CN113657850B - 汽车子系统设计工时的确定方法、装置、设备及存储介质 - Google Patents
汽车子系统设计工时的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113657850B CN113657850B CN202110867683.0A CN202110867683A CN113657850B CN 113657850 B CN113657850 B CN 113657850B CN 202110867683 A CN202110867683 A CN 202110867683A CN 113657850 B CN113657850 B CN 113657850B
- Authority
- CN
- China
- Prior art keywords
- subsystem
- hour
- man
- determining
- duty ratio
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013461 design Methods 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 53
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 abstract description 11
- 238000005259 measurement Methods 0.000 abstract description 6
- 230000005484 gravity Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种汽车子系统设计工时的确定方法、装置、设备及存储介质。该方法包括：在获取到工时指令时，基于整车功能模块对整车零部件进行分解，确定各子系统对应的若干零件单元；对若干零件单元进行难度评估；根据难度评估结果确定各零件单元对应的子系统工时占比；获取各子系统在整车总工时中的总工时占比以及整车预期周期；根据整车预期周期、总工时占比以及子系统工时占比确定各子系统中各零件单元的设计工时。通过上述方式，结合当前项目各零件的难度评估结果确定工时占比，进一步确定设计工时，使得设计工时数据更为准确，与当前项目紧密结合，输出当前项目所需的设计工时，解决了现有的复杂汽车子系统的项目设计工时测算不准确的问题。
Description
技术领域
本发明涉及车辆设计技术领域，尤其涉及一种汽车子系统设计工时的确定方法、装置、设备及存储介质。
背景技术
复杂汽车子系统，是指汽车五大主要子系统：动力传动子系统、底盘子系统、白车身子系统、内外饰附件子系统和电子电器子系统，这些系统的设计工时是指在项目开发阶段，需要投入的开发时间。项目设计工时可以实现项目人力费用预测、人力峰值管控、中长期人力需求以及人才模式管控等。
在实际应用中，目前主要通过被动统计的方式计算以往相关项目的设计工时投入，在新项目进行预测时，比较两者之间的差异大致估算预计的设计工时投入，这种方式会因为历史项目统计的准确性和新旧项目的差异性比较分析不完全导致测算结果与新项目不匹配，测算结果不准确。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种汽车子系统设计工时的确定方法、装置、设备及存储介质，旨在解决现有的复杂汽车子系统的项目设计工时测算不准确的技术问题。
为实现上述目的，本发明提供了一种汽车子系统设计工时的确定方法，所述方法包括以下步骤：
在获取到工时指令时，根据所述工时指令基于整车功能模块对整车零部件进行分解，确定各子系统对应的若干零件单元；
对所述各子系统对应的若干零件单元进行难度评估，得到难度评估结果；
根据所述难度评估结果确定各零件单元对应的子系统工时占比；
获取各子系统在整车总工时中的总工时占比以及整车预期周期；
根据所述整车预期周期、所述总工时占比以及所述子系统工时占比确定各子系统中各零件单元的设计工时。
可选地，所述在获取到工时指令时，根据所述工时指令基于整车功能模块对整车零部件进行分解，确定各子系统对应的若干零件单元之后，所述方法还包括：
获取导入的零件清单，根据所述零件清单确定各零件对应的零件种类；
根据所述零件种类查找各零件对应的分类工时参数值；
所述根据所述整车预期周期、所述总工时占比以及所述子系统工时占比确定各子系统中各零件单元的设计工时，包括：
根据所述整车预期周期、所述总工时占比、所述子系统工时占比以及所述分类工时参数值确定各子系统中各零件单元的设计工时。
可选地，所述根据所述整车预期周期、所述总工时占比以及所述子系统工时占比确定各子系统中各零件单元的设计工时之后，所述方法还包括：
根据所述整车预期周期以及所述总工时占比确定各子系统对应的系统设计工时；
获取预先存储的零件单元标准工时以及各子系统对应的系统人力值；
根据所述零件单元标准工时以及所述系统人力值确定各子系统对应的当前系统设计工时；
将所述当前系统设计工时以及所述系统设计工时进行比对，得到比对结果；
根据所述比对结果确定各子系统对应的工作负荷值。
可选地，所述根据所述比对结果确定各子系统对应的工作负荷值之后，所述方法还包括：
在目标子系统对应的目标工作负荷值大于预设负荷值时，确定目标子系统处于超负荷状态；
提醒用户对目标子系统的系统人力值进行调整。
可选地，所述在目标子系统对应的目标工作负荷值大于预设负荷值时，确定目标子系统处于超负荷状态之后，所述方法还包括：
在当前子系统对应的当前工作负荷值小于标准负荷值时，确定当前子系统处于未满负荷状态；
根据所述目标工作负荷值以及所述当前工作负荷值对所述目标子系统以及所述当前子系统分别对应的系统人力值进行同步调整，得到推荐调整策略；
将所述推荐调整策略进行展示，以提示用户进行选择。
可选地，所述获取预先存储的零件单元标准工时以及各子系统对应的系统人力值之前，所述方法还包括：
对历史项目对应的实际设计工时进行解析，确定各零件单元对应的零件单元标准工时；
对所述零件单元标准工时进行存储。
可选地，所述获取各子系统在整车总工时中的总工时占比，包括：
基于各零件单元对应的难度评估结果确定各子系统对应的难度特征值；
将所述各子系统对应的难度特征值通过预设自适应学习模型进行工时占比预测，得到各子系统在整车总工时中的总工时占比。
此外，为实现上述目的，本发明还提出一种汽车子系统设计工时的确定装置，所述汽车子系统设计工时的确定装置包括：
确定模块，用于在获取到工时指令时，根据所述工时指令基于整车功能模块对整车所有零部件进行分解，确定各子系统对应的若干零件单元；
评估模块，用于对所述各子系统对应的若干零件单元进行难度评估，得到难度评估结果；
所述确定模块，还用于根据所述难度评估结果确定各零件单元对应的子系统工时占比；
获取模块，用于获取各子系统在整车总工时中的总工时占比以及整车预期周期；
所述确定模块，还用于根据所述整车预期周期、所述总工时占比以及所述子系统工时占比确定各子系统中各零件单元的设计工时。
此外，为实现上述目的，本发明还提出一种汽车子系统设计工时的确定设备，所述汽车子系统设计工时的确定设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的汽车子系统设计工时的确定程序，所述汽车子系统设计工时的确定程序配置为实现如上文所述的汽车子系统设计工时的确定方法。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有汽车子系统设计工时的确定程序，所述汽车子系统设计工时的确定程序被处理器执行时实现如上文所述的汽车子系统设计工时的确定方法。
本发明通过在获取到工时指令时，根据工时指令基于整车功能模块对整车零部件进行分解，确定各子系统对应的若干零件单元；对各子系统对应的若干零件单元进行难度评估，得到难度评估结果；根据难度评估结果确定各零件单元对应的子系统工时占比；获取各子系统在整车总工时中的总工时占比以及整车预期周期；根据整车预期周期、总工时占比以及子系统工时占比确定各子系统中各零件单元的设计工时。通过上述方式，根据不同难度的零部件确定不同的子系统工时占比，结合当前项目各零件的子系统工时占比以及总工时占比确定设计工时，使得设计工时数据更为准确，与当前项目紧密结合，输出当前项目所需的设计工时，解决了现有的复杂汽车子系统的项目设计工时测算不准确的问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的汽车子系统设计工时的确定设备的结构示意图；
图2为本发明汽车子系统设计工时的确定方法第一实施例的流程示意图；
图3为本发明汽车子系统设计工时的确定方法第二实施例的流程示意图；
图4为本发明汽车子系统设计工时的确定装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的汽车子系统设计工时的确定设备结构示意图。
如图1所示，该汽车子系统设计工时的确定设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对汽车子系统设计工时的确定设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及汽车子系统设计工时的确定程序。
在图1所示的汽车子系统设计工时的确定设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明汽车子系统设计工时的确定设备中的处理器1001、存储器1005可以设置在汽车子系统设计工时的确定设备中，所述汽车子系统设计工时的确定设备通过处理器1001调用存储器1005中存储的汽车子系统设计工时的确定程序，并执行本发明实施例提供的汽车子系统设计工时的确定方法。
本发明实施例提供了一种汽车子系统设计工时的确定方法，参照图2，图2为本发明汽车子系统设计工时的确定方法第一实施例的流程示意图。
本实施例中，所述汽车子系统设计工时的确定方法包括以下步骤：
步骤S10：在获取到工时指令时，根据所述工时指令基于整车功能模块对整车零部件进行分解，确定各子系统对应的若干零件单元。
可以理解的是，本实施例的执行主体为汽车子系统设计工时的确定设备，所述汽车子系统设计工时的确定设备可以为计算机、手机、车载电脑等设备，也可以为其他具备相同或相似功能的设备，本实施例对此不加以限制，以计算机为例进行说明。
需要说明的是，工时指令为计算机的指令接收模块接收到的指令，计算机在接收到工时指令时，基于预先构建的整车模型分解出整车功能对应的整车零部件，例如：车门、发动机罩、车轮等等。子系统是指汽车设计主要子系统，包括：总布置(Package)、白车身(BIW)、内外饰(Exterior&Interior)、电子电器(Electric)、底盘(Chassis)、热流体(HeatFluid)和仿真分析(CAE)。基于用户的选择操作将各零部件与各子系统关联，从而确定各子系统对应的若干零件单元。
应当理解的是，提前根据车辆基础结构分解出各整车零部件，并归类进各子系统，在进行汽车子系统设计工时确定时，展示各子系统对应的各个零件单元，基于用户的操作选择当前项目需要使用到的零件单元，从而确定各子系统对应的若干零件单元。可选的，计算机通过导入的零件清单确定当前项目需要使用到的零件单元，从而与各子系统提前归类好的整车零部件进行匹配，确定当前项目各各子系统对应的若干零件单元。
步骤S20：对所述各子系统对应的若干零件单元进行难度评估，得到难度评估结果。
可以理解的是，难度评估结果为预设的难度等级，本实施例中设置五个难度等级分别为“难、较难、一般、较容易、容易”，可选的，计算机接收用户的难度选择指令，为各零件单元赋予难度等级，从而确定难度评估结果。可选的，计算机基于历史项目中各零件单元对应的工时时长确定各零件单元对应的历史难度评估参数，基于零件单元的生产单位确定对应的种类评估参数，根据历史难度评估参数以及种类评估参数进行综合评估，得到难度评估结果。在具体实现中，计算机接收到的零件清单中可以包括：零件单元名称、生产难度、生产单位等信息。
步骤S30：根据所述难度评估结果确定各零件单元对应的子系统工时占比。
需要说明的是，根据难度评估结果赋予各零件单元对应的比重数值，例如，难度评估结果为难度等级“难”时，对应的比重数值为5，难度评估结果为难度等级“容易”时，对应的比重数值为1，根据各子系统中的全部零件单元对应的比重数值确定比重总数值，根据各零件单元的比重数值以及比重总数值确定各零件单元对应的子系统工时占比。可选地，步骤S30，包括：从预设存储区域内获取预先存储的标准子系统工时占比，根据所述难度评估结果对所述标准子系统工时占比进行调整，得到各零件单元对应的子系统工时占比。标准子系统工时占比可以根据历史项目的设计工时确定，在一零件单元对应的难度评估结果为难度等级“一般”时，该零件单元对应的子系统工时占比即为标准子系统工时占比，在一零件单元对应的难度评估结果为难度等级“难”时，按照预设调整幅度在标准子系统工时占比的基础上增加该零件单元对应的子系统工时占比。在具体实现中，如果各零件单元对应的子系统工时占比之和大于1，则依据各零件单元对应的子系统工时占比进行归一化处理，得到最终子系统工时占比。
步骤S40：获取各子系统在整车总工时中的总工时占比以及整车预期周期。
可以理解的是，整车预期周期是指当前项目的初定开发周期，由用户根据实际情况设置，可选的，获取各子系统在整车总工时中的总工时占比具体为：基于若干历史项目数据确定各子系统设计工时在整车总工时的若干历史总工时占比，根据若干历史总工时占比确定平均值，得到各子系统对应的平均总工时占比，进行归一化处理，得到各子系统在整车总工时中的总工时占比。
可选地，所述获取各子系统在整车总工时中的总工时占比，包括：基于各零件单元对应的难度评估结果确定各子系统对应的难度特征值；将所述各子系统对应的难度特征值通过预设自适应学习模型进行工时占比预测，得到各子系统在整车总工时中的总工时占比。
需要说明的是，难度特征值为根据各零件单元难度等级的比重数值取平均值得到的，预设自适应学习模型为提前根据样本数据库训练得到的，样本数据库的构建过程为：专业工程师对历史项目中各子系统的设计进行难度打分，确定各子系统对应的难度评分，分析历史项目实际设计工时，确定各子系统对应的历史占比，将各子系统对应的难度评分以及对应的历史占比作为一组样本数据。根据各子系统对应的难度评分以及对应的历史占比对预设自适应学习模型进行训练，在获取到各子系统对应的难度特征值时，输入至训练好的预设自适应学习模型，得到各子系统在整车总工时中的总工时占比。例如，总布置(Package)总工时占比为5％，白车身(BIW)总工时占比为25％，内外饰(Exterior&Interior)总工时占比为35％等等。.
步骤S50：根据所述整车预期周期、所述总工时占比以及所述子系统工时占比确定各子系统中各零件单元的设计工时。
可以理解的是，本实施例中将整车预期周期、总工时占比以及各零件单元的子系统工时占比相乘即可得到各零件单元的设计工时，在具体实现中，展示各子系统对应的整体设计工时，并将各子系统对应的整体设计工时细致展示为各零件单元的设计工时。
进一步地，所述步骤S10之后，所述方法还包括：获取导入的零件清单，根据所述零件清单确定各零件对应的零件种类；根据所述零件种类查找各零件对应的分类工时参数值；
所述步骤S50，包括：根据所述整车预期周期、所述总工时占比、所述子系统工时占比以及所述分类工时参数值确定各子系统中各零件单元的设计工时。
可以理解的是，零件种类包括：白盒子零件、灰盒子零件以及黑盒子零件，白盒子零件是指零件的内部(包含详细内部结构等)以及外部(外部轮廓与安装结构等)都由当前单位自身完成详细设计的零件，灰盒子零件是指当前单位考虑内部设计，将外部设计外包给其他单位设计的零件，企业负责图纸、技术规范等，也叫外购件，如卡钳、车灯等，黑盒子零件是指当前单位考虑功能、安装和边界，内部设计和外部设计均外包给其他单位设计的零件，在汽车行业通常指一些内部设计不公开的外购件，例如ECU、发动机等。
需要说明的是，导入的零件清单中包括当前项目需要使用到的零件单元、对应的生产难度以及生产单位等信息，在预设数据库中存储有当前单位信息，在获取到导入的零件清单时，将各零件单元对应的生产单位与当前单位进行匹配，在一零件单元对应的生产单位与当前单位一致时，确定该零件单元为白盒子零件；在一零件单元对应的生产单位中包含当前单位，还包含其他单位时，确定该零件单元为灰盒子零件；在一零件单元对应的生产单位中不包含当前单位时，确定该零件单元为黑盒子零件。
可以理解的是，预先构建映射关系，该映射关系中包括零件种类以及对应的分类工时参数值，例如，白盒子零件对应的分类工时参数值为1，灰盒子零件由于大部分的设计都在外部完成，分类工时计算参数值为0.4-0.8，黑盒子零件，由于内部设计和外部设计均由其他单位完成，需要增加功能测试验证等工时，分类工时参数值为0.8-1.2，以上参数仅作为示例，实际实现中可以根据零部件的复杂程度和功能数量进行调整。
本实施例通过在获取到工时指令时，根据工时指令基于整车功能模块对整车零部件进行分解，确定各子系统对应的若干零件单元；对各子系统对应的若干零件单元进行难度评估，得到难度评估结果；根据难度评估结果确定各零件单元对应的子系统工时占比；获取各子系统在整车总工时中的总工时占比以及整车预期周期；根据整车预期周期、总工时占比以及子系统工时占比确定各子系统中各零件单元的设计工时。通过上述方式，根据不同难度的零部件确定不同的子系统工时占比，结合当前项目各零件的子系统工时占比以及总工时占比确定设计工时，使得设计工时数据更为准确，与当前项目紧密结合，输出当前项目所需的设计工时，解决了现有的复杂汽车子系统的项目设计工时测算不准确的问题。
参考图3，图3为本发明汽车子系统设计工时的确定方法第二实施例的流程示意图。
基于上述第一实施例，本实施例汽车子系统设计工时的确定方法在所述步骤S50之后，还包括：
步骤S501：根据所述整车预期周期以及所述总工时占比确定各子系统对应的系统设计工时。
可以理解的是，通过整车预期周期乘以各子系统对应的总工时占比即可得到各子系统对应的系统设计工时。
步骤S502：获取预先存储的零件单元标准工时以及各子系统对应的系统人力值。
需要说明的是，各子系统对应的系统人力值为用户根据项目规模进行初步预估得到的，为工作人员个数。
进一步地，步骤S502之前，所述方法还包括：对历史项目对应的实际设计工时进行解析，确定各零件单元对应的零件单元标准工时；对所述零件单元标准工时进行存储。
可以理解的是，各零件单元对应的零件单元标准工时表征每人每小时内完成各零件单元的进度值，例如，针对左/右侧围外板，每人每小时可以完成0.2％的进度。零件单元标准工时还可以由专业组根据以往项目的经验和设计工时赋予经验值。
步骤S503：根据所述零件单元标准工时以及所述系统人力值确定各子系统对应的当前系统设计工时。
需要说明的是，当前系统设计工时是指依据系统人力值确定的预估设计工时，按照标准工作日确定预估设计工时，标准工作日是指一个自然月为标准22个工作日，一个工作日为标准8小时。例如，投入左/右侧围外板的系统人力值为2人，每人每小时可以完成0.2％的进度，确定该零件单元对应的预估设计工时为1.42个月，从而确定该子系统对应的当前系统设计工时。
步骤S504：将所述当前系统设计工时以及所述系统设计工时进行比对，得到比对结果。
可以理解的是，将根据人力值确定的预估设计工时与根据零件确定的系统设计工时进行比对，从而确定各子系统预先分配的人力资源是否满足要求。
步骤S505：根据所述比对结果确定各子系统对应的工作负荷值。
需要说明的是，具体过程可以为，如果当前系统设计工时与系统设计工时的偏差范围超过20％，认定系统人力值填报错误，提示用户需要重新填写。在具体实现中，标准工作负荷值为1，超过1即代表超负荷运作，可以通过调整分类工时参数值降低工作负荷值，也可以通过调整人力资源投入进行调整，在具体实现中，允许超负荷工作，但超负荷值不超过1.4(按5个工作日，加班2个工作日计算)，小于1，即代表未满负荷，人力资源有空载，也可以根据空载情况进行人力资源的调整。
进一步地，步骤S505之后，所述方法还包括：在目标子系统对应的目标工作负荷值大于预设负荷值时，确定目标子系统处于超负荷状态；提醒用户对目标子系统的系统人力值进行调整。
可以理解的是，工作负荷值为系统设计工时与当前系统设计工时之间的比值，预设负荷值为1，在目标工作负荷值大于1时，确定目标子系统处于超负荷状态。
具体地，所述在目标子系统对应的目标工作负荷值大于预设负荷值时，确定目标子系统处于超负荷状态之后，所述方法还包括：在当前子系统对应的当前工作负荷值小于标准负荷值时，确定当前子系统处于未满负荷状态；根据所述目标工作负荷值以及所述当前工作负荷值对所述目标子系统以及所述当前子系统分别对应的系统人力值进行同步调整，得到推荐调整策略；将所述推荐调整策略进行展示，以提示用户进行选择。
需要说明的是，在当前工作负荷值小于1时，确定当前子系统处于未满负荷状态，此时，将超负荷的子系统对应的系统人力值与未满负荷的子系统对应的系统人力值进行同步调整，同步调整的方式可以为基于反馈机制进行同步调整，根据调整后的系统人力值再次确定目标预估设计工时，确认得到的目标预估设计工时以及系统设计工时之间的目标工作负荷值，基于目标工作负荷值获取反馈信息，再次进行同步调整，直到目标工作负荷值小于1。
在具体实现中，本实施例提出的汽车子系统设计工时的确定设备还支持以人力资源角度计算的某员工在该自然年度的设计工时的投入，各部门收到该信息后对该信息进行复核，对于复用，严重超复核的人力资源进行修订和调整；还支持以部门人力资源角度计算设计部门设计人员的投入比例与工作负荷，根据各员工在该自然年度的设计工时的投入计算出整个部门的人力资源投入的比例，核查是否存在闲置人力资源，是否存在设计人力资源短缺或资源富足的问题，即可计算出一个自然年的人力使用饱和度情况，结合战略规划，可进行中长期设计人力供需与准备。
举例对本实施例提出的方法进行说明，在某车型项目立项时，需要计算该项目的设计工时，在开发范围和开发周期大体确定以后，开始组织系统人力值的填报，同时开始零件清单的收集，导入系统中，计算机对零件进行分类，进行运算并输出初版计算结果，解算结果首先按部门/系统进行汇总，并通知各部门/系统进行分析与修订，各部门/系统更新完后，对整个项目的数据的分析与修订，最终计算出整个项目的设计工时和工作负荷。
本实施例根据整车预期周期以及总工时占比确定各子系统对应的系统设计工时；获取预先存储的零件单元标准工时以及各子系统对应的系统人力值；根据零件单元标准工时以及系统人力值确定各子系统对应的当前系统设计工时；将当前系统设计工时以及系统设计工时进行比对，得到比对结果；根据比对结果确定各子系统对应的工作负荷值。通过上述方式，提出确定工作负荷值的策略，对初步预估的系统人力值进行分析，实时预判可能出现的人力资源风险，从而降低开发风险，解决了现有的复杂汽车子系统的项目设计工时测算不准确的问题。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有汽车子系统设计工时的确定程序，所述汽车子系统设计工时的确定程序被处理器执行时实现如上文所述的汽车子系统设计工时的确定方法。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
参照图4，图4为本发明汽车子系统设计工时的确定装置第一实施例的结构框图。
如图4所示，本发明实施例提出的汽车子系统设计工时的确定装置包括：
确定模块10，用于在获取到工时指令时，根据所述工时指令基于整车功能模块对整车所有零部件进行分解，确定各子系统对应的若干零件单元。
评估模块20，用于对所述各子系统对应的若干零件单元进行难度评估，得到难度评估结果。
所述确定模块10，还用于根据所述难度评估结果确定各零件单元对应的子系统工时占比。
获取模块30，用于获取各子系统在整车总工时中的总工时占比以及整车预期周期。
所述确定模块10，还用于根据所述整车预期周期、所述总工时占比以及所述子系统工时占比确定各子系统中各零件单元的设计工时。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
本实施例通过在获取到工时指令时，根据工时指令基于整车功能模块对整车零部件进行分解，确定各子系统对应的若干零件单元；对各子系统对应的若干零件单元进行难度评估，得到难度评估结果；根据难度评估结果确定各零件单元对应的子系统工时占比；获取各子系统在整车总工时中的总工时占比以及整车预期周期；根据整车预期周期、总工时占比以及子系统工时占比确定各子系统中各零件单元的设计工时。通过上述方式，根据不同难度的零部件确定不同的子系统工时占比，结合当前项目各零件的子系统工时占比以及总工时占比确定设计工时，使得设计工时数据更为准确，与当前项目紧密结合，输出当前项目所需的设计工时，解决了现有的复杂汽车子系统的项目设计工时测算不准确的问题。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的汽车子系统设计工时的确定方法，此处不再赘述。
在一实施例中，所述确定模块10，还用于获取导入的零件清单，根据所述零件清单确定各零件对应的零件种类；根据所述零件种类查找各零件对应的分类工时参数值；根据所述整车预期周期、所述总工时占比、所述子系统工时占比以及所述分类工时参数值确定各子系统中各零件单元的设计工时。
在一实施例中，所述汽车子系统设计工时的确定装置还包括负荷确定模块；
所述负荷确定模块，用于根据所述整车预期周期以及所述总工时占比确定各子系统对应的系统设计工时；获取预先存储的零件单元标准工时以及各子系统对应的系统人力值；根据所述零件单元标准工时以及所述系统人力值确定各子系统对应的当前系统设计工时；将所述当前系统设计工时以及所述系统设计工时进行比对，得到比对结果；根据所述比对结果确定各子系统对应的工作负荷值。
在一实施例中，所述负荷确定模块，还用于在目标子系统对应的目标工作负荷值大于预设负荷值时，确定目标子系统处于超负荷状态；提醒用户对目标子系统的系统人力值进行调整。
在一实施例中，所述负荷确定模块，还用于在当前子系统对应的当前工作负荷值小于标准负荷值时，确定当前子系统处于未满负荷状态；根据所述目标工作负荷值以及所述当前工作负荷值对所述目标子系统以及所述当前子系统分别对应的系统人力值进行同步调整，得到推荐调整策略；将所述推荐调整策略进行展示，以提示用户进行选择。
在一实施例中，所述负荷确定模块，还用于对历史项目对应的实际设计工时进行解析，确定各零件单元对应的零件单元标准工时；对所述零件单元标准工时进行存储。
在一实施例中，所述获取模块30，还用于基于各零件单元对应的难度评估结果确定各子系统对应的难度特征值；将所述各子系统对应的难度特征值通过预设自适应学习模型进行工时占比预测，得到各子系统在整车总工时中的总工时占比。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种汽车子系统设计工时的确定方法，其特征在于，所述汽车子系统设计工时的确定方法包括：
在获取到工时指令时，根据所述工时指令基于整车功能模块对整车零部件进行分解，确定各子系统对应的若干零件单元；
对所述各子系统对应的若干零件单元进行难度评估，得到难度评估结果；
根据所述难度评估结果确定各零件单元对应的子系统工时占比；
获取各子系统在整车总工时中的总工时占比以及整车预期周期；
根据所述整车预期周期、所述总工时占比以及所述子系统工时占比确定各子系统中各零件单元的设计工时；
其中，所述对所述各子系统对应的若干零件单元进行难度评估，得到难度评估结果，包括：
难度评估结果包括难、较难、一般、较容易、容易中任一个，计算机基于历史项目中各零件单元对应的工时时长确定各零件单元对应的历史难度评估参数，基于零件单元的生产单位确定对应的种类评估参数，根据历史难度评估参数以及种类评估参数进行综合评估，得到难度评估结果；
其中，所述根据所述难度评估结果确定各零件单元对应的子系统工时占比，包括：
从预设存储区域内获取预先存储的标准子系统工时占比，根据所述难度评估结果对所述标准子系统工时占比进行调整，得到各零件单元对应的子系统工时占比；
其中，所述根据所述整车预期周期、所述总工时占比以及所述子系统工时占比确定各子系统中各零件单元的设计工时，包括：
将整车预期周期、总工时占比以及各零件单元的子系统工时占比相乘即可得到各零件单元的设计工时，在展示各子系统对应的整体设计工时，将各子系统对应的整体设计工时细致展示为各零件单元的设计工时。
2.如权利要求1所述的汽车子系统设计工时的确定方法，其特征在于，所述在获取到工时指令时，根据所述工时指令基于整车功能模块对整车零部件进行分解，确定各子系统对应的若干零件单元之后，所述方法还包括：
获取导入的零件清单，根据所述零件清单确定各零件对应的零件种类；
根据所述零件种类查找各零件对应的分类工时参数值；
所述根据所述整车预期周期、所述总工时占比以及所述子系统工时占比确定各子系统中各零件单元的设计工时，包括：
根据所述整车预期周期、所述总工时占比、所述子系统工时占比以及所述分类工时参数值确定各子系统中各零件单元的设计工时。
3.如权利要求1所述的汽车子系统设计工时的确定方法，其特征在于，所述根据所述整车预期周期、所述总工时占比以及所述子系统工时占比确定各子系统中各零件单元的设计工时之后，所述方法还包括：
根据所述整车预期周期以及所述总工时占比确定各子系统对应的系统设计工时；
获取预先存储的零件单元标准工时以及各子系统对应的系统人力值；
根据所述零件单元标准工时以及所述系统人力值确定各子系统对应的当前系统设计工时；
将所述当前系统设计工时以及所述系统设计工时进行比对，得到比对结果；
根据所述比对结果确定各子系统对应的工作负荷值。
4.如权利要求3所述的汽车子系统设计工时的确定方法，其特征在于，所述根据所述比对结果确定各子系统对应的工作负荷值之后，所述方法还包括：
在目标子系统对应的目标工作负荷值大于预设负荷值时，确定目标子系统处于超负荷状态；
提醒用户对目标子系统的系统人力值进行调整。
5.如权利要求4所述的汽车子系统设计工时的确定方法，其特征在于，所述在目标子系统对应的目标工作负荷值大于预设负荷值时，确定目标子系统处于超负荷状态之后，所述方法还包括：
在当前子系统对应的当前工作负荷值小于标准负荷值时，确定当前子系统处于未满负荷状态；
根据所述目标工作负荷值以及所述当前工作负荷值对所述目标子系统以及所述当前子系统分别对应的系统人力值进行同步调整，得到推荐调整策略；
将所述推荐调整策略进行展示，以提示用户进行选择。
6.如权利要求3所述的汽车子系统设计工时的确定方法，其特征在于，所述获取预先存储的零件单元标准工时以及各子系统对应的系统人力值之前，所述方法还包括：
对历史项目对应的实际设计工时进行解析，确定各零件单元对应的零件单元标准工时；
对所述零件单元标准工时进行存储。
7.如权利要求1-6中任一项所述的汽车子系统设计工时的确定方法，其特征在于，所述获取各子系统在整车总工时中的总工时占比，包括：
基于各零件单元对应的难度评估结果确定各子系统对应的难度特征值；
将所述各子系统对应的难度特征值通过预设自适应学习模型进行工时占比预测，得到各子系统在整车总工时中的总工时占比。
8.一种汽车子系统设计工时的确定装置，其特征在于，所述汽车子系统设计工时的确定装置包括：
确定模块，用于在获取到工时指令时，根据所述工时指令基于整车功能模块对整车所有零部件进行分解，确定各子系统对应的若干零件单元；
评估模块，用于对所述各子系统对应的若干零件单元进行难度评估，得到难度评估结果；
所述确定模块，还用于根据所述难度评估结果确定各零件单元对应的子系统工时占比；
获取模块，用于获取各子系统在整车总工时中的总工时占比以及整车预期周期；
所述确定模块，还用于根据所述整车预期周期、所述总工时占比以及所述子系统工时占比确定各子系统中各零件单元的设计工时；
所述评估模块，还用于难度评估结果包括难、较难、一般、较容易、容易中任一个，计算机基于历史项目中各零件单元对应的工时时长确定各零件单元对应的历史难度评估参数，基于零件单元的生产单位确定对应的种类评估参数，根据历史难度评估参数以及种类评估参数进行综合评估，得到难度评估结果；
所述确定模块，还用于从预设存储区域内获取预先存储的标准子系统工时占比，根据所述难度评估结果对所述标准子系统工时占比进行调整，得到各零件单元对应的子系统工时占比；
所述确定模块，还用于将整车预期周期、总工时占比以及各零件单元的子系统工时占比相乘即可得到各零件单元的设计工时，在展示各子系统对应的整体设计工时，将各子系统对应的整体设计工时细致展示为各零件单元的设计工时。
9.一种汽车子系统设计工时的确定设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的汽车子系统设计工时的确定程序，所述汽车子系统设计工时的确定程序配置为实现如权利要求1至7中任一项所述的汽车子系统设计工时的确定方法。
10.一种存储介质，其特征在于，所述存储介质上存储有汽车子系统设计工时的确定程序，所述汽车子系统设计工时的确定程序被处理器执行时实现如权利要求1至7任一项所述的汽车子系统设计工时的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110867683.0A CN113657850B (zh) | 2021-07-29 | 2021-07-29 | 汽车子系统设计工时的确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110867683.0A CN113657850B (zh) | 2021-07-29 | 2021-07-29 | 汽车子系统设计工时的确定方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113657850A CN113657850A (zh) | 2021-11-16 |
| CN113657850B true CN113657850B (zh) | 2024-03-29 |
Family
ID=78479008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110867683.0A Active CN113657850B (zh) | 2021-07-29 | 2021-07-29 | 汽车子系统设计工时的确定方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113657850B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006127012A (ja) * | 2004-10-27 | 2006-05-18 | Fujitsu Ltd | 加工工数見積り方法及び装置 |
| WO2007026435A1 (ja) * | 2005-08-31 | 2007-03-08 | Jastec Co., Ltd. | ソフトウェア開発生産管理システム、コンピュータプログラム及び記録媒体 |
| JP2007207029A (ja) * | 2006-02-02 | 2007-08-16 | Matsushita Electric Ind Co Ltd | プロジェクト進捗管理装置及び方法 |
| JP2010113396A (ja) * | 2008-11-04 | 2010-05-20 | Fujitsu Ltd | 進捗管理プログラム、進捗管理装置、および進捗管理方法 |
| JP2015041156A (ja) * | 2013-08-20 | 2015-03-02 | 株式会社エヌ・ティ・ティ・データ | 工数見積装置、工数見積方法及びプログラム |
| CN108846564A (zh) * | 2018-05-31 | 2018-11-20 | 康键信息技术（深圳）有限公司 | 服务器、排期的方法及存储介质 |
| JP2019185132A (ja) * | 2018-04-02 | 2019-10-24 | 富士通株式会社 | 推定プログラム、推定装置、及び推定方法 |
| CN110956507A (zh) * | 2019-12-16 | 2020-04-03 | 广州合道信息科技有限公司 | 全周期节点工期计算方法、装置、计算机设备及存储介质 |
| CN111080235A (zh) * | 2019-11-26 | 2020-04-28 | 泰康保险集团股份有限公司 | 数据处理方法、装置、电子设备及计算机可读介质 |
| JP2021039398A (ja) * | 2019-08-30 | 2021-03-11 | 株式会社フジキン | 工数自動算出システム |
| CN112541730A (zh) * | 2020-12-04 | 2021-03-23 | 深圳创维－Rgb电子有限公司 | 项目工时统计方法、设备及存储介质 |
| CN113177706A (zh) * | 2021-04-25 | 2021-07-27 | 东风柳州汽车有限公司 | 项目绩效分析系统及方法 |
-
2021
- 2021-07-29 CN CN202110867683.0A patent/CN113657850B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006127012A (ja) * | 2004-10-27 | 2006-05-18 | Fujitsu Ltd | 加工工数見積り方法及び装置 |
| WO2007026435A1 (ja) * | 2005-08-31 | 2007-03-08 | Jastec Co., Ltd. | ソフトウェア開発生産管理システム、コンピュータプログラム及び記録媒体 |
| JP2007207029A (ja) * | 2006-02-02 | 2007-08-16 | Matsushita Electric Ind Co Ltd | プロジェクト進捗管理装置及び方法 |
| JP2010113396A (ja) * | 2008-11-04 | 2010-05-20 | Fujitsu Ltd | 進捗管理プログラム、進捗管理装置、および進捗管理方法 |
| JP2015041156A (ja) * | 2013-08-20 | 2015-03-02 | 株式会社エヌ・ティ・ティ・データ | 工数見積装置、工数見積方法及びプログラム |
| JP2019185132A (ja) * | 2018-04-02 | 2019-10-24 | 富士通株式会社 | 推定プログラム、推定装置、及び推定方法 |
| CN108846564A (zh) * | 2018-05-31 | 2018-11-20 | 康键信息技术（深圳）有限公司 | 服务器、排期的方法及存储介质 |
| JP2021039398A (ja) * | 2019-08-30 | 2021-03-11 | 株式会社フジキン | 工数自動算出システム |
| CN111080235A (zh) * | 2019-11-26 | 2020-04-28 | 泰康保险集团股份有限公司 | 数据处理方法、装置、电子设备及计算机可读介质 |
| CN110956507A (zh) * | 2019-12-16 | 2020-04-03 | 广州合道信息科技有限公司 | 全周期节点工期计算方法、装置、计算机设备及存储介质 |
| CN112541730A (zh) * | 2020-12-04 | 2021-03-23 | 深圳创维－Rgb电子有限公司 | 项目工时统计方法、设备及存储介质 |
| CN113177706A (zh) * | 2021-04-25 | 2021-07-27 | 东风柳州汽车有限公司 | 项目绩效分析系统及方法 |
Non-Patent Citations (4)
| Title |
|---|
| 基于特征的飞机结构件数控加工工时预测模型;刘长青;李迎光;王伟;林勇;;计算机集成制造系统(第10期);21567-2162 * |
| 基于零件加工难度系数的工时估算;杨续昌;陈友玲;;东北大学学报(自然科学版)(第07期);998-1002 * |
| 模具产品制造成本与生产周期估计模型研究;罗志清;王润孝;骞爱荣;;计算机集成制造系统-CIMS(第12期);1659-1662 * |
| 船舶生产设计工时体系及预测模型研究;张志英;李珍;何成能;陈基强;;中国造船(第04期);177-184 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113657850A (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7219068B2 (en) | Method and system for product optimization | |
| Jeliazkov et al. | Fitting and comparison of models for multivariate ordinal outcomes | |
| Tao et al. | Enhanced Gaussian process metamodeling and collaborative optimization for vehicle suspension design optimization | |
| RU2733485C1 (ru) | Система и способ обработки данных для комплексной оценки зрелости научно-технологического проекта на основе использования набора параметров | |
| US8458663B2 (en) | Static code analysis | |
| Dodson et al. | Probabilistic design for optimization and robustness for engineers | |
| Hoyle et al. | Understanding and modelling heterogeneity of human preferences for engineering design | |
| Collins | Attribute nonattendance in discrete choice models: measurement of bias, and a model for the inference of both nonattendance and taste heterogeneity | |
| Hanson et al. | Guide and documentation system to support digital human modeling applications | |
| Alves et al. | Analysis and simulation of plant disease progress curves in R: introducing the epifitter package | |
| Shams Bidhendi et al. | Development of a weighted leanness measurement method in modular construction companies | |
| CN113657850B (zh) | 汽车子系统设计工时的确定方法、装置、设备及存储介质 | |
| CN116992294B (zh) | 卫星测控训练评估方法、装置、设备及存储介质 | |
| Kumar et al. | Incorporating customer preferences and market trends in vehicle package design | |
| US20180130002A1 (en) | Requirements determination | |
| CN111626789A (zh) | 房屋价格预测方法、装置、设备及存储介质 | |
| Mehl | P-boxes for cost uncertainty analysis | |
| CN114925895A (zh) | 维修器材预测方法、终端及存储介质 | |
| CN114997592A (zh) | 车辆零件装配点检方法、装置、设备及存储介质 | |
| CN113177706A (zh) | 项目绩效分析系统及方法 | |
| WO2010061440A1 (ja) | ソフトウェア改造見積り方法及びソフトウェア改造見積りシステム | |
| CN113792986B (zh) | 人力资源计划生成方法、装置、设备及存储介质 | |
| Dickmann et al. | Deriving a valid process simulation from real world experiences | |
| Douglas | The impacts of the handoffs on software development: A cost estimation model | |
| Hani et al. | Tuning COCOMO-II for software process improvement: A tool based approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |