摘要: |
为更加合理地估算船舶中间产品的装配作业工时,本文在前人研究的基础上提出了一种新的思路。基本思路是:首先依据相似原理检索出与当前产品相似的一组产品,然后通过数值工时模型学习其工时规律,并由此规律计算新产品的工时。具体如下:
(1)根据产品的非数值参数信息检索出与新产品相似的一组相似产品。相似产品的检索(Similar Case Retrieve)的关键是确定产品间的相似性,而确定相似性的关键是相似特征的提取和“相似特征”相似性的度量。本文依据产品间的功能序、时间序和空间序,并结合船舶中间产品装配作业工时特点。
(2)为了正确、精密地估算船舶中间产品装配作业的工时,本文提出并建立了三种模型,分别为:一元线性回归模型,多元线性回归模型和神经网络模型。为比较评价模型的优劣,本文引入数学方法对各个模型误差进行了统计分析。通过对各个相应统计量的分析比较得出一个结论:与其它模型相比,在船舶中间产品装配工时估测中,神经网络模型可以得出更加正确、精密的结果。
(3)为使神经网络的最终学习规律更加接近被预测样本的规律,本文提出的相似优先机制的学习算法。本文首先分析了样本学习频数对网络规律知识的影响,然后对神经网的学习算法进行了相应的调整,并对其可行性进行了理论初步证明。
最后,本文给出一个中间产品(FR01A)装配工时估算实例,对本文方法进行了更为感性详实的说明,同时也验证本文方法的可行性。 |