一种基于灰色理论的电子产品机柜装配工时确定方法与流程

本发明属于机械制造工时定额领域，尤其涉及电子产品机柜装配工时定额领域，具体地说是一种基于灰色理论的电子产品机柜装配工时确定方法。

背景技术：

随着制造业和经济的发展，对电子产品机柜装配工时制定的精度与效率提出了更高的要求，工时定额是实现科学管理生产的基本信息，是协助企业安排生产计划、实时跟踪生产状况的依据，是生产工艺优化、进一步挖掘生产潜力、促进劳动生产效率提高的重要方法，也是企业产品报价、计算人力成本、评定经济效益的重要依据，因此制定工时的精度和效率问题得到了广泛的关注和研究。

产品的生产工时是由单件产品生产时间T_单件和准结时间T_准结组成。其中，单件产品制造时间又由作业时间、作业宽放时间两部分组成。

作业时间：即用于完成单件产品生产或制造部件所需要消耗的时间。作业时间又由基本加工时间T_基本和辅助生产时间T_辅助两部分组成，基本加工时间是工人按照工艺要求进行加工，使作用对象发生物理或者化学变化所需要的时间；辅助生产时间是为了保证完成基本加工作业所必要的辅助工作所需要的时间。

作业宽放时间：即操作者完成生产作业或零件加工中因安排生产场地、因其他工作需要暂时停止操作、因个人生理需求及消除劳动产生疲劳所需的暂时休整时间。

准结时间：即生产单件或成批产品所需进行生产前准备和事后结束所需要的时间，如准备生产物料、熟悉生产图纸、调整设备等所消耗的时间。

为满足企业定制生产的需求，应尽可能缩短制定装配工时的时间，提高制定装配工时的精度，因此可以帮助企业科学管理工时定额，通过对工时定额的科学管理，提高企业的生产效率、降低企业的人工成本。在制定机柜装配工时的过程中，智能算法起着关键作用。

然而现在的工时定额智能算法都需要大量的数据作为支撑，缺乏解决数据量少，信息量少的工时定额问题。本发明认为在制定机柜装配工时的时候数据量少，内在缺乏明确的关系信息，定额难度大。为此提出了基于灰色理论的电子产品机柜装配工时计算方法。

技术实现要素：

本发明针对电子产品机柜装配工时定额过程中，定额人员定额难度大，效率低，定额结果不准确等问题，提出了一种基于灰色理论的机柜装配工时计算方法。根据历史定额数据库中获取灰色系统建模信息，建立机柜装配工时计算模型，获取待工时定额的机柜设计信息，计算机柜装配工时，并进定额数据存入历史定额数据库，补充历史定额数据库。

本发明的技术方案是：

一种基于灰色理论的电子产品机柜装配工时确定方法，其特征在于：包括以下步骤：

步骤1：获取影响机柜装配工时的影响因数：根据机柜装配工艺要求及装配工艺，分析得到影响机柜装配工时的主要影响因数。

步骤2：建立基于灰色理论的机柜装配工时计算模型：选取机柜装配工时定额历史数据，建立基于GM(1，N)模型的机柜装配工时计算模型。

步骤3：获取待定额的机柜设计信息，使用基于GM(1，N)模型的机柜装配工时计算模型计算出待定额的机柜工时。

步骤4：更新建模数据，将建模基本信息进行筛选，保证建立计算模型的正确性。

所述步骤1中，获取机柜装配工时的影响因数，主要根据工艺专家通过机柜装配工艺得出，主要为机柜的插件、面板、螺钉、垫片的数量。

步骤2中所述的建立灰色理论的机柜装配工时计算模型，具体如下:

GM(1，N)模型的形式就是一阶的，其中N指的是N个特征因素的灰色系统预测模型。灰色理论经过长时间的实践已经在很多领域中取得了非常显著的效果。GM(1，N)模型具体建立过程是将原始序列进行一次累加生成，经过生成的新数列具备更强的规律性，再用典型曲线去拟和对应趋势，最后用最近似的曲线产生模型，最后通过建立的系统进行预测。

令为系统特征数据序列

令为相关因素序列

原始数据通过1-AGO累加生成，得到一阶累加生成序即：

其中：

取的均值数列

则其中(即为系统特征数据)为灰导数，为背景值，则称

为GM(1，N)模型。

在GM(1，N)模型中，a称为系统发展系数，b_ix_i⁽¹⁾(k)称为驱动项，b_i称为驱动系数，称为参数列。

构造数据矩阵B、Y

其中参数数列通过应用最小二乘估计法满足下列关系：

且GM(1,N)的模型为此模型的白化方程(影子方程)如下：

已知参数a，求解白化方程，得：

当的变化幅度非常小的情况下，白化方程中的被视为灰常量，则GM(1,N)模型的近似响应式可以简化为：

累积还原式为：

采用灰色模型GM(1，N)进行数值预测，预测出来的数值有时候波动会比较大，对数据列的发展趋势产生影响，并不能预测出较为理想的预测结果。所以必须对本文中采用的GM(1，N)模型进行修正。在对机柜装配工时进行预测时需要进行修正时，采用残差修正的方法：

令生成的残差数列为ε⁰＝(ε⁰(1),ε⁰(2),...,ε⁰(n))，得到GM(1，N)模型预测值与实际值之间的差值，其中数列为X⁽¹⁾的残差序列。若存在k₀，满足下列条件：

(1)的符号一致；

(2)n-k₀≥4，则称(|ε⁽⁰⁾(k₀)|,|ε⁽⁰⁾(k₀+1)|,...,|ε⁽⁰⁾(n)|)为可建模残差尾段，仍记为ε⁽⁰⁾＝(|ε⁽⁰⁾(k₀)|,|ε⁽⁰⁾(k₀+1)|,...,|ε⁽⁰⁾(n)|)。

对得到的可建模残差尾段序列ε⁽⁰⁾建立GM(1,1)模型，计算并得到系数即P＝[a_ε,b_ε]^T，通过下列计算公式得到的模拟值：

则式(12)修正为

其中与残差尾段ε⁽⁰⁾的符号保持一致。

获取待定额机柜的设计信息，使用建立的基于灰色理论的机柜装配工时计算模型计算待定额机柜的装配工时。

本发明的有益效果是：

本发明在工时定额时，由于定额历史数据并无确定的关系，且并没有明显的规律，本方法并不仅仅是简单的寻找定额历史数据中概率分布，得到总结规律，而是运用生成的方法使其随机性减弱，得到规律性加强的数列。最后得到机柜装配工时的计算模型，不仅挖掘了历史数据中潜在的规律，提高了工时定额的准确性，而且也提高了定额的效率。

具体实施方式

下面通过实例，对本发明的技术方法做进一步具体的说明。

一种基于灰色理论的电子产品机柜装配工时确定方法，它包括以下步骤：

第一步：获取影响机柜装配工时因素

以机柜的结构组成和装配工艺作为研究基础分析可知：由于机柜采用结构模块化设计，包含相同或者相似的装配构成，通常采用相同或相似的装配工艺过程。因此这些结构组成上类似的零部件的装配工时也相差不多。为了高效的、准确的完成机柜机械装配工时的智能估算，通过对机柜结构特征及装配工艺的研究可知：机柜机械装配主要将功能插件、面板、转接板装入机柜中，安装方式为螺装，根据装配零件及安装方式可知，影响机柜机械装配工时的主要因素如下：

(1)插件的数量N1。插件数量越多，安装进分机的工时越多，且调整插件位置的工时就越长。

(2)面板的数量N2。面板的数量多少，直接决定了安装面板的工时长短。

(3)螺钉的数量N3。机柜机械装配中主要链接方式为螺装，螺钉的数量直接影响装配的工时，螺钉数量越多，消耗的工时就越长。

(4)垫片的数量N4。垫片是装配过程中必定使用到的零件。垫片数量的多少决定了装配过程中所需的装配工时。

以上信息均可从设计文件中获取，影响装配工时还有一些其他因素，根据影响程度的大小，以上四个因素是影响较大的，其他因素可以忽略不计。

表1原始数据

第二步：建立基于灰色理论的机柜装配工时计算模型：

通过对机柜装配工艺研究可知灰色系统GM(1，4)模型选取插件、面板、螺钉、垫片作为影响因素并进行机柜装配工时的预测，最后将预测值与实际值进行比较，校验该模型的准确性及实用性。模型数据均由某企业装配现场采集，共采集12组数据。其中10组作为实验数据，2组作为校验数据。根据表1中的原始数据，建立传统的GM(1,N)模型(其中N＝4)，计算得到模型中的每个系数，继而得到装配工时灰色预测模型GM(1,N)。

令x₁,x₂,x₃,x₄,x₅分别为装配工时与插件、面板、螺钉、垫片的数量；其中装配工时指数X₁⁽⁰⁾是系统的主要行为参考对象，而且每个变量都有10组数据作为相关因素序列，即如下：

分别将式17、18、19、20、21中的数据分别进行一次累加，得到并建立相应的灰微分方程，由于此方程并不能求出精确解，本文采用最小二乘法求出方程的最小二乘近似解。

计算参数列u＝[a,b₂,b₃,b₄,b₅]的估计值为其中B、Y的值分别如下：

将B、Y的值代入可计算出u＝[a,b₂,b₃,b₄,b₅]^T的最小二乘估计值为即确定了灰微分方程的系数，从而可得到装配工时预测模型为：

根据10组实验数据及建立的模型，得出预测的装配工时与实际的装配工时如下表2所示：

表2预测的装配工时与实际装配工时比较

第三步：残差修正及模型校验

将系统特征序列的工时预测数列进行一次累加，得到新数列为

记模型预测序列为

生成的原始残差序列为

ε⁽⁰⁾＝(0.2014,0.219,0.2332,0.2545,0.2966,0.3207,0.288,0.4803) (25)

依据以上数据，建立GM(1，1)模型，经过计算a_ε＝-0.1223,b_ε＝0.1631。则

得到基于残差GM(1，4)灰色预测模型，计算得到机柜机械装配工时预测模型为：

根据残差模型的修正原则，所以此模型只对第三个(包括第三个数值)以后预测值进行修正。为了达到实际定额的要求，分别使用普通的灰色GM(1，N)模型和基于残差GM(1，N)修正模型进行机柜机械装配工时预测。即用序号为1-10共10个样本训练建模，预测序号Ⅰ和Ⅱ的装配工时。结果如表3所示。

表3预测的装配工时与实际装配工时比较

从上表很容易得到结果，基于残差GM(1，N)修复模型比普通的灰色GM(1，N)模型的准确性有所提高，实用性能更好，适用于机械装配工时的预测。

按照后验差校验方法的标准，计算C与P这两个参数来综合评价预测模型的科学性。设系统特征序列为x⁽⁰⁾，相应的预测序列为得到残差序列为ε，最后计算x⁽⁰⁾的均值和方差为：

并计算残差ε的均值和方差为：

计算可得最小误差概率P＝1，均方差比值为C＝0.12。实例证明该机柜机械装配工时预测模型拥有很好的预测效果，且误差被控制在5％以下。

本发明首先对机柜装配的影响因素进行总结和分析，采用新兴的灰色理论建立机柜装配工时计算模型，通过本发明，使得定额人员进行工时定额时，能够快速进行机柜装配工时的定额，有效缩短定额工作的时间，解决了机柜装配工时定额的难度大，准确性差等问题，并且算法可行、精度高。

以上所述仅为本发明的优选实施例而已，并不限制于本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。