CN116502865A - 一种工业企业生产智能管理方法及*** - Google Patents

Abstract

本申请提供一种工业企业生产智能管理方法及***，涉及生产管理技术领域，所述方法包括：获取待组装产品的组装工艺信息，确定多个组装节点；获取历史生产数据并进行去噪处理和数据划分处理，得到生产标准数据；根据多生产标准数据确定每个组装节点的第一参考时长；确定每个组装节点的失误率，对每个组装节点的第一参考时长进行修正，得到每个组装节点的第二参考时长；确定目标组装节点并预估待组装产品的生产效率，优化生产计划。本申请通过获取企业产品的组装工艺信息和历史生产数据，对数据进行分析处理预估得到每个组装节点的第二参考时长，根据每个组装节点的第二参考时长预估企业产品的生产效率，方便企业制定合理的生产计划。

Description

一种工业企业生产智能管理方法及***

技术领域

本申请涉及生产管理技术领域，尤其涉及一种工业企业生产智能管理方法及***。

背景技术

对于以轻工业产品生产为主的企业而言，例如电子家用产品（电动牙刷、电动剃须刀等）生产制造的企业，多以流水线的方式进行产品的组装，对于这种离散式的生产方式，工业企业在对各个生产线的管理上，通过设立管理员以对每条生产线进行生产管理。产品的组装一般需要多个组装工序，因为产品结构的影响，不同的组装工序存在差异，无法保证每个组装工序的标准完成时长相同。在这种情况下，一般采用组装效率试验以及结合经验数据为不用的组装工序设立组装节点，很难确定最佳的生产组装方式。并且随着生产线规模的增大，组装工序之间的差异性带来的影响被放大，难以基于人工经验确定生产效率，导致企业制定合理的生产计划更加困难。

发明内容

本申请克服了现有技术的不足，提供了一种工业企业生产智能管理方法及***。

本申请第一方面提供了一种工业企业生产智能管理方法，所述方法包括：

获取待组装产品的组装工艺信息，确定多个组装节点，根据生产线配置信息确定每个组装节点的拆解标注信息；

获取多个组装节点的历史生产数据，对多个组装节点的历史生产数据进行去噪处理和数据划分处理，得到多个组装节点的生产标准数据；

根据多个组装节点的生产标准数据确定每个组装节点的第一参考时长；

基于多个组装节点的历史生产数据确定每个组装节点的失误率，对每个组装节点的第一参考时长进行修正，得到每个组装节点的第二参考时长；

根据每个组装节点的第二参考时长确定目标组装节点，根据目标组装节点确定待组装产品的生产效率，基于待组装产品的生产效率优化生产计划。

进一步地，所述对多个组装节点的历史生产数据进行去噪处理和数据划分处理，得到多个组装节点的生产标准数据，包括：

构建历史生产数据集合A，A={a1，a2，…，am}，m为组装节点的数量；

对于历史生产数据集合A中的第i个元素ai，i≤m，根据操作对象对元素ai对应的历史生产数据进行数据划分处理，得到n个数据段，n为操作对象的数量，根据预设学习时长对n个数据段进行数据裁剪，得到第一数据集合B，B={b1，b2，…，bn}；

对于第一数据集合B中的第j个元素bj，j≤n，对于元素bj对应的历史生产数据进行数据差分处理，α=bj(k+1)-bj(k)，bj(k+1)为元素bj中的第k+1个值，bj(k)为元素bj中的第k个值，α为参考因子，以k=1为起始点遍历元素bj的所有值，对于相邻的两个元素，若α=bj(k+1)-bj(k)小于预设参考范围的最小值，舍弃bj(k)，若α=bj(k+1)-bj(k)大于预设参考范围的最大值，舍弃bj(k+1)，得到元素ai对应组装节点的标准数据；

遍历历史生产数据集合A中的每个元素，得到m个组装节点的生产标准数据。

进一步地，所述根据多个组装节点的生产标准数据确定每个组装节点的第一参考时长，包括：

T11、构建生产标准数据集合C，C={c1，c2，…，cm}，ci为生产标准数据集合C中的第i个元素，令i=1；

T12、计算ci对应的生产标准数据的方差；

T13、若ci对应的生产标准数据的方差大于预设误差阈值，舍弃ci对应的生产标准数据的极值，对ci对应的生产标准数据进行更新，并转到T12，否则计算ci对应的生产标准数据的均值，并转到T14；

T14、判断“i＜m”是否成立，若成立，令i=i+1，转到T12，否则转到T15；

T15、输出m个组装节点对应的生产标准数据的方差，作为每个组装节点的第一参考时长。

进一步地，所述根据每个组装节点的第二参考时长确定目标组装节点，根据目标组装节点确定待组装产品的生产效率，包括：

将第二参考时长最小值对应的参考节点作为目标组装节点，将目标组装节点的第二参考时长作为完成单个待组装产品的时长，基于完成单个待组装产品的时长确定待组装产品的生产效率。

进一步地，对于每个组装节点的第二参考时长，还包括：

根据每个组装节点的第二参考时长确定组装节点分配优化方案，基于组装节点分配优化方案对生产计划进行优化；

根据每个组装节点的第二参考时长确定组装节点分配优化方案，包括：

根据每个组装节点的拆解标注信息对多个组装节点进行筛选，在目标组装节点存在于筛选得到的组装节点中的条件下，基于第二参考时长对筛选得到的组装节点进行排序，得到第一优化方案推荐表。

进一步地，根据每个组装节点的第二参考时长确定组装节点分配优化方案，还包括：

基于每个组装节点的第二参考时长构建组装节点集合D，D={d1，d2，…，dm}；

计算任意相邻的两个组装节点的第二参考时长之和，将任意相邻的两个组装节点视为联合体，基于第二参考时长之和对多个联合体进行排序，按照由小到大的顺序舍弃排序后的多个联合体中的重复部分，得到第二优化方案推荐表。

本申请第二方面提供了一种工业企业生产智能管理***，所述***包括：

数据获取模块，用于获取待组装产品的组装工艺信息和多个组装节点的历史生产数据，组装工艺信息中包括有多个组装节点；

数据处理模块，用于对多个组装节点的历史生产数据进行去噪处理和数据划分处理，得到多个组装节点的生产标准数据；

生产预估模块，用于根据多个组装节点的生产标准数据确定每个组装节点的第一参考时长；

参数修正模块，用于基于多个组装节点的历史生产数据确定每个组装节点的失误率，对每个组装节点的第一参考时长进行修正，得到每个组装节点的第二参考时长；

效率预估模块，用于根据每个组装节点的第二参考时长确定目标组装节点，根据目标组装节点确定待组装产品的生产效率。

进一步地，所述***还包括：

优化推荐模块，用于根据每个组装节点的第二参考时长确定组装节点分配优化方案，组装节点分配优化方案包括第一优化方案推荐表和第二优化方案推荐表。

本申请具有以下优点：

1、本申请通过获取企业产品的组装工艺信息和历史生产数据，对数据进行分析处理预估得到每个组装节点的第二参考时长，根据每个组装节点的第二参考时长预估企业产品的生产效率，方便企业制定合理的生产计划。

2、本申请通过对企业产品的每个组装节点的第二参考时长进行深入分析，针对企业人力资源有限或富余的场景，得到用于不同场景下的组装节点分配优化方案，方便企业制定合理的人员分配方案，提升对人力资源的利用率。

附图说明

图1为本申请提供的一种工业企业生产智能管理方法的流程示意图。

图2为本申请提供的一种工业企业生产智能管理***的结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请部分实施例进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。然而，本领域的普通技术人员可以理解，在本申请的各实施例中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施例的种种变化和修改，也可以实现本申请所要求保护的技术方案。

本申请提供的一种工业企业生产智能管理方法，适用于以轻工业产品生产为主的企业，例如以电子家用产品（电动牙刷、电动剃须刀等）生产为主的企业，以某电动牙刷的生产为例，在完成电动牙刷产品的设计后，企业将根据电动牙刷产品的组装工艺信息设立生产线，具体为一定数量的组装节点，每个节点配置对应的组装设备，在不同的组装节点上分配工作人员进行产品的组装。值得说明的是，本申请提供的一种工业企业生产智能管理方法，适用的是手工组装的产品，以电动牙刷产品的组装为例，不适合建立全自动化的生产线，部分组装工艺例如橡胶圈浸泡组装、塑料阀片组装、安装螺钉等组装操作，受产品结构影响，人工进行组装更为便捷。

然而，由于产品结构复杂多变，在生产线的配置过程中，无法做到让每个组装节点完成单个组装步骤的时长相同，对于组装工艺复杂的产品而言，组装节点之间的差异性将被放大，对企业的生产效率生产较大的影响。在实际生产的过程中，企业多是根据人员的经验进行生产线上不同组装节点的人员配置，这种方式一定程度上限制了企业生产效率的提升。

实施例1：

参见图1，本申请实施例1提供一种工业企业生产智能管理方法，所述方法包括：

S100、获取待组装产品的组装工艺信息，确定多个组装节点，根据生产线配置信息确定每个组装节点的拆解标注信息；

具体而言，组装工艺信息中包括了多个组装步骤以及对应的多个组装节点，以某电动牙刷的生产组装为例，从初始的芯片焊接、芯片包装，以及后续其它零件的添加等，不同的组装节点所完成的组装步骤不一，根据每个步骤的复杂程度可将部分组装节点进行拆解，配置更多的员工参与零件的组装，可通过人工分析以及实际考察的方式确定每个组装节点是否可以进行拆解，并进行相应的拆解标注，值得说明的是，此处的组装节点，具体指的是在生产线设立支出，企业的相关技术人员人工划分得到的节点，初始设立的组装节点，更多的是基于理论分析以及相关的试验数据确定的，在实际生产过程中，为了提高生产效率还需要根据实际的生产数据对生产线进行调整。

S200、获取多个组装节点的历史生产数据，对多个组装节点的历史生产数据进行去噪处理和数据划分处理，得到多个组装节点的生产标准数据；

具体而言，组装节点的历史生产数据可通过在生产线上安装对应的传感器进行数据获取，生产线上设立有传送装置，每个组装节点组装好的半成品通过传送装置送往下一个组装节点，通过传感器可确定每个半成品完成组装后实际花费的时长，再结合每个组装节点的人员配置信息可得到多个组装节点的历史生产数据。以某电动牙刷的生产组装为例，实际的生产过程中生产线上不同组装节点的人员配置容易随时间发生变化，并且人工组装的生产线不同于自动化的生产线，实际的生产数据较为杂乱，存在着较多的无用数据，通过对多个组装节点的历史生产数据进行去噪处理和数据划分处理以得到多个组装节点的生产标准数据，将使得最终的分析结果更为准确。

S300、根据多个组装节点的生产标准数据确定每个组装节点的第一参考时长；

具体而言，生产标准数据具体为去除数据中的噪声后得到的有效数据，通过对多个组装节点的生产标准数据进行分析处理，以确定每个组装节点的第一参考时长，其中，每个组装节点的第一参考时长具体为预估得到的每个组装节点的实际生产所需时长。

在本实施例中，采用如下步骤确定每个组装节点的第一参考时长：

T11、构建生产标准数据集合C，C={c1，c2，…，cm}，m为组装节点的数量，ci为生产标准数据集合C中的第i个元素，令i=1；

T12、计算ci对应的生产标准数据的方差；

T13、若ci对应的生产标准数据的方差大于预设误差阈值，舍弃ci对应的生产标准数据的极值，对ci对应的生产标准数据进行更新，并转到T12，否则计算ci对应的生产标准数据的均值，并转到T14；

T14、判断“i＜m”是否成立，若成立，令i=i+1，转到T12，否则转到T15；

T15、输出m个组装节点对应的生产标准数据的方差，作为每个组装节点的第一参考时长。

S400、基于多个组装节点的历史生产数据确定每个组装节点的失误率，对每个组装节点的第一参考时长进行修正，得到每个组装节点的第二参考时长；

具体而言，由于组装节点之间组装工艺的差异性，不同组装节点出现残次品的概率不同，通过对每个组装节点的历史数据进行分析可统计得到每个组装节点的失误率，通过失误率对第一参考时长进行修正得到每个组装节点的第二参考时长，为了提高预估的准确率，将每个组装节点的第二时长作为实际生产中每个组装节点的完成单次组装步骤的预估时长。

对于任意一个组装节点，由如下公式确定第二参考时长：T2=T1/Er，其中，T2为第二参考时长，T1为第一参考时长，Er为组装节点的失误率。

S500、根据每个组装节点的第二参考时长确定目标组装节点，根据目标组装节点确定待组装产品的生产效率，基于待组装产品的生产效率优化生产计划。

具体而言，生产线的实际生产效率更多的取决于速度最慢的组装节点的效率，因此，将第二参考时长最小值对应的参考节点作为目标组装节点，在持续的生产过程中，将目标组装节点的第二参考时长视为完成单个待组装产品的时长，可根据完成单个待组装产品的时长预估得到待组装产品的生产效率，企业可根据预估得到的待组装产品的生产效率制定对应的生产计划，值得说明的是，在生产计划制定过程中，在确定目标组装节点后，可结合目标组装节点的实际生产效率以及预估得到的待组装产品的生产效率，综合分析以进行生产计划的制定。

在一种实施例中，对于步骤S200，对多个组装节点的历史生产数据进行去噪处理和数据划分处理，得到多个组装节点的生产标准数据，具体包括：

构建历史生产数据集合A，A={a1，a2，…，am}，m为组装节点的数量；

对于历史生产数据集合A中的第i个元素ai，i≤m，根据操作对象对元素ai对应的历史生产数据进行数据划分处理，得到n个数据段，n为操作对象的数量，根据预设学习时长对n个数据段进行数据裁剪，得到第一数据集合B，B={b1，b2，…，bn}；

具体而言，视企业的经营情况变化，每个组装节点配置的员工可能会波动，例如，电动牙刷的组装工艺较为简单，设立的多个组装节点中，每个组装节点配置的员工即便更换，对整体生产效率的影响较小，未接触过组装工艺的新员工也能在较短的时间内学会相应的组装过程，因此导致组装节点配置的员工随时间变化的现象，在这种情况下，根据操作对象对元素ai对应的历史生产数据进行数据划分处理，具体为将同一个员工的对应的历史生产数据划分为一个整体，得到多个数据段，并通过对每个组装节点进行实际考察，确定每个组装节点的预设学习时长，即新的员工从生疏到基本熟练组装工序所需的学习时长，每个组装节点的预设学习时长具体由实际情况而定，对于电动牙刷的组装工艺，以3h作为每个组装节点的预设学习时长，将每个员工前3h内的生产数据去除，构建得到第一数据集合B，B={b1，b2，…，bn}。

对于第一数据集合B中的第j个元素bj，j≤n，对于元素bj对应的历史生产数据进行数据差分处理，α=bj(k+1)-bj(k)，bj(k+1)为元素bj中的第k+1个值，bj(k)为元素bj中的第k个值，α为参考因子，以k=1为起始点遍历元素bj的所有值，对于相邻的两个元素，若α=bj(k+1)-bj(k)小于预设参考范围的最小值，舍弃bj(k)，若α=bj(k+1)-bj(k)大于预设参考范围的最大值，舍弃bj(k+1)，得到元素ai对应组装节点的标准数据；

具体而言，在员工未被影响的情况下，完成单个产品组装的时长较为稳定，持续的时长因人而异，不同于自动化生产工艺，电动牙刷产品这种手产品，在实际的手工组装过程中员工无法做到长时间以较为稳定的速度进行产品的组装，因此通过对连续的多个数据进行差分处理，并根据预设参考范围和差分结果舍弃部分噪声数据，例如，某个组装节点的组装工艺为通过吸取设备吸住止水阀片并放在工件的流通管道的出水口，再放置支撑件并用螺钉固定，完成该步骤的时长预估为30s左右，该组装节点预设参考范围为（-6s,6s），对于数据组（31,40,30,28,31,39），通过α=bj(k+1)-bj(k)逐步对相邻的两个数据进行差分分析，结合预设参考范围，可确定数据（40，39）为噪声数据。

通过上述分析方法遍历历史生产数据集合A中的每个元素，得到m个组装节点的生产标准数据。

本申请提供的一种工业企业生产智能管理方法，通过获取并分析待组装产品的历史生产数据，对数据进行去噪处理和数据划分处理得到标准数据，预估得到待组装产品的每个组装节点的预估组装时长，确定目标组装节点并预估待组装产品的生产效率，方便企业的管理人员通过预估的生产效率制定合理的生产计划。

在一种实施例中，对于每个组装节点的第二参考时长，还包括：

根据每个组装节点的第二参考时长确定组装节点分配优化方案，基于组装节点分配优化方案对生产计划进行优化；

具体地，以某电动牙刷产品为例，生产线在设立之初，组装节点的设立可能存在不当之处，当企业在多条生产线的人员配置上出现变化，例如员工数量的增加或者减少，在多个生产线之间需要进行员工的调动，在这个过程中，多是通过生产线管理人员的经验进行人员配置的调整。对于一些组装节点，在人力资源有限或者富余的情况下，合理地进行人员的分配可以有效地提升生产效率。

具体地，根据每个组装节点的第二参考时长确定组装节点分配优化方案，包括：

根据每个组装节点的拆解标注信息对多个组装节点进行筛选，在目标组装节点存在于筛选得到的组装节点中的条件下，基于第二参考时长对筛选得到的组装节点进行排序，得到第一优化方案推荐表。

具体而言，例如，某电动牙刷产品的组装工艺中，其中一个组装节点的组装步骤为：将半成品工件放置在支撑根据上，通过6颗螺钉将待安装的零件固定在半成品工件上，对于该组装节点，可以将其拆解为先通过3颗螺钉将待安装的零件半固定在半成品工件上，再用3颗螺钉将待安装的零件加固，上述内容为其中的一个实例，实际过程中，可通过对每个组装节点进行分析，确定是否可以进行拆解。

进一步地，在某电动牙刷产品的组装工艺中，上述例举的组装节点为该产品对应的目标组装节点，对于筛选得到的多个组装节点，按照第二参考时长由大到小进行排序后，上述例举的组装节点在第一优化方案推荐表中排在首位，在这种情况下，当生产该电动牙刷产品的企业的人力资源富余的情况下，假设有一位员工分配到该产品的某条生产线上，则可优先该员工分配到上述例举的组装节点上，从而提升生产线的整体生产效率，当分配在某条生产线的员工富余，需要考虑多个员工完成单个组装节点的工作的时候，可通过第一优化方案推荐表确定合理的人员分配方案，以在企业人力资源富余的时候对人力资源进行合理的利用，以提升企业的生产效率。

进一步地，根据每个组装节点的第二参考时长确定组装节点分配优化方案，还包括：

基于每个组装节点的第二参考时长构建组装节点集合D，D={d1，d2，…，dm}；

计算任意相邻的两个组装节点的第二参考时长之和，将任意相邻的两个组装节点视为联合体，基于第二参考时长之和对多个联合体进行排序，按照由小到大的顺序舍弃排序后的多个联合体中的重复部分，得到第二优化方案推荐表。

具体而言，继续以上述的电动牙刷产品为例，对于生产该电动牙刷产品的企业的人力资源有限的情况，电动牙刷产品某条生产线上的人员缺少，在这种情况下，多是通过生产线管理人员的经验，分配某个员工同时完成相邻的两个组装节点的组装工作，对于这种情况，将任意相邻的两个组装节点视为联合体通并计算每个联合体的第二参考时长之和，安装第二参考时长之和由小到大的情况进行排序，需要说明的是，每个组装节点可能同时存在于两个联合体中，在排序好后，按照从前往后的顺序，对于首次出现的某个组装节点，将该组装节点所在的另一个联合体删除，从而得到第二优化方案推荐表，当分配在某条生产线的员工不足，需要考虑合并组装节点的时候，可通过第二优化方案推荐表确定合理的人员分配方案，以在企业人力资源有限的时候尽可能地减少人员不足对生产效率的影响。

实施例2：

参见图2，在实施例1的基础上，本申请实施例2还提供一种工业企业生产智能管理***，所述***包括：

数据获取模块，用于获取待组装产品的组装工艺信息和多个组装节点的历史生产数据，其中，组装工艺信息中包括了多个组装步骤以及对应的多个组装节点；

数据处理模块，用于对多个组装节点的历史生产数据进行去噪处理和数据划分处理，得到多个组装节点的生产标准数据；

生产预估模块，用于根据多个组装节点的生产标准数据确定每个组装节点的第一参考时长；

其中，生产预估模块通过如下步骤确定每个组装节点的第一参考时长：

T11、构建生产标准数据集合C，C={c1，c2，…，cm}，m为组装节点的数量，ci为生产标准数据集合C中的第i个元素，令i=1；

T12、计算ci对应的生产标准数据的方差；

T13、若ci对应的生产标准数据的方差大于预设误差阈值，舍弃ci对应的生产标准数据的极值，对ci对应的生产标准数据进行更新，并转到T12，否则计算ci对应的生产标准数据的均值，并转到T14；

T14、判断“i＜m”是否成立，若成立，令i=i+1，转到T12，否则转到T15；

T15、输出m个组装节点对应的生产标准数据的方差，作为每个组装节点的第一参考时长。

参数修正模块，用于基于多个组装节点的历史生产数据确定每个组装节点的失误率，对每个组装节点的第一参考时长进行修正，得到每个组装节点的第二参考时长；

具体地，参数修正模块对组装节点的第一参考时长进行修正，得到第二参考时长：

对于任意一个组装节点，由如下公式确定第二参考时长：T2=T1/Er，其中，T2为第二参考时长，T1为第一参考时长，Er为组装节点的失误率。

效率预估模块，用于根据每个组装节点的第二参考时长确定目标组装节点，根据目标组装节点确定待组装产品的生产效率；

优化推荐模块，用于根据每个组装节点的第二参考时长确定组装节点分配优化方案，组装节点分配优化方案包括第一优化方案推荐表和第二优化方案推荐表。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本申请所附权利要求的保护范围。本说明书中未作详细描述的部分属于本领域专业技术人员公知的现有技术。

Claims (8)

1.一种工业企业生产智能管理方法，其特征在于，所述方法包括：

获取待组装产品的组装工艺信息，确定多个组装节点，根据生产线配置信息确定每个组装节点的拆解标注信息；

获取多个组装节点的历史生产数据，对多个组装节点的历史生产数据进行去噪处理和数据划分处理，得到多个组装节点的生产标准数据；

根据多个组装节点的生产标准数据确定每个组装节点的第一参考时长；

基于多个组装节点的历史生产数据确定每个组装节点的失误率，对每个组装节点的第一参考时长进行修正，得到每个组装节点的第二参考时长；

根据每个组装节点的第二参考时长确定目标组装节点，根据目标组装节点确定待组装产品的生产效率，基于待组装产品的生产效率优化生产计划。

2.如权利要求1所述的方法，其特征在于，所述对多个组装节点的历史生产数据进行去噪处理和数据划分处理，得到多个组装节点的生产标准数据，包括：

构建历史生产数据集合A，A={a1，a2，…，am}，m为组装节点的数量；

对于历史生产数据集合A中的第i个元素ai，i≤m，根据操作对象对元素ai对应的历史生产数据进行数据划分处理，得到n个数据段，n为操作对象的数量，根据预设学习时长对n个数据段进行数据裁剪，得到第一数据集合B，B={b1，b2，…，bn}；

对于第一数据集合B中的第j个元素bj，j≤n，对于元素bj对应的历史生产数据进行数据差分处理，α=bj(k+1)-bj(k)，bj(k+1)为元素bj中的第k+1个值，bj(k)为元素bj中的第k个值，α为参考因子，以k=1为起始点遍历元素bj的所有值，对于相邻的两个元素，若α=bj(k+1)-bj(k)小于预设参考范围的最小值，舍弃bj(k)，若α=bj(k+1)-bj(k)大于预设参考范围的最大值，舍弃bj(k+1)，得到元素ai对应组装节点的标准数据；

遍历历史生产数据集合A中的每个元素，得到m个组装节点的生产标准数据。

3.如权利要求2所述的方法，其特征在于，所述根据多个组装节点的生产标准数据确定每个组装节点的第一参考时长，包括：

T11、构建生产标准数据集合C，C={c1，c2，…，cm}，ci为生产标准数据集合C中的第i个元素，令i=1；

T12、计算ci对应的生产标准数据的方差；

T13、若ci对应的生产标准数据的方差大于预设误差阈值，舍弃ci对应的生产标准数据的极值，对ci对应的生产标准数据进行更新，并转到T12，否则计算ci对应的生产标准数据的均值，并转到T14；

T14、判断“i＜m”是否成立，若成立，令i=i+1，转到T12，否则转到T15；

T15、输出m个组装节点对应的生产标准数据的方差，作为每个组装节点的第一参考时长。

4.如权利要求2所述的方法，其特征在于，所述根据每个组装节点的第二参考时长确定目标组装节点，根据目标组装节点确定待组装产品的生产效率，包括：

将第二参考时长最小值对应的参考节点作为目标组装节点，将目标组装节点的第二参考时长作为完成单个待组装产品的时长，基于完成单个待组装产品的时长确定待组装产品的生产效率。

5.如权利要求4所述的方法，其特征在于，对于每个组装节点的第二参考时长，还包括：

根据每个组装节点的第二参考时长确定组装节点分配优化方案，基于组装节点分配优化方案对生产计划进行优化；

根据每个组装节点的第二参考时长确定组装节点分配优化方案，包括：

根据每个组装节点的拆解标注信息对多个组装节点进行筛选，在目标组装节点存在于筛选得到的组装节点中的条件下，基于第二参考时长对筛选得到的组装节点进行排序，得到第一优化方案推荐表。

6.如权利要求5所述的方法，其特征在于，根据每个组装节点的第二参考时长确定组装节点分配优化方案，还包括：

基于每个组装节点的第二参考时长构建组装节点集合D，D={d1，d2，…，dm}；

计算任意相邻的两个组装节点的第二参考时长之和，将任意相邻的两个组装节点视为联合体，基于第二参考时长之和对多个联合体进行排序，按照由小到大的顺序舍弃排序后的多个联合体中的重复部分，得到第二优化方案推荐表。

7.一种工业企业生产智能管理***，其特征在于，所述***包括：

数据获取模块，用于获取待组装产品的组装工艺信息和多个组装节点的历史生产数据，组装工艺信息中包括有多个组装节点；

数据处理模块，用于对多个组装节点的历史生产数据进行去噪处理和数据划分处理，得到多个组装节点的生产标准数据；

生产预估模块，用于根据多个组装节点的生产标准数据确定每个组装节点的第一参考时长；

参数修正模块，用于基于多个组装节点的历史生产数据确定每个组装节点的失误率，对每个组装节点的第一参考时长进行修正，得到每个组装节点的第二参考时长；

效率预估模块，用于根据每个组装节点的第二参考时长确定目标组装节点，根据目标组装节点确定待组装产品的生产效率。

8.如权利要求7所述的***，其特征在于，所述***还包括：

优化推荐模块，用于根据每个组装节点的第二参考时长确定组装节点分配优化方案，组装节点分配优化方案包括第一优化方案推荐表和第二优化方案推荐表。