CN114187129B - 一种用于机械产品制造的智能流程排定方法及*** - Google Patents
一种用于机械产品制造的智能流程排定方法及*** Download PDFInfo
- Publication number
- CN114187129B CN114187129B CN202111350497.6A CN202111350497A CN114187129B CN 114187129 B CN114187129 B CN 114187129B CN 202111350497 A CN202111350497 A CN 202111350497A CN 114187129 B CN114187129 B CN 114187129B
- Authority
- CN
- China
- Prior art keywords
- processing
- cost
- product
- process flow
- production
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 301
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 136
- 238000012545 processing Methods 0.000 claims abstract description 328
- 238000010801 machine learning Methods 0.000 claims description 25
- 238000003754 machining Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000005520 cutting process Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 11
- 238000010438 heat treatment Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 238000012946 outsourcing Methods 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 6
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000029305 taxis Effects 0.000 claims description 3
- 206010063385 Intellectualisation Diseases 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种用于机械产品制造的智能流程排定方法及***。方法包括:获取关于产品图纸的图纸数据和加工该产品所需的工艺数据,排定出加工该产品的工艺流程方案,计算各工艺流程方案的加工成本,并按加工成本大小排定优先顺序;输入产品的生产数量,从预设智能排产***中导入生产线的排产计划,分析各工艺流程方案在生产线的排产计划下、完成生产数量所需的加工完成时间以及最佳投产时间。本发明利用加工流程排定模块获取产品的工艺流程方案,实现工艺流程排定智能化。无需人工进行工艺流程的排定,极大降低了错误率,提高了加工流程排定的准确率和效率。
Description
技术领域
本发明涉及机械制造领域,特别涉及一种用于机械产品制造的智能流程排定方法及***。
背景技术
DFM(Design for manufacturability),意思是面向制造的设计,即从提高零件的可制造性入手,使得零件和各种工艺容易制造,制造成本低,效率高。DFM是指产品设计需要满足产品制造的要求,具有良好的可制造性,使得产品以最低的成本、最短的时间、最高的质量制造出来。
当今的DFM是并行工程的核心技术,因为设计与制造是产品生命周期中最重要的两个环节,并行工程就是在开始设计时就要考虑产品的可制造性和可装配性等因素。所以DFM又是并行工程中最重要的支持工具。它的关键是设计信息的工艺性分析、制造合理性评价和改进设计的建议。
传统的机械加工产品成本计算需依靠企业技术人员进行图纸评估、可制造性设计分析、加工流程建立、成本计算等繁琐复杂手续。工序的建立与排定至关重要。尤其是在离散型制造业,呈现出多目标、多约束、动态随机的环境条件,工序排定是一个极其复杂的大***问题。工序工艺的特定要求可以罗列出成千上万。排程中如果遇到相对重要的约束没有考虑进去,其结果就不可执行。依靠人工进行工序排定和成本计算,很容易出现计算错误的问题,尤其是工序排定,计算繁琐、极易出错。因此,传统的机械加工产品普遍存在评估错误率高、评估效率低等问题。
现有技术中出现了一些自动报价软件,但这些自动报价软件只能在预设方案下协助企业解决成本计算部份。同时,此类软件还需要有丰富经验的技术人员事先作出加工流程排定等工作,未能完全解决前述问题。
因此,急需一种无需人工即可实现加工流程排定的方案来解决上述问题。
发明内容
有鉴于此,本发明提出了一种用于机械产品制造的智能流程排定方法及***,具体方案如下:
一种用于机械产品制造的智能流程排定方法,包括如下:
获取从产品图纸中分离出的图纸数据以及产品的一种或多种初始加工流程,所述初始加工流程中包括至少一道加工工序,从预设工艺资料库中获取各道加工工序所需的工艺数据;所述工艺数据包括设备数据和加工参数;
逐一判断以所述初始加工流程能否完整加工出所述产品:若能,则将该初始加工流程作为工艺流程方案;若不能,则根据所述图纸数据和所述工艺数据调整所述初始加工流程中的加工工序,得到能完整加工出所述产品的工艺流程方案;
导出各所述工艺流程方案中加工工序的加工参数,配合预设加工编程软件计算出各所述工艺流程方案的加工时间,进而推导出各所述工艺流程方案的加工成本;
输入所述产品的生产数量,从预设智能排产***中导入生产线的排产计划,分析各所述工艺流程方案在所述生产线的排产计划下、完成所述生产数量的产品的加工完成时间以及最佳投产时间;
以预设格式输出各所述工艺流程方案及其相应的加工成本、加工完成时间和最佳投产时间。
在一个具体实施例中,还包括:
从预设材料资料库中获取产品的材料成本,从预设辅助成本资料库中获取产品的辅助成本,综合所述加工成本、所述材料成本和所述辅助成本得到各所述工艺流程方案的总成本;
以预设格式输出所述总成本;
所述辅助成本包括工具成本、工时成本、非直接生产物料成本、外购件成本、辅料成本、表面加工成本、热处理成本、检查成本、包装成本。
在一个具体实施例中,所述设备数据包括加工设备的有效进程、调机时间、转速;
所述加工参数包括所需刀具、所需刀具对应不同材料的切削率、加工尺寸范围、加工类型、损耗率。
在一个具体实施例中,所述预设格式为报价单,所述报价单上还包括利润、税金、运输费用和有效期;
所述有效期用以保证各所述工艺流程方案的最佳投产时间和加工完成时间在限定时间内有效。
在一个具体实施例中,基于单件产品的总成本和完成时间,所述报价单上包括第一选项和第二选项;
所述第一选项对应的工艺流程方案中,总成本最低;
所述第二选项对应的工艺流程方案中,加工完成时间最短。
在一个具体实施例中,各所述工艺流程方案单件产品的加工成本包括单件调机成本、单件加工成本和单件刀具成本;
所述单件加工成本基于所述加工时间与单位时间的费用得出,根据切削率和切削体积计算所述加工时间,所述切削体积为加工样本加工成所述产品需要切割的体积,综合图纸加工精度、加工材料、加工性质、刀具种类、加工设备种类可获取所述切削率;
所述单件调机成本基于调机时间和设备种类获得;
所述单件刀具成本基于所需刀具的种类、使用时间获得。
在一个具体实施例中,所述初始加工流程的获取过程包括:
基于产品图纸获取产品的外形特征;
通过预训练的机器学习算法,在预设的样本资料库中查找与所述产品相比、在外形特征上满足预设条件的一个或多个图纸样本,并将其作为第一图纸样本;其中,所述样本资料库中存储有多个已排定加工流程、且按外形特征分类的图纸样本;
将所有的所述第一图纸样本的加工流程作为所述产品的初始加工流程;
若查找不出与所述产品相比、在外形特征上满足预设条件的图纸样本,则通过所述机器学习算法根据所述产品上的外形特征自行排定出一种或多种初始加工流程;
其中,所述机器学习算法的训练过程具体包括:
将已建立加工流程的图纸数据按照外形特征进行分类,得到图纸样本,存储到预设的样本资料库中;
基于所述训练样本,对初始机器学习算法进行有监督训练,得到所述机器学习算法。
一种用于机械产品制造的智能流程排定***,包括,
数据获取模块:用于获取从产品图纸中分离出的图纸数据以及产品的一种或多种初始加工流程,所述初始加工流程中包括至少一道加工工序,从预设工艺资料库中获取各道加工工序所需的工艺数据;所述工艺数据包括设备数据和加工参数;
加工流程排定模块:用于逐一判断以所述初始加工流程能否完整加工出所述产品:若能,则将该初始加工流程作为工艺流程方案;若不能,则根据所述图纸数据和所述工艺数据调整所述初始加工流程中的加工工序,得到能完整加工出所述产品的工艺流程方案;
导出各所述工艺流程方案中加工工序的加工参数,配合预设加工编程软件计算出各所述工艺流程方案的加工时间,进而推导出各所述工艺流程方案的加工成本;
输入所述产品的生产数量,从预设智能排产***中导入生产线的排产计划,分析各所述工艺流程方案在所述生产线的排产计划下、完成所述生产数量的产品的加工完成时间以及最佳投产时间;
输出模块:用于以预设格式输出各所述工艺流程方案及其相应的加工成本、加工完成时间和最佳投产时间。
在一个具体实施例中,还包括,
总成本计算模块:用于从预设材料资料库中获取产品的材料成本,从预设辅助成本资料库中获取产品的辅助成本,综合所述加工成本、所述材料成本和所述辅助成本得到各所述工艺流程方案的总成本;
所述辅助成本包括工具成本、工时成本、非直接生产物料成本、外购件成本、辅料成本、表面加工成本、热处理成本、检查成本、包装成本;
输出模块:还用于以预设格式输出各所述工艺流程方案的总成本。
在一个具体实施例中,所述输出模块具体包括:
所述预设格式为报价单;
所述报价单上包括利润、税金、运输费用和有效期,所述有效期保证产品的最佳投产时间和加工完成时间在限定时间内有效;
基于单件产品的总成本和完成时间,所述报价单上还包括第一选项和第二选项;
所述第一选项对应的工艺流程方案中,总成本最低;
所述第二选项对应的工艺流程方案中,加工完成时间最短。
有益效果:
本发明提供了一种用于机械产品制造的智能流程排定方法及***,利用加工流程排定模块获取产品的工艺流程方案,无需人工进行工艺流程的排定,极大降低了错误率,提高了加工流程排定的准确率和效率。同时,加工流程排定模块计算出各个工艺流程方案的加工成本,总成本计算模块计算产品加工的总成本,用户可直观的获取各个工艺流程方案的成本数据,减少因人工计算而导致的错误率。按照加工成本设定优先级,辅助用户选择合适的工艺流程方案。
附图说明
图1是本发明实施例提出的智能流程排定方法流程示意图;
图2是本发明实施例提出的智能流程排定部分原理示意图;
图3是本发明实施例提出的有效加工流程方案示例图;
图4是本发明实施例提出的排产计划示例图;
图5是本发明实施例提出的智能流程排定***模块示意图。
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
附图标记:1-数据获取模块;2-加工流程排定模块;3-总成本计算模块;4-输出模块。
具体实施方式
在下文中,将更全面地描述本发明公开的各种实施例。本发明公开可具有各种实施例,并且可在其中做出调整和改变。然而,应理解:不存在将本发明公开的各种实施例限于在此公开的特定实施例的意图,而是应将本发明公开理解为涵盖落入本发明公开的各种实施例的精神和范围内的所有调整、等同物和/或可选方案。
在本发明公开的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本发明公开的各种实施例。如在此所使用,单数形式意在也包括复数形式,除非上下文清楚地另有指示。除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明公开的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本发明公开的各种实施例中被清楚地限定。
实施例1
本发明实施例1公开了一种用于机械产品制造的智能流程排定方法,通过软件实现可制造性设计分析智能化,无需人工分析。方法的流程示意图如说明书附图1所示,具体方案如下:
一种用于机械产品制造的智能流程排定方法,包括如下步骤:
101、获取从产品图纸中分离出的图纸数据以及产品的一种或多种初始加工流程,初始加工流程中包括至少一道加工工序,从预设工艺资料库中获取各道加工工序所需的工艺数据。
102、逐一判断以初始加工流程能否完整加工出产品:若能,则将该初始加工流程作为工艺流程方案;若不能,则根据图纸数据和工艺数据调整初始加工流程中的加工工序,得到能完整加工出产品的工艺流程方案;工艺数据包括设备数据和加工参数;导出各工艺流程方案中加工工序的加工参数,配合预设加工编程软件计算出各工艺流程方案的加工时间,进而推导出各工艺流程方案的加工成本。
103、输入产品的生产数量,从预设智能排产***中导入生产线的排产计划,分析各工艺流程方案在生产线的排产计划下、完成生产数量的产品的加工完成时间以及最佳投产时间。
104、从预设材料资料库中获取产品的材料成本,从预设辅助成本资料库中获取产品的辅助成本,综合加工成本、材料成本和辅助成本得到各工艺流程方案的总成本。
105、以预设格式输出各工艺流程方案及其相应的加工成本、加工完成时间、最佳投产时间及总成本。
本实施例提供的一种用于机械产品制造的智能流程排定方法,主要包括数据获取、加工流程排定和成本计算三部分,各部分无需人工参与,即可自动实现流程排定智能化。三部分的原理流程图如说明书附图2所示。
具体地,步骤101、获取从产品图纸中分离出的图纸数据以及产品的一种或多种初始加工流程,初始加工流程中包括至少一道加工工序,从预设工艺资料库中获取各道加工工序所需的工艺数据。在本实施例中,图纸数据包括图像数据和字符数据,可从预设图像资料库中获取关于产品图纸的图像数据,从预设字符资料库中获取关于产品图纸的字符数据。
图像数据可由预设的识别算法对产品图纸进行图文分离预处理获得。通过识别算法对产品图纸进行图文分离预处理,能够获取产品图纸上的字符数据和图像数据。字符数据包括字符和字符在预设坐标系中的第一坐标数据,图像数据包括图像和图像在预设坐标系中的第二坐标数据。图像仅包括产品的产品线,产品线即为描述产品形状的线条。字符包括材料、产品尺寸、尺寸界线和尺寸线、几何特征符号、参考基准、价格特征、表面加工要求、形状和位置公差范围值等,除产品线以外的信息都可归为字符。字符表示产品的信息,图像表示产品的形状。可将字符和第一坐标数据存储到预设的字符资料库,将图像和第二坐标数据存储到图像资料库,方便图纸分析模块对图纸信息的获取。示例性的,可将字符和第一坐标数据以txt格式存储到字符资料库,将图像和第二坐标数据以dwg格式存储到图像资料库。
在本实施例中,工艺资料库存储有各项加工工艺的工艺数据,如调机时间、材料切削率、加工参数、使用刀具等。在本实施例中,工艺数据包括设备数据和加工参数,设备数据包括加工设备的有效进程、调机时间、转速;加工参数包括所需刀具、所需刀具对应不同材料的切削率、加工尺寸范围、加工类型、损耗率。
在本实施例中,产品的初始加工流程包括至少一道加工工序,按照初始加工流程可以特定的完整性加工出该产品。通过预训练的机器学习算法对图纸数据进行分析处理得到产品的初始加工流程。初始加工流程的获取过程如下:首先,基于图纸数据构建产品的三维模型,获取产品的外形特征。其次,通过预训练的机器学习算法,在预设的样本资料库中查找与产品相比、在外形特征上满足预设条件的一个或多个图纸样本,并将其作为第一图纸样本。最后,将所有的第一图纸样本的加工流程作为产品的初始加工流程。若查找不出与产品相比、在外形特征上满足预设条件的图纸样本,则通过机器学习算法根据产品上的外形特征自行排定一种或多种初始加工流程。因此,产品的初始加工流程包括一种或多种,且并非所有的初始加工流程都能完整加工出该产品,在后续的步骤102需要判断各项初始加工流程能否完整加工出产品。
机器学习算法的训练过程具体包括:将已建立加工流程的图纸数据按照外形特征进行分类,得到图纸样本,存储到预设的样本资料库中;基于训练样本,对初始机器学习算法进行有监督训练,得到机器学习算法。在本实施例中,机器学习算法经过了数以万计的图纸样本的有监督训练,事实上已经具备了根据外形特征构建加工流程的能力。因此,当找不到合适图纸样本进行借鉴时,即查找不出与产品相比、在外形特征上满足预设条件的图纸样本,机器学习算法可自行排定出一种或多种加工流程。在实际应用中,机器学习算法自行排定出的加工流程,还需人工进行确认。
在实际应用中,样本资料库中存储了数十万的图纸样本,几乎囊括了各种零件结构的加工流程。当输入图纸数据时,算法会根据图纸数据得到产品的外形特征,从样本资料库中查找与该图纸数据描绘的产品一模一样的图纸样本,庞大的样本基数使得这一情况存在可能。当无法找到一模一样的图纸样本时,则退而求其次,查找与产品相似的图纸样本。例如,与产品相比,该图纸样本仅在某一尺寸上或某一角度上存在偏差、缺失或多了某一结构等,只需在后续加工时微调一下参数即可得到产品,此时也可借鉴该图纸样本的加工流程。由于样本基数较大,可能会存在多个与产品相比、在外形特征的相似程度上满足预设比例关系的图纸样本,此时需要筛选出最相似的一个或多个。其中,预设比例关系用于描述图纸样本与产品的相似程度的合格范围。在本实施例中,可根据实际的加工情况自行设定预设比例关系,加工精度不同、预设比例关系可酌情进行调整。
具体地,102、逐一判断以初始加工流程能否完整加工出产品:若能,则将该初始加工流程作为工艺流程方案;若不能,则根据图纸数据和工艺数据调整初始加工流程中的加工工序,得到能完整加工出产品的工艺流程方案;工艺数据包括设备数据和加工参数;导出各工艺流程方案中加工工序的加工参数,配合预设加工编程软件计算出各工艺流程方案的加工时间,进而推导出各工艺流程方案的加工成本。
步骤102主要负责排定出加工该产品的一种或多种工艺流程方案,计算各工艺流程方案的加工成本。需要先对步骤101获取的初始加工流程进行判定,对不能根据产品的图纸数据完整加工出该产品的初始加工流程进行修改,根据图纸数据和工艺数据对该初始加工流程的各道加工工序进行修改调整,得到能完整加工出产品的工艺流程方案。例如,初始加工流程A是根据图纸样本a得到的,图纸样本a呈现出的外形特征与产品的外形特征基本一致,只在某凹槽深度上不一致。***判定该初始加工流程无法加工出与图纸数据一致的产品,根据图纸数据和工艺数据,找到加工该凹槽的加工工序,通过调整加工设备,使加工出的凹槽与图纸数据保持一致。
在步骤101之前,还包括选择材料方案,材料方案中有材料样本,可通过加工材料样本得到产品。加工流程排定模块可通过算法分析产品的图纸数据,根据图像上各部分的特征,采用预设的加工规则对材料样本进行“加工”,以得到所需的产品。在本实施例中,预设的加工规则包括常见的加工工艺,如通过何种工艺可得到何种形状。
由于产品的加工通常需要多道加工工序协同操作,加工工序之间存在可调换的可能,不同的加工工序可能会实现相同的加工效果,但加工成本可能不同。而在本实施例中,根据初始加工流程得到工艺流程方案,不会改变加工工序。初始加工流程是大多参考借鉴图纸样本中的加工流程,机器学习算法可根据预设经验设定最优化的加工流程,当学习的次数够多,便可大大减省工程及排产人员的工作量。因此,获得的初始加工流程便已经是算法根据图纸样本学习出的最优化的加工流程,进而得到工艺流程方案也是最优的方案。
当加工流程排定模块排定出了多种工艺流程方案,则需设定一个优先顺序。加工流程排定模块能够计算每个工艺流程方案的加工成本。在本实施例中,通过对多种工艺流程方案按照加工成本进行排序,设定优先顺序。优选地,加工成本越低,则优先级越高。工艺流程方案的优先级,只是辅助技术人员进行选择,为技术人员提供选择依据。
各工艺流程方案的加工成本计算包括:导出各工艺流程方案中加工工序的加工参数,配合预设加工编程软件计算出各工艺流程方案的加工时间,进而推导出各工艺流程方案的加工成本。各工艺流程方案单件产品的加工成本主要包括单件调机成本、单件加工成本和单件刀具成本,三种成本之和就构成了主要的加工成本。
单件加工成本可基于加工时间与单位时间的费用得出,加工时间与单位时间的费用之间的乘积即为单件加工成本。加工时间基本是从切削率及切削体积计算出来,切削体积为加工样本加工成产品需要切割的体积,综合图纸加工精度、加工材料、加工性质、刀具种类、加工设备种类可获取切削率。
此外,在用加工设备加工一款产品前都需要进行调机,调机时间的长短与设备种类有较大关系,不同加工设备的调机时间不同。单件调机成本基于调机时间和设备种类获得。而单件刀具成本可基于所需刀具的种类、使用时间获得。
具体地,103、输入产品的生产数量,从预设智能排产***中导入生产线的排产计划,分析各工艺流程方案在生产线的排产计划下、完成生产数量所需的加工完成时间以及最佳投产时间。
生产数量即为产品所要生产的数量。当产品需要大批量生产,需要占用加工设备大量的时间,影响其它产品的加工,此时需要综合各加工设备的加工时间进行排产。
在本实施例中,通过智能排产***获取生产线的排产计划。智能排产***能够综合生产线的生产能力和产品的紧急状态,科学合理地分配生产资源。排产计划的复杂程度主要由资源、物料清单、流程的情况决定的。例如,当存在几百种产品混线生产时,排产计划就会非常复杂,再加上动态的资源(例如模具、工装、人员的约束和变量)、物料结构的复杂性以及特定的一些时间的约束,更加难以获得一个基本的排产计划。通过智能排产***获取生产线的排产计划,利用计算机数据存储、传递、演绎、纠错和交换方便的特点,实现自动化排产,科学合理地分配生产资源。
加工流程排定模块根据生产线的排产计划,计算生产该产品所需的加工时间,同时基于排产计划查找最佳投产时间,以使产品的加工过程最优,且不影响其它产品的生产。在本实施例中,将各个工艺流程方案的加工成本、最佳投产时间和完成时间都保存至预设的流程方案资料库中,方便其它模块进行获取。
具体地,104、从预设材料资料库中获取产品的材料成本,从预设辅助成本资料库中获取产品的辅助成本,综合加工成本、材料成本和辅助成本得到各工艺流程方案的总成本。105、以预设格式输出各工艺流程方案及其相应的加工成本、加工完成时间和最佳投产时间。
其中,辅助成本即为产品生产过程中与成本有关的数据,包括工具成本、工时成本、非直接生产物料成本、外购件成本、辅料成本、表面加工成本、热处理成本、检查成本、包装成本。需要说明的是,本实施例的辅助成本表示除加工成本以外的成本。辅助成本所占的份额可能会直接影响产品的竞争力。
在本实施例中,预设格式为报价单。报价单输出各项工艺流程方案及其对应的加工成本、总成本、加工完成时间和最佳投产时间。报价单上还包括利润、税金、运输费用。同时,考虑到生产线的排产计划可能会在某些因素的影响下发生变动,因此报价单还配置了有效期,以保证产品的最佳投产时间和加工完成时间在限定时间内有效。
在具体应用中,企业的目标是多样化的。有些企业关注产品的生产成本,有些企业则看重完成日期。针对不同的企业需求,本实施例设置不同的选项,供企业进行选择。
示例性的,基于单件产品的总成本和完成时间,输出包括第一选项和第二选项。第一选项对应的工艺流程方案中,产品的总成本最低,但价格时间可能较长;第二选项对应的工艺流程方案中,产品的加工完成时间最短,但总成本可能较高。还可设置第三选项、第四选项等,综合总成本和加工时间,辅助企业进行选择。
示例性的,***提出了两个的有效加工流程方案,分别为方案1和方案2。说明书附图3提供了有效加工流程方案示例图。方案1需要依次进行工艺A、工艺B、工艺F;方案2需要依次进行工艺A、工艺C、工艺D、工艺E、工艺F。在方案1和方案2中,工艺B和工艺C、工艺D、工艺E分别为主要加工工序,其余的工艺为开料、除披锋、检查等常规工艺。因此,工艺B和工艺C、工艺D、工艺E的加工时间尤为重要。从图4排产计划示例图所示,方案1为***优选的最短加工流程,加工时间仅需1天便能完成,但经过自动排产***排期后发现,当前工艺B的相应设备已被其他产品占用,要到第5天才可安排生产。相反,虽然方案2的整体加工时间比方案1为长,但相应排期较早完成。因此***便会选择方案2作为补选。
同时***会计算获得所述两个工艺流程方案所需的成本,再从中选出最低成本的方案。假如***经过成本计算得出方案2比方案1为低时,加工流程方案2便定为的加工成本最低的方案。最后,***会以报价单的形式输出两个选项,分别为加工完成时间最短的工艺流程方案和加工成本最低的工艺流程方案。
在本实施例中,获取产品的加工方案之前,还包括对产品进行DFM处理;DFM处理包括对产品图纸进行分析,若产品不可用预设加工设备制造或客户期望以最经济的成本制造时,则生成可制造性建议,并在产品图纸上进行标注。标注后的产品图纸随报价单一并输出。
DFM处理具体包括:获取产品的图纸分析数据,从预设的设备信息资料库中获取预设加工设备的加工能力,设备信息资料库存储有多种加工设备。基于加工能力和图纸分析数据,根据预设可制造性条件分析利用加工设备能否对产品进行加工制造。若能,则进行后续的加工处理。若不能,则跳转至预设的图像化DFM模块进行图像化DFM处理。
图像化DFM处理包括:针对产品不符合的可制造性条件,查找产品图纸的可改正处,得到可制造性建议。从预设资料库中获取坐标数据和图纸影像,根据坐标数据查找可改正处在图纸影像上的坐标位置,并在坐标位置处标注可制造性建议;输出标注后的图纸影像得到图像反馈结果。技术人员根据图像反馈结果,进行适应性的修改。
本实施例提供了一种用于机械产品制造的智能流程排定方法,利用加工流程排定模块获取产品的工艺流程方案,无需人工进行工艺流程的排定,极大降低了错误率,提高了加工流程排定的准确率和效率。同时,加工流程排定模块计算出各个工艺流程方案的加工成本,总成本计算模块计算产品加工的总成本,用户可直观的获取各个工艺流程方案的成本数据,减少因人工计算而导致的错误率。按照加工成本设定优先级,辅助用户选择合适的工艺流程方案。
实施例2
本发明实施例2公开了一种用于机械产品制造的智能流程排定***,采用实施例1所提供的一种用于机械产品制造的智能流程排定方法。在实施例1的基础上,将实施例1的方法***化,各模块结构示意图如说明书附图5所示,具体方案如下:
一种用于机械产品制造的智能流程排定***,包括数据获取模块、加工流程排定模块和总成本计算模块。各模块的具体应用如下所述:
数据获取模块1:用于获取从产品图纸中分离出的图像数据以及产品的一种或多种初始加工流程,初始加工流程中包括至少一道加工工序,从预设工艺资料库中获取各道加工工序所需的工艺数据。
加工流程排定模块2:用于逐一判断以初始加工流程能否完整加工出产品:若能,则将该初始加工流程作为工艺流程方案;若不能,则根据图像数据和工艺数据调整初始加工流程中的加工工序,得到能完整加工出产品的工艺流程方案;工艺数据包括设备数据和加工参数;导出各工艺流程方案中加工工序的加工参数,配合预设加工编程软件计算出各工艺流程方案的加工时间,进而推导出各工艺流程方案的加工成本;输入产品的生产数量,从预设智能排产***中导入生产线的排产计划,分析各工艺流程方案在生产线的排产计划下、完成生产数量的产品的加工完成时间以及最佳投产时间;
总成本计算模块3:用于从预设材料资料库中获取产品的材料成本,从预设辅助成本资料库中获取产品的辅助成本,综合加工成本、材料成本和辅助成本得到各工艺流程方案的总成本;其中,辅助成本包括工具成本、工时成本、非直接生产物料成本、外购件成本、辅料成本、表面加工成本、热处理成本、检查成本、包装成本。
输出模块4:用于以预设格式输出各所述工艺流程方案及其相应的加工成本、总成本、加工完成时间和最佳投产时间。
在本实施例中,输出模块4的预设格式为报价单。其中,报价单上包括利润、税金、运输费用、产品的最佳投产时间和加工完成时间;还包括有效期,以保证产品的最佳投产时间和加工完成时间在限定时间内有效。
在具体应用中,企业的目标是多样化的。有些企业关注产品的生产成本,有些企业则看重完成日期。针对不同的企业需求,本实施例设置不同的选项,供企业进行选择。
示例性的,基于单件产品的总成本和完成时间,输出模块4还包括第一选项和第二选项。第一选项对应的工艺流程方案中,产品的总成本最低,但加工时间较长;第二选项对应的工艺流程方案中,产品的加工完成时间最短,但总成本较高。还可设置第三选项、第四选项等,综合总成本和加工完成时间,辅助企业进行选择。
本实施例提供了一种用于机械产品制造的智能流程排定***,采用实施例1所提供的一种用于机械产品制造的智能流程排定方法。在实施例1的基础上,将实施例1的方法***化,使其更具实际应用性。
本发明提供了一种用于机械产品制造的智能流程排定方法及***,利用加工流程排定模块获取产品的工艺流程方案,无需人工进行工艺流程的排定,极大降低了错误率,提高了加工流程排定的准确率和效率。同时,加工流程排定模块计算出各个工艺流程方案的加工成本,总成本计算模块计算产品加工的总成本,用户可直观的获取各个工艺流程方案的成本数据,减少因人工计算而导致的错误率。按照加工成本设定优先级,辅助用户选择合适的工艺流程方案。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本发明所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。上述本发明序号仅仅为了描述,不代表实施场景的优劣。以上公开的仅为本发明的几个具体实施场景,但是,本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (9)
1.一种用于机械产品制造的智能流程排定方法,其特征在于,包括如下:
获取从产品图纸中分离出的图纸数据以及产品的一种或多种初始加工流程,所述初始加工流程中包括至少一道加工工序,从预设工艺资料库中获取各道加工工序所需的工艺数据;所述工艺数据包括设备数据和加工参数;
逐一判断以所述初始加工流程能否完整加工出所述产品:若能,则将该初始加工流程作为工艺流程方案;若不能,则根据所述图纸数据和所述工艺数据调整所述初始加工流程中的加工工序,得到能完整加工出所述产品的工艺流程方案;
导出各所述工艺流程方案中加工工序的加工参数,配合预设加工编程软件计算出各所述工艺流程方案的加工时间,进而推导出各所述工艺流程方案的加工成本;
输入所述产品的生产数量,从预设智能排产***中导入生产线的排产计划,分析各所述工艺流程方案在所述生产线的排产计划下、完成所述生产数量的产品的加工完成时间以及最佳投产时间;
以预设格式输出各所述工艺流程方案及其相应的加工成本、加工完成时间和最佳投产时间;
所述初始加工流程的获取过程包括:
基于产品图纸获取产品的外形特征;
通过预训练的机器学习算法,在预设的样本资料库中查找与所述产品相比、在外形特征上满足预设条件的一个或多个图纸样本,并将其作为第一图纸样本;其中,所述样本资料库中存储有多个已排定加工流程、且按外形特征分类的图纸样本;
将所有的所述第一图纸样本的加工流程作为所述产品的初始加工流程;
若查找不出与所述产品相比、在外形特征上满足预设条件的图纸样本,则通过所述机器学习算法根据所述产品上的外形特征自行排定出一种或多种初始加工流程;
其中,所述机器学习算法的训练过程具体包括:
将已建立加工流程的图纸数据按照外形特征进行分类,得到图纸样本,存储到预设的样本资料库中;
基于所述图纸样本,对初始机器学习算法进行有监督训练,得到所述机器学习算法。
2.根据权利要求1所述的智能流程排定方法,其特征在于,还包括:
从预设材料资料库中获取产品的材料成本,从预设辅助成本资料库中获取产品的辅助成本,综合所述加工成本、所述材料成本和所述辅助成本得到各所述工艺流程方案的总成本;
以预设格式输出所述总成本;
所述辅助成本包括工具成本、工时成本、非直接生产物料成本、外购件成本、辅料成本、表面加工成本、热处理成本、检查成本、包装成本。
3.根据权利要求1所述的智能流程排定方法,其特征在于,所述设备数据包括加工设备的有效进程、调机时间、转速;
所述加工参数包括所需刀具、所需刀具对应不同材料的切削率、加工尺寸范围、加工类型、损耗率。
4.根据权利要求1或2所述的智能流程排定方法,其特征在于,所述预设格式为报价单,所述报价单上还包括利润、税金、运输费用和有效期;
所述有效期用以保证各所述工艺流程方案的最佳投产时间和加工完成时间在限定时间内有效。
5.根据权利要求4所述的智能流程排定方法,其特征在于,基于单件产品的总成本和完成时间,所述报价单上包括第一选项和第二选项;
所述第一选项对应的工艺流程方案中,总成本最低;
所述第二选项对应的工艺流程方案中,加工完成时间最短。
6.根据权利要求1所述的智能流程排定方法,其特征在于,各所述工艺流程方案单件产品的加工成本包括单件调机成本、单件加工成本和单件刀具成本;
所述单件加工成本基于所述加工时间与单位时间的费用得出,根据切削率和切削体积计算所述加工时间,所述切削体积为加工样本加工成所述产品需要切割的体积,综合图纸加工精度、加工材料、加工性质、刀具种类、加工设备种类可获取所述切削率;
所述单件调机成本基于调机时间和设备种类获得;
所述单件刀具成本基于所需刀具的种类、使用时间获得。
7.一种用于机械产品制造的智能流程排定***,其特征在于,包括,
数据获取模块:用于获取从产品图纸中分离出的图纸数据以及产品的一种或多种初始加工流程,所述初始加工流程中包括至少一道加工工序,从预设工艺资料库中获取各道加工工序所需的工艺数据;所述工艺数据包括设备数据和加工参数;
加工流程排定模块:用于逐一判断以所述初始加工流程能否完整加工出所述产品:若能,则将该初始加工流程作为工艺流程方案;若不能,则根据所述图纸数据和所述工艺数据调整所述初始加工流程中的加工工序,得到能完整加工出所述产品的工艺流程方案;
导出各所述工艺流程方案中加工工序的加工参数,配合预设加工编程软件计算出各所述工艺流程方案的加工时间,进而推导出各所述工艺流程方案的加工成本;
输入所述产品的生产数量,从预设智能排产***中导入生产线的排产计划,分析各所述工艺流程方案在所述生产线的排产计划下、完成所述生产数量的产品的加工完成时间以及最佳投产时间;
输出模块:用于以预设格式输出各所述工艺流程方案及其相应的加工成本、加工完成时间和最佳投产时间;
所述初始加工流程的获取过程包括:基于产品图纸获取产品的外形特征;通过预训练的机器学习算法,在预设的样本资料库中查找与所述产品相比、在外形特征上满足预设条件的一个或多个图纸样本,并将其作为第一图纸样本;其中,所述样本资料库中存储有多个已排定加工流程、且按外形特征分类的图纸样本;将所有的所述第一图纸样本的加工流程作为所述产品的初始加工流程;若查找不出与所述产品相比、在外形特征上满足预设条件的图纸样本,则通过所述机器学习算法根据所述产品上的外形特征自行排定出一种或多种初始加工流程;
其中,所述机器学习算法的训练过程具体包括:将已建立加工流程的图纸数据按照外形特征进行分类,得到图纸样本,存储到预设的样本资料库中;基于所述图纸样本,对初始机器学习算法进行有监督训练,得到所述机器学习算法。
8.根据权利要求7所述的智能流程排定***,其特征在于,还包括,
总成本计算模块:用于从预设材料资料库中获取产品的材料成本,从预设辅助成本资料库中获取产品的辅助成本,综合所述加工成本、所述材料成本和所述辅助成本得到各所述工艺流程方案的总成本;
所述辅助成本包括工具成本、工时成本、非直接生产物料成本、外购件成本、辅料成本、表面加工成本、热处理成本、检查成本、包装成本;
输出模块:还用于以预设格式输出各所述工艺流程方案的总成本。
9.根据权利要求8所述的智能流程排定***,其特征在于,所述输出模块具体包括:
所述预设格式为报价单;
所述报价单上包括利润、税金、运输费用和有效期,所述有效期保证产品的最佳投产时间和加工完成时间在限定时间内有效;
基于单件产品的总成本和完成时间,所述报价单上还包括第一选项和第二选项;
所述第一选项对应的工艺流程方案中,总成本最低;
所述第二选项对应的工艺流程方案中,加工完成时间最短。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111350497.6A CN114187129B (zh) | 2021-11-15 | 2021-11-15 | 一种用于机械产品制造的智能流程排定方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111350497.6A CN114187129B (zh) | 2021-11-15 | 2021-11-15 | 一种用于机械产品制造的智能流程排定方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114187129A CN114187129A (zh) | 2022-03-15 |
CN114187129B true CN114187129B (zh) | 2022-09-27 |
Family
ID=80602167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111350497.6A Active CN114187129B (zh) | 2021-11-15 | 2021-11-15 | 一种用于机械产品制造的智能流程排定方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114187129B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117032150B (zh) * | 2023-10-09 | 2023-12-12 | 南通弘铭机械科技有限公司 | 一种机械加工车间的智慧生产调度方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289743A (zh) * | 2011-08-10 | 2011-12-21 | 易达康(南京)信息***有限公司 | 产品生产工艺流程计算机仿真***及方法 |
CN110766477A (zh) * | 2019-10-31 | 2020-02-07 | 四川长虹电器股份有限公司 | 基于生产排程和工艺排配的机械加工订单报价方法 |
JP2021022329A (ja) * | 2019-07-30 | 2021-02-18 | 株式会社エフエーサービス | 板金加工原価管理装置及び板金加工原価管理方法 |
CN112766780A (zh) * | 2021-01-27 | 2021-05-07 | 像心科技(上海)有限公司 | 一种基于大数据机器学习的高级计划排程***及方法 |
CN113177732A (zh) * | 2021-05-20 | 2021-07-27 | 中船黄埔文冲船舶有限公司 | 一种工艺流程管理方法、装置、介质及终端设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580026A (zh) * | 2019-09-18 | 2019-12-17 | 工业云制造(四川)创新中心有限公司 | 一种智能制造mes*** |
-
2021
- 2021-11-15 CN CN202111350497.6A patent/CN114187129B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289743A (zh) * | 2011-08-10 | 2011-12-21 | 易达康(南京)信息***有限公司 | 产品生产工艺流程计算机仿真***及方法 |
JP2021022329A (ja) * | 2019-07-30 | 2021-02-18 | 株式会社エフエーサービス | 板金加工原価管理装置及び板金加工原価管理方法 |
CN110766477A (zh) * | 2019-10-31 | 2020-02-07 | 四川长虹电器股份有限公司 | 基于生产排程和工艺排配的机械加工订单报价方法 |
CN112766780A (zh) * | 2021-01-27 | 2021-05-07 | 像心科技(上海)有限公司 | 一种基于大数据机器学习的高级计划排程***及方法 |
CN113177732A (zh) * | 2021-05-20 | 2021-07-27 | 中船黄埔文冲船舶有限公司 | 一种工艺流程管理方法、装置、介质及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114187129A (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alukal | Create a lean, mean machine | |
Sabadka et al. | Optimization of production processes using the Yamazumi method | |
CN114186298B (zh) | 智能机械零件制造营运方法及*** | |
CN116976599A (zh) | 一种智能排产的方法及相关设备 | |
CN114187129B (zh) | 一种用于机械产品制造的智能流程排定方法及*** | |
US20070117230A1 (en) | Computer readable storage medium for work-in-process schedules | |
Kuric et al. | Computer aided process planning in machinery industry | |
WO2019069793A1 (ja) | 作業工数推定装置および作業指示システム | |
CN112654943A (zh) | 制造***设计辅助装置 | |
Tepeš et al. | Smart tool, machine and special equipment: overview of the concept and application for the toolmaking factory of the future | |
Modrák | Case on manufacturing cell formation using production flow analysis | |
US20070240121A1 (en) | System for evaluating component value | |
Dogan et al. | An intelligent decision support system for SMED and its application in textile industry | |
Prümmer et al. | Periphery evaluation for interlinked manufacturing systems in industrial tooling | |
CN114186359B (zh) | 一种机械产品可制造性智能分析方法及*** | |
Rozeman et al. | Improvement Activities in Stamping Die Manufacturing: A Systematic Literature Review | |
US20120035973A1 (en) | Computerized dynamic capacity management system and method | |
Sawai et al. | Computer Aided Process Planning for Sheet Metal Cutting Operations in the Manufacturing Industry | |
CN111489043A (zh) | 一种基于mps的企业中长期生产规划***和方法 | |
Bunzendahl et al. | DIRECT IMPACTS OF INDUSTRY 4.0 TO PURCHASING 4.0 AND QUALITY 4.0 | |
CN114418456B (zh) | 一种基于工况的机器学习进度管控方法及相关装置 | |
EP4053657A1 (en) | Method for allocating resources to machines of a production facility | |
CN113409031B (zh) | 一种数字化工厂标准作业管理方法及*** | |
CN113569697A (zh) | 一种基于图纸的加工设备选择方法及*** | |
Alper | Lean six-sigma methodology and an application in a defense industry company |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 523078 Building 3, No. 2, Xinke Road, Nancheng Street, Dongguan City, Guangdong Province Patentee after: Guangdong Saide Automation Technology Co.,Ltd. Address before: 523087 d2E, Xinke factory area, Hongyuan Industrial Zone, Xinke Road, Nancheng street, Dongguan City, Guangdong Province Patentee before: GUANGDONG HONGYUAN XINKE AUTOMATION TECHNOLOGY DEVELOPMENT Co.,Ltd. |