MC环境下基于加工特征的零件工时定额研究

工时定额是大规模定制生产模式下企业确定产品交货期和提高顾客满意度的重要参考依据。为更好地支持大规模定制生产的企业工时定额的制定,提出一种大规模定制环境下基于加工特征的零件工时定额的制定方法。在此方法中,运用面向对象方法将零件组内的加工特征进行分类、编码,建立加工特征信息模型,以便于零件加工特征的检索;采用神经网络技术,结合MATLAB软件针对编码系统中每一个最底层的加工特征建立对应的工时模型;根据零件加工特征的编码检索各个加工特征的工时模型,估算每个加工特征的加工工时,从而得到整个零件的工时定额。通过与传统的工时定额方法对比,验证了该方法的准确性和快速性。     

基于神经网络的工时定额计算方法研究

为了解决当前企业传统工时定额制定方法中存在的问题,本文通过分析影响工时定额制定的因素,提出了利用改进的BP算法神经网络计算工时定额的方法,建立了相应的算法与模型,使得BP网络在训练和计算结果有了明显的提高.利用MATLAB7.1对建立的网络进行训练和仿真,试验结果表明了BP神经网络计算工时定额的快速性、简便性及准确性,为企业制定工时定额提供了一种切实可行的方法.     

MC环境下基于零件定制程度的工时定额研究

为了解决大规模定制生产环境下定制零件工时定额制定存在的问题,提出一种基于零件定制程度的工时定额方法。此方法首先分析了影响零件工时的主要特征,采用神经网络技术得出各主要特征的权重;然后运用模糊综合评判法计算基于零件主要特征的零件定制程度;最后通过事例推理技术(case-based reasoning,CBR)检索相似零件,根据相似零件的定制程度与工时信息,运用MATLAB软件建立零件工时的数学模型,计算出定制零件的工时。以某企业模具的平面安装面的加工时间计算为例对该方法进行验证,结果证明该方法具有较高的准确性和可行性。     

基于制造流程和制造特征的零件工时估算

为了解决以往相似零件工时估算方法的精度和效率之间的矛盾,提出一种精度高且易于编程实现进而提高效率的工时估算方法。研究加工工艺对制造特征工时的影响机理,提出制造特征组合的概念,并在此基础上实现生产准备、上下料、换刀、粗加工、精加工五个工时数据库的开发。提出制造流程图的概念并描述其绘制方法。通过对历史零件制造流程图的修改及工时数据库中数据的调取计算实现对相似零件的工时估算。以某企业生产的一个零件族中相似零件的工时估算为例,验证所提出的估算方法的有效性。     

基于可拓变换与时间模块的产品族加工时间快速确定方法

为提高定制企业工时定额制定的效率以满足顾客对产品交货期的需求,提出一种新的工时定额计算方法。该方法以产品族的结构组成为基础,将产品族加工时间分为静态工时、柔性工时、特有工时三大工时模块,提出了时间模块的概念,并运用可拓变换的思想对柔性工时模块进行了可拓学描述,运用工艺聚类分析实现了各工时模块时间的计算。通过对制造对象物元的三级匹配搜索和事元的匹配搜索提取相似的制造对象,以实现加工时间的快速重用。最后通过实例验证了方法的可行性和有效性。     

基于UML的工时定额管理信息系统建模

制造业产品的生产工序冗长、工艺复杂,导致其工时定额管理难度加大。为提高工时定额制订和审核工作效率,进而实现企业工时定额网络化管理和车间生产集成化管理的协同作业,本文针对某制造企业的生产实际,使用统一建模语言(UML)对其工时定额管理过程进行建模分析并建立了系统的用例模型、静态模型和动态模型,为系统的成功开发打下了牢固基础。     

面向订单的模块化时间定额的确定方法*

现代制造环境下,生产模式从批量生产逐渐变为面向订单的定制生产.由于定制产品的重复度低,生产数量少,使得传统的工时定额方法已经无法有效地对其工时定额进行快速、精确的计算.由此,根据成组技术和模块化思想提出了一种新的工时定额方法.该方法首先结合产品特点对定制产品进行模块划分;根据定制特点建立通用模块和定制模块;再由通用模块...     

MC环境下基于案例推理的零件相似度与工时估算研究

在MC环境下,为了使零件工时快速且准确的被估算出,以案例推理理论为基础,研究了零件相似度与工时之间的内在关系,提出了零件相似度的工时估算新方法。首先,通过CASE检索法和零件拓扑结构相似度在规范的案例库中检索并筛选出符合要求的相似零件样本;其次,根据零件相似性机理,确定零件相似度的内涵,构建零件相似度的计算模型,即零件拓扑结构相似度计算模型和零件特性相似度计算模型;最后,通过Matlab软件确定零件相似度与工时之间的关系函数,从而实现定制零件加工时间的快速估算,并用实例验证了该方法的有效性和可行性。     

基于遗传神经网络的工时定额系统

为提高工时定额的计算效率和准确度,通过对工时定额表的特点分析,设计开发了基于神经网络的工时定额系统,并针对BP神经网络存在的易陷入局部最小值、不易收敛、全局搜索能力差等缺点,将遗传算法集成到系统之中.介绍了系统的主要功能和工作流程,详细论述了隐层结点数目的计算、样本的自动划分、遗传算法优化、脱离MATLAB环境、神经网络模型的保存等关键技术.实际应用证明系统具有计算精度高、可以独立于MATLAB运行、通用性强等特点.     

基于秒表法的工时定额测算过程研究与实现

通过对工时定额测算过程的研究,针对一家专门从事核电管件生产企业的实际情况,采用秒表法建立工时定额的测算模型,数据结构以及工作改进循环模型;同时,开发适用的计算机辅助工时定额测算系统,利用该系统企业定额人员可以提高工作效率和质量,不断地改进工作,提高企业作业管理水平,从而实现了企业工时定额管理的信息化。     

大规模定制下误差修正系数的工时算法研究

为了提高大规模定制环境下工时计算的准确度,针对工时影响因素的复杂性,提出了一种基于误差修正系数的工时计算方法。建立工时影响因素的评价体系,运用了模糊语言量表法对影响因素进行模糊评价,得出了各关键影响因素的模糊综合评价值。采用BP神经网络方法,通过MATLAB进行网络训练,确定了各影响因素与误差修正系数之间的映射关系,得出了误差修正系数,实现了工时的精确计算。通过实例验证了该方法可操作性强、准确度高等优点。     

基于最小二乘法的自动钻铆工时预测研究

为了提高企业的管理效率,降低生产成本,需要对工时信息进行准确的掌握,并实时通过工时管理系统进行更新。针对过去工时管理并没有统一的概念,且多依靠经验进行预测等问题,提出了基于最小二乘法对工时进行预测。通过对采集到的历史数据进行分析和挖掘,求解出相应工时预测模型,并以自动钻铆工序的工时为例进行预测说明。针对自动钻铆过程中影响因素众多、影响因子之间关系复杂、影响因子单位不统一等特点,对样本数据中不同单位的工时数据进行了归一化处理,建立了基于最小二乘法的工时预测模型,解决了工时预测靠经验判断、工时管理低效的问题。分析了基于最小二乘法的预测误差,并与根据经验判断允许的误差进行了对比,证明了预测的有效性,这为后续工时管理系统的开发提供了理论支撑依据。     

机械加工工时定额管理系统的研究与开发

采用数学模型与计算机查表综合应用的方法，以Delphi和Access数据库作为开发工具，ODBC为数据库接口，建立了工时计算标准参数数据库，开发出了实用的工时定额管理软件。能实现数学模型参数识别、工时制订和结果汇总等功能，从而实现工时定额管理由经验管理转向先进科学的计算机管理。     

Part family formation based on a new similarity coefficient which considers alternative routes during machine failure

A number of research papers have used different types of similarity and dissimilarity coefficients for determining part families. In cellular manufacturing systems, most machines are capable of performing more than one operation, which makes parts rerouting feasible. When a part is rerouted, it affects the cell performance. Most of the suggested approaches in the literature develop a new similarity coefficient based on mathematical analysis, however, these methods tend to disregard alternative routes during machine failure. The main objective of this paper is to identify part families based on a new similarity coefficient which considers the number of alternative routes available during machine failure. Based on the new similarity coefficient, the part families were identified by using a p-median model.     

面向流程工业任务分派的工时估计方法

为了解决流程工业中定额工时准确度低的问题,提出了基于决策树和模型树的作业工时预估方法。对混合类型属性的训练集,首先用标称属性完成部分树的构建,接着在各分枝上采用模型树算法完成子树的构建,在叶节点处给出线性模型。此外,提出方法可基于数据集给出较优训练参数。以某炼油企业的实际生产数据对该方法进行验证,结果证明提出方法能更准确地预估实际任务量,显著缩小计划与执行之间的偏差,提高计划的可执行性。     

装备维修保障人员数量分析方法研究

如何运用科学的手段确定合理的装备维修保障人员数量,是维修保障系统高效、低耗运行的关键和基础。通过分析影响和制约维修保障人员数量的各因素和条件,确立了人员数量确定和优化的计算方法,建立了工时需求仿真模型。实例分析中对某炮兵团修理连各岗位的人员数量需求进行了计算与优化,结果验证了模型的实用性和有效性。     

An Intelligent Online Monitoring and Diagnostic System for Manufacturing Automation

Condition monitoring and fault diagnosis in modern manufacturing automation is of great practical significance. It improves quality and productivity, and prevents damage to machinery. In general, this practice consists of two parts: 1)extracting appropriate features from sensor signals and 2)recognizing possible faulty patterns from the features. Through introducing the concept of marginal energy in signal processing, a new feature representation is developed in this paper. In order to cope with the complex manufacturing operations, three approaches are proposed to develop a feasible system for online applications. This paper develops intelligent learning algorithms using hidden Markov models and the newly developed support vector techniques to model manufacturing operations. The algorithms have been coded in modular architecture and hierarchical architecture for the recognition of multiple faulty conditions. We define a novel similarity measure criterion for the comparison of signal patterns which will be incorporated into a novel condition monitoring system. The sensor-based intelligent system has been implemented in stamping operations as an example. We demonstrate that the proposed method is substantially more effective than the previous approaches. Its unique features benefit various real-world manufacturing automation engineering, and it has great potential for shop floor applications.     

基于多语义因子分层聚类的文本特征提取方法

针对同类文本中提取的关键词形式多样,且在相似性与相关性上具有模糊关系,提出一种对词语进行分层聚类的文本特征提取方法。该方法在考虑文本间相同词贡献文本相似度的前提下,结合词语相似性与相关性作为语义距离,并根据该语义距离的不同,引入分层聚类并赋予不同聚类权值的方法,最终得到以词和簇共同作为特征单元的带有聚类权值的向量空间模型。引入了word2vec训练词向量得到文本相似度,并根据Skip-Gram+Huffman Softmax模型的算法特点,运用点互信息公式准确获取词语间的相关度。通过文本的分类实验表明,所提出的方法较目前常用的仅使用相似度单层聚类后再统计的方法,能更有效地提高文本特征提取的准确性。