本发明涉及制造服务的技术领域,特别是一种面向制造服务的制造能力评估方法的技术领域。
背景技术:
李伯虎等提出了面向服务的网络化制造新模式——云制造,讨论了实施云制造所需攻克的关键技术。近年来,云制造技术将分布式制造资源封装到云服务中,支持产品生命周期中的所有任务,已成为加工行业实现这一目标并获得利润的一个很有前途的概念和方法。
面向制造服务,制造过程的能力为生产过程在规定的规格范围内生产的能力。制造能力是面向制造服务的一种重要资源,体现在具体活动过程中,反映了制造企业或制造实体在制造全生命周期过程中完成某一任务的能力。
在生产过程中,往往并非是理想化的情况,因为在许多的过程中,诸如刀具磨损、环境条件、原料批次变化。因此,为保证制造服务系统的准确,必须从源头进行信息把控,根据底层信息建立制造能力。生产过程中的最小整体单元为制造活动,制造活动受到如刀具磨损等条件变化的影响,可以更真实有效地反映制造能力;制造能力则可用于制造服务系统中对外服务。
技术实现要素:
本发明的目的就是解决现有技术中的问题,提出一种面向制造服务的制造能力评估方法,能够在任务分解后,基于制造活动获得制造能力,包括基本制造能力、潜在制造能力、影响制造能力、可服务制造能力和理想制造能力,从而为制造服务系统中的资源优化配置服务。
为实现上述目的,本发明提出了一种面向制造服务的制造能力评估方法,包括以下步骤:
步骤一:制造任务分解,分解成由一个或多个制造活动组成的子制造任务,获得制造任务集合tp(mtask);
步骤二:制造任务集合tp(mtask)中的基本单活动制造能力mcba求解,所述基本单活动制造能力为单个基本制造活动正常生产资料及约束条件运作下所能达到的制造能力水平;所述基本制造活动为在正常的经济条件及生产资料作下所能代表的制造能力水平的制造活动;
步骤三:基本制造能力mcb求解,所述基本制造能力为正常经济的生产资料运作及约束条件下达到的制造能力水平;
步骤四:潜在制造能力mcp及影响制造能力mcc的求解,所述潜在制造能力为在原有的生产资料基础及约束条件下通过一定技术手段及管理优化等方法所能够到达的制造能力水平;所述影响制造能力为在生产运作过程中受各类影响因素影响而无法达到的制造能力水平;
步骤五:可服务制造能力mcs及理想制造能力mci的求解,所述可服务制造能力为在正常经济的生产资料及约束条件基础上,能够提供制造服务的最大制造能力水平;所述理想制造能力为在正常经济的生产资料基础上,没有生产性约束条件下,所能达到的最大制造能力水平;
步骤六:汇总各类制造能力,获得制造能力集合
mc=(mcb,mcp,mcc,mcs,mci)。
作为优选,所述步骤一中的制造任务分解主要包括以下步骤:
步骤1:按企业生产能力以及订单任务复杂度情况对制造任务进行分解,并获得子制造任务分解集合mtask={mt1,mt2,…,mtn};
步骤2:对子制造任务集合mtask={mt1,mt2,…,mtn}进行逐个任务类型判断,获得子制造任务类型矩阵tp(mtask);所述子制造任务类型矩阵获得方法为:任务类型矩阵为tp={tpi,tps,tpc},其中tpi、tps、tps分别为任务类型中的独立、顺序和耦合三种类型,该集合当属于某一类型时集合值为1,否则为0,该集合为一个布尔型数值集合;所述子制造任务类型矩阵计算公式如下:
步骤3:对子制造任务类型矩阵tp(mtask)进行判别,当制造任务类型属于独立型时(即tp=[tpi,tps,tpc]=[1,0,0]),则不需要进一步分解;当制造任务类型属于顺序和耦合型的(即
属于再分解的子制造任务矩阵可以表示为如下的形式:
步骤4:对剩余的子制造任务进行耦合均衡性判断,当满足耦合均衡性则将该子制造任务转为完成分解;当不满足则返回步骤1对该子制造任务进一步分解,直至最终完成所有任务的分解工作;所述耦合均衡性表达了各种同级别制造任务之间关联信息的程度,耦合均衡性通过耦合均衡度进行判断,耦合均衡度ced计算公式为:
其中,com(mti,mtj)为任务mti、mtj之间的关联信息的总量;num(mtask)为制造任务的制造任务集合mtask所包含的任务数量;所述耦合均衡度ced满足0.15≤ced≤0.4;
步骤5:最终获得分解后的制造任务集合tp(mtask)。
作为优选,所述步骤二中的基本单活动制造能力mcba求解方法为:
以人员作为主要影响因素的制造能力计算公式为:
以组织设备为主要影响因素的制造能力计算公式为:
作为优选,所述步骤三中的基本制造能力mcb的计算公式为:
作为优选,所述步骤四中的潜在制造能力mcp的求解步骤为:
步骤1:根据生产过程中对潜在制造能力的影响,确定潜在制造能力水平影响因素集合fp=(fp1,fp2,…,fpm);
步骤2:分别计算各影响因素影响下的影响强度值:
第m个影响因素对制造能力的影响强度值inpm计算公式为:
步骤3:根据获得的每个影响因素的影响强度值,取最小强度影响因素作为潜在制造能力的主影响因子;
步骤4:计算单个制造活动的潜在制造能力值,计算公式为
mcpa=min{mcp(fp1),mcp(fp2),…,mcp(fpm)};
步骤5:获得潜在制造能力为
作为优选,所述步骤四中的影响制造能力mcc的求解步骤为:
步骤1:根据生产过程中的约束条件,确定约束条件影响因素集合
fc=(fc1,fc2,…,fck);
步骤2:分别计算各影响因素影响下的影响强度值;
第k个约束条件影响因素对制造能力的影响强度值inck计算公式为:
步骤3:根据获得的每个约束条件影响因素的影响强度值,取最大强度影响因素作为影响制造能力的主影响因子;
步骤4:计算单个制造活动的影响制造能力,计算公式为:
mcca=max{mcc(fc1),mcc(fc2),…,mcc(fck)};
步骤5:获得影响制造能力为
作为优选,所述步骤五中的可服务制造能力mcs的计算公式为
mcs=mcb+mcp;所述步骤五中的理想制造能力mci的计算公式为
mci=mcs+mcc。
作为优选,所述基本单活动制造能力mcba、基本制造能力mcb、潜在制造能力mcp、影响制造能力mcc、可服务制造能力mcs、理想制造能力mci均为无量纲参数。
本发明的有益效果:本发明能够在任务分解后,基于制造活动获得制造能力,包括基本制造能力、潜在制造能力、影响制造能力、可服务制造能力和理想制造能力,从而为制造服务系统中的资源优化配置服务。
本发明的特征及优点将通过实施例结合附图进行详细说明。
【附图说明】
图1是本发明一种面向制造服务的制造能力评估方法的任务分解流程图;
图2是本发明一种面向制造服务的制造能力评估方法的各类制造能力的逻辑图;
图3是某铸造企业的铸件生产过程图;
图4是某铸造企业的砂的造型线图;
图5是各个制造活动的制造能力图;
图6是混砂的各类制造能力逻辑关系图。
【具体实施方式】
参阅图1-图6,本发明,包括以下步骤:
步骤一:制造任务分解,分解成由一个或多个制造活动组成的子制造任务,获得制造任务集合tp(mtask);
步骤二:制造任务集合tp(mtask)中的基本单活动制造能力mcba求解,所述基本单活动制造能力为单个基本制造活动正常生产资料及约束条件运作下所能达到的制造能力水平;所述基本制造活动为在正常的经济条件及生产资料作下所能代表的制造能力水平的制造活动;
步骤三:基本制造能力mcb求解,所述基本制造能力为正常经济的生产资料运作及约束条件下达到的制造能力水平;
步骤四:潜在制造能力mcp及影响制造能力mcc的求解,所述潜在制造能力为在原有的生产资料基础及约束条件下通过一定技术手段及管理优化等方法所能够到达的制造能力水平;所述影响制造能力为在生产运作过程中受各类影响因素影响而无法达到的制造能力水平;
步骤五:可服务制造能力mcs及理想制造能力mci的求解,所述可服务制造能力为在正常经济的生产资料及约束条件基础上,能够提供制造服务的最大制造能力水平;所述理想制造能力为在正常经济的生产资料基础上,没有生产性约束条件下,所能达到的最大制造能力水平;
步骤六:汇总各类制造能力,获得制造能力集合
mc=(mcb,mcp,mcc,mcs,mci)。
具体的,所述步骤一中的制造任务分解主要包括以下步骤:
步骤1:按企业生产能力以及订单任务复杂度情况对制造任务进行分解,并获得子制造任务分解集合mtask={mt1,mt2,…,mtn};
步骤2:对子制造任务集合mtask=(mt1,mt2,…,mtn}进行逐个任务类型判断,获得子制造任务类型矩阵tp(mtask);所述子制造任务类型矩阵获得方法为:任务类型矩阵为tp={tpi,tps,tpc},其中tpi、tps、tps分别为任务类型中的独立、顺序和耦合三种类型,该集合当属于某一类型时集合值为1,否则为0,该集合为一个布尔型数值集合;所述子制造任务类型矩阵计算公式如下:
步骤3:对子制造任务类型矩阵tp(mtask)进行判别,当制造任务类型属于独立型时(即tp=[tpi,tps,tpc]=[1,0,0]),则不需要进一步分解;当制造任务类型属于顺序和耦合型的(即
属于再分解的子制造任务矩阵可以表示为如下的形式:
步骤4:对剩余的子制造任务进行耦合均衡性判断,当满足耦合均衡性则将该子制造任务转为完成分解;当不满足则返回步骤1对该子制造任务进一步分解,直至最终完成所有任务的分解工作;所述耦合均衡性表达了各种同级别制造任务之间关联信息的程度,耦合均衡性通过耦合均衡度进行判断,耦合均衡度ced计算公式为:
其中,com(mti,mtj)为任务mti、mtj之间的关联信息的总量;num(mtask)为制造任务的制造任务集合mtask所包含的任务数量;所述耦合均衡度ced满足0.15≤ced≤0.4;
步骤5:最终获得分解后的制造任务集合tp(mtask)。
具体的,所述步骤二中的基本单活动制造能力mcba求解方法为:
以人员作为主要影响因素的制造能力计算公式为:
以组织设备为主要影响因素的制造能力计算公式为:
具体的,所述步骤三中的基本制造能力mcb的计算公式为:
具体的,所述步骤四中的潜在制造能力mcp的求解步骤为:
步骤1:根据生产过程中对潜在制造能力的影响,确定潜在制造能力水平影响因素集合fp=(fp1,fp2,…,fpm);
步骤2:分别计算各影响因素影响下的影响强度值:
第m个影响因素对制造能力的影响强度值inpm计算公式为:
其中,mcp(fpm)为第m个影响因素fpm独立影响下的制造能力值;
步骤3:根据获得的每个影响因素的影响强度值,取最小强度影响因素作为潜在制造能力的主影响因子;
步骤4:计算单个制造活动的潜在制造能力值,计算公式为
mcpa=min{mcp(fp1),mcp(fp2),…,mcp(fpm)};
步骤5:获得潜在制造能力为
具体的,所述步骤四中的影响制造能力mcc的求解步骤为:
步骤1:根据生产过程中的约束条件,确定约束条件影响因素集合
fc=(fc1,fc2,…,fck);
步骤2:分别计算各影响因素影响下的影响强度值;
第k个约束条件影响因素对制造能力的影响强度值inck计算公式为:
步骤3:根据获得的每个约束条件影响因素的影响强度值,取最大强度影响因素作为影响制造能力的主影响因子;
步骤4:计算单个制造活动的影响制造能力,计算公式为:
mcc4=max{mcc(fc1),mcc(fc2),…,mcc(fck)};
步骤5:获得影响制造能力为
具体的,所述步骤五中的可服务制造能力mcs的计算公式为
mcs=mcb+mcp;所述步骤五中的理想制造能力mci的计算公式为
mci=mcs+mcc。
具体的,所述基本单活动制造能力mcba、基本制造能力mcb、潜在制造能力mcp、影响制造能力mcc、可服务制造能力mcs、理想制造能力mci均为无量纲参数。
本发明工作过程:
本发明一种面向制造服务的制造能力评估方法在工作过程中,以某铸造企业生产过程为例分析。针对某铸造企业实际生产过程进行分析,对其中核心铸造过程进行任务分解,该企业铸造生产过程如图3所示,图中,左侧为造型的过程,右侧为铁水熔炼的过程,两条制造路线于下端汇聚一起,进行熔炼、浇铸、铸件处理等过程。标号对应的主要工具或主要活动内容为:1-砂库、2-tyh系列自硬砂连续混砂机、3-辊道、4-tys型振实台、5-转运小车、6-tyfq型翻转起模机、7-通过式型芯烘干窑、8-型芯合箱机械手、9-卡砂箱、10-加料机、11-熔化、12-孕育及球化、13-出炉、14-浇注、15-冷却、16-开箱、17-落砂、18-叉车运输、19-粗抛丸、20-打磨、21-精抛、22-上漆、23-转运、24-磨端面、25-铣内腔、26-打孔、27-缺陷铸件运输。对上述铸造生产过程进行任务拆解,具体分析如下:
混砂:1-2-3-4-3-5,解得
前面1-8的铸造生产过程为砂处理,如图4所示。针对该过程的制砂任务与造型任务,进行能力制砂能力mcsand-making与造型能力mcmodeling的计算。上述①-⑧的主要工具详细参数为:砂库:空间大小为5(m3)、库存量为8(t);tyh系列自硬砂连续混砂机:单位小时时间混砂量为1(t);辊道:辊筒直径为φ(76mm)、承重为(1000kg/m)、功率为2(kw);tys型振实台:台面尺寸为1.0×0.63(mm)、额定负荷为0.63(t)、最大激振力为10(kn);转运小车:三班制人工转运,每个班组为4人;tyfq型翻转起模机:最大载荷为2.5(t)、生产率为20~30(箱/h)、型板最大尺寸为1700×1400(mm)、开档高度为200~1240(mm)、油压系统压力为13(mpa)、压缩空气压力为0.5(mpa);通过式型芯烘干窑:温度调节范围200~300(℃);型芯合箱机械手:额定负荷为1.0(t)、最大尺寸为1300×1300(mm)。利用基本单活动制造能力mcba的求解公式,可以获得附图5所示的各个制造活动的制造能力图。上述图中,转运小车mc5以人员作为主要影响因素,
利用基本制造能力mcb的求解公式可可求出混砂能力mcsand-making与造型能力mcmodeling如下:
mcbsand-making=min(mc1,mc2,mc3,mc4,mc5)=0.7859;
mcbmodeling=min(mc3,mc5,mc6,mc7,mc8)=0.4909。
针对混砂制造能力:
对设备的润滑、磨损件的更换、定时清理等影响因素作为请在能力的影响因素集合;取制造能力标准值为0.9;三个因素的影响下制造能力为0.85、0.9、0.86;影响强度值分别为0.85/0.9=0.944、0.9/0.9=1、0.86/0.9=0.956;取最小值0.944对应的润滑影响因素作为主影响因子,混砂潜在制造能力为mcpsand-making=0.85。
约束条件:人力约束、设备故障约束、制度约束;取标准制造能力为0.9;三个约束下的影响制造能力0.09、0.03、0.05;影响强度值为分别为0.09/0.9=0.1、0.03/0.9=0.3333、0,05/0.9=0,0556;取最大值0.1对应的人力约束,混砂影响制造能力为mccsand-making=0.09。
mcssand-making=mcbsand-making+mcpsand-making=0.7859+0.85=1.6359。
mcisand-making=mcssand-making+mccsand-making=1.6359+0.09=1.7259。
混砂的各类制造能力之间的逻辑关系如附图6所示。
本发明,能够在任务分解后,基于制造活动获得制造能力,包括基本制造能力、潜在制造能力、影响制造能力、可服务制造能力和理想制造能力,从而为制造服务系统中的资源优化配置服务。
上述实施例是对本发明的说明,不是对本发明的限定,任何对本发明简单变换后的方案均属于本发明的保护范围。