• 2024-05-17
    Normal07.8 磅02falsefalsefalseEN-USZH-CNX-NONE报告时间:2024年5月21日(周二),9:30-11:00报告地点:物流楼506主 讲 人: 白丹宇报告摘要:组合优化问题大多为NP-难问题,无法在多项式时间内求得最优解。针对大规模问题,通常采用结构简单的启发式算法近似求解,如何评价近似算法的理论性能是学术界的难题。报告介绍了渐近分析方法在理论与应用方面的重要意义,并通过码头作业调度实例讲解如何利用该方法分析组合优化算法的理论性能。主讲人简介:白丹宇,工学博士,大连海事大学综合交通运输协同创新中心副主任,航运经济与管理学院教授、博士生导师,物流管理(国家一流)专业负责人,物流与供应链管理系主任,MBA教指委副主任,人工智能学院兼聘教授、博士生导师,入选学校“星海工程”(第三层次)教师培养计划。教育部高校物流管理与工程类专业教指委物流管理专业工作组成员,重庆市巴渝学者讲座教授,中国运筹学会理事,中国运筹学会排序分会常务理事、副理事长,中国仿真学会智能仿真优化与调度专委会常务委员、副秘书长,中国运筹学会医疗运作管理分会理事,中国优选法统筹法与经济数
  • 2024-05-06
    Normal07.8 磅02falsefalsefalseEN-USZH-CNX-NONE报告时间:2024年5月10日(周五),14:00-15:30报告地点:物流楼506主 讲 人: 苗瑞报告摘要:交通拥堵和环境问题促使人们关注汽车分时租赁,随着汽车分时租赁行业运营信息化和数字化,其运营数据呈现规模性、多样性、高速性、低价值密度性、多尺度和不确定性,如何利用运营数据通过“关联+预测+调控”的途径优化汽车分时租赁运营管理是研究热点之一,该报告主要从汽车分时租赁企业运营与决策层面研究系统运营数据多尺度时序分析方法、关系网络模型与耦合作用机理、系统性能演化规律、预测与决策方法,促进汽车分时租赁行业发展。主讲人简介: 苗瑞,教授,博士生导师,2003年7月博士毕业于哈尔滨工业大学机械制造及其自动化专业,2003年9月-2020年7月任职于上海交通大学机械与动力工程学院工业工程与管理系,2020年7月-至今,任职于上海交通大学船舶海洋与建筑工程学院交通运输工程系,主要研究智能交通工程,工业工程与管理等。主持和参加国家级项目6项,主持政府决策咨询项目8项,上汽集团、宝武集团、华为公司等企业项目
  • 2024-01-03
    Normal07.8 磅02falsefalsefalseEN-USZH-CNX-NONE报告时间:2024年1月4日(周四),10:00-11:30报告地点:物流楼506主 讲 人: 陈岳剑报告摘要:旋转机械如齿轮、轴承、转子是高端装备的基础部件,其状态监测与故障诊断关乎整体装备的安全可靠高效运行。从状态监测信号的时序依赖关系角度出发,介绍面向旋转机械状态监测与故障诊断的变参数时序表征方法研究进展及未来研究方向。首先介绍面向旋转机械动力学系统辨识的时序表征建模的基本概念、基于时序表征模型参数或残差的状态监测与故障诊断框架;其次提出旋转机械变工况下非平稳状态监测信号的稀疏线性变参数时序表征模型,以及随机变工况下基于稀疏线性变参数时序表征模型的故障诊断机制;然后就非线性时序表征,提出内嵌物理信息的循环神经网络和改进变索引系数自回归模型;最后展望时序表征方法的未来研究方向。主讲人简介: 陈岳剑,男,同济大学特聘研究员、博士生导师。2015年获得南京理工大学机械电子工程专业硕士学位,2020年获得加拿大阿尔伯塔大学机械工程专业博士学位,师从Ming J. Zuo教授,而后在该校任职博士后至2
  • 2024-01-03
    Normal07.8 磅02falsefalsefalseEN-USZH-CNX-NONE报告时间:2024年1月4日(周四),8:30-10:00报告地点:物流楼506主 讲 人: 冯珂报告摘要:齿轮传动系统广泛应用于航空航天、风力发电以及智能制造等关键核心领域。在整个齿轮传动系统的服役周期中,疲劳磨损是不可避免的现象。随着磨损疲劳的持续发展,可能引发齿根裂纹、齿面碎等严重故障。因此,针对由疲劳磨损引起的传动系统性能退化,进行相应的状态监测与寿命预测显得至关重要。近年来,数字孪生技术(DT)凭借其独特的优势引起了工业界与学术界的广泛关注。然而,由于齿轮箱复杂精密的结构,以及复杂多变的工作环境,基于数字孪生的齿轮磨损监测与性能评估的相关研究相对较为缺乏。面对这一问题,冯珂博士在其研究工作中提出了一种系统化且实用的数字孪生技术,用于齿轮磨损监测和齿轮传动系统健康管理。该技术包括基于实测数据的数字孪生模型搭建、孪生模型与实际物理测量的实时交互,以及齿轮磨损进展下的齿轮箱剩余寿命(RUL)预测。主讲人简介: 冯珂,国家级青年人才,玛丽居里学者,Vebleo Fellow。本硕毕业于电子科技大
  • 2023-12-20
    Normal07.8 磅02falsefalsefalseEN-USZH-CNX-NONE报告时间:2023年12月25日(周一),10:00-11:30报告地点:物流楼506主 讲 人: 徐宙报告摘要:运输服务网络设计应用广泛但求解困难。其传统求解方法大都基于离散时间的近似模型,难以求得精确的最优设计。今次报告将介绍基于连续时间的运输服务网络设计模型和求解算法,着重探讨运输服务网络设计中考虑货物存置成本的必要性,分析由此带来的建模及求解的困难,并提出相应的有效解决方法。主讲人简介: 徐宙博士现为香港理工大学工商管理学院物流及航运学系教授。其本科和硕士分别毕业于清华大学和新加坡国立大学的计算机系,并于香港科技大学取得工业工程及工程管理的博士学位。徐宙博士的主要研究方向是运筹学理论及其在物流、交通、航运和供应链管理等方面的应用。其论文在《Operations Research》、《Management Science》、《Manufacturing Service Operations Management 》、《Production and Operations Management
  • 2023-12-19
    Normal07.8 磅02falsefalsefalseEN-USZH-CNX-NONE报告时间:2023年12月22日(周五),9:30-11:00报告地点:腾讯会议,会议号:295-910-467主 讲 人: 刘志远报告摘要: 多模式交通系统是一个高度复杂且非线性的巨型系统,它在时间和空间上促成人员、货物和服务的流动。多模式交通系统复杂性源于许多因素,包括不同交通模式间的耦合性,交通需求和供应之间复杂的相互作用,以及开放、异质和自适应交通系统的固有随机特性。因此,理解和管理这样一个复杂系统是一个非常复杂且困难的任务。然而,随着交通以及其他领域多源大数据可获取性的增加,计算机硬件算力的增强,再加上机器学习(ML)模型的飞速发展,大模型的概念被许多领域应用与实践,包括计算机视觉(CV)、自然语言处理(NLP)等。本研究将大模型的概念应用于交通领域,并构想了一个名为MT-GPT(Multimodal Transportation Generative Pre-trained Transformer)的多模式交通大模型框架,旨在为复杂多模式交通系统中的多方位决策任务提供数据驱动的大模型。
  • 2023-12-19
    Normal07.8 磅02falsefalsefalseEN-USZH-CNX-NONE报告时间:2023年12月21日14:30(周四) 14:30-15:30报告地点:腾讯会议:350-279-734主 讲 人: 崔利荣报告摘要:产品、系统和过程可靠性的重要性已不言而喻。可靠性领域包含了许多工作与研究方向。 本报告就可靠性领域的10个热门话题进行综述、分析和总结。 这10个研究方向包括:PHM/EHM、耦合网络、多状态系统可靠性、退化系统可靠性、可靠性与大数据、可靠性中Hawkes过程、平衡系统可靠性、韧性、级联故障和系统可靠性特性。 最后,就整个可靠性领域的发展与建设进行展望与讨论。主讲人简介: 崔利荣,青岛大学质量与标准化学院特聘教授。1983年毕业于天津工业大学(获工学学士学位),1986年毕业于中国科学院系统科学研究所(获理学硕士学位),1994年在英国威尔士大学(Swansea)获得博士学位(概率与统计学)。曾于1986年至1999年工作于中国航天工业部,2000年工作于新加坡国立大学,2003年至2021年5月就职于北京理工大学管理与经济学院。2021年5月至今就职于
  • 2023-12-14
    Normal07.8 磅02falsefalsefalseEN-USZH-CNX-NONE报告时间:2023年12月18日(周一),14:30-16:00报告地点:物流楼506主 讲 人: 李朝阳报告摘要:随着我国交通强国事业发展,绿色低碳交通运输已成为必由之路。然而我国高强度的交通建设投入,并未取得应有的运输成效。讲座从新中国交通发展史得出交通运输专业发展前景独好结论。本讲座认为必须从交通发展战略、交通网络、交通枢纽、交通导引系统多管齐下举措入手,才能切实使交通走向绿色可持续发展道路。主讲人简介:李朝阳博士,上海交通大学船建学院交通运输工程系系主任、研究员、博导,交通运输工程学科负责人,国家注册规划师,上海市交通工程学会交通设计分会副主任委员,上海市土地学会理事。李朝阳博士一直致力于交通规划、交通工程、智慧交通、交通运输等领域的理论研究与实践应用工作。出版学术专著《现代城市道路交通规划》《城市交通与道路规划》,发表论文100余篇。先后主持200余项实战课题,研究成果获各类科技进步奖或优秀规划设计奖20项。
  • 2023-12-07
    Normal07.8 磅02falsefalsefalseEN-USZH-CNX-NONE报告时间:2023年12月11日(周一),14:30-16:00报告地点:物流楼506主 讲 人: 葛冬冬报告摘要:本次讨论聚焦于大数据时代,人工智能算法如何与数学优化理论结合来实现数学规划软件的开发与研发加速,以及如何结合解决实际中一些行业的困难问题,也讨论了这些技术在多行业的实际应用。主讲人简介:葛冬冬,上海财经大学交叉科学研究院院长;中国运筹学会常务理事,杉数科技首席科学家和联合创始人。2009年在斯坦福大学管理科学与工程系获博士学位。主要研究兴趣为大规模优化问题的理论,计算与应用。在MS/OR/TCS/AI多个期刊和会议上,如OR, MOR, MP, POM,FOCS, SODA, EC, ICML, NeurIPS 等发表论文,主持国家自然基金原创探索,杰出青年基金等项目。曾参与波音、谷歌、华为、京东、顺丰、滴滴、国家电网/南方电网,航天X院等国内外多个优化项目,目前担任开源数学规划软件LEAVES和我国第一个专业数学规划软件COPT项目负责人。
  • 2023-12-01
    Normal07.8 磅02falsefalsefalseEN-USZH-CNX-NONE报告时间:2023年12月5日(周二),10:00-12:00报告地点:物流楼506主 讲 人: Prof. Dr. Hamid Reza Karimi报告摘要:The objective of this talk is to address some challenges and recent results on advanced artificial intelligence algorithms developments for fault diagnosis of mechanical systems. Specifically, different deep learning models such as deep supervised, unsupervised and reinforcement learning algorithms are examined to establish a trustworthy intelligence fault diagnosis model
  • 2023-12-01
    Normal07.8 磅02falsefalsefalseEN-USZH-CNX-NONE报告时间:2023年12月8日(周五),15:00-16:30报告地点:物流楼506主 讲 人: 周军报告摘要:打磨抛光一直是制造业基础工序中的重要一环。机器人打磨抛光,其实是机器人+打磨抛光,即用机器人替代人工做打磨抛光工作。主要用于工件的表面打磨,棱角去毛刺,焊缝打磨,内腔内孔去毛刺,孔口螺纹口加工等工作。其核心是打磨抛光工艺方法+机器人系统的运动控制技术。液控打磨工具可广泛应用于协作机器人、工业机器人及专用机床,能够实现重载打磨、抛光、拉丝和去毛刺等多种加工工艺。最重要的是,液控磨抛技术能够实现低能耗、低粉尘和低噪音的高效高精自适应磨抛。在汽车、3C、卫浴、五金家电、医疗器械、海工船舶、航空航天、能源化工、钢铁冶金等多个行业都有着巨大的应用潜力。本次报告重点讲述液控磨抛技术,能够为机器人提供减震和缓冲,从而减少了减速机关节的磨损和机器人刚度不足的问题,确保了机器人工作的稳定性和高精度。主讲人简介: 周军,中交集团正高级工程师、上海交通大学研究生导师,授权多项发明专利,发表多篇学术论文,具有2
  • 2023-11-29
    Normal07.8 磅02falsefalsefalseEN-USZH-CNX-NONE报告时间:2023年12月1日(周五),13:00-15:00报告地点:腾讯会议,会议号:639-117-600主 讲 人: Hamido FUJITA报告摘要:The hot topics in training in Machine Learning is a crucial aspect that affects the credibility of the system in terms of performance and is employed for robust applications such as healthcare systems. In a wide range of challenging applications such as safety, vision or device health early prediction, machines or algorithms learn from data. Nevertheless, in most cases, l