CN117151448B - 一种基于数字化生产平台的智慧车间管理*** - Google Patents
一种基于数字化生产平台的智慧车间管理*** Download PDFInfo
- Publication number
- CN117151448B CN117151448B CN202311396368.XA CN202311396368A CN117151448B CN 117151448 B CN117151448 B CN 117151448B CN 202311396368 A CN202311396368 A CN 202311396368A CN 117151448 B CN117151448 B CN 117151448B
- Authority
- CN
- China
- Prior art keywords
- production
- gsd
- clothing
- action
- garment
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 256
- 238000004458 analytical method Methods 0.000 claims abstract description 45
- 238000010801 machine learning Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000007726 management method Methods 0.000 claims abstract description 29
- 238000005259 measurement Methods 0.000 claims abstract description 26
- 230000009471 action Effects 0.000 claims description 148
- 238000012797 qualification Methods 0.000 claims description 40
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 21
- 238000011156 evaluation Methods 0.000 abstract description 3
- 239000000047 product Substances 0.000 description 25
- 230000008569 process Effects 0.000 description 16
- 238000012549 training Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000013468 resource allocation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000009958 sewing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Marine Sciences & Fisheries (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Primary Health Care (AREA)
- Pure & Applied Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- General Engineering & Computer Science (AREA)
- Agronomy & Crop Science (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
Abstract
本发明涉及车间生产管理技术领域,具体公开了一种基于数字化生产平台的智慧车间管理***,包括服装款式知识库、激光摄像头、机器学习分类器、人员考核分析单元以及报价资料库;能够基于服装款式知识库的数据以及实际服装加工生产过程中的数据进行分析,以考核数据评估生产人员的技术等级以及生产效能,对生产的服装进行测时定价,解决了现有的服装生产车间管理工作中,并没有基于基本服装款式知识库的数据以及实际服装加工生产过程中的数据进行分析,以考核数据评估生产人员的技术等级以及生产效能,无法对生产的服装进行测时定价的问题。
Description
技术领域
本发明涉及车间生产管理技术领域,更具体地说,本发明涉及一种基于数字化生产平台的智慧车间管理***。
背景技术
服装加工投入低、易上手,服装加工车间的各个生产设备均能通过物联网相互关联,互通信息,以实现各个生产设备之间的相互配合,利用AI生产工序识别技术能够完成生产工序监管、人机图分析、组线产量评估、个人产量采集、返修数据获取以及成品打包情况监管,服装加工车间中,需要根据衣服的款式、部件、工序以及一般车缝时间(GeneralSewing Data,简称GSD)构建服装款式知识库,但是现有的生产车间管理工作中,并没有基于基本服装款式知识库的数据以及实际服装加工生产过程中的数据进行分析,以考核数据评估生产人员的技术等级以及生产效能,无法对生产的服装进行测时定价。为了解决上述问题,现提供一种技术方案。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种基于数字化生产平台的智慧车间管理***,能够基于服装款式知识库的数据以及实际服装加工生产过程中的数据进行分析,以考核数据评估生产人员的技术等级以及生产效能,对生产的服装进行测时定价。
为实现上述目的,本发明提供如下技术方案:
一种基于数字化生产平台的智慧车间管理***,包括服装款式知识库、激光摄像头、机器学习分类器、人员考核分析单元以及报价资料库,激光摄像头与机器学习分类器相连,机器学习分类器与服装款式知识库、人员考核分析单元以及报价资料库均相连,服装款式知识库用于存储每个服装款式的标准生产数据,激光摄像头用于采集服装加工生产过程中生产人员的生产视频,采集每个生产人员的每个GSD动作的用时、动作关键点、返工次数,同时采集每个生产人员每个服装部件的成品裁片图像,机器学习分类器输入激光摄像头采集的数据,并对采集的数据进行预处理,利用机器学习模型结合服装款式知识库,对每个款式服装生产过程中GSD动作的用时合格指标、动作关键点合格指标、返工合格指标以及每个服装部件成品裁片合格指标进行预测,通过生产效能分析公式获取每个款式服装每个服装部件的实时生产效能,并统计生产车间中实时生产效能在设定阈值区间内的合格生产人数占比,报价资料库利用实时生产效能、合格生产人数占比以及每个服装部件的预设价格对每个服装部件进行单部件测时定价,再对每个款式的单部件测时定价进行求和,获取单个服装款式的测时定价,单部件测时定价为实时生产效能、合格生产人数占比以及每个服装部件的预设价格的乘积,单部件测时定价的公式为:
Pd=Es*Rh*Py
式中:Pd为单部件测时定价,Es为实时生产效能,Rh为合格生产人数占比,Py为每个服装部件的预设价格。
作为本发明进一步的方案,报价资料库中,获取单个服装款式的测时定价公式为:
式中:Ps为单个服装款式的测时定价,i为单个服装款式中服装部件的序号,n为单个服装款式所包含的服装部件数量,Pd,i为序号为i的服装部件的单部件测时定价。
作为本发明进一步的方案,服装款式知识库利用采集的三级生产人员加工服装的全线生产视频,按照服装款式进行一级分类,按照每种服装款式下的服装部件组成进行二级分类,再将二级分类下的服装部件加工视频按照其生产要求划分成完成加工所需的GSD动作数量,并对每个GSD动作的用时、动作关键点以及使用生产器械种类进行采集和记录,最后记录每个服装部件的成品裁片图像,最终存储每个服装款式的标准生产数据。
作为本发明进一步的方案,机器学习分类器的分类工作包括GSD动作用时分类、GSD动作关键点分类、GSD返工分类、生产器械使用分类以及每个服装部件成品裁片分类。
作为本发明进一步的方案,机器学习分类器中,GSD动作用时分类工作为将采集生产视频中的每个GSD动作按照服装款式知识库中的标准GSD动作对比,获取识别服装款式的单个服装部件GSD动作用时与标准GSD动作用时差值的总和,以及识别服装款式的单个服装部件GSD动作用时方差,利用识别服装款式的单个服装部件GSD动作用时与标准GSD动作用时差值的总和同GSD动作用时方差的乘积,与识别服装款式的单个服装部件所有GSD动作用时均值的比值,作为用时合格指标,用时合格指标的公式为:
式中:I1为用时合格指标,σs为识别服装款式单个部件实际生产中所有GSD动作用时方差,m为识别服装款式单个部件生产所需的GSD动作数量,j为GSD动作的序号,tc,j为识别服装款式的单个服装部件GSD动作用时,tb,j为识别服装款式的单个服装部件GSD动作标准用时。
作为本发明进一步的方案,机器学习分类器中,GSD动作关键点分类工作为利用关键点配准技术,获取采集视频中每个GSD动作的所有关键点与GSD动作标准关键点之间的欧式距离,GSD动作关键点合格指标为所有GSD动作的所有关键点与GSD动作标准关键点之间的欧式距离之和,同所有GSD动作的所有关键点与GSD动作标准关键点之间欧式距离之和方差的乘积,除以所有标准GSD动作的所有关键点与工作面之间的垂直距离之和,GSD动作关键点合格指标公式为:
式中:I2为GSD动作关键点合格指标,σd为有GSD动作的所有关键点与GSD动作标准关键点之间欧式距离之和方差,k为每个GSD动作中关键点的序号,w为每个GSD动作中关键点的总数,dj,k,s为实际生产中每个GSD动作的每个关键点与GSD动作标准关键点之间的欧式距离,dj,k,c为每个标准GSD动作的每个关键点与工作面之间的垂直距离。
作为本发明进一步的方案,机器学习分类器中,返工合格指标为实际生产中每款服装款式单个部件的所有GSD动作返工次数与该部件的标准GSD动作返工次数之差的和,返工合格指标的公式为:
式中:I3为返工合格指标,Fj,c为单款服装款式中第j个服装部件的所有GSD动作实际返工次数,Fj,b为单款服装款式中第j个服装部件的所有GSD动作标准返工次数。
作为本发明进一步的方案,机器学习分类器中,利用图像识别技术获取每个服装部件成品裁片实际面积,成品裁片合格指标为每个服装部件成品裁片实际面积与标准面积之差,乘以每个服装部件成品裁片实际面积方差,再除以标准面积,成品裁片合格指标公式为:
式中:I4为成品裁片合格指标,scp,c为每个服装部件成品裁片实际面积,scp,b为每个服装部件成品裁片标准面积,σcp为每个服装部件成品裁片实际面积方差。
作为本发明进一步的方案,机器学习分类器中,生产效能分析值为用时合格指标、动作关键点合格指标、返工合格指标以及每个服装部件成品裁片合格指标之和与每个服装部件生产用时的比值,生产效能分析公式为:
式中:Es为生产效能分析值,Tpart为每个服装部件生产用时。
作为本发明进一步的方案,人员考核分析单元采集机器学习分类器获取每个月每个生产人员每个月内每款服装生产效能分析值,统计本月参与生产的服装款数、每款服装包含的部件总数、生产效能分析值在设定阈值区间内的服装部件数、总返工次数以及总参与工时,对生产人员的当月工作有效值进行分析,对生产人员的当月生产工作进行评级,当月工作有效值为生产人员参与的所有款式服装生产效能分析值之和与参与生产服装款数的比值,减去总返工次数,再加上生产效能分析值在设定阈值区间内的服装部件数与总参与工时的比值,当月工作有效值的公式为:
式中:ZM为当月工作有效值,V为参与生产服装款数,Fc为总返工次数,LO为生产效能分析值在设定阈值区间内的服装部件数,Tall为本月总参与工时。
作为本发明进一步的方案,本发明利用当月工作有效值对生产人员的当月生产工作进行评级的方式为:对生产人员的当月工作有效值进行标准化和归一化操作,将生产人员的当月工作有效值映射在[0,1]之间,当ZM在[0,1/3]之间时,生产人员的当月工作评级为一级,当ZM在[1/3,2/3)之间时,生产人员的当月工作评级为二级,当ZM在[2/3,1]之间时,生产人员的当月工作评级为三级,服装款式知识库中参与知识库构建的生产人员为三级生产人员。
本发明一种基于数字化生产平台的智慧车间管理***的技术效果和优点:本发明能够基于服装款式知识库的数据以及实际服装加工生产过程中的数据进行分析,以考核数据评估生产人员的技术等级以及生产效能,对生产的服装进行测时定价。
附图说明
图1为本发明一种基于数字化生产平台的智慧车间管理***结构图;
图2为本发明一种基于数字化生产平台的智慧车间管理***的测时定价流程示意图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的技术方案仅仅是本发明一部分技术方案,而不是全部的技术方案。基于本发明中的技术方案,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他技术方案,都属于本发明保护的范围。
如图1所示,本发明提供的一种基于数字化生产平台的智慧车间管理***,能够基于服装款式知识库的数据以及实际服装加工生产过程中的数据进行分析,以考核数据评估生产人员的技术等级以及生产效能,对生产的服装进行测时定价,所述***具体包括服装款式知识库、激光摄像头、机器学习分类器、人员考核分析单元以及报价资料库,激光摄像头与机器学习分类器相连,机器学习分类器与服装款式知识库、人员考核分析单元以及报价资料库均相连,服装款式知识库用于存储每个服装款式的标准生产数据,激光摄像头用于采集服装加工生产过程中生产人员的生产视频,采集每个生产人员的每个GSD动作的用时、动作关键点、返工次数,同时采集每个生产人员每个服装部件的成品裁片图像,机器学习分类器输入激光摄像头采集的数据,并对采集的数据进行预处理,利用机器学习模型结合服装款式知识库,对每个款式服装生产过程中GSD动作的用时合格指标、动作关键点合格指标、返工合格指标以及每个服装部件成品裁片合格指标进行预测,通过生产效能分析公式获取每个款式服装每个服装部件的实时生产效能,并统计生产车间中实时生产效能在设定阈值区间内的合格生产人数占比,报价资料库利用实时生产效能、合格生产人数占比以及每个服装部件的预设价格对每个服装部件进行单部件测时定价,再对每个款式的单部件测时定价进行求和,获取单个服装款式的测时定价,单部件测时定价为实时生产效能、合格生产人数占比以及每个服装部件的预设价格的乘积,单部件测时定价的公式为:
Pd=Es*Rh*Py
式中:Pd为单部件测时定价,Es为实时生产效能,Rh为合格生产人数占比,Py为每个服装部件的预设价格。
报价资料库中,获取单个服装款式的测时定价公式为:
式中:Ps为单个服装款式的测时定价,i为单个服装款式中服装部件的序号,n为单个服装款式所包含的服装部件数量,Pd,i为序号为i的服装部件的单部件测时定价。
通过采集实际生产过程中的数据,包括生产人员的动作用时、动作关键点、返工次数等,结合机器学习模型和服装款式知识库,***能够对每个款式的服装生产过程进行预测和分析,从而更加精确地确定每个服装部件的测时定价,有助于避免定价过高或过低,提高定价的准确性和合理性;通过分析生产人员的技术等级和生产效能,***能够客观地对每位生产人员的表现进行评估,有助于发现并奖励高效率的生产人员,同时也能够帮助培训和改进低效率的生产人员,提高整体生产效能;激光摄像头采集的实时数据能够帮助管理人员随时监控生产过程,及时发现潜在问题或异常情况,通过对数据的实时分析,管理人员能够做出快速决策,以确保生产流程的顺利进行;***根据预设价格、生产效能和合格生产人数占比来计算每个服装部件的定价,这使得定价过程更加透明和可理解,生产人员能够更清楚地了解定价的依据,也有助于避免因个人主观因素而引发的定价争议;该***基于大量的实际生产数据进行分析和预测,使得决策更加客观和科学,管理层能够根据***提供的数据,制定更有效的生产策略、资源分配和培训计划,从而优化生产流程和提升整体效率。
服装款式知识库利用采集的三级生产人员加工服装的全线生产视频,按照服装款式进行一级分类,按照每种服装款式下的服装部件组成进行二级分类,再将二级分类下的服装部件加工视频按照其生产要求划分成完成加工所需的GSD动作数量,并对每个GSD动作的用时、动作关键点以及使用生产器械种类进行采集和记录,最后记录每个服装部件的成品裁片图像,最终存储每个服装款式的标准生产数据。
通过对服装款式进行分类,并将每个服装款式下的部件按照生产要求划分成GSD动作,能够建立起标准化的生产流程,有助于确保每个服装款式的生产过程得到一致地执行,减少误差和变异,提高生产的一致性和质量;详细记录每个GSD动作的用时、动作关键点以及使用的生产器械种类,有助于分析每个动作的效率和执行情况,通过这些数据,能够识别出生产过程中的瓶颈和改进点,从而优化生产流程,提高生产效率;三级生产人员能够根据标准化的生产流程和详细记录的加工要求进行培训,他们能够参考生产视频,了解每个GSD动作的执行方式、时间要求和关键点,从而提升技能水平,减少返工和错误,同时也有助于新员工的快速适应和培训;如果在生产过程中出现质量问题或错误,能够通过查看相应的生产视频和记录,快速定位问题的来源,有助于快速进行问题追溯和纠正,避免类似问题再次发生,同时也为持续改进提供了依据;每个服装款式的标准生产数据的存储为管理层提供了基于数据的决策支持,他们能够分析每个款式的生产效率、工序耗时等信息,从而制定更合理的生产计划、资源分配和定价策略。
机器学习分类器的分类工作包括GSD动作用时分类、GSD动作关键点分类、GSD返工分类、生产器械使用分类以及每个服装部件成品裁片分类。
进一步地,机器学习分类器中,GSD动作用时分类工作为将采集生产视频中的每个GSD动作按照服装款式知识库中的标准GSD动作对比,获取识别服装款式的单个服装部件GSD动作用时与标准GSD动作用时差值的总和,以及识别服装款式的单个服装部件GSD动作用时方差,利用识别服装款式的单个服装部件GSD动作用时与标准GSD动作用时差值的总和同GSD动作用时方差的乘积,与识别服装款式的单个服装部件所有GSD动作用时均值的比值,作为用时合格指标,用时合格指标的公式为:
式中:I1为用时合格指标,σs为识别服装款式单个部件实际生产中所有GSD动作用时方差,m为识别服装款式单个部件生产所需的GSD动作数量,j为GSD动作的序号,tc,j为识别服装款式的单个服装部件GSD动作用时,tb,j为识别服装款式的单个服装部件GSD动作标准用时。
通过将生产视频中的GSD动作与服装款式知识库中的标准GSD动作进行比较,有效识别出当前服装款式的单个部件,保证了生产过程的一致性,有助于确保不同生产人员在处理相同款式的服装部件时能够按照标准动作进行加工;通过计算用时合格指标,能够对每个服装部件的加工效率进行量化评估,管理人员根据这些数据分析不同款式、不同部件的生产效能,找出影响效率的因素,进而制定优化策略,提高整体生产效率;用时合格指标的计算能够实时进行,使得生产人员和管理层能够随时监控加工过程,一旦发现某个部件的用时合格指标不符合要求,能够迅速采取纠正措施,避免浪费和错误累积;用时合格指标能够成为定价策略的重要依据之一,通过对每个服装部件的加工用时进行合理评估,能够更准确地确定单部件的测时定价,从而确保定价与实际加工工作的复杂性和用时成本相符;用时合格指标为管理层提供了客观的数据支持,帮助他们做出更有根据的决策,无论是优化生产流程、制定培训计划还是调整定价策略,都能够基于这些数据进行合理的判断。
机器学习分类器中,GSD动作关键点分类工作为利用关键点配准技术,获取采集视频中每个GSD动作的所有关键点与GSD动作标准关键点之间的欧式距离,GSD动作关键点合格指标为所有GSD动作的所有关键点与GSD动作标准关键点之间的欧式距离之和,同所有GSD动作的所有关键点与GSD动作标准关键点之间欧式距离之和方差的乘积,除以所有标准GSD动作的所有关键点与工作面之间的垂直距离之和,GSD动作关键点合格指标公式为:
式中:I2为GSD动作关键点合格指标,σd为有GSD动作的所有关键点与GSD动作标准关键点之间欧式距离之和方差,k为每个GSD动作中关键点的序号,w为每个GSD动作中关键点的总数,dj,k,s为实际生产中每个GSD动作的每个关键点与GSD动作标准关键点之间的欧式距离,dj,k,c为每个标准GSD动作的每个关键点与工作面之间的垂直距离。
利用关键点配准技术,能够准确地比较每个GSD动作的关键点与标准关键点之间的欧式距离,有助于对每个动作的执行精度进行量化评估,从而更准确地分析实际加工过程中动作的准确性和一致性,GSD动作关键点合格指标结合了多个关键点的欧式距离之和方差,以及关键点与工作面的垂直距离,通过综合考虑这些因素,更全面地评估动作的合格性,避免过于关注某个特定关键点而忽略其他重要因素;通过比较实际关键点与标准关键点之间的欧式距离,能够分析不同生产人员或不同时间点执行相同动作时的一致性,有助于发现并解决执行不一致性的问题,提高生产过程的稳定性和质量;如果某个GSD动作的关键点合格指标较低,管理人员能根据具体的欧式距离数据,快速定位问题所在,有助于快速进行问题诊断和纠正,避免问题进一步扩大,GSD动作关键点合格指标为管理层提供了客观的数据支持,帮助他们做出更有根据的决策,能够根据这些数据制定培训计划、调整工艺流程或者优化生产策略;通过分析关键点合格指标,能够识别出影响动作准确性的因素,管理人员能够根据这些数据有针对性地进行员工培训,提高动作执行的质量和准确性。
机器学习分类器中,返工合格指标为实际生产中每款服装款式单个部件的所有GSD动作返工次数与该部件的标准GSD动作返工次数之差的和,返工合格指标的公式为:
式中:I3为返工合格指标,Fj,c为单款服装款式中第j个服装部件的所有GSD动作实际返工次数,Fj,b为单款服装款式中第j个服装部件的所有GSD动作标准返工次数。
通过计算返工合格指标,能够客观地评估每个服装部件在实际生产中的返工情况,指标的值反映了实际返工次数与标准返工次数之间的差异,能够用来量化衡量返工质量的好坏;如果返工合格指标较高,管理人员能够根据具体的部件和GSD动作数据,快速定位导致返工的问题,有助于迅速进行问题分析和解决,从而减少返工次数,提高生产效率;通过分析返工合格指标,能够识别出导致返工的部件和动作,以及返工次数较高的款式,有助于发现生产流程中的问题和瓶颈,从而制定改进策略,优化生产流程,降低返工率;通过返工合格指标,能够判断每个部件的返工情况,为培训提供了指导,如果某个部件的返工次数较高,能有针对性地对生产人员进行培训,提高其技能水平,减少错误和返工;降低返工次数有助于提高生产过程的稳定性和质量。通过分析返工情况,能够逐步优化工艺流程,减少不必要的返工环节,从而提升整体质量水平;返工合格指标的降低意味着更少的返工和修复成本,从而降低了生产成本,同时,减少返工还能提高生产效率,节省时间和资源。
机器学习分类器中,利用图像识别技术获取每个服装部件成品裁片实际面积,成品裁片合格指标为每个服装部件成品裁片实际面积与标准面积之差,乘以每个服装部件成品裁片实际面积方差,再除以标准面积,成品裁片合格指标公式为:
式中:I4为成品裁片合格指标,scp,c为每个服装部件成品裁片实际面积,scp,b为每个服装部件成品裁片标准面积,σcp为每个服装部件成品裁片实际面积方差。
利用成品裁片合格指标,能够客观地评估每个服装部件成品裁片的质量,指标考虑了实际面积与标准面积之间的差异,以及实际面积方差的影响,能够量化评价成品裁片的合格性;通过计算成品裁片合格指标,能够分析不同部件在实际生产中成品裁片的合格性是否一致,有助于发现不同部件之间的质量差异,从而进行问题定位和解决;如果成品裁片合格指标较低,管理人员可以根据具体的部件和面积数据,快速定位问题的来源,有助于快速进行问题追溯和纠正,避免问题进一步扩大;通过分析成品裁片合格指标,能够识别出导致成品裁片质量问题的部件和动作,有助于发现生产流程中的问题和改进点,从而制定优化策略,提高成品裁片的质量和一致性;成品裁片的质量直接影响了最终服装的质量和定价,通过成品裁片合格指标的计算,更准确地确定成品裁片的质量,从而为定价策略提供更可靠的数据依据;成品裁片合格指标为管理层提供了客观的数据支持,帮助他们做出更有根据的决策,根据这些数据制定质量控制措施、改进工艺流程或者优化生产计划。
机器学习分类器中,生产效能分析值为用时合格指标、动作关键点合格指标、返工合格指标以及每个服装部件成品裁片合格指标之和与每个服装部件生产用时的比值,生产效能分析公式为:
式中:Es为生产效能分析值,Tpart为每个服装部件生产用时。
综合考虑,生产效能分析值提供了一个综合性的指标,用于评估生产的整体效能;不同的指标反映了生产过程中不同方面的质量和效率,综合这些指标,更全面地评价生产流程的优劣,帮助发现并解决问题,提高生产效能;通过将综合指标与每个服装部件的生产用时进行比值,生产效能分析值能够定量地评估在单位时间内生产的质量和效率,有助于管理人员更清楚地了解生产的实际效果;如果生产效能分析值较低,管理人员能够根据具体的指标数据,快速定位问题所在,有助于快速进行问题分析和解决,制定合理的决策措施;生产效能分析值允许将不同部件和款式之间的生产效能进行比较,通过对比不同部件的分析值,识别出生产效能高低的差异,为资源分配和生产规划提供参考;生产效能分析值能够作为持续改进的监控指标,通过不断地收集和分析数据,管理人员发现改进的潜力,优化生产流程,提高整体效能。
人员考核分析单元采集机器学习分类器获取每个月每个生产人员每个月内每款服装生产效能分析值,统计本月参与生产的服装款数、每款服装包含的部件总数、生产效能分析值在设定阈值区间内的服装部件数、总返工次数以及总参与工时,对生产人员的当月工作有效值进行分析,对生产人员的当月生产工作进行评级,当月工作有效值为生产人员参与的所有款式服装生产效能分析值之和与参与生产服装款数的比值,减去总返工次数,再加上生产效能分析值在设定阈值区间内的服装部件数与总参与工时的比值,当月工作有效值的公式为:
式中:ZM为当月工作有效值,V为参与生产服装款数,Fc为总返工次数,LO为生产效能分析值在设定阈值区间内的服装部件数,Tall为本月总参与工时。
本发明利用当月工作有效值对生产人员的当月生产工作进行评级的方式为:对生产人员的当月工作有效值进行标准化和归一化操作,将生产人员的当月工作有效值映射在[0,1]之间,当ZM在[0,1/3]之间时,生产人员的当月工作评级为一级,当ZM在[1/3,2/3)之间时,生产人员的当月工作评级为二级,当ZM在[2/3,1]之间时,生产人员的当月工作评级为三级,服装款式知识库中参与知识库构建的生产人员为三级生产人员。
通过计算当月工作有效值,客观地评估每位生产人员的工作表现,不仅基于具体的生产数据和分析指标,还将不同因素综合考虑,从而更全面地衡量工作效率和质量;当月工作有效值综合了生产效能分析值、返工次数以及生产工时等因素,旨在从多个角度评估生产人员的工作质量和效率,有助于鼓励综合提升绩效,而非仅仅关注单一指标;通过对当月工作有效值进行标准化和归一化,将评级映射在[0,1]之间,建立一个统一的评级体系,使得不同生产人员之间的评级具有可比性,有助于公平地比较不同生产人员的表现;评级分级将生产人员的绩效差异明确地呈现出来,不同级别的评级能够直观地反映出生产人员在当月工作中的表现,帮助管理层更好地分析和了解绩效情况;基于评级结果,管理人员能够针对不同级别的生产人员采取不同的激励和奖惩机制,有助于激励高绩效员工、鼓励提升绩效,同时也能够针对低绩效员工提供培训和支持,促进整体团队的进步;生产人员知晓自己的评级和排名,能够增强其工作的积极性和自我管理意识,有明确的评级目标和激励机制,有助于提高工作动力,进而提高生产效率和质量;基于评级结果,管理人员能够更有针对性地进行人员分配和培训计划,将高绩效人员用于重要任务,对低绩效人员进行培训和指导,能够优化资源利用和团队整体能力。
如图2所示,本发明进行测时定价的流程为如图所示的情况,在服装款式知识库中构建基本工序库,采集每款服装的生产视频,构建工序资料库,对每个工序动作进行拆解分析,款式工序库为每一个款式记录具体的工序、公式以及工艺视频,人员考核分析单元结合考核数据评估人员技术等级,报价资料库对每个服装款式根据生产数据和服装款式知识库的数据进行分析,采用本发明提出的方法对每款服装款式进行测时定价。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选方案而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于数字化生产平台的智慧车间管理***,包括服装款式知识库、激光摄像头、机器学习分类器、人员考核分析单元以及报价资料库,其特征在于,服装款式知识库用于存储每个服装款式的标准生产数据,激光摄像头用于采集服装加工生产过程中生产人员的生产视频,采集每个生产人员的每个GSD动作的用时、动作关键点、返工次数,同时采集每个生产人员每个服装部件的成品裁片图像,机器学习分类器输入激光摄像头采集的数据,并对采集的数据进行预处理,利用机器学习模型结合服装款式知识库,对每个款式服装生产过程中GSD动作的用时合格指标、动作关键点合格指标、返工合格指标以及每个服装部件成品裁片合格指标进行预测,通过生产效能分析公式获取每个款式服装每个服装部件的实时生产效能,并统计生产车间中实时生产效能在设定阈值区间内的合格生产人数占比,报价资料库利用实时生产效能、合格生产人数占比以及每个服装部件的预设价格对每个服装部件进行单部件测时定价,再对每个款式的单部件测时定价进行求和,获取单个服装款式的测时定价,单部件测时定价为实时生产效能、合格生产人数占比以及每个服装部件的预设价格的乘积,单部件测时定价的公式为:
Pd=Es*Rh*Py
式中:Pd为单部件测时定价,Es为实时生产效能,Rh为合格生产人数占比,Py为每个服装部件的预设价格;
机器学习分类器的分类工作包括GSD动作用时分类、GSD动作关键点分类、GSD返工分类、生产器械使用分类以及每个服装部件成品裁片分类;机器学习分类器中,GSD动作用时分类工作为将采集生产视频中的每个GSD动作按照服装款式知识库中的标准GSD动作对比,获取识别服装款式的单个服装部件GSD动作用时与标准GSD动作用时差值的总和,以及识别服装款式的单个服装部件GSD动作用时方差,利用识别服装款式的单个服装部件GSD动作用时与标准GSD动作用时差值的总和同GSD动作用时方差的乘积,与识别服装款式的单个服装部件所有GSD动作用时均值的比值,作为用时合格指标,用时合格指标的公式为:
式中:I1为用时合格指标,σs为识别服装款式单个部件实际生产中所有GSD动作用时方差,m为识别服装款式单个部件生产所需的GSD动作数量,j为GSD动作的序号,tc,j为识别服装款式的单个服装部件GSD动作用时,tb,j为识别服装款式的单个服装部件GSD动作标准用时;
机器学习分类器中,GSD动作关键点分类工作为利用关键点配准技术,获取采集视频中每个GSD动作的所有关键点与GSD动作标准关键点之间的欧式距离,GSD动作关键点合格指标为所有GSD动作的所有关键点与GSD动作标准关键点之间的欧式距离之和,同所有GSD动作的所有关键点与GSD动作标准关键点之间欧式距离之和方差的乘积,除以所有标准GSD动作的所有关键点与工作面之间的垂直距离之和,GSD动作关键点合格指标公式为:
式中:I2为GSD动作关键点合格指标,σd为有GSD动作的所有关键点与GSD动作标准关键点之间欧式距离之和方差,k为每个GSD动作中关键点的序号,w为每个GSD动作中关键点的总数,dj,k,s为实际生产中每个GSD动作的每个关键点与GSD动作标准关键点之间的欧式距离,dj,k,c为每个标准GSD动作的每个关键点与工作面之间的垂直距离;
机器学习分类器中,返工合格指标为实际生产中每款服装款式单个部件的所有GSD动作返工次数与该部件的标准GSD动作返工次数之差的和,返工合格指标的公式为:
式中:I3为返工合格指标,Fj,c为单款服装款式中第j个服装部件的所有GSD动作实际返工次数,Fj,b为单款服装款式中第j个服装部件的所有GSD动作标准返工次数;
机器学习分类器中,利用图像识别技术获取每个服装部件成品裁片实际面积,成品裁片合格指标为每个服装部件成品裁片实际面积与标准面积之差,乘以每个服装部件成品裁片实际面积方差,再除以标准面积,成品裁片合格指标公式为:
式中:I4为成品裁片合格指标,scp,c为每个服装部件成品裁片实际面积,scp,b为每个服装部件成品裁片标准面积,σcp为每个服装部件成品裁片实际面积方差;
机器学习分类器中,生产效能分析值为用时合格指标、动作关键点合格指标、返工合格指标以及每个服装部件成品裁片合格指标之和与每个服装部件生产用时的比值,生产效能分析公式为:
式中:Es为生产效能分析值,Tpart为每个服装部件生产用时。
2.根据权利要求1所述的一种基于数字化生产平台的智慧车间管理***,其特征在于,报价资料库中,获取单个服装款式的测时定价公式为:
式中:Ps为单个服装款式的测时定价,i为单个服装款式中服装部件的序号,n为单个服装款式所包含的服装部件数量,Pd,i为序号为i的服装部件的单部件测时定价。
3.根据权利要求1所述的一种基于数字化生产平台的智慧车间管理***,其特征在于,服装款式知识库利用采集的三级生产人员加工服装的全线生产视频,按照服装款式进行一级分类,按照每种服装款式下的服装部件组成进行二级分类,再将二级分类下的服装部件加工视频按照其生产要求划分成完成加工所需的GSD动作数量,并对每个GSD动作的用时、动作关键点以及使用生产器械种类进行采集和记录,最后记录每个服装部件的成品裁片图像,最终存储每个服装款式的标准生产数据。
4.根据权利要求1所述的一种基于数字化生产平台的智慧车间管理***,其特征在于,人员考核分析单元采集机器学习分类器获取每个月每个生产人员每个月内每款服装生产效能分析值,统计本月参与生产的服装款数、每款服装包含的部件总数、生产效能分析值在设定阈值区间内的服装部件数、总返工次数以及总参与工时,对生产人员的当月工作有效值进行分析,并对工作有效值进行标准化和归一化后,对生产人员的当月生产工作进行评级,当月工作有效值为生产人员参与的所有款式服装生产效能分析值之和与参与生产服装款数的比值,减去总返工次数,再加上生产效能分析值在设定阈值区间内的服装部件数与总参与工时的比值,当月工作有效值的公式为:
式中:ZM为当月工作有效值,V为参与生产服装款数,Fc为总返工次数,LO为生产效能分析值在设定阈值区间内的服装部件数,Tall为本月总参与工时。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311396368.XA CN117151448B (zh) | 2023-10-26 | 2023-10-26 | 一种基于数字化生产平台的智慧车间管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311396368.XA CN117151448B (zh) | 2023-10-26 | 2023-10-26 | 一种基于数字化生产平台的智慧车间管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117151448A CN117151448A (zh) | 2023-12-01 |
CN117151448B true CN117151448B (zh) | 2024-01-26 |
Family
ID=88906344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311396368.XA Active CN117151448B (zh) | 2023-10-26 | 2023-10-26 | 一种基于数字化生产平台的智慧车间管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117151448B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117875081B (zh) * | 2024-02-05 | 2024-05-31 | 广东职业技术学院 | 一种牛仔服装的数字化生产仿真方法及*** |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2436816A1 (en) * | 2010-09-29 | 2012-04-04 | JUKI Corporation | Sewing machine work analyzing device and sewing machine work analysis method |
CN103679541A (zh) * | 2012-09-12 | 2014-03-26 | 广州春晓信息科技有限公司 | 一种标准作业和标准时间制定的方法和装置 |
WO2018232077A1 (en) * | 2017-06-15 | 2018-12-20 | Estia, Inc. | Assessment data analysis platform and with interactive dashboards |
CN111065773A (zh) * | 2017-08-30 | 2020-04-24 | 三菱电机株式会社 | 缝纫机 |
KR20200134816A (ko) * | 2019-05-23 | 2020-12-02 | 주식회사 디쓰리디 | 3d가상기술을 기반으로한 패션 plm system |
CN113780766A (zh) * | 2021-08-25 | 2021-12-10 | 丰捷(苏州)云科技有限公司 | 一种车缝标准工时分析*** |
CN113780990A (zh) * | 2021-09-07 | 2021-12-10 | 江苏波瑞电气有限公司 | 一种基于人工智能生产管理模式的云智造平台及处理方法 |
CN114757477A (zh) * | 2022-03-12 | 2022-07-15 | 深圳市讯鹏科技有限公司 | 基于智能生产的数字化车间监管反馈***及应用 |
DE202022103612U1 (de) * | 2022-06-29 | 2022-07-20 | Shalini Gill | System zur Verwaltung der Personalressourcen und zur Bewertung der Arbeitnehmerproduktivität in einem multinationalen Unternehmen |
CN115358518A (zh) * | 2022-07-11 | 2022-11-18 | 华能(广东)能源开发有限公司汕头电厂 | 一种基于云技术的数字化班组管理*** |
CN115564307A (zh) * | 2022-11-08 | 2023-01-03 | 宁波永耀电力投资集团有限公司 | 一种用于企业高质量产业发展指标综合体系管理方法 |
CN115630768A (zh) * | 2022-12-01 | 2023-01-20 | 中南财经政法大学 | 基于信息化的员工绩效管理方法、***及存储介质 |
CN115906650A (zh) * | 2022-12-03 | 2023-04-04 | 浙江理工大学 | 一种服装短流水模块化加工工序标准工时预测方法及预测*** |
CN116485277A (zh) * | 2023-05-16 | 2023-07-25 | 公安县朵依服装有限公司 | 一种基于大数据特征分析的服装工厂智能管理*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11556872B2 (en) * | 2019-07-05 | 2023-01-17 | Florida Power & Light Company | Time and expense tracking system |
-
2023
- 2023-10-26 CN CN202311396368.XA patent/CN117151448B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2436816A1 (en) * | 2010-09-29 | 2012-04-04 | JUKI Corporation | Sewing machine work analyzing device and sewing machine work analysis method |
CN103679541A (zh) * | 2012-09-12 | 2014-03-26 | 广州春晓信息科技有限公司 | 一种标准作业和标准时间制定的方法和装置 |
WO2018232077A1 (en) * | 2017-06-15 | 2018-12-20 | Estia, Inc. | Assessment data analysis platform and with interactive dashboards |
CN111065773A (zh) * | 2017-08-30 | 2020-04-24 | 三菱电机株式会社 | 缝纫机 |
KR20200134816A (ko) * | 2019-05-23 | 2020-12-02 | 주식회사 디쓰리디 | 3d가상기술을 기반으로한 패션 plm system |
CN113780766A (zh) * | 2021-08-25 | 2021-12-10 | 丰捷(苏州)云科技有限公司 | 一种车缝标准工时分析*** |
CN113780990A (zh) * | 2021-09-07 | 2021-12-10 | 江苏波瑞电气有限公司 | 一种基于人工智能生产管理模式的云智造平台及处理方法 |
CN114757477A (zh) * | 2022-03-12 | 2022-07-15 | 深圳市讯鹏科技有限公司 | 基于智能生产的数字化车间监管反馈***及应用 |
DE202022103612U1 (de) * | 2022-06-29 | 2022-07-20 | Shalini Gill | System zur Verwaltung der Personalressourcen und zur Bewertung der Arbeitnehmerproduktivität in einem multinationalen Unternehmen |
CN115358518A (zh) * | 2022-07-11 | 2022-11-18 | 华能(广东)能源开发有限公司汕头电厂 | 一种基于云技术的数字化班组管理*** |
CN115564307A (zh) * | 2022-11-08 | 2023-01-03 | 宁波永耀电力投资集团有限公司 | 一种用于企业高质量产业发展指标综合体系管理方法 |
CN115630768A (zh) * | 2022-12-01 | 2023-01-20 | 中南财经政法大学 | 基于信息化的员工绩效管理方法、***及存储介质 |
CN115906650A (zh) * | 2022-12-03 | 2023-04-04 | 浙江理工大学 | 一种服装短流水模块化加工工序标准工时预测方法及预测*** |
CN116485277A (zh) * | 2023-05-16 | 2023-07-25 | 公安县朵依服装有限公司 | 一种基于大数据特征分析的服装工厂智能管理*** |
Non-Patent Citations (6)
Title |
---|
动作研究在服装精益生产中的应用进展;张雅丽等;纺织导报(第07期);第103-106页 * |
基于人机协同配置的服装生产线调度优化研究;荀培莉;中国优秀硕士学位论文全文数据库工程科技Ⅰ辑(月刊)(第01期);B024-1784 * |
基于标准工时的服装计件工价研究;余祖慧;现代丝绸科学与技术;第30卷(第06期);第228-230页 * |
旗袍的多款式单件流水线研究;薛潇;中国优秀硕士学位论文全文数据库工程科技Ⅰ辑(月刊)(第01期);B024-1840 * |
服装生产企业IE管理探讨;任天亮等;辽宁丝绸(第03期);第6-8页 * |
浅析GST分析***对企业经营效率与成本的影响;张珂伟等;国际公关(第11期);第67-69页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117151448A (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8200526B2 (en) | Method and system for collecting stakeholder relationship data | |
US9489419B2 (en) | System and method for optimizing business performance with automated social discovery | |
CN117151448B (zh) | 一种基于数字化生产平台的智慧车间管理*** | |
JP4286296B2 (ja) | 要件確認支援プログラム、要件確認支援方法、及び要件確認支援装置 | |
Hsieh et al. | Information technology and Six Sigma implementation | |
US20150081396A1 (en) | System and method for optimizing business performance with automated social discovery | |
Acebes et al. | Project risk management from the bottom-up: Activity Risk Index | |
Mumani et al. | Decision making process in lean assessment and implementation: a review | |
CN108305011A (zh) | 一种正逆结合的航天质量管理体系有效性评价方法 | |
CN111652403A (zh) | 一种基于反馈修正的工作平台任务工作量预测方法 | |
CN114219225A (zh) | 基于多源数据的电网投资效益评估***及评估方法 | |
CN114282697A (zh) | 一种设备类供应商差异化绩效确定方法和*** | |
CN113361961A (zh) | 基于pdca闭环管理的国家集采全流程监控体系及智能***实现 | |
CN116664312A (zh) | 一种科技金融评估***的构建方法 | |
Eshghi et al. | EARNED VALUE ANALYSIS APPROACH BY EXTENDING NEW KEY PERFORMANCE INDICATORS IN A NEW FRAMEWORK UNDER A GREY ENVIRONMENT. | |
Kodali et al. | Multi-attribute decision models for justification of cellular manufacturing systems | |
Piechowski et al. | Use of KPI indicators to optimize production process performance–case study | |
Wang et al. | Construction of Intelligent Manufacturing Digital Workshop Ability Assessment Model for CPS | |
KR20010107330A (ko) | 가상공간을 이용한 기업가치 평가 및 증진시스템과가상공간을 이용한 기업가치증진방법 | |
CN116012037B (zh) | 智能材价替换市场价的方法、装置、电子设备及介质 | |
Hanoum et al. | Linking performance measurements and manufacturing process improvements: the two-stage analytical framework | |
Makarova et al. | Application of the Statistical Analysis Methods for Improving the Managing the Dealer-service Network Efficiency. | |
Krylov | Analysis of Personnel Training and Development in a Balanced Scorecard | |
Jawajala et al. | STATISTICAL ANALYSIS OF PERFORMANCE METRICS FOR BENCH MARKING FOR ORGANIZATIONAL EXCELLENCE. | |
CN118297461A (zh) | 一种基于结构化模型进行绩效评价的方法及*** |
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 |