关键词:
智能制造系统
生产线运作成本
家具生产线
数据挖掘
自动化控制与改善
摘要:
制造业是合理运用各类资源成本,并转化为产品的产业,其中家具制造业生产线由于其产品多样、制造工艺复杂等特点,普遍存在费工、费料、产品质量不稳定、生产实时信息滞后、制造过程成本异常产生频繁和难以控制等问题。对于生产线运作成本实现有效监控是保证企业高效化、保持其在行业内竞争力的重要保障。在当今我国制造业面临整体全面升级、国内家具制造企业急需实施重大改革以适应新形式的需要、以及资源、能源、人力等制造业成本日渐升高的背景下,家具生产线运作成本智能化监控与管理可以帮助企业有效解决此类危机问题。因此,本文着重研究了家具制造生产线运作成本智能化监控与管理方法特性与需求分析、生产线运作成本及其影响因素数据智能化采集原理、生产线运作成本及其影响因素建模、面向多目标均衡优化的生产线运作成本异常改善求解、实施方案的输出、执行和改善效果反馈等内容。首先针对家具生产线运作成本智能化监控与管理方法特性与需求分析,将家具生产线运作成本的构成和相关数据特点进行识别并分析,根据工艺流程特点设计并实施生产实时状态智能化数据采集系统;接着运用大量数据积累、相关统计分析、数据挖掘等方法分析运作成本及各类与成本相关影响因素建模的需求和特性,并基于建模结果分析家具生产线运作成本异常处理及优化方法的需求和特性。针对成本和影响因素数据智能化采集原理问题,提出一种针对家具生产线运作成本相关的影响因素及生产实时状态信息的智能化数据采集系统方法:提出数据采集矩阵的概念以及相关定义,采集对象全面覆盖了家具生产线运作过程中产生的各项成本及其各类影响因素;进一步定义了离散型数据矩阵、连续型数据矩阵和目标数据矩阵,并从单成本影响因素、多维影响因素等方面充分阐述了其原理和功能,充分考虑了离散型和连续型生产流程混合的家具生产流程特点,用以收集、整理、存储各类成本相关数据并可支持后续分析调用。针对具体压铸生产线案例,使用该方法实现了数据智能化采集系统的研发,积累了大量真实数据,为后续生产线运作成本、影响因素的数学建模即异常优化等工作奠定了基础,证明了该方法和相关理论的有效性。针对家具生产线运作成本及其影响因素计算模型数学建模问题,提出了一套结合数据特点的家具生产线运作成本建模方法:运用数据聚类和基于主成分分析的数据降维等方法实现成本影响因素相关数据的预处理,运用基于线性与非线性回归分析的确定性数学建模方法和基于BP神经网络的不确定性数学建模方法,实现对各个数据特点、数学原理等限制条件下的家具生产线运作成本及其影响因素计算模型的建立,并提出相关模型验证方法。用具体案例研究详尽阐述了本文提出的家具生产线运作成本数学建模方法,结果显示该建模方法具有较高的计算精度,为后续的生产线运作成本、影响因素的在线计算、状态监测、异常优化及实施反馈评价等工作奠定了基础。针对家具生产线运作成本异常处理优化控制问题,结合家具生产线运作成本数据采集及建模的相关结果,可以用来实时测量、计算、预测、评价家具生产线运作成本的实时状况。因此提出相关智能优化求解算法的评价体系,具体内容包括家具生产线运作成本异常界定方法、异常处理优化求解方法分类、优化求解算法及评价体系,评价对象包括智能算法的效率、稳定性、提供Pareto解集的完整性等指标,为具体成本异常问题提供特定的性能较为优异的智能算法解决方案。通过实际案例压铸生产线的监测结果可知,对于某个成本异常问题,在通过以上方法获得的对应的优化改善措施实施后的连续数个周期内,生产线每件平均运作成本得到逐步下降并回归至正常水平,证明本文提出的方法能够有效运用智能化手段,均衡并有效解决诸多矛盾导致的家具生产线运作成本异常处理及优化问题。最后,对全文主要研究内容进行总结,归纳其中的创新点,并对后续研究方向进行展望和探讨。