国内或国外 期刊或论文

您当前的位置:发表学术论文网建筑论文》 基于文本挖掘与神经网络的复杂产品装配工时估算方法> 正文

基于文本挖掘与神经网络的复杂产品装配工时估算方法

所属分类:建筑论文 阅读次 时间:2021-06-10 11:51

本文摘要:摘要:针对卫星等复杂产品装配工时定额主要依靠人工经验确定导致的准确性低、制定速度慢、管理不规范等问题,提出一种基于文本挖掘与神经网络模型的复杂产品装配工时估算方法。以卫星为例分析了装配工艺数据的特点,总结了装配工时的影响因素,并根据工艺特

  摘要:针对卫星等复杂产品装配工时定额主要依靠人工经验确定导致的准确性低、制定速度慢、管理不规范等问题,提出一种基于文本挖掘与神经网络模型的复杂产品装配工时估算方法。以卫星为例分析了装配工艺数据的特点,总结了装配工时的影响因素,并根据工艺特点划分了工艺类别。借助文本挖掘技术对工艺文本特征进行了提取并分类;在此基础上构建了工时预测神经网络模型,实现了面向复杂产品装配的定额工时准确估算。设计开发了复杂产品装配工时定额与管理系统,并在航天某所上线试运行,应用效果良好,验证了所提方法的可行性和实用性。

  关键词:复杂产品;装配;工时定额估算;文本挖掘;神经网络;工时管理

机械工程学报

  0前言

  工时定额是指在制造企业中按照规定的工作流程完成一个产品所花费的时间。工时定额是企业计划排产和人员调度的生产指导,是管理考核的标准与生产效率的衡量,是控制人力成本和产品报价的重要依据。在卫星等复杂产品研制生产过程中,装配过程的重要性日益凸显[1],其中卫星装配阶段的工时为产品研制周期的40%左右[2],装配成本超过完整生产成本的50%[3]。

  当前卫星制造企业主要依赖人工经验进行工时定额估算,效率较低,主观影响大,准确性不足;同时,工时管理的信息化程度低,难以满足当前生产管理精细化、数字化和智能化的需求。因此,有必要研究一种卫星等复杂产品装配工时快速估算的方法,并设计开发工时定额与管理系统。早期的工时定额方法主要是基于人工经验与历史工时数据。

  1911年,泰勒等对工人作业动作进行分解,开展了基于预定时间标准法(Predeterminedtimestandard,PTS)的工时定额方法研究[4];此后,学者们对工时影响因素考虑得更加细致和全面,如生产紧急性、精度要求等[5]。这些方法推动了企业工时定额制定方法的研究,为生产计划的制定和调度排产提供了重要依据。当前,国内外的研究学者更倾向于结合现代制造技术研究新的工时计算方法,并取得了许多的成果,主要分为以下三类。

  (1)相似工艺分析法,即根据历史工时数据估算出同种或相似工艺的工时数据。例如李亚杰等[6]提出了基于制造执行系统(Manufacturingexecutionsystem,MES)历史数据的实做工时统计方法,分析了工时影响因素并建立了工时预测神经网络。杨青海等[7]使用基于实例的推理(Case-basedreasoning,CBR)法,通过寻找相似实例零件,引入事物特性表,利用回归算法估算工时。李鹏等[8]利用成组技术对零件分类编码,应用于工时定额中的查表法,提高了工时定额的效率。

  (2)数学分析方法,即建立数学模型揭示影响因素与工时之间的规律。例如晁海涛等[9]使用支持矢量机算法,建立了机电产品装配过程的工时定额模型。戴健伟等[11]结合遗传算法优化了BP神经网络,对化工设备设计人工时进行定量预测[10]。李奇倚等人基于决策树和模型树模型研究工时预测方法,提高了预测精度。习立洋等[12]建立PSO-BP神经网络估算船体分段中间产品额定工时。

  (3)计算机辅助技术,即借助计算机技术对工时定额管理与估算。史恭波等[13]提出船舶精细化工时管理模式,实现与设计工时数据的有效集成。石晶玉等[14]对工时定额计算整体框架和数据库开发设计做了创新性研究;洪湖鹏等[15]开发了带有工时定额计算能力的CAPP系统软件。付诚等[16]基于SPDM系统对船舶设计工时进行研究,建立了全面的工时管理体系。

  然而,当前大部分的工时预测模型多针对大批量、少品种的零件加工过程和部件装配过程,其工艺信息相对简单,工时影响因素比较提取容易。而对于卫星等复杂产品装配工时定额预测,其装配却存在着装配关系复杂、装配工艺信息多样、数据量庞大、影响因素繁杂等问题,使得工时定额估算比较困难。

  为此,本文提出一种基于文本挖掘和神经网络的复杂产品装配工时定额估算方法。通过分析装配工艺数据特点,对工艺文本进行文本挖掘,实现数据特征提取与工艺分类;在此基础上研究工时影响因素,建立神经网络工时估算模型;最后设计开发复杂产品工时定额与管理系统并在航天某所进行上线试运行,验证了所提方法的可行性和实用性。

  1卫星装配工艺分析

  1.1装配工序卡

  卫星装配工艺主要以装配工序卡为信息载体,如图所示。该例装配工序卡包括产品名称、产品代号、装入件明细表、工序号、工种、工序名称及内容、设备工装及工具辅料等装配工艺相关信息。“装入件明细表”中包含有装入零部件的名称、代号和数量信息;“工序名称及内容”中对装配工序操作内容进行了详细的文字描述,含有大量具体的各装配工序过程数据。卫星等复杂产品装配过程属于典型的离散型装配,具有多品种少批量的特点,多数时候是单件生产,其在装配工艺上与常见的大批量机械产品装配存在一定的差异性。主要体现在以下几个方面。

  (1)以文本数据为主。卫星等复杂产品的装配工艺信息虽然有装配工艺卡、二维工艺图纸和三维模型演示视频等数据载体,但唯有装配工艺卡中的数据具有完整性,满足装配指导的要求。这些数据形式多以非结构化中文文本数据为主。(2)完整性。装配工序卡有着装配工序详细的文本记录,包括装配对象、装配动作、装配要求、装配工装、装配步骤次序等,文本记录中的数据量可满足复现完整装配过程的要求。

  (3)复杂性。卫星等复杂产品自身结构特殊,装配对象繁杂,涉及板类、杆类、梁类、结构组件和各种单机产品;其装配动作、步骤多样,会借助各种工装设备和材料辅助装配并且操作复杂;同时在装配过程中,由于卫星产品装配要求严格且部分装配工序的进行前提需要基于上一道工序完成装配验收,多种工种会交替进行处理装配,如漆工、钳工、热处理、质量检测等。这些因素导致了装配工艺的复杂性。

  (4)专业性。工序卡中的文本记录不同于日常生活中使用的文本词汇,具有一定的专业性,信息提取存在较大的困难,常用的、传统的文本数据提取方法不能完全的适用,因此要对其文本记录进行数字化信息处理,需要构建相应适配的专业词库进行调用。(5)相似性。装配工艺中占据大量的重复性装配动作,例如仪器板的装配,流程基本为预固定第n层m象限仪器板→精测第n层m象限仪器板→调试固定第n层m象限仪器板n为1~4,m为1~4),这些重复性装配动作在文本信息的体现中具有一定的相似性,可用于工艺信息归类处理,以便更好地对装配流程进行管理规划。

  1.2影响因素分析与分类

  在卫星等复杂产品的装配过程中,涉及到的装配零部件种类繁多、数量庞大,装配要求严格,因此工时定额的影响因素多样。通过查阅与装配工时预测相关的文献和咨询相关技术人员,并结合有关卫星产品装配的工艺文件,依托装配准备过程、装配工作过程、装配检测过程、涂装装箱过程装配四大过程为主线,从装配对象、装配过程和装配动作中提炼出影响因素,以供不同装配工序工时研究参考。

  2基于文本挖掘的工艺快速分类

  复杂的神经网络模型的训练需要大量的样本数据来确保解决复杂的装配工时多影响因素的预测问题,对于特定的单一装配工序来说,历史工时数据样本少,工时预测影响因素少且简单;而对于多个装配工序来说,历史工时数据样本较多,但由于多种类型的工艺混杂,导致工时预测影响因素多、复杂且工时预测效果不佳。

  因此本论文通过对具备相同的工时影响因素的相似工艺聚类,累积工艺数量而提高了每个类别的工时数据样本量;同时降低了每类的工时预测问题的难度和影响因素种类,使得每一类的工时预测神经网络无需海量的样本数据,便可取得不错的预测效果,即采取的是“先分类,再预测”的方法。大批量小品种产品的工艺文件有着良好的结构化数据成分,便于信息提取和运用数学模型进行分析处理;而卫星产品的装配工艺文件以高度非结构化的文本数据为主,数据量大,专业术语多,信息提取难度大。因此需要对非结构化文本数据进行处理,使其能运用于数学模型和计算机系统中。

  3基于神经网络的装配工时定额计算

  3.1神经网络模型构建

  对于大批量产品的搬运、螺接等动作,工时定额预测有着简单的数学规律,可以用线性的数学模型模拟;而对于步骤繁杂的复杂产品装配环节来说,其装配工时影响因素多样,规律不明显,无法线性表示,因此本文使用神经网络数学模型来对装配工时定额进行预测。神经网络模型是一种启发于生物神经网络的分布式并行信息处理的算法数学模型。神经网络由输入层、隐含层和输出层串联构成,而每个层由一个或多个神经元并联组成。

  4实例验证

  为提高装配工时定额的管理效率,设计开发了复杂产品装配工时定额与管理系统。用于对工时定额条目进行增添、修改与删除,每个条目都含有工序所属专业、所属类目、工作内容和工时信息等。可填报和查询到各部门人员的实做工时时长,便于人力成本核算与人员调度管理。

  机械论文投稿刊物:《机械工程学报》创刊于1953年,是由中国机械工程学会主办、机械工业信息研究院承办的机械工程类高学术水平期刊。设置栏目有:机械学、制造科学与技术等。刊登的内容为机械工程领域具有创新性的综述、基础理论、工程技术应用方面的优秀科研成果。

  5结论

  (1)提出了基于文本挖掘的装配工艺分类方法。通过对工艺文本数据进行分词、TF-IDF值计算、文档特征提取等文本挖掘技术,结合贝叶斯分类算法,构建了工序级工艺分类模型,分类准确率达到95%。为研究提取工艺信息方法提供了良好的思路。

  (2)提出了基于人工神经网络的卫星装配工时预测方法。对工时数据提取装配工时影响因素,建立了三层神经网络,使用线性函数和Relu函数作为激活函数,使用Adam算法优化参数,构建了工序级工时预测模型,模型预测指标R为0.98,达到了非常好的预测效果。

  (3)设计并开发了复杂产品工时定额和管理系统,并将所提方法的成果体现在具体的软件中,提高了企业对工时定额的估算准确率和管理效率。

  参考文献:

  [1]刘检华,孙清超,程晖,等.产品装配技术的研究现状、技术内涵及发展趋势[J].机械工程学报,2018,54(11):2-28.LIUJianhua,SUNQingchao,CHENGHui,etal.Thestate-of-the-art,connotationanddevelopingtrendsoftheproductsassemblytechnology[J].JournalofMechanicalEngineering,2018,54(11):2-28.

  [2]孙刚,万毕乐,刘检华,等.基于三维模型的卫星装配工艺设计与应用技术[J].计算机集成制造系统,2011,17(11):2343-2350.SUNGang,WANbile,LIUJianhua,etal.Satelliteassemblyprocessdesignandapplicationtechnologybasedon3Dmodel[J].ComputerIntegratedManufacturingSystem,2011,17(11):2343-2350.

  [3]FAZIOT,EDSALLAC,GUSTAVSONRE,etal.Aprototypeoffeature-baseddesignforassembly[J].JournalofMechanicalDesign,1993,115(4):369-392.

  作者:刘子文刘检华程益庄存波

转载请注明来自发表学术论文网:http://www.fbxslw.com/jzlw/27072.html