查看更多>>摘要:[目的]为实现大规模定制家具更高效、更低碳的智能制造,有必要在自动化、连续化生产的基础上实施更精准的智慧生产决策,将生产管理由传统的批次级推进到板件级,以差异化的工序作业时间为基础开展生产调度.本研究通过分析数控钻孔作业时间的关键影响因素,构建可预测每一张板件数控钻孔作业时间的数学模型,在生产前获得较为精准的作业时间数据,解决定制家具板件差异化作业时间数据缺失的现实问题,为定制家具的板件级生产调度夯实数据基础.[方法]基于定制家具制造实际,从数控钻孔加工中心的作业逻辑着手,分析不同数据条件下影响数控钻孔作业时间的关键因素,通过MES(制造执行系统)从设备底层采集 6万余条历史作业时间数据,构建解析程序提取关键影响因素,搭建使用Mish激活函数的 3层人工神经网络模型,并引入动量和学习率衰减算法提高模型精度和运算效率,实现定制家具数控钻孔工序板件级作业时间的预测.[结果]不同数据条件下,人工神经网络模型可实现良好预测效果,其中基于数控程序提取的 9维变量对平均作业时间的预测误差率为 2.68%,具备对工序总体效能进行预测的能力;单一板件预测结果平均绝对误差为 2.87 s,显著优于同等数据条件下的常规线性回归模型,对指导板件级精准调度具有实际意义.[结论]通过MES大量采集历史作业时间数据,构建解析程序,提取关键影响因素,基于制造大数据搭建 3层人工神经网络模型,能够较精准预测板件级数控钻孔作业时间,为实现定制家具制造过程的设备与工艺优化、基于单张板件开展精准生产调度、构建家具制造数字孪生车间打下良好数据基础,推动智能制造在定制家具领域的实践.