本发明属于机械制造领域,主要针对由车身产品个性化引发的车身混流焊装系统,设计出一种复杂度计算算法用于测度工位级复杂度和系统级复杂度,并提出的复杂度源灵敏度指标,以确定复杂度贡献较大的关键工位和关键设备所在(即关键复杂度源所在)。
背景技术:
在个性化条件下,产品种类极大丰富,在具有产品族、产品平台和模块化特点的车身产品内,其模块的数目也随之增长,导致组合数目剧增。这也带来焊接设备、工装夹具的复杂化、工序的变化等诸多问题,导致生产效率降低、产品质量恶化。车身的混流焊装线上,产品种类引起的复杂度对系统的影响尤为巨大。虽然针对混流装配线上的复杂度定义和应用作了一定研究,但是,仍然局限于从产品种类相关的角度出发,并未从焊装线全局角度进行考虑,也未引入车身产品的个性化因素,更未对车身产品混流焊装系统内可能影响系统性能的复杂度源进行识别、诊断。
技术实现要素:
本发明所要解决的技术问题是针对现有技术的不足,提供一种从焊装系统全局出发,引入车身产品个性化因素,用于测度焊装系统工位级和系统级复杂度的计算算法,同时提出的复杂度源灵敏度指标,以确定复杂度贡献较大的关键工位和关键设备所在。本发明可作为车身焊装线及工艺规划的决策辅助工具,可改善当下的规划,还将有效节省成本和时间,改进生产率,增强厂商竞争力。
本发明解决技术问题的技术方案如下:
本发明在混流混联焊装线条件下,针对个性化车身产品,提出工位级综合复杂度,其中包含产品组件变型复杂度、焊装设备复杂度、物料搬运设备复杂度、缓存区设备复杂度。然后对不同结构的混流混联进行等效简化,形成分析所用的等效串联工位组成的焊装系统,应用状态空间理论表示包含个性化组件信息的系统级复杂度流模型。
建立各种灵敏度指数,表示复杂度源对最终评价的影响或者贡献大小,并且提出工艺计划内识别和诊断复杂度源的流程,获取复杂度源所在的关键工位和关键设备,以便于快速进行工艺规划修订。
本发明设计的复杂度计算算法,可计算工位级综合复杂度,其中包含产品组件变型(由模块、零件变型得到)复杂度、焊装设备复杂度、物料搬运设备复杂度、缓存区设备复杂度。并对不同结构的混流混联焊装线进行等效简化,形成分析所用的等效串联工位组成的焊装系统,应用状态空间理论表示包含个性化组件信息的系统级复杂度流模型,以探求车身焊装系统的复杂度源所在。
本发明还提出复杂度源灵敏度指标,以确定复杂度贡献较大的关键工位和关键设备所在(即关键复杂度源所在)。
本发明可作为车身焊装线及工艺规划的决策辅助工具,可改善当下的规划,还将有效节省成本和时间,改进生产率,增强厂商竞争力。
附图说明
图1混流焊装系统等效转换示意图
图2关键复杂度源识别、诊断流程(注:
具体实施方式
下面将结合附图及实施例对本发明的技术方案进行更详细的说明。所举实例只用于解释本发明,并非用于限定本发明的范围。
一、工位级装配体复杂度建模
(1)工位设备复杂度
静态结构复杂度由三部分因素组成:信息量大小,信息多样化指标和信息内容含量。在焊装线工位上,三类设备中各自的具体特定设备可用复杂度指数表示复杂度的信息内容含量,对信息量大小和多样化的理解,是通过信息内容含量的把握进行的。
针对具体某一工位的焊装设备复杂度、物料搬运设备复杂度、缓存区设备复杂度,表示为:
ce=(ne/ne+ie)[log2(ne+1)],e=m,mhs,b
式中,m,mhs,b分别代表焊装设备、物料搬运设备、缓存区设备。ne/ne表示信息多样化指标,其中ne为该工位某类独特设备数目,ne为该工位某类设备总体数目;log2(ne+1)则表示信息量大小,ie为该工位某类设备整体的平均复杂度指数,表征信息内容含量。具体编码见附图说明表1、表2、表3。
表1焊装及辅助设备编码
表2物料搬运设备编码
表3缓存区设备编码
(2)产品组件选择复杂度
对于个性化车身产品族,令
如果这些模块集合在串联工位k进行焊装,工位操作人员或规划人员面临选择的组件变型数目为
如果这些模块集合在并联工位上进行焊装,则作为工位之一k的操作人员或规划人员面临选择的组件变型数目仍为
其中,θkl表示将组件变型vl分配至并联工位之一k的比例。令
本发明中,用信息熵度量输出结果的不确定性。
对于串联焊装工位k,则
式中,
在nk并联焊装工位上进行焊装,则
式中,信息熵h2上标2表示该工位为并联焊装工位。
二、系统级复杂度传递建模
(1)焊装线混联结构等效操作
为便于进一步进行复杂度的分析,因此,需要对焊装线的信息流混联结构进行等效约简,去除其中所含的并联结构,得出完全的串联结构。如图1所示,等效简化可表示为:
首先对混联结构中的并联部分内各支路上的串联工位进行串联等效操作,即
(2)系统级复杂度流模型
设在经等效操作之后的串联工位i(i=1,2...m)上,进行焊装的模块集合为
式中,l=1,2,...,ni。
根据对焊装线上设备的分类,在某工位对焊装设备(含夹具)、物料搬运设备、缓存区设备进行选择用于接下来的焊装操作,这种选择行为依次编号为1(m),2(mhs),3(b)。为表示工位i上组件变型对工位i+1上设备选择的影响,定义组件变型与设备选择的关系矩阵:
式中,
当存在个性化模块时,个性化模块装配而成的组件将有可能导致后继下游工位内的设备产生相当程度的变更,因此,需要研究个性化组件对于下游工位的影响。
由工位i上组件的需求向量
表示工位i上的个性化组件变型需求向量,由此概率,应用信息熵定义也可获得在工位i上由于个性化组件产生的复杂度为:
其中运算符
工位i上加入个性化组件时,工位i+1上设备处于备选状态f的概率为
表示上一工位个性化组件进行装配对下一工位的设备选择所造成的不确定性,即所传递的装备选择复杂度。也可定义
其中e∈{1,2,3}且1=m,2=mhs,3=b。此处,
根据状态空间理论,建立复杂度流模型:
因为
式中,i=1,2,...,n,为经等效之后的n个串联焊装工位,
式中,存在:
其中,ψi,h=ai-1ai-2…ah是状态转移矩阵,yi表示对工位i的组件所具产品关键特征,通过检验、测量进行的专家评估,在焊装线末端,则进行最终个性化车身产品族的专家评估。i=m时,也可视作规划者根据上述工艺和装配系统规划对最终个性化产品质量不确定性的预测,即所获产品质量的专家评估。
式中,γm=[[dmψm,1][dmψm,2]…[dmψm,m]],γ0=dmψm,0,
式中,
三、车身焊装系统工艺及系统规划中复杂度源灵敏度分析
在系统级复杂度流模型内,灵敏度分析用于评估每一复杂度源对于个性化车身产品族质量(专家评估)的影响,可用作决策支持工具,以指导工艺及系统规划的修订和完善。灵敏度分析的过程分为以下步骤:
step1:比较设备灵敏度指数(即设备选择不确定性对车身产品族质量影响程度)和组件变型灵敏度指数(即组件变型不确定性对于车身产品族质量影响程度),确定工艺规划内的主复杂度源;
step2:如果主复杂度源是来自设备,则比较设备对于每一产品质量关键特征的灵敏度指数与设备对于车身产品灵敏度指数(即step1中的设备灵敏度指数),确定关键的产品关键特征;如果主复杂度源来自组件变型,则比较组件变型对于每一产品质量关键特征的灵敏度指数与组件变型对于车身产品灵敏度指数,确定关键的产品关键特征;
step3:确定产品关键特征基础上,确定复杂度源所在的关键工位,确认关键复杂度源,针对其进行修订,以改善工艺及系统规划,增强其鲁棒性。
假设焊装线具有m个工位,每一工位上,存在产品变型复杂度、焊装设备复杂度、搬运设备复杂度、缓存区设备复杂度,焊装线最终产品是个性化车身产品族,具有i个产品关键特征,则一些列灵敏度指数可计算如下:
(1)工位k上焊装设备灵敏度指数
表示工位k上焊装设备复杂度对于单一产品关键特征和产品族的影响,表示如下,首先,对于车身产品关键特征:
式中,γi,j为矩阵γm的第i行第j列元素,
式中,
式中,
(2)同理,工位k上物料搬运设备灵敏度指数、缓存区设备灵敏度指数可表示为:
(3)工位k上组件变型产生的复杂度对于最终产品的影响,也可以应用上述方法获得一系列灵敏度指数:
(4)工艺灵敏度指数
这组灵敏度指数表示焊装线上的设备和组件变型产生的复杂度对单一关键产品特征和车身产品族的影响。
同理,可以得到
根据上述灵敏度指数的定义,建立关键复杂度源识别、诊断的流程如图2所示。