【技术实现步骤摘要】
一种应用于离散型生产线的产能评估方法
[0001]本专利技术涉及生产线产能评估
，具体是一种应用于离散型生产线的产能评估方法。
技术介绍
[0002]在生产线产能评估方面，国内外学者进行了大量研究，刘小玲等针对订单型生产，提出了一种基于Dijkstra思想快速评估车间动态产能的方法，通过对工序建立数学模型，应用改进的算法对所有订单进行评估，从而实现对生产能力动态评估；王昆鹏针对中小企业面向定制的生产特点，结合具体企业实例，建立中小企业产能柔性评价指标体系和模糊逻辑规则，设计了中小企业产能柔性评价系统；赵银平等以工时法和粗糙集为理论依据，利用ASP和SQL Server数据库平台，设计并开发了离散型产能评估系统；王佩珊等针对油气田开发产能评估，提出了一种基于偏最小二乘回归的快速产能评估方法，简化了建模构建与求解，能够预测增产效果并在产量要求时确定施工参数；李江等利用仿真方法对生产线的生产能力进行评估，完善了生产线产能规划仿真及生产线布局仿真的一般流程，使得生产线工作效率得到明显提高；刘大成等在当前数据采集、统计和分析基础上，通过由上至下的生产过程子过程及活动冲突消解，结合作业测定方法，反方向自下而上逐层简化资源参数集，达到对当前生产能力的定量评估和潜力预测。综上所述，产能评估主要有生产系统建模、仿真建模与分析及基于历史数据估算三类方法，但还存在以下不足：
①
生产系统建模时，模型中各维度的赋值与隶属函数准确性过于依赖评估专家经验，并且未考虑产线现状负荷，导致闲置产能评估不精准；
②>生产线仿真模型与实际生产相差较大，尤其是离散性制造，由于其边界条件过多，会存在部分边界定义不清或缺失的问题。此外，为了避免失真各模型指标赋值需要大量真实有效的数据，需做大量工作来收集、分析数据；
③
历史数据与当年任务量大小、紧急程度具有较大关联，工序(或设备)实际可用产能与历史数据不一定匹配，依据工序产能数据进行资源优化调配会出现瓶颈工序识别错误等问题。并且历史数据通常以年进行计算，较长的时间线会降低评估准确性。
[0003]生产线产能评估领域中，纯生产线产能建模的方式精度较低，且模型中各维度的赋值与隶属函数主要依靠评估专家经验，已不能满足当前企业对产能评估的高精准要求。
技术实现思路
[0004]为克服现有技术的不足，本专利技术提供了一种应用于离散型生产线的产能评估方法，解决现有技术存在的精度较低、评估准确性已不能满足当前企业对产能评估的高精准要求等问题。
[0005]本专利技术解决上述问题所采用的技术方案是：
[0006]一种应用于离散型生产线的产能评估方法，包括以下步骤：
[0007]S1，在生产线所生产的产品中选取一个代表产品，将生产线所生产的其他所有产品的产量按标准工时换算成代表产品的产量；
[0008]S2，计算假定产品的生产能力，其中，假定产品是由生产线所生产的各种产品按其产量比重构成的一种假想产品；
[0009]S3，根据产能影响因素，采用模糊评价集合来描述各产能影响因素对生产线产能的影响强度，得到初始评估指标体系；
[0010]S4，得到单产能影响因素对产线产能的评价，再利用单产能影响因素评价矩阵与各自权重的乘积得到各产能影响因素之间对产能大小的相对重要性，从而对生产线的产能进行综合评估。
[0011]作为一种优选的技术方案，步骤S1中，各具体产品的产能计算公式为：
[0012][0013]M
Qv
表示第v种产品生产能力；d
v
表示第v种产品占全部产品产量的比重；
[0014]其中，
[0015]式中，MO表示代表产品的生产能力，F表示单位设备全有效工作时间，S表示生产该产品所用设备数量，t
O
表示代表产品单位产品标准工时；
[0016][0017]式中，K
v
表示第v种产品换算系数，Qv表示第v种产品计划产量，m表示全部产品的种类数；
[0018]其中，
[0019][0020]式中，t
v
表示第v种产品单位产品标准工时。
[0021]作为一种优选的技术方案，步骤S2中，假定产品的生产能力计算公式为：
[0022][0023]作为一种优选的技术方案，步骤S3中，产能影响因素包括：生产技术、人员与设备、物料、环境、质量和/或管理。
[0024]作为一种优选的技术方案，步骤S3中，某一产能影响因素对产能大小的影响划分为五个等级，单产能影响因素对产能的影响程度用隶属于模糊评价集合中各产能影响因素的强度来表示。
[0025]作为一种优选的技术方案，步骤S3中，各产能影响因素的强度计算公式为：
[0026]μ
i
(x
i
)＝{μ
i1
(x
i
)，μ
i2
(x
i
)，μ
i3
(x
i
)，μ
i4
(x
i
)，μ
i5
(x
i
)}，i＝1，2，...，6，
[0027]各产能影响因素得到初始评估指标体系为：
[0028]若x
i
的范围为[a0，a1)，则评价等级为“好”；
[0029]若x
i
的范围为[a1，a2)，则评价等级为“较好”；
[0030]若x
i
的范围为[a2，a3)，则评价等级为“中等”；
[0031]若x
i
的范围为[a3，a4)，则评价等级为“较差”；
[0032]若x
i
的范围为[a4，a5)，则评价等级为“好”；
[0033]其中，i表示各产能影响因素的标号，j表示评价等级的标号，μ
ij
(x
i
)(i＝1，2，
…
，6；j＝1，2，
…
，5)表示某一因素处于某个等级时对产能影响强度大小，a0、a1、a2、a3、a4、a5表示评定影响因素等级的数值，a0＜a1＜a2＜a3＜a4＜a5。
[0034]作为一种优选的技术方案，步骤S4中，模糊理论计算单产能影响因素的影响强度步骤如下：
[0035]步骤S41，将各产能影响因素的评价标准进行线性变换，公式如下：
[0036]S＝min{a1‑
a0，a2‑
a1，a3‑
a2，a4‑
a3，a5‑
a4}，
[0037][0038][0039]式中，
[0040]s表示影响因素评价标准区间中五个区间段最小值，a
*0
表示影响因素评价标准区间左边界，a
*j
(j＝1，2，...，5)表示线性化后的五个区间段的右边界，x
i*
表示线性化后x
i本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种应用于离散型生产线的产能评估方法，其特征在于，包括以下步骤：S1，在生产线所生产的产品中选取一个代表产品，将生产线所生产的其他所有产品的产量按标准工时换算成代表产品的产量；S2，计算假定产品的生产能力，其中，假定产品是由生产线所生产的各种产品按其产量比重构成的一种假想产品；S3，根据产能影响因素，采用模糊评价集合来描述各产能影响因素对生产线产能的影响强度，得到初始评估指标体系；S4，得到单产能影响因素对产线产能的评价，再利用单产能影响因素评价矩阵与各自权重的乘积得到各产能影响因素之间对产能大小的相对重要性，从而对生产线的产能进行综合评估。2.根据权利要求1所述的一种应用于离散型生产线的产能评估方法，其特征在于，步骤S1中，各具体产品的产能计算公式为：M
Qv
表示第v种产品生产能力；d
v
表示第v种产品占全部产品产量的比重；其中，式中，MO表示代表产品的生产能力，F表示单位设备全有效工作时间，S表示生产该产品所用设备数量，t
O
表示代表产品单位产品标准工时；式中，K
v
表示第v种产品换算系数，Qv表示第v种产品计划产量，m表示全部产品的种类数；其中，式中，t
v
表示第v种产品单位产品标准工时。3.根据权利要求2所述的一种应用于离散型生产线的产能评估方法，其特征在于，步骤S2中，假定产品的生产能力计算公式为：4.根据权利要求3所述的一种应用于离散型生产线的产能评估方法，其特征在于，步骤S3中，产能影响因素包括：生产技术、人员与设备、物料、环境、质量和/或管理。5.根据权利要求4所述的一种应用于离散型生产线的产能评估方法，其特征在于，步骤S3中，某一产能影响因素对产能大小的影响划分为五个等级，单产能影响因素对产能的影响程度用隶属于模糊评价集合中各产能影响因素的强度来表示。
6.根据权利要求5所述的一种应用于离散型生产线的产能评估方法，其特征在于，步骤S3中，各产能影响因素的强度计算公式为：μ
i
(x
i
)＝{μ
i1
(x
i
)，μ
i2
(x
i
)，μ
i3
(x
i
)，μ
i4
(x
i
)，μ
i5
(x
i
)}，i＝1，2，...，6，各产能影响因素得到初始评估指标体系为：若x
i
的范围为[a0，a1)，则评价等级为“好”；若x
i
的范围为[a1，a2)，则评价等级为“较好”；若x
i
的范围为[a2，a3)，则评价等级为“中等”；若x
i
的范围为[a3，a4)，则评价等级为“较差”；若x
i
的范围为[a4，a5)，则评价等级为“好”；其中，i表示各产能影响因素的标号，j表示评价等级的标号，μ
ij
(x
i
)(i＝1...
【专利技术属性】
技术研发人员：金涛，刘正勇，孙新月，唐飞熊，廖旭，
申请(专利权)人：中国电子科技集团公司第二十九研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。