，环境感知算法往往不是必须的,但是，对于另一类机器人来说，比如扫地机器人，基本就是一个slam算法，行为决策和运动控制算法及其简单可以忽略 机器人自身的运动控制算法是机器人制造厂家的研发重点，主要就是

云排产aps的整体方案设计基于云平台的高级生产计划排程软件aps是指通过云平台提供生产计划和生产排产的功能，主要架构设计一 网站功能（b/s架构）  1 前端界面      客户登录 排产项目管理  基础数据（产品资料，产品工艺，工作日历，生产资源，工艺能力）  排产执行  排产甘特图和修改 排产结果下载  2 后台管理     客户管理  排产执行统计  排产在线状况   排产服务器监控

imes （智能生产执行系统）的整体方案设计 1 系统管理  公司管理  人员管理 岗位管理 权限分配 操作日志    2 生产建模  生产资源  工作日历定义 产品资料 产品工艺   3 生产计划  生产计划生成 生产计划确认 生产计划下达 生产计划派工   4 在制品管理  在制品信息  在制品库位维护  在制品库存查询