制造企業(yè)數(shù)控加工現(xiàn)場需要利用數(shù)控加工工時來確定產品交貨期、制定生產計劃、核算成本、分析數(shù)控加工設備的產能與負荷,因此數(shù)控加工工時的準確性對制造企業(yè)現(xiàn)場管理有著重要的作用。隨著智能制造、制造物聯(lián)網技術的發(fā)展,制造企業(yè)可以從數(shù)控加工設備中采集和獲取零部件制造過程中產生的具有典型大數(shù)據(jù)特征的海量數(shù)據(jù)（簡稱制造大數(shù)據(jù)）,充分利用這些數(shù)據(jù)可以更好的對數(shù)控加工工時進行預測,從而為提升定額的準確性帶來新的可能。本文從工序工時影響因素入手分析,提出并探索基于大數(shù)據(jù)分析的數(shù)控加工工時預測方法,以提高數(shù)控加工工時預測精度,進一步推動定額管理的科學化和精細化。首先,對工序工時的直接影響因素包括加工工種、本道工序的零件材料去除量以及切削參數(shù)等進行分析,根據(jù)影響因素確定制造大數(shù)據(jù)的主要來源和分類,提出基于大數(shù)據(jù)分析技術的工時預測總體框架和技術架構。其次,針對收集到的制造大數(shù)據(jù)中存在的問題,定義工序編碼的規(guī)則,制定制造大數(shù)據(jù)清洗策略,對制造大數(shù)據(jù)進行編碼以及清洗;并基于分布式文件系統(tǒng)（Hadoop Distributed File System,HDFS）和結構化數(shù)據(jù)庫對預處理完畢的制造大數(shù)據(jù)進行存儲。再次,基于... 

【文章來源】：中國工程物理研究院北京市

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

圖１．１制造大數(shù)據(jù)來源和特征??

?基于大數(shù)據(jù)分析的數(shù)控加工工時預測技術研究???研究背景｜｜?Ｍ內外??與意義?研宂現(xiàn)狀??１?１???ｊ???第一章?緒論??????Ｉ?ｐ－數(shù)據(jù)獲取??ｘｊ－ｒｒ．ｆｌ＇ｊ－?ｒ?工序編碼??卜響丫分析」???第一章｜?ｓ于大￥據(jù)分析?數(shù)據(jù)清洗??數(shù)控加Ｉ：?Ｉ：時??預測框架?一數(shù)據(jù)＃儲??￣Ｔ?ＬＭ－ＢＰ?????，?，?，?ｒ?ｒ．時預測模型??胃?Ｉ：時預測模型及?｜建立丄時ｕ?ｌ時預測Ｌ＿????一?｜優(yōu)化算法研究ｒｉ?ｊ測模型模型優(yōu)化???匕并行化ＬＭ－ＢＰ??數(shù)控加工工時??預測系統(tǒng)丌發(fā)??第五章?結論與展望??圖１．２論文結構框架??９??

?基于大數(shù)據(jù)分析的數(shù)控加工工時預測技術研究???ｃ開始）???ｊ???確定工時影響因素???Ｉ???收集｜：時數(shù)據(jù)???ｊ???工時數(shù)據(jù)預處理???ｊ???訓練工時預測模哨?？????５??????工時預測及匕ｊ果分．ｊ－ｇ?＾?＾??￣ｉ．￣???１??＼＾差要??Ｃ?＾?）??圖２．２預測步驟流程圖??（１）確定工序工時的影響因素。工序工時影響因素容易確定，包括加工工種、本??道工序的零件材料去除量、切削參數(shù)，工序工時的影響因素分析在下文２．２。??（２）收集與工序工時相關的制造大數(shù)據(jù)。數(shù)據(jù)是進行分析的基礎和關鍵，對工序??工時進行預測是基于與工序工時相關的制造大數(shù)據(jù)，主要包括工序工時的影響因素數(shù)??據(jù)以及工序的實際加工工時。??（３）制造大數(shù)據(jù)預處理。收集與工序工時相關的制造大數(shù)據(jù)之后，這些數(shù)據(jù)中吋??能存在缺失、重復或者錯誤等問題，因此需要對制造大數(shù)據(jù)進行清洗。如果＋對制造??大數(shù)據(jù)進行預處理，就會降低數(shù)據(jù)的價值密度，增加后續(xù)數(shù)據(jù)處理的難度。??（４）建、Ｖ．丨：序工時預測模型。工時預測模型對工序Ｃ時的預測起卷至關市要的作??用。首先需要選定預測模型類型，工序工時的影響因素與工序Ｉ：時之間是非線性的關??１１??

【參考文獻】：
期刊論文
[1]基于大數(shù)據(jù)分析的風機葉片結冰故障診斷[J]. 黎楚陽,朱孟兆,焦健,張煒,張玉波.  自動化與儀器儀表. 2020(03)
[2]基于PSO-BP神經網絡的船體分段任務包工時定額模型[J]. 習立洋,吳娜,吉永軍,周宏,蔣志勇,劉建峰.  船舶工程. 2020(02)
[3]基于大數(shù)據(jù)分析的風機軸承故障預警[J]. 李俊卿,王煥仲,季剛,馬陽碩.  智慧電力. 2020(02)
[4]基于MES的工時采集與統(tǒng)計系統(tǒng)的研究與應用[J]. 代曉麗,江蕓,祁國成,劉英,符云峰.  電子技術與軟件工程. 2019(20)
[5]DE＿kmeans預測液壓缸零件工時定額[J]. 潘彩霞,陸寶春,張均利.  機械設計與制造. 2019(04)
[6]基于大數(shù)據(jù)挖掘電量預測方法的創(chuàng)新及應用[J]. 徐俊,徐文輝,曾鑫,宋樂.  電力大數(shù)據(jù). 2018(10)
[7]基于深度學習的高速銑削刀具磨損狀態(tài)預測方法[J]. 林楊,高思煜,劉同舜,朱錕鵬.  機械與電子. 2017(07)
[8]基于結構特征的汽車模具部件工時定額標準化研究[J]. 柴曉微.  中國標準化. 2017(10)
[9]航空發(fā)動機葉片工時定額測算方法分析[J]. 郭鳳國,原志翔.  科技創(chuàng)新與應用. 2017(11)
[10]一種基于案例推理的集成式工時估算方法[J]. 趙小燕,宋栓軍.  機械制造. 2016(12)

碩士論文
[1]基于大數(shù)據(jù)分析的電子制造裝備狀態(tài)評估方法研究[D]. 蘇欣.哈爾濱工業(yè)大學 2019
[2]基于大數(shù)據(jù)分析的切削加工過程優(yōu)化方法[D]. 尹樹彬.哈爾濱理工大學 2019
[3]基于大數(shù)據(jù)分析與LASSO分位數(shù)回歸的電力負荷概率密度預測方法[D]. 秦楊.合肥工業(yè)大學 2019
[4]多品種小批量制造企業(yè)工時定額制定方法研究[D]. 呂闖.大連理工大學 2017
[5]基于大數(shù)據(jù)分析的風電機組運行狀態(tài)評估方法研究[D]. 江順輝.華僑大學 2016
[6]基于數(shù)據(jù)挖掘技術的生產調度問題研究[D]. 王成龍.浙江大學 2015
[7]基于大數(shù)據(jù)的制造運行監(jiān)測與分析平臺研究[D]. 王淑芬.廣東工業(yè)大學 2014
[8]基于Hadoop的海量傳感數(shù)據(jù)管理系統(tǒng)[D]. 成飛龍.南京理工大學 2013
[9]面向云計算的設備故障診斷系統(tǒng)關鍵技術研究[D]. 王東方.鄭州大學 2012
[10]基于成組技術的工時定額方法研究[D]. 邴韶妮.武漢理工大學 2010



本文編號：3463794