基金supported in part by the Special Fund of Jiangsu Province for the Transformation of Scientific and Technological Achievements(Nos.BA2018110,BA2021036)the Natural Science Foundation of Jiangsu Province(No.BK20211061)。
文摘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。