CN116167251B - 基于加工设备的自聚类工时定额建模方法 - Google Patents

基于加工设备的自聚类工时定额建模方法 Download PDF

Info

Publication number
CN116167251B
CN116167251B CN202310448290.5A CN202310448290A CN116167251B CN 116167251 B CN116167251 B CN 116167251B CN 202310448290 A CN202310448290 A CN 202310448290A CN 116167251 B CN116167251 B CN 116167251B
Authority
CN
China
Prior art keywords
hour
man
quota
clustering
self
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
Application number
CN202310448290.5A
Other languages
English (en)
Other versions
CN116167251A (zh
Inventor
王定祥
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.)
Sichuan Bijie Zhihui Technology Co ltd
Original Assignee
Sichuan Bijie Zhihui Technology Co ltd
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 Sichuan Bijie Zhihui Technology Co ltd filed Critical Sichuan Bijie Zhihui Technology Co ltd
Priority to CN202310448290.5A priority Critical patent/CN116167251B/zh
Publication of CN116167251A publication Critical patent/CN116167251A/zh
Application granted granted Critical
Publication of CN116167251B publication Critical patent/CN116167251B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/211—Schema design and management
    • G06F16/212—Schema design and management with details for data modelling support
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Resources & Organizations (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于加工设备的自聚类工时定额建模方法，包括：S1、基于各产品加工设备，构建影响产品加工时间的工时定额计算模型数据库S；S2、按照工艺路线和工时影响因素实现生产工艺与工时数据的自聚类
Figure ZY_1
，并建立对应的工时定额计算模型
Figure ZY_2
；S3、在使用
Figure ZY_3
进行计算时，通过观测作业后的实际时间消耗，判断
Figure ZY_4
计算的准确性。本发明提供一种基于加工设备的自聚类工时定额建模方法，其在企业生产过程中，按照模型计算出工时，组织生产，并通过观测作业后的时间实际消耗，向数据库S添加该工艺路线及其实际消耗工时数据，以完善数据库。

Description

基于加工设备的自聚类工时定额建模方法
技术领域
本发明涉及制造业加工工时定额技术领域。更具体地说，本发明涉及一种基于加工设备的自聚类工时定额建模。
背景技术
当今产品的个性化与多样化的需求，必然导致制造企业的生产组织过程呈现多品种、小批量的特征。
传统的工时定额时间法多是针对周期性、重复性的操作工序，对其直接观测作业时间，然后运用各种评定方法对其修正，得到产品加工的工时定额，难以解决多品种、小批量生产模式下工时定额制定的精准度与效率间的矛盾，出现工时定额制定的难度大与准确度低等问题。
而现有的计算机辅助工时管理软件，将定量计算与以实践经验为基础的定性分析有机结合，建立了相应的工时定额数学模型，适于少品种大批量生产作业，在面临当今多品种、小批量生产模式时，这类工时管理软件缺乏灵活性、自适应特性。
另一方面，随着企业发展，在其生产过程中不断有新技术、新工艺、新材料的使用，以及设备的更新换代，必然要求工时定额数学模型与时俱进，即，需要随着工艺或技术的提高相应地优化工时定额数学模型，而现有技术却无法满足需要。
发明内容
本发明的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。
为了实现本发明的这些目的和其它优点，提供了一种基于加工设备的自聚类工时定额建模方法，包括：
S1、基于各产品加工设备，构建影响产品加工时间的工时定额计算模型数据库S；
S2、按照工艺路线和工时影响因素实现生产工艺与工时数据的自聚类
Figure SMS_1
，并建立对应的工时定额计算模型/>
Figure SMS_2
；
S3、对于一个预定的加工工艺
Figure SMS_3
，在使用/>
Figure SMS_4
进行计算时，通过观测作业后的实际时间消耗，判断/>
Figure SMS_5
计算的准确性，若/>
Figure SMS_6
计算不准，则将该工艺路线、工时影响因素及其实际工时数据添加到S中；否则，将该生产工艺与工时数据直接添加到S中；
S4、定期重复S2，实现工艺路线自聚类工时定额模型更新。
优选的是，在S1中，影响产品加工时间的因素包括但不限于加工或装配对象的重量、体积、形状、加工或装配的精度、搬运距离、搬运设备、检测面积、检测工具。
优选的是，在S2中，
Figure SMS_7
是基于多项式响应面法的自聚类工时定额建模方法得到，且自聚类/>
Figure SMS_8
；其中，A为生产工艺与工时数据聚类后的种类集合，/>
Figure SMS_9
为A中第i类生产工艺与工时数据；
在建立
Figure SMS_10
时，将/>
Figure SMS_11
的工艺路线和工时影响因素集合记为/>
Figure SMS_12
，将S中属于/>
Figure SMS_13
类的数据集合记为/>
Figure SMS_14
。
优选的是，在S3中，基于工时定额计算模型数据库S，采用X表示S中的各工艺、工时影响因素集合，
Figure SMS_15
表示X中第j个工艺或工时影响因素，/>
Figure SMS_16
，令/>
Figure SMS_17
，则建立/>
Figure SMS_18
的定额计算模型/>
Figure SMS_19
的步骤如下：
S21、基于多项式响应面法的工时定额建模，采用二阶多项式为作为工时定额计算模型的基函数，则
Figure SMS_20
工时定额计算模型为：
Figure SMS_21
若S中的数据记录
Figure SMS_22
时，采用求解线性最小二乘问题的广义逆法求解系数集
Figure SMS_23
，否则向S中添加生产数据记录，/>
Figure SMS_24
为常数；
S22、基于工时影响因素的工艺自聚类，采用成熟的回归系数显著性t检验方法，去除
Figure SMS_34
中对工时影响不显著的工时影响因素，/>
Figure SMS_26
表示X中第i个工时影响因素集，得到
Figure SMS_38
的工艺路线和工时影响因素集合记为/>
Figure SMS_42
；/>
Figure SMS_41
，遍历S，对于/>
Figure SMS_43
，若/>
Figure SMS_35
计算出的工时与/>
Figure SMS_39
对应的工时记录的相对误差小于10%，则将/>
Figure SMS_27
加入/>
Figure SMS_31
；得到/>
Figure SMS_28
的工艺路线和工时影响因素集合记为/>
Figure SMS_32
、/>
Figure SMS_36
和/>
Figure SMS_40
，其中，/>
Figure SMS_25
表示/>
Figure SMS_29
类生产工艺与工时数据在S中所对应的数据集合，/>
Figure SMS_33
表示/>
Figure SMS_37
的工时定额计算模型；
S23、
Figure SMS_44
，从S中移除/>
Figure SMS_45
的记录，对S执行S21、S22和S23，完成自聚类工时定额建模，直到S中的记录数量/>
Figure SMS_46
；
S24、对S中的剩余的少量记录，采用现有的交互式定额建模方法完成企业的工时定额建模工作。
优选的是，在S3中，将
Figure SMS_47
的工艺路线和工时影响因素集合记为/>
Figure SMS_48
，遍历A，若/>
Figure SMS_49
和/>
Figure SMS_50
最匹配，则采用/>
Figure SMS_51
计算出/>
Figure SMS_52
的工时，并组织生产，通过观测作业后的时间实际消耗，向/>
Figure SMS_53
添加该工艺路线及其实际消耗工时数据；
若
Figure SMS_56
在A中没有匹配项，则人工估算工时组织生产，同时，通过观测作业后的时间实际消耗，新建/>
Figure SMS_58
和/>
Figure SMS_61
，并将/>
Figure SMS_54
添加到A中、向/>
Figure SMS_60
添加该工艺路线及其实际消耗工时数据、将/>
Figure SMS_63
添加到S中，其中，/>
Figure SMS_65
表示/>
Figure SMS_57
的工时定额计算模型，/>
Figure SMS_59
表示属于/>
Figure SMS_62
类的数据集合，/>
Figure SMS_64
表示/>
Figure SMS_55
的工艺路线和工时影响因素集合。
本发明至少包括以下有益效果：本发明一方面针对给定企业的产品生产工艺与工时数据，建立数据库，通过对具备相同的工时影响因素（包括质因素与量因素，下同）的相似工艺路线聚类，即：按照工艺路线和工时影响因素分类建立多品种、小批量生产的工时定额模型，旨在降低工时定额工作难度的同时，可确保定额的准度和效率；
另一方面，在企业生产过程中，通过工艺路线和工时影响因素即可匹配获得最佳的工时定额模型，按照模型计算出工时进行组织生产，同时，通过观测作业后的时间实际消耗，向数据库添加该工艺路线及其实际消耗工时数据，日积月累完善数据库；再通过定期的工艺路线自聚类工时定额建模，按照工艺路线和工时影响因素分类更新多品种、小批量生产的工时定额计算模型，即可实现工时定额数学模型与该企业在“新技术、新工艺、新材料、设备更新等”的与时俱进。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明基于加工设备的自聚类工时定额建模方法的流程示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
本发明针对给定企业的多品种、小批量生产工艺与工时数据，采用基于多项式响应面法的自聚类工时定额建模方法，按照工时影响因素实现生产工艺与工时数据的自聚类，分类建立工时定额计算模型，较传统仅用线性回归方法进行定额建模，可更准确反映企业多品种、小批量生产工艺的差异化特征，并根据差异化特征分别建立定额模型，较现有工时定额模型有更高的准度和效率。
为此，本发明提出基于加工设备的自聚类工时定额建模方法：
S1、针对给定企业的多品种、小批量生产工艺与工时数据，采用多变量的数学建模方法，依据工艺路线和工时影响因素实现生产工艺与工时数据的自聚类，按照加工设备（工种）分类建立多品种、小批量生产的工时定额计算模型，旨在准确反映企业多品种、小批量生产工艺的差异化特征，确保工时定额的准度和效率。
S2、在使用自聚类工时定额模型时，通过观测作业后的实际时间消耗，若定额模型计算不准，则将该工艺路线、工时影响因素及其实际工时数据添加到数据库；否则，将该生产工艺与工时数据（即计算工时）直接添加到数据库。
S3、定期重复S1实现工艺路线自聚类，保持工时定额数学模型与该企业在“新技术、新工艺、新材料、设备更新等”方面更新换代的与时俱进，具备工时定额与企业生产的自适应功能。
实施例
根据本发明实施例，提供了如图1的一种基于加工设备的自聚类工时定额建模方法，在实际的应用中，所述加工设备可以替换成工种，所述工时可以替换或增加成工序、工步中的一种或两种。
S1、对于给定企业，采用成熟的数据库软件，构建一个表征机床、夹具、刀具、量检具等产品加工设备性能参数、加工精度及工件材质、加工余量、加工/装配对象的重量、体积、形状、加工/装配精度、搬运距离、搬运设备、检测面积、检测工具等影响产品加工时间的工时定额计算模型的数据库S；
S2、采用基于多项式响应面法的自聚类工时定额建模方法，按照工艺路线和工时影响因素实现生产工艺与工时数据的自聚类
Figure SMS_66
；建立/>
Figure SMS_67
的定额计算模型/>
Figure SMS_68
，将/>
Figure SMS_69
的工艺路线和工时影响因素集合记为/>
Figure SMS_70
，将S中属于/>
Figure SMS_71
类的数据集合记为/>
Figure SMS_72
；
其中，在S2中，基于工时影响因素的工艺自聚类工时定额建模方法，对于给定的生产工艺、工时影响因素与工时数据的数据库S，采用X表示S中的各工艺、工时影响因素集合，
Figure SMS_73
表示X中第j个工艺或工时影响因素，/>
Figure SMS_74
，令/>
Figure SMS_75
，则建立/>
Figure SMS_76
的定额计算模型/>
Figure SMS_77
的步骤如下：
S21、基于多项式响应面法的工时定额建模。采用二阶多项式为作为工时定额计算模型的基函数，则，
Figure SMS_78
工时定额计算模型：
Figure SMS_79
若S中的数据记录超过(2k+1)时，采用求解线性最小二乘问题的广义逆法，即可解
Figure SMS_80
，否则向S中添加生产数据记录。
S22、基于工时影响因素的工艺自聚类。采用成熟的回归系数显著性t检验方法，去除
Figure SMS_92
中对工时影响不显著的工时影响因素，得到/>
Figure SMS_81
的工艺路线和工时影响因素集合记为/>
Figure SMS_87
；/>
Figure SMS_84
，遍历S，对于/>
Figure SMS_85
，若/>
Figure SMS_89
计算出的工时与/>
Figure SMS_93
对应的工时记录的相对误差小于10%，则将/>
Figure SMS_90
加入/>
Figure SMS_94
；得到/>
Figure SMS_82
的工艺路线和工时影响因素集合记为/>
Figure SMS_86
、/>
Figure SMS_91
和/>
Figure SMS_95
，其中，/>
Figure SMS_96
表示/>
Figure SMS_97
类生产工艺与工时数据在S中所对应的数据集合，/>
Figure SMS_83
表示/>
Figure SMS_88
的工时定额计算模型；
S23、
Figure SMS_98
，从中移除/>
Figure SMS_99
的记录，对S执行第S21步基于多项式响应面法的工时定额建模，执行第S22步基于工时影响因素的工艺自聚类，完成/>
Figure SMS_100
的自聚类工时定额建模，直到S中的记录数量低于第S21步中要求/>
Figure SMS_101
。
S24、 对S中的剩余的少量记录，采用现有的交互式定额建模方法完成给定企业的工时定额建模工作。
S3、在企业生产过程中，对于一个给定对象的加工工艺
Figure SMS_110
，将/>
Figure SMS_104
的工艺路线和工时影响因素集合记为/>
Figure SMS_106
，遍历A，若/>
Figure SMS_114
和/>
Figure SMS_118
最匹配，则采用/>
Figure SMS_120
计算出/>
Figure SMS_121
的工时，并组织生产，通过观测作业后的时间实际消耗，向/>
Figure SMS_112
添加该工艺路线及其实际消耗工时数据；若/>
Figure SMS_116
在A中没有匹配项，则人工估算工时组织生产，同时，通过观测作业后的时间实际消耗，新建
Figure SMS_102
和/>
Figure SMS_109
，并将/>
Figure SMS_107
添加到A中、向/>
Figure SMS_111
添加该工艺路线及其实际消耗工时数据、将/>
Figure SMS_115
添加到S中，其中，/>
Figure SMS_119
表示/>
Figure SMS_105
的工时定额计算模型，/>
Figure SMS_108
表示属于/>
Figure SMS_113
类的数据集合，/>
Figure SMS_117
表示/>
Figure SMS_103
的工艺路线和工时影响因素集合。
S4、定期（如每年一次）重复S2，实现工艺路线自聚类工时定额模型更新。
与现有的计算机辅助工时定额方法不同，本发明针对给定企业的多品种、小批量生产工艺与工时数据，采用基于多项式响应面法的自聚类工时定额建模方法，按照工时影响因素实现生产工艺与工时数据的自聚类，分类建立工时定额计算模型，较传统仅用线性回归方法进行定额建模，可更准确反映企业多品种、小批量生产工艺的差异化特征，并根据差异化特征分别建立定额模型，较现有工时定额模型有更高的准度和效率。
现有工时定额数学模型难以随企业发展与时俱进，本发明通过向企业生产数据库添加工艺路线及其实际消耗工时数据，日积月累完善数据库；再通过定期的工艺路线自聚类工时定额建模，实现工时定额数学模型与该企业在“新技术、新工艺、新材料、设备更新等”的与时俱进。
该方法主要针对企业的管理问题、工业化与信息化不融合的困惑、难点、重点及数字化智能工厂技术的底层密码，主要解决：定额数据与控制标准，通过构建基于模型数字化（MBD）技术的产品生产的时间控制大数据（工时定额）标准制定与管理技术平台，帮助制造企业建立产品生产的时间控制大数据（工时定额）标准体系并与企业现有的PDM、CAPP、MES、PLM、ERP等集成，打通整个数字化设计制造的数据链，帮助企业实现“标准化管理，数据化决策”，真正解决企业“两化”融合，帮助企业实现数字化智能工厂整体技术落地应用，彻底解决了企业长期存在的产品生产的时间消耗“虚高”现象，有力推动企业劳动生产效率的提升，实现降本增效，通过技术手段推动了企业转型升级，因此具有巨大的工程应用前景。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
以上方案只是一种较佳实例的说明，但并不局限于此。在实施本发明时，可以根据使用者需求进行适当的替换和/或修改。
这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言，可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (3)

1.一种基于加工设备的自聚类工时定额建模方法，其特征在于，包括：
S1、基于各产品加工设备，构建影响产品加工时间的工时定额计算模型数据库S；
S2、按照工艺路线和工时影响因素实现生产工艺与工时数据的自聚类
Figure QLYQS_1
，并建立对应的工时定额计算模型/>
Figure QLYQS_2
；
S3、对于一个预定的加工工艺
Figure QLYQS_3
，在使用/>
Figure QLYQS_4
进行计算时，通过观测作业后的实际时间消耗，判断/>
Figure QLYQS_5
计算的准确性，若/>
Figure QLYQS_6
计算不准，则将该工艺路线、工时影响因素及其实际工时数据添加到S中；否则，将该生产工艺与工时数据直接添加到S中；
S4、定期重复S2，实现工艺路线自聚类工时定额模型更新；
在S2中，
Figure QLYQS_7
是基于多项式响应面法的自聚类工时定额建模方法得到，且自聚类
Figure QLYQS_8
；其中，A为生产工艺与工时数据聚类后的种类集合，/>
Figure QLYQS_9
为A中第i类“生产工艺与工时数据”；
在建立
Figure QLYQS_10
时，将/>
Figure QLYQS_11
的工艺路线和工时影响因素集合记为/>
Figure QLYQS_12
，将S中属于/>
Figure QLYQS_13
类的数据集合记为/>
Figure QLYQS_14
；
在S3中，基于工时定额计算模型数据库S，采用X表示S中的各工艺、工时影响因素集合，
Figure QLYQS_15
表示X中第j个工艺或工时影响因素，/>
Figure QLYQS_16
，令/>
Figure QLYQS_17
，则建立/>
Figure QLYQS_18
的定额计算模型/>
Figure QLYQS_19
的步骤如下：
S21、基于多项式响应面法的工时定额建模，采用二阶多项式为作为工时定额计算模型的基函数，则
Figure QLYQS_20
工时定额计算模型为：
Figure QLYQS_21
若S中的数据记录
Figure QLYQS_22
时，采用求解线性最小二乘问题的广义逆法求解系数集
Figure QLYQS_23
，否则向S中添加生产数据记录，/>
Figure QLYQS_24
为常数；
S22、基于工时影响因素的工艺自聚类，采用成熟的回归系数显著性t检验方法，去除
Figure QLYQS_33
中对工时影响不显著的工时影响因素，/>
Figure QLYQS_28
表示X中第i个工时影响因素集，得到/>
Figure QLYQS_30
的工艺路线和工时影响因素集合记为/>
Figure QLYQS_35
；/>
Figure QLYQS_37
，遍历S，对于/>
Figure QLYQS_38
，若/>
Figure QLYQS_40
计算出的工时与/>
Figure QLYQS_32
对应的工时记录的相对误差小于10%，则将/>
Figure QLYQS_34
加入/>
Figure QLYQS_27
；得到/>
Figure QLYQS_29
的工艺路线和工时影响因素集合记为/>
Figure QLYQS_26
、/>
Figure QLYQS_42
和/>
Figure QLYQS_39
，其中，/>
Figure QLYQS_41
表示/>
Figure QLYQS_25
类生产工艺与工时数据在S中所对应的数据集合，/>
Figure QLYQS_31
表示/>
Figure QLYQS_36
的工时定额计算模型；
S23、
Figure QLYQS_43
，从S中移除/>
Figure QLYQS_44
的记录，对S执行S21、S22和S23，完成自聚类工时定额建模，直到S中的记录数量/>
Figure QLYQS_45
；
S24、对S中的剩余的少量记录，采用现有的交互式定额建模方法完成企业的工时定额建模工作。
2.如权利要求1所述的基于加工设备的自聚类工时定额建模方法，其特征在于，在S1中，影响产品加工时间的因素包括但不限于加工或装配对象的重量、体积、形状、加工或装配的精度、搬运距离、搬运设备、检测面积、检测工具。
3.如权利要求1所述的基于加工设备的自聚类工时定额建模方法，其特征在于，在S3中，将
Figure QLYQS_46
的工艺路线和工时影响因素集合记为/>
Figure QLYQS_47
，遍历A，若/>
Figure QLYQS_48
和/>
Figure QLYQS_49
最匹配，则采用/>
Figure QLYQS_50
计算出/>
Figure QLYQS_51
的工时，并组织生产，通过观测作业后的时间实际消耗，向/>
Figure QLYQS_52
添加该工艺路线及其实际消耗工时数据；
若
Figure QLYQS_53
在A中没有匹配项，则人工估算工时组织生产，同时，通过观测作业后的时间实际消耗，新建/>
Figure QLYQS_59
和/>
Figure QLYQS_63
，并将/>
Figure QLYQS_54
添加到A中、向/>
Figure QLYQS_58
添加该工艺路线及其实际消耗工时数据、将/>
Figure QLYQS_60
添加到S中，其中，/>
Figure QLYQS_62
表示/>
Figure QLYQS_55
的工时定额计算模型，/>
Figure QLYQS_57
表示属于
Figure QLYQS_61
类的数据集合，/>
Figure QLYQS_64
表示 />
Figure QLYQS_56
的工艺路线和工时影响因素集合。
CN202310448290.5A 2023-04-24 2023-04-24 基于加工设备的自聚类工时定额建模方法 Active CN116167251B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310448290.5A CN116167251B (zh) 2023-04-24 2023-04-24 基于加工设备的自聚类工时定额建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310448290.5A CN116167251B (zh) 2023-04-24 2023-04-24 基于加工设备的自聚类工时定额建模方法

Publications (2)

Publication Number Publication Date
CN116167251A CN116167251A (zh) 2023-05-26
CN116167251B true CN116167251B (zh) 2023-07-04

Family

ID=86416704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310448290.5A Active CN116167251B (zh) 2023-04-24 2023-04-24 基于加工设备的自聚类工时定额建模方法

Country Status (1)

Country Link
CN (1) CN116167251B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117575107B (zh) * 2024-01-15 2024-05-07 泉州装备制造研究所 一种基于分类-聚类算法的服装标准工时定额及预测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115039040A (zh) * 2020-02-21 2022-09-09 纳米电子成像有限公司 制造过程的系统、方法和介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101996364A (zh) * 2010-11-10 2011-03-30 重庆大学 一种工时定额的修订方法及工时定额管理系统
CN106918594B (zh) * 2015-12-25 2023-06-20 济南大学 一种在线分析籽棉色特征和杂质的方法
CN106845729A (zh) * 2017-02-15 2017-06-13 南京航空航天大学 一种基于灰色理论的电子产品机柜装配工时确定方法
CN108804789B (zh) * 2018-05-29 2022-06-03 广东工业大学 一种陶瓷喷雾干燥过程能耗建模方法
CN113627777A (zh) * 2021-08-06 2021-11-09 刘俊艳 一种离散制造业工艺、动作与工时智能统筹算法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115039040A (zh) * 2020-02-21 2022-09-09 纳米电子成像有限公司 制造过程的系统、方法和介质

Also Published As

Publication number Publication date
CN116167251A (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
Ma et al. A digital twin-driven production management system for production workshop
CN109583762B (zh) 一种生产流程建模与产品数据追踪的系统
CN111008197A (zh) 一种电力营销服务系统数据中台设计方法
CN116167251B (zh) 基于加工设备的自聚类工时定额建模方法
CN103279613A (zh) 高精复杂产品装配物料自动齐套方法
CN117557078B (zh) 一种基于时间节点的智能生产计划管理方法及系统
Schuh et al. Methodology for the evaluation of forecast reliability of production planning systems
Ungermann et al. Data analytics for manufacturing systems–a data-driven approach for process optimization
CN115965154A (zh) 一种基于知识图谱的数字孪生机械加工过程调度方法
CN115170034A (zh) 工厂对象全生命周期管理方法
Aleksandrova et al. Information systems and technologies in quality management
CN106909992B (zh) 一种多品种小批量混流装配线的分装生产方法及装置
Beier et al. Supporting product development through cross-discipline dependency-modeling–novel approaches for traceability-usage
JP2003288476A (ja) 生産ラインの統合ライン能力評価・管理運用システム、および、その統合ライン能力評価・管理運用方法
Schuh et al. Approach for reducing data inconsistencies in production control
CN117057835A (zh) 一种电网工程造价辅助分析方法及系统
CN116308128A (zh) 装配式建筑绿色施工管理方法、设备及介质
Koruca et al. The simulation-based performance measurement in an evaluation module for Faborg-Sim simulation software
Kao et al. Application of a cyber-physical system and machine-to-machine communication for metal processes
TW202226088A (zh) 智能交期預測方法與系統
Xin et al. Analysis of chaotic dynamics for aircraft assembly lines
Schuh et al. Achieving higher scheduling accuracy in production control by implementing integrity rules for production feedback data
Guo et al. Development of bulk material management system and research on material balance applications based on business intelligence
Luque-Morales et al. Ontology development for knowledge representation of a metrology lab
CN116777508B (zh) 一种基于大数据的医药供应分析管理系统及方法

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