基于大数据分析的数控加工工时预测技术研究
发布时间：2021-10-29 02:34
制造企业数控加工现场需要利用数控加工工时来确定产品交货期、制定生产计划、核算成本、分析数控加工设备的产能与负荷,因此数控加工工时的准确性对制造企业现场管理有着重要的作用。随着智能制造、制造物联网技术的发展,制造企业可以从数控加工设备中采集和获取零部件制造过程中产生的具有典型大数据特征的海量数据（简称制造大数据）,充分利用这些数据可以更好的对数控加工工时进行预测,从而为提升定额的准确性带来新的可能。本文从工序工时影响因素入手分析,提出并探索基于大数据分析的数控加工工时预测方法,以提高数控加工工时预测精度,进一步推动定额管理的科学化和精细化。首先,对工序工时的直接影响因素包括加工工种、本道工序的零件材料去除量以及切削参数等进行分析,根据影响因素确定制造大数据的主要来源和分类,提出基于大数据分析技术的工时预测总体框架和技术架构。其次,针对收集到的制造大数据中存在的问题,定义工序编码的规则,制定制造大数据清洗策略,对制造大数据进行编码以及清洗;并基于分布式文件系统（Hadoop Distributed File System,HDFS）和结构化数据库对预处理完毕的制造大数据进行存储。再次,基于...
【文章来源】：中国工程物理研究院北京市
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图１．１制造大数据来源和特征??
?基于大数据分析的数控加工工时预测技术研究???研究背景｜｜?Ｍ内外??与意义?研宂现状??１?１???ｊ???第一章?绪论??????Ｉ?ｐ－数据获取??ｘｊ－ｒｒ．ｆｌ＇ｊ－?ｒ?工序编码??卜响丫分析」???第一章｜?ｓ于大￥据分析?数据清洗??数控加Ｉ：?Ｉ：时??预测框架?一数据＃储??￣Ｔ?ＬＭ－ＢＰ?????，?，?，?ｒ?ｒ．时预测模型??胃?Ｉ：时预测模型及?｜建立丄时ｕ?ｌ时预测Ｌ＿????一?｜优化算法研究ｒｉ?ｊ测模型模型优化???匕并行化ＬＭ－ＢＰ??数控加工工时??预测系统丌发??第五章?结论与展望??图１．２论文结构框架??９??
?基于大数据分析的数控加工工时预测技术研究???ｃ开始）???ｊ???确定工时影响因素???Ｉ???收集｜：时数据???ｊ???工时数据预处理???ｊ???训练工时预测模哨?？????５??????工时预测及匕ｊ果分．ｊ－ｇ?＾?＾??￣ｉ．￣???１??＼＾差要??Ｃ?＾?）??图２．２预测步骤流程图??（１）确定工序工时的影响因素。工序工时影响因素容易确定，包括加工工种、本??道工序的零件材料去除量、切削参数，工序工时的影响因素分析在下文２．２。??（２）收集与工序工时相关的制造大数据。数据是进行分析的基础和关键，对工序??工时进行预测是基于与工序工时相关的制造大数据，主要包括工序工时的影响因素数??据以及工序的实际加工工时。??（３）制造大数据预处理。收集与工序工时相关的制造大数据之后，这些数据中吋??能存在缺失、重复或者错误等问题，因此需要对制造大数据进行清洗。如果＋对制造??大数据进行预处理，就会降低数据的价值密度，增加后续数据处理的难度。??（４）建、Ｖ．丨：序工时预测模型。工时预测模型对工序Ｃ时的预测起卷至关市要的作??用。首先需要选定预测模型类型，工序工时的影响因素与工序Ｉ：时之间是非线性的关??１１??
【参考文献】：
期刊论文
[1]基于大数据分析的风机叶片结冰故障诊断[J]. 黎楚阳,朱孟兆,焦健,张炜,张玉波. 自动化与仪器仪表. 2020(03)
[2]基于PSO-BP神经网络的船体分段任务包工时定额模型[J]. 习立洋,吴娜,吉永军,周宏,蒋志勇,刘建峰. 船舶工程. 2020(02)
[3]基于大数据分析的风机轴承故障预警[J]. 李俊卿,王焕仲,季刚,马阳硕. 智慧电力. 2020(02)
[4]基于MES的工时采集与统计系统的研究与应用[J]. 代晓丽,江芸,祁国成,刘英,符云峰. 电子技术与软件工程. 2019(20)
[5]DE＿kmeans预测液压缸零件工时定额[J]. 潘彩霞,陆宝春,张均利. 机械设计与制造. 2019(04)
[6]基于大数据挖掘电量预测方法的创新及应用[J]. 徐俊,徐文辉,曾鑫,宋乐. 电力大数据. 2018(10)
[7]基于深度学习的高速铣削刀具磨损状态预测方法[J]. 林杨,高思煜,刘同舜,朱锟鹏. 机械与电子. 2017(07)
[8]基于结构特征的汽车模具部件工时定额标准化研究[J]. 柴晓微. 中国标准化. 2017(10)
[9]航空发动机叶片工时定额测算方法分析[J]. 郭凤国,原志翔. 科技创新与应用. 2017(11)
[10]一种基于案例推理的集成式工时估算方法[J]. 赵小燕,宋栓军. 机械制造. 2016(12)
硕士论文
[1]基于大数据分析的电子制造装备状态评估方法研究[D]. 苏欣.哈尔滨工业大学 2019
[2]基于大数据分析的切削加工过程优化方法[D]. 尹树彬.哈尔滨理工大学 2019
[3]基于大数据分析与LASSO分位数回归的电力负荷概率密度预测方法[D]. 秦杨.合肥工业大学 2019
[4]多品种小批量制造企业工时定额制定方法研究[D]. 吕闯.大连理工大学 2017
[5]基于大数据分析的风电机组运行状态评估方法研究[D]. 江顺辉.华侨大学 2016
[6]基于数据挖掘技术的生产调度问题研究[D]. 王成龙.浙江大学 2015
[7]基于大数据的制造运行监测与分析平台研究[D]. 王淑芬.广东工业大学 2014
[8]基于Hadoop的海量传感数据管理系统[D]. 成飞龙.南京理工大学 2013
[9]面向云计算的设备故障诊断系统关键技术研究[D]. 王东方.郑州大学 2012
[10]基于成组技术的工时定额方法研究[D]. 邴韶妮.武汉理工大学 2010
本文编号：3463794
【文章来源】：中国工程物理研究院北京市
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图１．１制造大数据来源和特征??
?基于大数据分析的数控加工工时预测技术研究???研究背景｜｜?Ｍ内外??与意义?研宂现状??１?１???ｊ???第一章?绪论??????Ｉ?ｐ－数据获取??ｘｊ－ｒｒ．ｆｌ＇ｊ－?ｒ?工序编码??卜响丫分析」???第一章｜?ｓ于大￥据分析?数据清洗??数控加Ｉ：?Ｉ：时??预测框架?一数据＃储??￣Ｔ?ＬＭ－ＢＰ?????，?，?，?ｒ?ｒ．时预测模型??胃?Ｉ：时预测模型及?｜建立丄时ｕ?ｌ时预测Ｌ＿????一?｜优化算法研究ｒｉ?ｊ测模型模型优化???匕并行化ＬＭ－ＢＰ??数控加工工时??预测系统丌发??第五章?结论与展望??图１．２论文结构框架??９??
?基于大数据分析的数控加工工时预测技术研究???ｃ开始）???ｊ???确定工时影响因素???Ｉ???收集｜：时数据???ｊ???工时数据预处理???ｊ???训练工时预测模哨?？????５??????工时预测及匕ｊ果分．ｊ－ｇ?＾?＾??￣ｉ．￣???１??＼＾差要??Ｃ?＾?）??图２．２预测步骤流程图??（１）确定工序工时的影响因素。工序工时影响因素容易确定，包括加工工种、本??道工序的零件材料去除量、切削参数，工序工时的影响因素分析在下文２．２。??（２）收集与工序工时相关的制造大数据。数据是进行分析的基础和关键，对工序??工时进行预测是基于与工序工时相关的制造大数据，主要包括工序工时的影响因素数??据以及工序的实际加工工时。??（３）制造大数据预处理。收集与工序工时相关的制造大数据之后，这些数据中吋??能存在缺失、重复或者错误等问题，因此需要对制造大数据进行清洗。如果＋对制造??大数据进行预处理，就会降低数据的价值密度，增加后续数据处理的难度。??（４）建、Ｖ．丨：序工时预测模型。工时预测模型对工序Ｃ时的预测起卷至关市要的作??用。首先需要选定预测模型类型，工序工时的影响因素与工序Ｉ：时之间是非线性的关??１１??
【参考文献】：
期刊论文
[1]基于大数据分析的风机叶片结冰故障诊断[J]. 黎楚阳,朱孟兆,焦健,张炜,张玉波. 自动化与仪器仪表. 2020(03)
[2]基于PSO-BP神经网络的船体分段任务包工时定额模型[J]. 习立洋,吴娜,吉永军,周宏,蒋志勇,刘建峰. 船舶工程. 2020(02)
[3]基于大数据分析的风机轴承故障预警[J]. 李俊卿,王焕仲,季刚,马阳硕. 智慧电力. 2020(02)
[4]基于MES的工时采集与统计系统的研究与应用[J]. 代晓丽,江芸,祁国成,刘英,符云峰. 电子技术与软件工程. 2019(20)
[5]DE＿kmeans预测液压缸零件工时定额[J]. 潘彩霞,陆宝春,张均利. 机械设计与制造. 2019(04)
[6]基于大数据挖掘电量预测方法的创新及应用[J]. 徐俊,徐文辉,曾鑫,宋乐. 电力大数据. 2018(10)
[7]基于深度学习的高速铣削刀具磨损状态预测方法[J]. 林杨,高思煜,刘同舜,朱锟鹏. 机械与电子. 2017(07)
[8]基于结构特征的汽车模具部件工时定额标准化研究[J]. 柴晓微. 中国标准化. 2017(10)
[9]航空发动机叶片工时定额测算方法分析[J]. 郭凤国,原志翔. 科技创新与应用. 2017(11)
[10]一种基于案例推理的集成式工时估算方法[J]. 赵小燕,宋栓军. 机械制造. 2016(12)
硕士论文
[1]基于大数据分析的电子制造装备状态评估方法研究[D]. 苏欣.哈尔滨工业大学 2019
[2]基于大数据分析的切削加工过程优化方法[D]. 尹树彬.哈尔滨理工大学 2019
[3]基于大数据分析与LASSO分位数回归的电力负荷概率密度预测方法[D]. 秦杨.合肥工业大学 2019
[4]多品种小批量制造企业工时定额制定方法研究[D]. 吕闯.大连理工大学 2017
[5]基于大数据分析的风电机组运行状态评估方法研究[D]. 江顺辉.华侨大学 2016
[6]基于数据挖掘技术的生产调度问题研究[D]. 王成龙.浙江大学 2015
[7]基于大数据的制造运行监测与分析平台研究[D]. 王淑芬.广东工业大学 2014
[8]基于Hadoop的海量传感数据管理系统[D]. 成飞龙.南京理工大学 2013
[9]面向云计算的设备故障诊断系统关键技术研究[D]. 王东方.郑州大学 2012
[10]基于成组技术的工时定额方法研究[D]. 邴韶妮.武汉理工大学 2010
本文编号：3463794
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3463794.html
