制造企业的智能订单决策支持系统是实现智能制造不可或缺的组成部分,它的发展与推广对提高企业决策效率、减少决策成本与减少错误决策等方面有着重要意义。智能订单决策支持系统是企业解决由人们个性化需求所导致面向订单生产(MTO)模式下订单接受问题唯一途径。尽管订单决策支持系统经过多年的发展,但其仍然存在效率低下与无法很好的适应较多数据量的情况的问题,其决策效率仍然有着提升空间。本文采用网络爬虫技术、LSTM技术、案例推理技术(CBR)、BP神经网络技术构建了智能订单决策支持系统,主要工作如下:(1)基于CBR-BP估测模型构建。在当前数据及历史数据构建的订单成本及其价格估测属性模型、Scrapy数据抓取模型的基础上,联合CBR技术与BP神经网络技术,构建了基于CBR-BP订单成本及其价格估测模型,并对其进行了实例验证分析,充分验证估测模型的可行性,且估测误差在5%以内。(2)基于LSTM估测模型构建。基于订单成本及其价格估测属性模型、Scrapy数据抓取模型,构建了基于LSTM订单成本及其价格估测模型,且进行了实例验证分析,证明了此估测模型的可行性,及在较大数据量的前提下具有较高的效率,估测误差在3%以内。(3)基于网络爬虫Scrapy模型构建。在网络爬虫技术设计基础上,构建了基于Scrapy的网页爬取与数据存储模型,爬取订单中原材料价格数据及计算生产者物价指数(PPI)所需的数据,通过PPI修正由时间变化带来的价格波动。(4)订单成本及其价格未来趋势预测模型构建。采用二次指数平滑预测法,根据LSTM估测模型,构建了订单成本及其价格未来趋势预测模型。(5)智能订单决策支持系统实现。采用估测效果更好的LSTM估测模型构建决策支持系统,利用Matlab App Designer实现了对智能订单决策支持系统的主要界面搭建及对网络爬虫、LSTM估测模型的集成显示界面,完成了数据库、方法库、模型库管理功能界面的搭建,通过调用深度学习算法(LSTM)实现了企业对新到来的订单是否接收的决策功能。