CN111062574A - 一种制造工艺过程相似度的度量方法 - Google Patents

一种制造工艺过程相似度的度量方法 Download PDF

Info

Publication number
CN111062574A
CN111062574A CN201911138200.2A CN201911138200A CN111062574A CN 111062574 A CN111062574 A CN 111062574A CN 201911138200 A CN201911138200 A CN 201911138200A CN 111062574 A CN111062574 A CN 111062574A
Authority
CN
China
Prior art keywords
similarity
manufacturing process
manufacturing
environment
value
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.)
Granted
Application number
CN201911138200.2A
Other languages
English (en)
Other versions
CN111062574B (zh
Inventor
刘卫东
吴中义
聂文滨
郑伟杰
李振振
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanchang University
Original Assignee
Nanchang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanchang University filed Critical Nanchang University
Priority to CN201911138200.2A priority Critical patent/CN111062574B/zh
Publication of CN111062574A publication Critical patent/CN111062574A/zh
Application granted granted Critical
Publication of CN111062574B publication Critical patent/CN111062574B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Biomedical Technology (AREA)
  • Fuzzy Systems (AREA)
  • Molecular Biology (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种制造工艺过程相似度的度量方法，包括步骤相似模型构建，其制造工艺过程的相似机理主要由机理层、要素层以及指标层三个层级组成；维度相似度计算，六个维度的过程要素可以根据所描述的属性特点分别采用空间语义向量相似、拉普拉斯平滑相似、全部序列比对相似、离散区间相似、梯形模糊相似、同义词林相似的方法求解。本发明从过程构成要素模型的各个维度去挖掘产品制造工艺过程的关键信息，进而更为精细准确地研究其相似性问题；多个过程构成要素的建模与计算，使制造工艺过程分析得更为细致，更为精细地模拟了真实的制造工艺过程，更为全面的保留了各类制造工艺过程信息，使产品加工分类的标准更为精细。

Description

一种制造工艺过程相似度的度量方法
技术领域
本发明涉及机械制造工艺过程分类管理方法，具体地说是涉及一种制造工艺 过程相似度的度量方法。
背景技术
为了提高多类型产品的生产效率，确保生产计划和组织管理的有序化，需根 据制造工艺过程的相关特征进行产品制造过程的归类。而制造工艺过程相似度恰 恰反映了不同产品制造过程的共有属性，是产品加工分类的关键依据。随着个性 化市场的迅速发展，企业所经营的产品类型日益呈现系列化和多样化的趋势。为 提升多类型产品的制造效益，对产品制造工艺过程提出了更精细的分类要求。如 何全面系统的挖掘制造工艺过程的相似性信息，已成为制造过程分类研究的一个 热点。
但制造工艺过程不仅取决于待加工产品，也与企业现有的制造资源、制造工 艺设计与运营管理模式密切相关，其构成要素复杂多样。单一或几个要素的研究 产品的过程构成要素，难以完整的刻画出制造过程特征。为分析研究制造工艺过 程的相似度，对研究目标进行问题简化，着重强调了制造工艺过程的某些关键信 息，容易导致复杂的产品制造过程的模型构建过于简单粗糙，易造成制造过程重 要维度的信息丢失，普适性不高。
因此，结合工艺文本的制造信息，我们提出基于过程构成要素的制造工艺相 似性的度量方法，将制造工艺过程转化为过程构成要素模型，根据不同过程构成 要素的特征指标，运用了语义空间向量属性、文本序列属性、字符串集合属性、 区间属性、梯形模糊属性的相似度求解各个工艺过程构成要素的相似度值；由可 拓区间层次分析法与角度信息熵的权重修正计算方法相结合，保证了各个过程构 成要素权重计算的合理性；并利用一组产品制造工艺过程的信息计算证明该方法 的可行性。该方法从质量管理学角度提出制造工艺过程相似性度量模型，确保了 其可操作性与系统完备性，具备普遍意义上的应用价值。
发明内容
本发明的目的在于克服现有技术的不足，提供一种制造工艺过程相似度的度 量方法，利用制造工艺文本数据，从多个角度去全面考虑制造过程的相似性问题， 使产品在加工分类过程中更加有效。
为了达到上述目的，本发明是通过以下技术方案实现的：一种制造工艺过程 相似度的度量方法，包括以下步骤：
S1：相似模型构建，其制造工艺过程的相似机理主要由机理层、要素层以及指标层三个层级组成，所述机理层反映了制造工艺过程相似的机理；所述要素层对应 的是六个维度的工艺过程构成要素；所述指标层中假设制造过程的工序可用 MPi(i＝1,2,…n)表示，则从工序中分解的六个维度过程构成要素的具体指标可用 MPji(j＝I,R,V,E,QCI,O)表示，MPji＝0表示该过程的具体指标为空；
S2：维度相似度计算，六个维度的过程要素可以根据所描述的属性特点分别采用空间语义向量相似、拉普拉斯平滑相似、全部序列比对相似、离散区间相似、梯 形模糊相似、同义词林相似的方法求解。
1.根据权利要求1所述的一种制造工艺过程相似度的度量方法，其特征在于： 所述步骤S1中，所述指标层在以加工工序为基本单元的基础上，将制造工艺过程 的具体内容划分为由输入、资源、增值加工活动、环境、质量控制及检验、输出 六个维度过程构成要素，其中：输入(Input，I)规定了制造工艺过程的应达成的 目标及其达成目标应开展的具体活动与要求；输出(Output，O)是制造工艺过程 中产生的结果，反映制造过程预定目标达成的程度；而要实现制造工艺过程从输 入到输出的增值转化，是需要在一定的环境下(Environment，E)，运用相应的资 源(Resource，R)，通过增值(Valuable，V)要求，实现有序的进行加工活动来 实现的；为确保输出满足输入制造过程质量的要求即制造过程的质量，需对输入、 输出、资源、环境和增值加工活动进行必要的质量控制及检验(QualityControl 及Inspection-QCI)。
2.根据权利要求2所述的一种制造工艺过程相似度的度量方法，其特征在于： 所述步骤S1中，还包括步骤确定MPji的具体特征，其中输入是加工过程的依据， 具体是指每个制造工序活动需强调的操作要求与规范以及加工零件的技术属性， 它主要通过工艺指令语句表现出来；资源是指在每个制造子过程中待加工对象、 需用到的加工设备资源和辅助工装夹具资源等，是明确清晰的字符串操作；增值 加工活动是指制造过程中通过一连串的有序系列的加工工序活动，考虑到不同粗 细粒度知识划分的影响，可视为工艺过程中每个工序活动组成的序列；制造所处 的环境是指自然环境，如加工温度、噪声、照明强度等，需要在规定的范围内， 工序不一样，规定的范围内也不一致，它可以通过离散区间值来衡量；质量控制 及检验是指预先设定的质量控制与检验要求，产品质量要求越高、控制和检验内容与方式也就越复杂，可通过模糊隶属函数量化此过程；输出是产品在正常状况 下，经过增值加工活动后，形成具有预定功能或性能的产品或半成品，可通过产 品描述产品达到既定功能或性能的关键词来刻化。
3.根据权利要求1所述的一种制造工艺过程相似度的度量方法，其特征在于： 所述步骤2中，
(1)输入过程要素主要分为两个步骤：第一：TextRank是中文句子中常见的一 种抽取关键词信息的算法；根据输入要素的过程信息利用该算法从句中构造词 语的共现关系图模型，指定边权重，利用投票机制进行迭代计算，抽取关键性 词语信息；第二：语义量化，从抽取的输入过程构成要素中的关键粒度信息中， 将词语相似度的计算转换为对词语义项语义表达的相似度计算方法，它采用下 述计算方法计算词语相似度转化为求最大的两个义原项之间的相似度，
Figure BDA0002280114570000031
式中，WORD_S1与WORD_S2分别代表WORD_A与WORD_B的义原；init()表示 相似度的初始函数，当两个概念的最近公共上位分别在一、二、三、四层时，init 分别取值0.65，0.8，0.9，0.96，k与n分别表示分支间隔和概念间最近公共的下 位数，若两个义项不在同一棵树上，则Sim(WORD_A,WORD_B)＝f＝0.1，当义原 项对应多个编码时，取最大的两个义原编码的相似值；
确定每个句子中的NV、VV值，NV、VV中的每个单词被计算到整个对应的 语义空间，并且选择最大值作为向量中每个字段的最终值，公式如下：
Figure BDA0002280114570000032
通过计算其向量空间的相似度来得到两者之间的语义相似度，其计算公式如下
Figure BDA0002280114570000041
根据VC与NC的权重由公式(8)给出关键信息的综合句子相似度公式，如下：
SimΔ1＝η×(NCA,B)+(1-η)×(VCA,B) (4)
η为修正因子，在这里取0.65；
(2)输出过程构成要素指标的内容，是通过关键词反映产品具有的功能或性能，同样结合上述同义词林相似度计算方法可直接进行功能或性能关键词的相似度 计算；
(3)资源过程构成要素是由若干个清晰字符关键词组成的，对拥有几个清晰的 关键词组成的集合，可能会出现过度的估计而导致出现不符合现实情况的计算结 果，利用带拉普拉斯平滑的属性相似度计算方法其相似度
Figure BDA0002280114570000042
式中，V0、Vk是两个不同产品的资源过程要素的集合；v0i、vki可认为分别是集 合V0、Vk中的子集；
(4)增值加工活动可采用全部序列比对法进行相似度计算，利用 Needleman-Wunsch(NW)算法寻找最佳序列比对，对两条不同序列关系的相似 度可以由下式计算得到：
Figure BDA0002280114570000043
式中，Sim(os,os')表示os和os'的相似性匹配度；osmax表示os和os'的全局最优比对；|osmax|表示全局最优比对的长度；|os∩os'|表示能够匹配到的机加工序的数 量；G表示在计算过程中连续相同的工序数量加分值，可通过下式计算：
Figure BDA0002280114570000044
式中，q表示连续工序匹配的数量；ei表示第i个连续匹配的工序。
(5)在加工的环境过程要素中，加工温度是影响产品质量的最关键性指标，制 造过程环境温度变化通常包含普通制造子过程的自然环境要求和特殊制造子过 程的环境变化，后者进行热处理时具体方式不一样，所要求的环境温度控制区间 也不一样，每个热处理工序又包含几个不同的处理子过程，现假设[C1,C2]和 [D1,D2]分别为两个不同产品在工厂制造过程中的热处理环境下的实际控制的 温度区间，则它们之间的温度区间相似值定义如下：
Figure BDA0002280114570000051
大多数工艺制造子过程都是在自然环境下就可以实现加工操作，现假设产品制造过程中的每个子过程工序需要在常温下进行加工记为1，否则记为0；
因此衡量两个产品整个制造过程环境相似度可通过下式计算：
Figure BDA0002280114570000052
式中M与N分别是两个产品制造过程中的除去热处理工序后的总工序数；
(6)质量控制及检验过程要素活动具有模糊性，可用模糊语言方式表述该要素 的具体过程，并应用七粒度梯形模糊隶属函数对其量化；根据语言模糊隶属函数 的数值转变，为有效衡量语言变量之间的相似性，设两语言变量的梯形模糊数为
Figure BDA0002280114570000053
则二者的相似度为：
Figure BDA0002280114570000054
Figure BDA0002280114570000055
SimΔ5＝exp[-Δ(pij,p0j)] (12)
5.根据权利要求1所述的一种制造工艺过程相似度的度量方法，其特征在于：还包括步骤将可拓区间层次分析法应用到六个维度过程构成要素的权重的确定上， 根据分解出来的过程构成要素之间的弱耦合性规则，可以用下式表示制造工艺过 程的综合相似性：
Figure BDA0002280114570000056
其中，wj为各个维度过程要素所占的权重。
附图说明
图1制造工艺过程的相似度机理框架模型；
图2制造工艺过程指标体系的结构；
图3过程构成要素相似度计算方法；
图4SFO与SF6增值加工活动全局匹配；
图5SF0与SF1-SF10制造过程相似性。
具体实施方式
以下结合附图对本发明进一步说明。参见图1-5，一种制造工艺过程相似度 的度量方法，其具体操作步骤如下：
S1：相似模型构建
1)如图1所示，其制造工艺过程的相似机理主要由三个层级组成：机理层 反映了制造工艺过程相似的机理；要素层对应的是六个维度的工艺过程构成要 素；指标层中假设制造过程的工序可用MPi(i＝1,2,…n)表示，则从工序中分解的 六个维度过程构成要素的具体指标可用MPji(j＝I,R,V,E,QCI,O)表示，MPji＝0表示 该过程的具体指标为空。
2)指标层级中，在以加工工序为基本单元的基础上，将制造工艺过程的具 体内容划分为由输入、资源、增值加工活动、环境、质量控制及检验、输出六个 维度过程构成要素，其中：输入(Input，I)规定了制造工艺过程的应达成的目标 及其达成目标应开展的具体活动与要求；输出(Output，O)是制造工艺过程中产 生的结果，反映制造过程预定目标达成的程度；而要实现制造工艺过程从输入到 输出的增值转化，是需要在一定的环境下(Environment，E)，运用相应的资源 (Resource，R)，通过增值(Valuable，V)要求，实现有序的进行加工活动来实 现的；为确保输出满足输入制造过程质量的要求即制造过程的质量，需对输入、 输出、资源、环境和增值加工活动进行必要的质量控制及检验(QualityControl 及Inspection-QCI)；
3)在求解制造过程相似度的模型中，最关键的是需要确定MPji的具体特征。 这样才能将制造工艺文件形式的过程文本转变为可量化处理的过程属性指标。过 程构成要素指标的确定既要减少转换过程中的冗余，又要避免重要信息的遗漏， 通过删除一些详细的细节指标来简化模型，在减少计算负荷的同时并获得整体上 较为完善的相似性结果是建模中一种常见的处理手段；各制造过程构成要素的相 似性度量指标如图2所示，其中,输入是加工过程的依据，具体是指每个制造工序 活动需强调的操作要求与规范以及加工零件的技术属性，它主要通过工艺指令语 句表现出来；资源是指在每个制造子过程中待加工对象、需用到的加工设备资源 和辅助工装夹具资源等(排除人为因素对制造过程的影响)，是明确清晰的字符 串操作；增值加工活动是指制造过程中通过一连串的有序系列的加工工序活动， 考虑到不同粗细粒度知识划分的影响，可视为工艺过程中每个工序活动组成的序列；制造所处的环境是指自然环境，如加工温度、噪声、照明强度等，需要在规 定的范围内，工序不一样，规定的范围内也不一致，它可以通过离散区间值来衡 量；质量控制及检验是指预先设定的质量控制与检验要求，产品质量要求越高、 控制和检验内容与方式也就越复杂，可通过模糊隶属函数量化此过程；输出是产 品在正常状况下，经过增值加工活动后，形成具有预定功能或性能的产品或半成 品，可通过产品描述产品达到既定功能或性能的关键词来刻化。
S2:各个维度相似度计算
六个维度的过程要素可以根据所描述的属性特点分别采用不同的方法求解， 如图3所示，具体如下：
(1)输入过程要素是由若干自然语言组成指令文本构成的工艺要求与过程 依据，从自然语言处理角度考虑，名词与动词在句中通常起支配其他句子成分的 作用，是句子的核心。主要分为领个步骤：第一：TextRank是中文句子中常见的一种 抽取关键词信息的算法。根据输入要素的过程信息利用该算法从句中构造词语 的共现关系图模型，指定边权重，利用投票机制进行迭代计算，抽取关键性词 语信息。第二：语义量化。从抽取的输入过程构成要素中的关键粒度信息中， 计算NV(名词向量)或VV(动词向量)中的每个单词相似值映射到整个对应的 语义空间。
定义1：根据筛选的关键词信息按照动词与名词的方式分别排列成单词集，假设两句子A与B经过自然语言处理后的单词集可表示为：
句1：SENT1＝{S_V1,S_N1}；句2：SENT2＝{S_V2,S_N2}
式中，SENT1和SENT2是预处理之后的词语集；S_V1和S_N1分别是SENT1中的动 词和名词集。
定义2：名词向量(NV),动词向量(VV),名词语义空间与动词语义空间。
|NVSENT_A|＝|NVSENT_B|＝|S_NA∪S_NB|和|VVSENT_A|＝|VVSENT_B|＝|S_VA∪S_VB|
其中：NVSENT_A和VVSENT_A是句子A中动词和名词的向量空间；名词语义空间和 动词语义空间分别被定义为SENT_A和SENT_B中的名词的并集，以及SENT_A和 SENT_B中的动词联合；
将词语相似度的计算转换为对词语义项语义表达的相似度计算方法，它主要 采用下述计算方法计算词语相似度转化为求最大的两个义原项之间的相似度，
Figure BDA0002280114570000081
式中，WORD_S1与WORD_S2分别代表WORD_A与WORD_B的义原；init()表示 相似度的初始函数，当两个概念的最近公共上位分别在一、二、三、四层时，init 分别取值0.65，0.8，0.9，0.96，k与n分别表示分支间隔和概念间最近公共的下 位数，若两个义项不在同一棵树上，则Sim(WORD_A,WORD_B)＝f＝0.1，当义原 项对应多个编码时，取最大的两个义原编码的相似值。
确定每个句子中的NV、VV值。NV、VV中的每个单词被计算到整个对应的 语义空间；并且选择最大值作为向量中每个字段的最终值；形式公式如下：
Figure BDA0002280114570000082
通过计算其向量空间的相似度来得到两者之间的语义相似度，其计算公式如下
Figure BDA0002280114570000083
根据VC与NC的权重由公式(8)给出关键信息的综合句子相似度公式，如下：
SimΔ1＝η×(NCA,B)+(1-η)×(VCA,B) (4)
η为修正因子，在这里取0.65。
(2)输出过程构成要素指标的内容，是通过关键词反映产品具有的功能或性能，同样结合上述同义词林相似度计算方法可直接进行功能或性能关键词的相似度 计算。
(3)资源过程构成要素是由若干个清晰字符关键词组成的，对拥有几个清晰的 关键词组成的集合，可能会出现过度的估计而导致出现不符合现实情况的计算结 果，利用带拉普拉斯平滑的属性相似度计算方法其相似度
Figure BDA0002280114570000091
式中，V0、Vk是两个不同产品的资源过程要素的集合；v0i、vki可认为分别是集 合V0、Vk中的子集。
(4)增值加工活动是一连串具有特定顺序的工序组成的工艺过程路线。可采 用序列比对法进行相似度计算。利用Needleman-Wunsch(NW)算法寻找最佳序 列比对，对两条不同序列关系的相似度可以由下式计算得到：
Figure BDA0002280114570000092
式中，Sim(os,os')表示os和os'的相似性匹配度；osmax表示os和os'的全局最优比对；|osmax|表示全局最优比对的长度；|os∩os'|表示能够匹配到的机加工序的数 量；G表示在计算过程中连续相同的工序数量加分值，可通过下式计算：
Figure BDA0002280114570000093
式中，q表示连续工序匹配的数量；ei表示第i个连续匹配的工序。
(5)在加工的环境过程要素中，加工温度是影响产品质量的最关键性指标(同 一制造车间中，光照强度、湿度、噪声等一般可看作是相同的)。制造过程环境 温度变化通常包含普通制造子过程(车、磨等)的自然环境要求和特殊制造子过 程(热处理)的环境变化，后者进行热处理时具体方式不一样，所要求的环境温 度控制区间也不一样，每个热处理工序又包含几个不同的处理子过程，现假设 [C1,C2]和[D1,D2]分别为两个不同产品在工厂制造过程中的热处理环境下的实 际控制的温度区间，则它们之间的温度区间相似值定义如下：
Figure BDA0002280114570000094
大多数工艺制造子过程都是在自然环境下就可以实现加工操作，现假设产品制造过程中的每个子过程工序需要在常温下进行加工记为1，否则记为0。
因此衡量两个产品整个制造过程环境相似度可通过下式计算：
Figure BDA0002280114570000101
式中M与N分别是两个产品制造过程中的除去热处理工序后的总工序数。
(6)质量控制及检验过程要素活动具有模糊性，可用模糊语言方式表述该 要素的具体过程，并应用七粒度梯形模糊隶属函数对其量化。
根据语言模糊隶属函数的数值转变，为有效衡量语言变量之间的相似性，设 两语言变量的梯形模糊数为
Figure BDA0002280114570000102
则二者的相似度为：
Figure BDA0002280114570000103
Figure BDA0002280114570000104
SimΔ5＝exp[-Δ(pij,p0j)] (12)
S3制造过程综合相似性
将可拓区间层次分析法应用到六个维度过程构成要素的权重的确定上，根据 分解出来的过程构成要素之间的弱耦合性规则，可以用下式表示制造工艺过程的 综合相似性：
Figure BDA0002280114570000105
其中，wj为各个维度过程要素所占的权重。
实施例：
从某中小型航空企业选的产品库中选取了SF0-至SF10共11种加工零件产品 的制造工艺过程信息，其中SF0是公司制造过程案例库中已形成的成熟的典型制 造工艺过程路线，典型制造工艺过程意味着其产品制造工艺过程在该公司已经形 成经济与管理很合理的效益化流水线。SF1-SF10的产品是需要根据制造工艺过程 信息相似性待分类的零件。假设它们的外形尺寸与结构均能适应该公司加工设备 要求；且同道工序使用设备型号相同。
4.1产品制造工艺过程六要素相似度计算
将描述制造工艺过程的文本划分为过程构成要素后，以SF0加工零件为例， 其输入过程构成要素划分语句如下“SF0：外形尺寸和孔位置精度都有要求，为保 证质量，多采用专用夹具、精度高的自动化机床……”。经过分词和停用词过滤 处理，由Textrank算法提取输入过程构成要素的关键粒度信息，针对11种零件信 息，所有提取出的关键信息如下表1所示；
表1过程构成要素的具体内容
Figure BDA0002280114570000121
以(SF0，SF6)为例，计算SF0与产品库中的信息。SF0和SF6的动词集分别为{有,采用,留, 提高,控制}、{保证,采用,留,安装,为}；VVSENT_SF0∪VVSENT_SF6＝[有,采用,留有,提高,控制,保证, 安装,为],由公式(1)结合中文同义词林扩展库，运用Python3.6得出动词空间向量可知名词和句子 的动词的最终向量SF0和SF6有：VVSENT_SF0＝[1,1,1,1,1,0.1,0.405,0.242],VVSENT_SF6＝[0.1,1,1,0.1,0.1,1,1,1],名词集分别为{精度,机床,颈部,余量,端面,粗糙度,淬火,质量,硬度}、{精 度,过程,粗加工,半精加工,精加工,加工,质量,标注}。NVSENT_SF0∪NVSENT_SF6＝[精度,要求,机床,颈 部,余量,端面,粗糙度,淬火,质量,硬度,过程，粗加工,半精加工,精加工,加工,标记]，代入公式(2)(3) 可得动词的余弦值为0.5939，名词的余弦值为0.3825，因此，SF0与SF6的输入过程构成要素在相 应的关键信息粒度范围内，由公式(4)得到它们之间的相似度为0.4565。其它按照此方法依次计 算，计算后的结果如表2。
针对资源过程构成要素，零件SF0-SF10均根据定义要求列出了相应资源的清晰字符串的集 合，分别计算出SF0与其它10种不同类型零件的相似度，以(SF0,SF1)为例，两者的交集为3，并 集为7，由拉普拉斯计算公式可得资源的相似度为(1+3)/(7+1)＝0.500。
在增值加工活动过程中，通过Needleman-Wunsch(NW)算法动态回溯寻找最佳路径，以 (SF0,SF6)的增值加工活动操作过程为例。结合公式(6)-(7)得到全局编辑结果如图5所示：
两零件的全局最佳相似度为(5+0.5×(2-1))/13＝0.4233；其余依次类推。
制造工艺过程的环境过程构成要素，以SF0与SF2为例，热处理工序中两者的相似度由公式(16) 得(560×400+950×850)/max((9502+8502),(4002+8502))＝0.8482，工序同处在自然环境下的相似度 为0.8889，因此，整个环境过程要素下两者相似度根据公式(8)计算值为0.8685。
过程质量控制及检测过程构成要素中引入的时梯形模糊数来计算不同产品之间的相似性，对 SF1-SF10种不同产品，本文利用七个术语的典型语言术语层级表示为d＝{d0＝VP:非常困难,d1＝P: 困难，d2＝SF:轻微困难，d3＝F:中，d4＝SG:轻微容易,d5＝G:容易,d6＝VG:很容易},参考梯形模糊的 性质与基本计算规则，七个专业术语语言计算结果如下：
d0＝(0,0,0.077,0.154)d1＝(0.077,0.154,0.231,0.308)d2＝(0.231,0.308,0.385,0.462)
d3＝(0.385,0.462,0.538,0.615)d4＝(0.538,0.615,0.692,0.769)
d5＝(0.692,0.769,0.846,0.923)d6＝(0.846,0.923,1,1)
以SF0与SF5为例，根据评价语言等级利用公式(10)-(12)得到两者此过程要素的相似度为0.5941。
输出过程要素提取出功能的关键词后，结合同义词林库并结合公式(1)利用python3.6完成 相关计算，以SF0与SF10为例，计算后的关键词相似性结果为0.2857。
其它计算过程以此类推，得到的所有计算结果如下表2示。
表2各个过程构成要素的相似值
Figure BDA0002280114570000141
由可拓区间层次分析法得到最终各个过程构成要素对制造工艺过程的综合权重结果为
W＝(0.2372 0.2499 0.2727 0.0895 0.0739 0.0769)
结果分析
由表2计算出的各个维度过程要素的相似性运用公式(23)得出其综合相似度 的计算结果。在当前制造过程中普遍认为工艺过程加工过程路线是制造CAPP中 具有价值的因素，为验证图中的结果的合理性，选取文献中的制造过程工艺路线 所提出的相似度计算方法和本文中增值加工活动构成要素的方法作参照，三种方 法计算的SF0与其它10种类型的产品相似度结果如下。相似度[0,1]范围内，该公 司采用经典的二分法设定制造工艺过程相似度阈值为0.5，即：当制造工艺过程 相似度大于0.5时，将不同类型产品归入公司已成熟的同一生产流水线才会产生 明显的经济效益，否则会适得其反。根据此标准得出本文综合方法、增值加工活 动方法、文献三种方法聚类的结果分别为：
{SF0,SF1,SF2,SF3,SF4,SF5,SF6,SF7,SF10}；
{SF0,SF2,SF3,SF4,SF5,SF7,SF10}；
{SF0,SF2,SF5,SF7,SF9,SF10}。
归入与SF0同一类型的制造过程的产品，工序作业切换时间会大大缩短，已 知该企业每小时生产成本为80元，为计算方便，设不同产品加工时间T1均为 30min，不同工序作业切换时间用T2/min表示,具体统计如下表3。
表3SF0-SF10产品不同工序作业切换时间
Figure BDA0002280114570000151
单位时间成本U是指在单个产品在单位时间下，制造过程所花费的加工成本，是综合量化的 指标，其计算公式如下
Figure BDA0002280114570000152
则11种产品的单位成本和按照本文综合方法、增值加工活动方法、文献、原始未分类方法计算 出的单位成本之和如下：
本文的计算方法归类得出的单位成本之和为544.7元，而单一增值加工活动和文献计算的单 位成本之和分别为554.2元、556元，未按照相似度分类计算的单位成本之和最高，为587.3元， 考虑单一增值加工活动过程构成要素所计算的单位成本之和的结果与文献结果存在差异，这是 因为求解工序活动序列时因求解方法不同而敏感，造成分类结果和单位总成本之和出现微小差 异。但综合相似度计算的单位成本之和明显低于其它方法，经济效益明显。这是因为本文的相 似度计算方法全面考虑了制造过程各构成要素的影响使得分类结果更为有效。而文献和单一增 值加工活动对制造工艺过程的分析过于单一、粗糙，考虑工艺过程的相似度仅由工序活动序列 组成，制造过程过于强调单个增值转换过程的建模与计算太过片面，显然这是不合理的。综合 考虑六个维度的过程构成要素的计算方法更具优势，不仅能系统全面考虑工艺过程的信息，而 且可以显著减小单位成本支出，更合乎客观实际。

Claims (5)

1.一种制造工艺过程相似度的度量方法，其特征在于，包括以下步骤：
S1：相似模型构建，其制造工艺过程的相似机理主要由机理层、要素层以及指标层三个层级组成，所述机理层反映了制造工艺过程相似的机理；所述要素层对应的是六个维度的工艺过程构成要素；所述指标层中假设制造过程的工序可用MPi(i＝1,2,…n)表示，则从工序中分解的六个维度过程构成要素的具体指标可用MPji(j＝I,R,V,E,QCI,O)表示，MPji＝0表示该过程的具体指标为空；
S2：维度相似度计算，六个维度的过程要素可以根据所描述的属性特点分别采用空间语义向量相似、拉普拉斯平滑相似、全部序列比对相似、离散区间相似、梯形模糊相似、同义词林相似的方法求解。
2.根据权利要求1所述的一种制造工艺过程相似度的度量方法，其特征在于：所述步骤S1中，所述指标层在以加工工序为基本单元的基础上，将制造工艺过程的具体内容划分为由输入、资源、增值加工活动、环境、质量控制及检验、输出六个维度过程构成要素，其中：输入(Input，I)规定了制造工艺过程的应达成的目标及其达成目标应开展的具体活动与要求；输出(Output，O)是制造工艺过程中产生的结果，反映制造过程预定目标达成的程度；而要实现制造工艺过程从输入到输出的增值转化，是需要在一定的环境下(Environment，E)，运用相应的资源(Resource，R)，通过增值(Valuable，V)要求，实现有序的进行加工活动来实现的；为确保输出满足输入制造过程质量的要求即制造过程的质量，需对输入、输出、资源、环境和增值加工活动进行必要的质量控制及检验(Quality Control及Inspection-QCI)。
3.根据权利要求2所述的一种制造工艺过程相似度的度量方法，其特征在于：所述步骤S1中，还包括步骤确定MPji的具体特征，其中输入是加工过程的依据，具体是指每个制造工序活动需强调的操作要求与规范以及加工零件的技术属性，它主要通过工艺指令语句表现出来；资源是指在每个制造子过程中待加工对象、需用到的加工设备资源和辅助工装夹具资源等，是明确清晰的字符串操作；增值加工活动是指制造过程中通过一连串的有序系列的加工工序活动，考虑到不同粗细粒度知识划分的影响，可视为工艺过程中每个工序活动组成的序列；制造所处的环境是指自然环境，如加工温度、噪声、照明强度等，需要在规定的范围内，工序不一样，规定的范围内也不一致，它可以通过离散区间值来衡量；质量控制及检验是指预先设定的质量控制与检验要求，产品质量要求越高、控制和检验内容与方式也就越复杂，可通过模糊隶属函数量化此过程；输出是产品在正常状况下，经过增值加工活动后，形成具有预定功能或性能的产品或半成品，可通过产品描述产品达到既定功能或性能的关键词来刻化。
4.根据权利要求1所述的一种制造工艺过程相似度的度量方法，其特征在于：所述步骤2中，
(1)输入过程要素主要分为两个步骤：第一：TextRank是中文句子中常见的一种抽取关键词信息的算法；根据输入要素的过程信息利用该算法从句中构造词语的共现关系图模型，指定边权重，利用投票机制进行迭代计算，抽取关键性词语信息；第二：语义量化，从抽取的输入过程构成要素中的关键粒度信息中，将词语相似度的计算转换为对词语义项语义表达的相似度计算方法，它采用下述计算方法计算词语相似度转化为求最大的两个义原项之间的相似度，
Figure RE-FDA0002410002980000021
式中，WORD_S1与WORD_S2分别代表WORD_A与WORD_B的义原；init()表示相似度的初始函数，当两个概念的最近公共上位分别在一、二、三、四层时，init分别取值0.65，0.8，0.9，0.96，k与n分别表示分支间隔和概念间最近公共的下位数，若两个义项不在同一棵树上，则Sim(WORD_A,WORD_B)＝f＝0.1，当义原项对应多个编码时，取最大的两个义原编码的相似值；
确定每个句子中的NV、VV值，NV、VV中的每个单词被计算到整个对应的语义空间，并且选择最大值作为向量中每个字段的最终值，公式如下：
Figure RE-FDA0002410002980000022
通过计算其向量空间的相似度来得到两者之间的语义相似度，其计算公式如下
Figure RE-FDA0002410002980000031
根据VC与NC的权重由公式(8)给出关键信息的综合句子相似度公式，如下：
SimΔ1＝η×(NCA,B)+(1-η)×(VCA,B) (4)
η为修正因子，在这里取0.65；
(2)输出过程构成要素指标的内容，是通过关键词反映产品具有的功能或性能，同样结合上述同义词林相似度计算方法可直接进行功能或性能关键词的相似度计算；
(3)资源过程构成要素是由若干个清晰字符关键词组成的，对拥有几个清晰的关键词组成的集合，可能会出现过度的估计而导致出现不符合现实情况的计算结果，利用带拉普拉斯平滑的属性相似度计算方法其相似度
Figure RE-FDA0002410002980000032
式中，V0、Vk是两个不同产品的资源过程要素的集合；v0i、vki可认为分别是集合V0、Vk中的子集；
(4)增值加工活动可采用全部序列比对法进行相似度计算，利用Needleman-Wunsch(NW)算法寻找最佳序列比对，对两条不同序列关系的相似度可以由下式计算得到：
Figure RE-FDA0002410002980000033
式中，Sim(os,os')表示os和os'的相似性匹配度；osmax表示os和os'的全局最优比对；|osmax|表示全局最优比对的长度；|os∩os'|表示能够匹配到的机加工序的数量；G表示在计算过程中连续相同的工序数量加分值，可通过下式计算：
Figure RE-FDA0002410002980000034
式中，q表示连续工序匹配的数量；ei表示第i个连续匹配的工序。
(5)在加工的环境过程要素中，加工温度是影响产品质量的最关键性指标，制造过程环境温度变化通常包含普通制造子过程的自然环境要求和特殊制造子过程的环境变化，后者进行热处理时具体方式不一样，所要求的环境温度控制区间也不一样，每个热处理工序又包含几个不同的处理子过程，现假设[C1,C2]和[D1,D2]分别为两个不同产品在工厂制造过程中的热处理环境下的实际控制的温度区间，则它们之间的温度区间相似值定义如下：
Figure RE-FDA0002410002980000041
大多数工艺制造子过程都是在自然环境下就可以实现加工操作，现假设产品制造过程中的每个子过程工序需要在常温下进行加工记为1，否则记为0；
因此衡量两个产品整个制造过程环境相似度可通过下式计算：
Figure RE-FDA0002410002980000042
式中M与N分别是两个产品制造过程中的除去热处理工序后的总工序数；
(6)质量控制及检验过程要素活动具有模糊性，可用模糊语言方式表述该要素的具体过程，并应用七粒度梯形模糊隶属函数对其量化；根据语言模糊隶属函数的数值转变，为有效衡量语言变量之间的相似性，设两语言变量的梯形模糊数为
Figure RE-FDA0002410002980000043
则二者的相似度为：
Figure RE-FDA0002410002980000044
Figure RE-FDA0002410002980000045
SimΔ5＝exp[-Δ(pij,p0j)] (12)
5.根据权利要求1所述的一种制造工艺过程相似度的度量方法，其特征在于：还包括步骤将可拓区间层次分析法应用到六个维度过程构成要素的权重的确定上，根据分解出来的过程构成要素之间的弱耦合性规则，可以用下式表示制造工艺过程的综合相似性：
Figure FDA0002280114560000051
其中，wj为各个维度过程要素所占的权重。
CN201911138200.2A 2019-11-20 2019-11-20 一种制造工艺过程相似度的度量方法 Active CN111062574B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911138200.2A CN111062574B (zh) 2019-11-20 2019-11-20 一种制造工艺过程相似度的度量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911138200.2A CN111062574B (zh) 2019-11-20 2019-11-20 一种制造工艺过程相似度的度量方法

Publications (2)

Publication Number Publication Date
CN111062574A true CN111062574A (zh) 2020-04-24
CN111062574B CN111062574B (zh) 2023-04-18

Family

ID=70297880

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911138200.2A Active CN111062574B (zh) 2019-11-20 2019-11-20 一种制造工艺过程相似度的度量方法

Country Status (1)

Country Link
CN (1) CN111062574B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111915153A (zh) * 2020-07-11 2020-11-10 天津大学 一种考虑多指标的可重构制造系统工件族的划分方法
CN115062920A (zh) * 2022-05-24 2022-09-16 宝鸡文理学院 一种基于信息熵和PSO-Kmeans算法对典型工艺路线的发现方法
CN117383518A (zh) * 2023-12-11 2024-01-12 福建德尔科技股份有限公司 一种基于温度控制的硫磺与氟气反应系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006001906A2 (en) * 2004-06-14 2006-01-05 University Of North Texas Graph-based ranking algorithms for text processing
EP2172820A1 (de) * 2008-10-06 2010-04-07 Basf Se Verfahren und System zur automatisierten Analyse von Prozessdaten
CN102708424A (zh) * 2012-06-07 2012-10-03 西安理工大学 一种可重构制造工艺方案规划方法
WO2013118435A1 (ja) * 2012-02-09 2013-08-15 日本電気株式会社 意味的類似度計算方法、システム及びプログラム
CN105787113A (zh) * 2016-03-24 2016-07-20 武汉大学 一种基于plm数据库面向dpipp工艺信息的挖掘算法
CN108764609A (zh) * 2018-04-10 2018-11-06 北京航空航天大学 一种基于多源制造工艺信息的固有可靠性评估方法
CN109858550A (zh) * 2019-01-31 2019-06-07 南昌航空大学 潜在工艺失效模式机器识别方法
CN109960786A (zh) * 2019-03-27 2019-07-02 北京信息科技大学 基于融合策略的中文词语相似度计算方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006001906A2 (en) * 2004-06-14 2006-01-05 University Of North Texas Graph-based ranking algorithms for text processing
EP2172820A1 (de) * 2008-10-06 2010-04-07 Basf Se Verfahren und System zur automatisierten Analyse von Prozessdaten
WO2013118435A1 (ja) * 2012-02-09 2013-08-15 日本電気株式会社 意味的類似度計算方法、システム及びプログラム
CN102708424A (zh) * 2012-06-07 2012-10-03 西安理工大学 一种可重构制造工艺方案规划方法
CN105787113A (zh) * 2016-03-24 2016-07-20 武汉大学 一种基于plm数据库面向dpipp工艺信息的挖掘算法
CN108764609A (zh) * 2018-04-10 2018-11-06 北京航空航天大学 一种基于多源制造工艺信息的固有可靠性评估方法
CN109858550A (zh) * 2019-01-31 2019-06-07 南昌航空大学 潜在工艺失效模式机器识别方法
CN109960786A (zh) * 2019-03-27 2019-07-02 北京信息科技大学 基于融合策略的中文词语相似度计算方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
HYUN AHN等: "Measuring Similarity for Manufacturing Process Models" *
HYUN AHN等: "Measuring Similarityfor Manufacturing Process Models", 《IFIP INTERNATIONAL CONFERENCE ON ADVANCES》 *
ZHONGYI WU等: "Manufacturing process similarity measurement model and application based on process constituent elements" *
ZHONGYI WU等: "Manufacturing process similarity measurement model and application based on process constituent elements", 《INTERNATIONAL JOURNAL OF PRODUCTION RESEARCH》 *
荆彦臻: "云模式下机械加工服务供需匹配方法研究" *
荆彦臻: "云模式下机械加工服务供需匹配方法研究", 《中国优秀博硕士学位论文全文数据库（硕士）工程科技Ⅱ辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111915153A (zh) * 2020-07-11 2020-11-10 天津大学 一种考虑多指标的可重构制造系统工件族的划分方法
CN115062920A (zh) * 2022-05-24 2022-09-16 宝鸡文理学院 一种基于信息熵和PSO-Kmeans算法对典型工艺路线的发现方法
CN115062920B (zh) * 2022-05-24 2024-08-27 宝鸡文理学院 一种基于信息熵和PSO-Kmeans算法对典型工艺路线的发现方法
CN117383518A (zh) * 2023-12-11 2024-01-12 福建德尔科技股份有限公司 一种基于温度控制的硫磺与氟气反应系统
CN117383518B (zh) * 2023-12-11 2024-03-08 福建德尔科技股份有限公司 一种基于温度控制的硫磺与氟气反应系统

Also Published As

Publication number Publication date
CN111062574B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
CN106649260B (zh) 基于评论文本挖掘的产品特征结构树构建方法
CN109240901B (zh) 性能分析方法、性能分析装置、存储介质和电子设备
CN111062574B (zh) 一种制造工艺过程相似度的度量方法
JP2021504789A (ja) Ｅｓｇ基盤の企業評価遂行装置及びその作動方法
CN106997341B (zh) 一种创新方案匹配方法、装置、服务器及系统
Ahmad et al. Current trend in computer aided process planning
CN112199512B (zh) 面向科技服务的事理图谱构建方法、装置、设备及存储介质
CN107515822B (zh) 基于多目标优化的软件缺陷定位方法
CN116342167B (zh) 基于序列标注命名实体识别的智能成本度量方法和装置
Liao Classification and coding approaches to part family formation under a fuzzy environment
Elayidom et al. A generalized data mining framework for placement chance prediction problems
CN107301169A (zh) 离题作文检测方法、装置和终端设备
CN116304726A (zh) 一种基于语义库和知识图谱的物资相似性分析方法
CN116861269A (zh) 工程领域的多源异构数据融合及分析方法
Wu et al. Manufacturing process similarity measurement model and application based on process constituent elements
Balaji et al. Text summarization using NLP technique
CN109359288B (zh) 一种对于法务领域文书量化评估的方法
CN109344400A (zh) 一种文献入库的判断方法和装置
Revindasari et al. Traceability between business process and software component using Probabilistic Latent Semantic Analysis
CN116450782A (zh) 一种知识驱动的航天产品装配工艺信息检索方法
Sangeetha et al. Information retrieval system for laws
CN109189893A (zh) 一种自动检索的方法和装置
CN113326348A (zh) 一种博客质量评估方法及工具
Chakrapani et al. Predicting performance analysis of system configurations to contrast feature selection methods
CN117688354B (zh) 一种基于进化算法的文本特征选择方法及系统

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