基于SMOTE-IKPCA-SeNet深度迁移学习的小批量生产质量预测研究

随着智能制造技术的发展和客户个性化需求的增加,多品种小批量生产方式逐渐成为制造业的主流。面向大批量生产、以统计过程控制为核心的质量管理方式并不适用于小批量生产。针对复杂生产过程存在参数多、非线性和交互作用的问题,提出利用深度迁移学习的方式将历史生产数据作为源域迁移至小样本目标产品数据进行质量预测。首先,通过合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)和改进的核主成分分析(improved kernel principal component analysis,IKPCA)算法筛选源域和目标域的可迁移特征,这不仅兼顾了特征重要性和可迁移性,还减少了“负迁移”,提高了模型泛化能力;然后,采用结合通道注意力机制的卷积神经网络SeNet构建基于深度迁移学习的质量预测模型。仿真结果表明,随着目标域样本的增加,所提方法的预测准确性明显优于广泛采用的支持向量机建模方法。同时,所提可迁移特征筛选方法显著提高了深度迁移学习的质量预测效果,为复杂的小批量生产过程质量保证提供了新方法。

小批量物料需求周预测的研究

在多品种小批量的物料生产中,企业一般事先无法知道物料的实际需求量,而准确的物料需求量预测对于提高企业生产效率具有重要的意义。首先建立了基于需求频数、需求数量、需求趋势和销售单价的物料重要性因子模型,从物料的重要性来筛选企业需要重点关注的物料;随后引入基于需求频数、需求趋势和销售单价的随机森林回归模型和前馈神经网络模型来预测物料的需求量,并通过均方差等指标来评估模型。实验验证表明,该预测模型能为企业小批量物料需求提供一个有参考意义的解决方案。

基于人工鱼群-遗传算法的多品种小批量零件数控加工工艺优化研究

基于多品种小批量零件加工成本高的问题,基于人工鱼群-遗传算法(AFSA-GA)构建了数控机床能耗模型,以实现零件加工能耗下降。首先,将数控机床功率划分为各工序功率模型,基于功率模型与工作时间关系得出机床运转能耗模型,结合产品表面粗糙度模型,对各工序能耗模型及整体粗糙度进行归一化处理,形成整体能耗模型;其次,以能耗及粗糙度为目标函数,建立AFSA-GA算法,通过对各工序能耗求解得出最适当的机床功率及其所对应的能耗和表面粗糙度;最后,针对所获得的最优功率,进行优化结果的验证,为五轴机床的实际加工提供解决方案。

云制造下小批量定制产品的服务组合双层优选方法

为解决云制造环境下小批量定制产品的服务组合优选问题,提出一种以加工特征作为任务粒度的资源服务组合双层优选方法。该方法首先构建了需求—特征图谱、制造资源供应图谱对供需两方信息进行描述与存储;然后设立加工合格率、满意度评价值、交付按时率、供应偏好值4个指标,并依托变异系数法进行赋权来初筛供应商,实现一层优选;最后建立了以工艺总成本、工艺总时间及总碳排放作为优化目标,特征间的优先级关系作为约束的优化模型,并使用融入次候选集变异算子的改进遗传算法NSGA-Ⅲ对其进行求解,完成二层优选。通过对实例结果的工艺流动顺序分析验证了该方法的可行性,并证明了改进后的算法求解效果更佳。

基于TOPSIS模型对小批量物料的生产安排研究

在企业小批量物料的生产安排中,逐渐出现因事先无法知道物料的实际需求导致生产安排有误等现象。针对这一情况,为帮助企业进行更合理的物料生产,通过分析某工厂2019-2022年的历史数据,基于Topsis算法建立模型,选出需要重点关注的物料,使用时序预测建立关于物料预测模型,通过最小二乘法验证模型的准确性。物料预测为企业解决了小批量物料的生产安排问题,该模型具有一定的推广价值。

基于数据归一化原点矩约束最大熵原理的小样本数据测量不确定度评定

测量检验是生产制造的重要环节,测量不确定度是测量质量的重要评价指标,表征测量数据的分散程度。最大熵原理常用于测量不确定度评定,基于最大熵原理获得测量样本数据的概率密度函数,能够避免主观因素,反映数据客观的分布情况。小批量生产中获得的测量数据往往较少,在小样本数据下,基于原点矩约束最大熵原理求得的测量不确定度不够准确可靠。针对这一问题,提出基于数据归一化原点矩约束最大熵原理的小样本数据测量不确定度评定方法,并通过数值仿真和应用案例验证所提测量不确定度评定方法的有效性。

总装厂整车小批量试生产中静态扭矩管理的研究

总装厂小批量试生产的静态扭矩管理不同于样车试生产,小批量生产的紧固件质量会明显优越于样车阶段,为规范总装厂新车型小批量试生产阶段静态扭矩的管理,文章提出以总装新车型样车试装阶段积累的静态扭矩数据为基础,通过均值和标准差公式进行换算,可以得出适用于总装新车型小批量试生产阶段的静态扭矩标准,即以总装样车试装车辆的静态扭矩数据的均值作为总装小批量试生产阶段静态扭矩的基准值,以均值的6个标准差作为公差。这种方法能快速调整整车静态扭矩标准以满足总装新车型小批量试生产扭矩监管的需求。

基于机器人自动上下料技术的数控机床产线的设计与应用

针对机床相互位置较为拥挤或者厂房内部高度空间较小的场合,文中介绍了一种应用地轨机器人进行机床上下料的泵壳类产品机加生产线。该生产线的特点是多品种小批量生产,用于加工的数控机床包括数控车床和立式加工中心。通过托盘进行工位间的工件传递,托盘全部在线内存储,工件与托盘在线外人工装夹。整个系统除机械加工系统外,还包括清洗、测量、集中排屑、视频监控、安全防护等系统,能够保证不同产品的在线生产。泵壳生产线通过上位机总体控制各个系统,可以通过程序形成多种不同流程的功能单元,开放性强,可根据实际需求进行智能排产。该应用属于智能制造的一种生产方式。

多品种小批量产品的分层计划管控系统设计与实践

针对中小企业生产管理指导性、规范性差,生产作业效率低等问题,本文以A公司多品种小批量产品为研究对象,提出一整套分层计划管控系统。首先通过流程再造优化订单评审流程,其次,采用分层计划编制体系优化计划排产流程,然后构建基于规则约束的启发式算法进行优化。最终达到增强生产订单接收协同性,排产指导性以及反馈及时性的目的。

Relationship between solids flux and froth features in batch flotation of sulphide ore

The froth features in the batch flotation of a sulphide ore were investigated by using the digital image parameters of the froth, the small number emphasis(Nsne), the average grey level(Dagl) and the instability number(Nins), under different conditions of impeller speeds and aeration rates. It is found that the value of Nsne is strongly dependent on the average bubble size of the froth and Dagl on the volume fraction of solid in the froth, and the froth features during the batch flotation are influenced by impeller speed and aeration rate. A kinetic model of the concentrate solid flux was developed which relates the flotation process to the image parameters, Nsne and Dagl of the froth and predictions are well consistent with the experimental data.

快速铸造技术在零件生产中的应用

介绍了三种快速成形技术在零件生产中的应用,根据零件的不同需求,采用不同的快速铸造技术满足零件在设计、试制、小批量生产中的需求,极大的提高了零件的生产效率,降低了生产成本。

基于平稳时间序列模型的小批量物料的生产安排

文中主要论述某电子产品制造企业在多品种、小批量的物料生产中面临无法事先知道物料的实际需求量的问题,利用数学方法进行解决,分析现有数据,进而对企业物料生产进行合理安排以获得更高效益,通过建立基于小批量物料生产的平稳时间序列模型,选择了6种重要物料,建立了以周为时间单位的预测模型,实现了模型的优化,从而有助于企业合理地安排生产。

小批量物料生产安排中趋势预测研究

目前许多电子产品制造企业在多品种小批量的物料生产中,事先无法知道物料的实际需求量,因此,合理地安排物料生产非常重要,以多元线性回归算法在小批量物料生产安排中的趋势预测为研究目标,通过构建多元线性回归模型,预测物料的生产计划安排。分析模型的可靠性、适用性和可推广性等关键问题,为小批量物料的生产安排提出了新思路,为生产资料的生产安排与工作计划、时间和库存系统以及服务水平等方面的有效结合提供参考。

“高档数控机床的高端制造模式”(三):国产数控机床的生产方式研究

高档数控机床需要采用高端制造模式进行制造。国产数控机床长期采用中低端制造模式进行生产制造,难以保障产品的性能和质量。为了制造高档数控机床,需要对机床的生产方式进行深入系统的研究。因此对数控机床的生产方式进行了研究,讨论了生产方式的基本概念,分析了生产方式的演化历程,讨论了国产机床现行生产方式存在的问题,提出适用于国产机床的新型生产方式,最后对国产机床小批量定制生产方式的特点进行了讨论。

基于GA-SVM的多规格小批量生产的装配工时估算模型

对于制造承包商来说,在正式接收订单之前,为了指导报价和预测交货日期,有必要对工时(Man-hours,MH)进行评估。装配工时作为工时的重要组成部分,具有重要的实际研究意义。针对多规格、小批量生产的特点,提出了一种基于支持向量机(Support vector machine,SVM)的装配工时估算模型。除了单部件属性、装配过程和历史工时数据外,还考虑了可量化装配复杂性的最短路径长度平均值(Average of shortest path length,ASPL)作为装配MH的影响因素,并提出了基于Creo JLink三维模型的这些因素的自动计算方法。通过对几种算法的比较,选择SVM作为装配体MH建模的最优算法。将遗传算法(Genetic algorithm,GA)应用于SVM中,有利于在SVM中搜索最优参数c和g时避免了局部求解,加快了收敛速度。最后,对所提出的GA-SVM模型进行训练,并应用于雷达装置仿生腿的装配工时预测。实验结果表明,GA-SVM具有比本文其他方法更高的预测精度,整个预测过程仅需3 min左右。

小卫星星座批产研制模式设计与实践

为适应低轨小卫星星座体系化应用需求,设计、实践出一套面向批产的小卫星研制模式。某批产小卫星星座通过整星仅一次合板即最终状态,产品交付即落焊,裁剪、简化环境试验,投产管路模板实现卫星结构装配与管路焊装并行实施,发射场带翼运输,全无线测试等批产创新策略,构建了小卫星批产体系,实现了年出厂20颗以上500 kg级小卫星的能力,为建设高密度小卫星星座奠定了基础。批产策略与方法均经实际验证,与传统小卫星研制相比,将批产星总装、集成与测试(AIT)周期由1年以上缩减为3个月以内,将发射场工作周期由35~50天缩减为20天,实现了快速研制、快速发射与快速在轨应用,有效促进了低轨小卫星星座高效规模化部署。

浅谈多品种小批量产品热处理的节能减排

针对多品种小批量产品的热处理,以某船舶配套企业为例,从建立设计选材规范、设计要求标准化、热处理设备选型规范化、冷热工艺协调规范化、热处理工艺创新及通用化、组批生产管理规范的建立、热处理质量控制规范的建立等方面阐述了热处理节能减排的措施,这些措施经过实践检验,绩效显著,期望给大家以有益的启示。

基于改进MOEA/D算法的多目标单元构建问题求解

针对具有不同加工流程信息的多类型零件的单元构建问题,建立了最大化机器利用率和成组效率的多目标单元构建数学规划模型。在此基础上,提出一种改进MOEA/D算法(improved multi-objective evolutionary algorithm based on decomposition,IMOEA/D)。剖析模型特征,设计了面向机器分配和零件划分的双层编码策略;为了保证算法迭代的有效性,设计了初始化筛选方法和考虑各制造单元间机器零件平衡性的非法解修复策略;为了增强算法的局部探索能力,设计了基于模拟退火算法的局部搜索方法。实验结果表明所提算法具有优越的性能,获得的Pareto前沿解在覆盖率和Pareto比率两个指标上表现较优,且随着问题规模的扩大,其Pareto前沿优势更加明显。

基于仿真的多品种小批量生产资源负荷预测

生产计划的制订需充分考虑生产资源的负荷情况。在多品种小批量生产模式下,工序加工时间的不确定性以及生产加工质量等因素的影响会导致加工过程中实际资源负荷与计划之间存在偏差。针对上述问题,对实际生产所需的资源进行负荷预测。考虑工序历时、加工不合格率以及设备使用前准备时间对资源负荷的影响,提出一种资源负荷预测模型并应用蒙特卡洛仿真方法,以概率分布的形式描述工序加工历时的不确定性。通过仿真验证了预测模型的可行性,实现了对生产资源负荷较为符合实际的预测,为制定生产计划提供有效参考。

面向批产的小卫星总装流程优化

传统总装流程已不再适应小卫星批量化生产日益增长的需求。通过识别严重制约批产小卫星总装效率的主要因素,采用剥离非增值环节、标准化制作、优化流程顺序、信息化和自动化等流程优化方法,对现有总装主线流程、总装检测流程、总装辅线工作和总装工艺文件编制工作进行优化,提出具体总装流程优化措施。优化后面向批产的小卫星总装新模式全面提升了总装效能,缩短了批生产周期。在此基础上提出后续批产小卫星总装流程优化的研究方向。该研究为我国未来小卫星批量化生产探索出新思路。