基于文本挖掘与神经网络的复杂产品装配工时估算方法

doi:10.3901/JME.2021.15.199

机械工程学报 ›› 2021, Vol. 57 ›› Issue (15): 199-210.doi: 10.3901/JME.2021.15.199

扫码分享

基于文本挖掘与神经网络的复杂产品装配工时估算方法

刘子文¹, 刘检华¹, 程益², 庄存波¹

1. 北京理工大学机械与车辆学院北京 100081;
2. 上海宇航系统工程研究所上海 201109

收稿日期:2020-08-16 修回日期:2021-03-11 出版日期:2021-08-05 发布日期:2021-11-03
通讯作者: 庄存波(通信作者),男,1991年出生,博士,博士后。主要研究方向为装配MES技术、数字孪生技术。E-mail:zhuangdavid@bit.edu.cn
作者简介:刘子文,男,1999年出生。主要研究方向为装配MES技术。mail:liuziwenner@163.com;刘检华,男,1977年出生,博士,教授,博士研究生导师。主要研究方向为产品装配与检测技术。E-mail:jeffliu@bit.edu.cn;程益,男,1994年出生,硕士。主要研究方向为智能制造。E-mail:chengyia1994@163.com
基金资助:
国家自然科学基金（52005042&51935003）、国防基础科研（JCKY2016204A502）和北京理工大学青年教师学术启动计划资助项目。

Assembly Time Estimation Method for Complex Products Based on Text Mining and Neural Network

LIU Ziwen¹, LIU Jianhua¹, CHENG Yi², ZHUANG Cunbo¹

1. School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081;
2. Aerospace System Engineering Shanghai, Shanghai 201109

Received:2020-08-16 Revised:2021-03-11 Online:2021-08-05 Published:2021-11-03

摘要/Abstract

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

Abstract: Aiming at the problems such as low accuracy, slow formulation speed and nonstandard management caused by artificial experience, an assembly man hour estimation method for complex products based on text mining and neural network model is proposed. Taking satellite as an example, the characteristics of assembly process data are analyzed, and the influencing factors of assembly man hour are summarized, and the process categories are classified according to the process characteristics. Text mining technology is used to extract and classify the process text features; on this basis, the neural network model of man hour prediction is constructed to realize the accurate estimation of quota man hour for complex product assembly. Finally, an assembly man hour quota and management system for complex products is designed and developed, and the system is put into trial operation in an Aerospace Institute. The application effect is good, and the feasibility and practicability of the proposed method are verified.

Key words: complex product, assembly, man-hour quota estimation, text mining, neural network, man-hour management

中图分类号:

TP301

刘子文, 刘检华, 程益, 庄存波. 基于文本挖掘与神经网络的复杂产品装配工时估算方法[J]. 机械工程学报, 2021, 57(15): 199-210.

LIU Ziwen, LIU Jianhua, CHENG Yi, ZHUANG Cunbo. Assembly Time Estimation Method for Complex Products Based on Text Mining and Neural Network[J]. Journal of Mechanical Engineering, 2021, 57(15): 199-210.

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. LIU Jianhua, SUN Qingchao, CHENG Hui, et al. The state-of-the-art, connotation and developing trends of the products assembly technology[J]. Journal of Mechanical Engineering, 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. SUN Gang, WAN bile, LIU Jianhua, et al. Satellite assembly process design and application technology based on 3D model[J]. Computer Integrated Manufacturing System, 2011, 17(11):2343-2350.
[3] FAZIO T, EDSALL A C, GUSTAVSON R E, et al. A prototype of feature-based design for assembly[J]. Journal of Mechanical Design, 1993, 115(4):369-392.
[4] TAYLOR F W. The principles of scientific management[J]. History of Economic Thought Books, 1911, 7(9):723-724.
[5] BRUCE G. Which work measurement tool[J]. Manufacturing Engineering, 1999, (3):18.
[6] 李亚杰, 何卫平, 董蓉, 等. 基于制造执行系统数据采集的工时预测与进化[J]. 计算机集成制造系统, 2013, 19(11):2810-2818. LI Yajie, HE Weiping, DONG Rong, et al. Man hour prediction and evolution based on MES data collection[J]. Computer Integrated Manufacturing System, 2013, 19(11):2810-2818.
[7] 杨青海, 祁国宁, 黄哲人, 等. 基于案例推理和事物特性表的零件工时估算方法[J]. 机械工程学报, 2007(5):99-105. YANG Qinghai, QI Guoning, HUANG Zheren, et al. Estimation method of parts working hours based on case-based reasoning and tabular layouts of thing characteristics[J]. Acta Mechanical Engineering, 2007(5):99-105.
[8] 李鹏, 张树生, 周竞涛, 等. 成组技术在计算机辅助工时定额系统中的应用[J]. 计算机应用, 2003(S1):42-43. LI Peng, ZHANG Shusheng, ZHOU Jingtao, et al. Application of group technology in computer aided man hour quota system[J]. Computer Applications, 2003(S1):42-43.
[9] 晁海涛, 徐锋, 许晨辉, 等. 复杂机电产品装配工时定额计算方法研究[J]. 机械制造与自动化, 2019, 48(5):22-24, 33. CHAO Haitao, XV Feng, XV Chenhui, et al. Study on calculation method of assembly time quota for complex mechanical and electrical products[J]. Mechanical Manufacturing and Automation, 2019, 48(5):22-24, 33.
[10] 戴健伟, 吉华, 杨岗, 等. 基于GA_BP算法的化工设备设计人工时预测[J]. 计算机集成制造系统, 2013, 19(7):1665-1675. DAI Jianwei, JI hua, YANG Gang, et al. Based on GA_Artificial hour prediction of chemical equipment design based on BP algorithm[J]. Computer Integrated Manufacturing System, 2013, 19(7):1665-1675.
[11] 李奇倚, 王磊. 基于决策树和模型树的作业工时估计方法[J]. 计算机集成制造系统, 2018, 24(2):309-320. LI Qiyi, WANG Lei. Estimation method of operation time based on decision tree and model tree[J]. Computer Integrated Manufacturing System, 2018, 24(2):309-320.
[12] 习立洋, 吴娜, 吉永军, 等. 基于PSO-BP神经网络的船体分段任务包工时定额模型[J]. 船舶工程, 2020, 42(2):135-141. XI Liyang, WU Na, JI Yongjun, et al. Time quota model of ship block task contract based on PSO-BP neural network[J]. Shipbuilding Engineering, 2020, 42(2):135-141.
[13] 史恭波, 邵家伟, 张浩, 等. 船舶精细化工时管理模式及应用[J]. 造船技术, 2020(3):86-92. SHI Gongbo, SHAO Jiawei, ZHANG Hao, et al. Management mode and application of ship fine chemical industry[J]. Shipbuilding Technology, 2020(3):86-92.
[14] 石晶玉, 刘虹, 何苏, 等. 汽车铸件生产工时数理统计计算方法[J]. 吉林工业大学学报, 1998(3):103-106. SHI Jingyu, LIU Hong, HE Su, et al. Calculation method of mathematical statistics for production hours of automobile castings[J]. Journal of Jilin University of technology, 1998(3):103-106.
[15] 洪湖鹏, 郁鼎文, 张玉峰, 等. 通用化计算机辅助工时系统的研究和开发[J]. 制造技术与机床, 2001(7):55-58. HONG hupeng, YU Dingwen, ZHANG Yufeng, et al. Research and development of general computer aided man hour system[J]. Manufacturing Technology and Machine Tool, 2001(7):55-58.
[16] 付诚, 邱晓静, 秦肖艇. 基于SPDM系统的船舶设计工时管理和应用[J]. 船舶与海洋工程, 2020, 36(2):65-71. FU Cheng, QIU Xiaojing, QIN Xiaochuan. Ship design man hour management and application based on SPDM system[J]. Ship and Ocean Engineering, 2020, 36(2):65-71.

基于文本挖掘与神经网络的复杂产品装配工时估算方法

Assembly Time Estimation Method for Complex Products Based on Text Mining and Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李玉鹏, 谢卫星, 王晓琳, 任海兵. 考虑变更风险的复杂产品模块划分方法[J]. 机械工程学报, 2021, 57(9): 191-202.
[2]	孔繁森, 高天宇, 李惠敏, 卢振林. 考虑任务复杂性的人机联合任务分配问题研究[J]. 机械工程学报, 2021, 57(7): 204-214.
[3]	吕海利, 朱家涛, 王正国, 吴姝. 装配作业车间的JIT调度研究[J]. 机械工程学报, 2021, 57(5): 157-165.
[4]	王金健, 徐晖, 祝长生. 多跨转子系统多频传递力变步长神经网络控制[J]. 机械工程学报, 2021, 57(4): 10-20.
[5]	巩浩, 刘检华, 孙清超, 夏焕雄. 精密机电产品均匀性装配的定义与关键技术[J]. 机械工程学报, 2021, 57(3): 174-184.
[6]	刘检华, 张志强, 夏焕雄, 巩浩, 邵楠. 考虑表面形貌与受力变形的装配精度分析方法[J]. 机械工程学报, 2021, 57(3): 207-219.
[7]	李飞飞, 宋勇, 刘超, 李博, 张世伟. 板带力学性能预报的集成学习模型及其可靠性评价[J]. 机械工程学报, 2021, 57(2): 239-246.
[8]	胡佳兴, 赵常捷, 郭为忠. 面向在轨智能装配的太空桁架结构编码与靶标系统设计[J]. 机械工程学报, 2021, 57(15): 15-22.
[9]	车畅畅, 王华伟, 倪晓梅, 蔺瑞管, 熊明兰. 基于1D-CNN和Bi-LSTM的航空发动机剩余寿命预测[J]. 机械工程学报, 2021, 57(14): 304-312.
[10]	刘冬, 袁利恒, 丛明. 齿轮机器人复杂装配过程在线建模与参数优化[J]. 机械工程学报, 2021, 57(13): 124-131.
[11]	林棻, 王少博, 赵又群, 蔡亦璋. 基于改进Keras模型的路面附着系数估计[J]. 机械工程学报, 2021, 57(12): 74-86.
[12]	周澄, 邓菲, 刘尧, 刘秀成, 陈洪磊, 刘增华. 基于神经网络和支持向量机的导波弯管腐蚀损伤程度辨识研究[J]. 机械工程学报, 2021, 57(12): 136-144.
[13]	王林泽, 高德东, 白辉全, 赵岩, 崔加利, 李沐蓉, 雷勇. 基于力视感知的斜尖柔性针轨迹预测[J]. 机械工程学报, 2021, 57(11): 52-60.
[14]	叶壮, 余建波. 基于多通道加权卷积神经网络的齿轮箱振动信号特征提取[J]. 机械工程学报, 2021, 57(1): 110-120.
[15]	董绍江, 裴雪武, 吴文亮, 汤宝平, 赵兴新. 基于多层降噪技术及改进卷积神经网络的滚动轴承故障诊断方法[J]. 机械工程学报, 2021, 57(1): 148-156.