歐陽周洲，范雪明，吳李鋒，肖 飛，3

(1.中南林業(yè)科技大學，湖南 長沙 410004； 2.福建省瑞祥竹木有限公司，福建 南平 353600； 3.湖南省林業(yè)科學院，湖南 長沙 410004)

智能制造是我國制造強國建設的主攻方向[1]，加快推進新一代信息技術與家具制造的深度融合，是家具制造業(yè)破局的關鍵抓手[2-3]。板式定制家具因其能夠充分滿足客戶的個性化需求而受到市場的廣泛歡迎。得益于人造板材穩(wěn)定均勻的理化特性，定制家具制造可以通過大規(guī)模個性化定制生產(chǎn)模式在滿足客戶個性化需求的基礎上謀求成本和效率的最優(yōu)化[4-5]，走柔性制造的道路，是家具制造業(yè)智能化轉型的先鋒。以歐派、索菲亞為代表的定制家具龍頭企業(yè)紛紛打出“智能制造”、“工業(yè)4.0”的旗幟，并在信息化、數(shù)字化、智能化方向上取得了長足進展[6]。然而，在我國定制家具產(chǎn)業(yè)市場規(guī)模已超4 200億元的背景下，CR9(Concentration Rate 9，行業(yè)市場占有率排名前9家企業(yè)的總市場占有率)不足15%[7]，市場集中度低，絕大多數(shù)市場份額由中小型定制家具企業(yè)貢獻。

從現(xiàn)有文獻來看，有關定制家具智能制造的研究已初成體系。學界與產(chǎn)業(yè)界普遍認為，當前定制家具尚處于工序級智能化與產(chǎn)線級自動化轉型升級期，智能制造尚處于初級階段[8]。相關學者和企業(yè)分別就智能裝備、信息系統(tǒng)、生產(chǎn)模式等方面展開了大量理論和實踐探索。然而，由于作業(yè)時間基礎數(shù)據(jù)薄弱，有關研究的粒度還局限于批次，無法進一步推進到具體的板件；且主要面向于自動化程度較高、生產(chǎn)規(guī)模較大、資金實力雄厚的頭部定制家具企業(yè)，對于以人機協(xié)同作業(yè)為主的中小型定制家具企業(yè)的研究明顯不足。

本文立足中小型板式定制家具企業(yè)實際問題，從人機作業(yè)特征著手，分別建立人與機器作業(yè)時間預測方法，并在此基礎上構建人機協(xié)同作業(yè)時間預測模型，實現(xiàn)中小型定制家具企業(yè)工序作業(yè)時間的精準預測，突破非標定制家具產(chǎn)品作業(yè)時間基礎數(shù)據(jù)不精準的現(xiàn)實問題，為中小型定制家具企業(yè)的科學生產(chǎn)管理打下良好的數(shù)據(jù)基礎，助推生產(chǎn)管理粒度由批次級細化至板件級。

1 中小型定制家具企業(yè)生產(chǎn)現(xiàn)狀

中小型定制家具企業(yè)的制造過程可以概括為以人機協(xié)同作業(yè)為主，采用離散的機群式布局，通過無動力輥筒線以墊板為單位成垛轉運，生產(chǎn)路徑隨訂單特征不斷變化的作業(yè)過程[9]，是基于現(xiàn)有技術條件下經(jīng)過長期實踐形成的生產(chǎn)模式。

1.1 生產(chǎn)波動普遍較大

大多數(shù)中小型定制家具企業(yè)為謀求生存需要廣泛接單，這就導致不同訂單的批量、工藝差異較大，難以對相似訂單進行聚類從而發(fā)揮出大批量生產(chǎn)的規(guī)模優(yōu)勢，需要頻繁切換工藝路徑或調機。與此同時，由于中小型定制家具企業(yè)普遍缺乏穩(wěn)固的資金鏈與相對穩(wěn)定的工藝路徑，為適應多品種、小批量的柔性制造，減少設備的反復移動，制造過程主要依托人工與半自動設備協(xié)同作業(yè)，人工作業(yè)的隨機性進一步加劇了生產(chǎn)的波動。

1.2 基礎設施建設薄弱

現(xiàn)代板式定制家具強調通過先進技術來調和定制化需求與規(guī)?；圃熘g的矛盾。中小型定制家具企業(yè)往往脫胎于傳統(tǒng)家具工廠，受限于資金實力與管理理念，其智能化升級主要圍繞加工裝備等硬件設施展開，重視智能制造裝備的應用；而數(shù)據(jù)、系統(tǒng)等軟性基礎設施相對滯后，具體表現(xiàn)集中于制造大數(shù)據(jù)缺失，關鍵節(jié)點未能采集，設備運行狀態(tài)無法監(jiān)控，企業(yè)制造信息系統(tǒng)落后等[10]。

1.3 生產(chǎn)決策依托經(jīng)驗

管理數(shù)字化是智能制造的基本要求[11]，由于缺少必要的數(shù)據(jù)支撐與科學的管理理念，中小型定制家具企業(yè)在生產(chǎn)決策中大量依賴人的主觀判斷，管理人員的經(jīng)驗是決定產(chǎn)線規(guī)劃、生產(chǎn)控制與流程再造成效的核心因素[12-13]，面對材料、結構、批量多變的訂單需求，經(jīng)驗化管理往往帶來大量的設備閑置、工序瓶頸、材料浪費、工期延長和加工錯漏現(xiàn)象，壓縮了中小型定制家具企業(yè)的利潤空間，加劇了企業(yè)的生存壓力[14]。

上述三個方面的特征是造成中小型定制家具企業(yè)始終處于粗放式管理狀態(tài)的核心原因，通過智能化賦能實現(xiàn)制造過程的轉型升級，是家具產(chǎn)業(yè)高質量發(fā)展的主要方向[15]。精準的工序作業(yè)時間是數(shù)據(jù)驅動的智能制造的關鍵基礎，如何在訂單差異化與人機協(xié)同作業(yè)場景下基于薄弱的基礎設施條件實現(xiàn)工序作業(yè)時間的預測，從而支撐科學生產(chǎn)決策，是中小型定制家具企業(yè)借助新一代信息技術開展精準集約的生產(chǎn)管理，從而實現(xiàn)轉型升級面臨的首要問題。

2 人機協(xié)同作業(yè)時間預測方法

2.1 基礎數(shù)據(jù)采集

數(shù)據(jù)是智能制造的核心資源，數(shù)據(jù)質量一直以來是以家具制造為代表的傳統(tǒng)制造業(yè)的弱點。精準的作業(yè)時間預測依賴于一系列異構的工藝數(shù)據(jù)、設備數(shù)據(jù)和人員數(shù)據(jù)，就當前生產(chǎn)實際來看，上述數(shù)據(jù)呈散布或缺失狀態(tài)。為獲取開展作業(yè)時間預測所需的基礎數(shù)據(jù)，有必要首先補全數(shù)據(jù)采集渠道，構建較為完整的作業(yè)大數(shù)據(jù)體系，然后通過物聯(lián)網(wǎng)實現(xiàn)數(shù)據(jù)的集成，經(jīng)預處理后形成包含加工參數(shù)與生產(chǎn)日志兩個維度的數(shù)據(jù)集(見圖1)。

圖1 人機協(xié)同作業(yè)基礎數(shù)據(jù)采集模式Fig.1 Basic data collection mode of human-machine collaborative operation

工藝數(shù)據(jù)包括：營銷前端的訂單數(shù)據(jù)、板件加工的工藝規(guī)則等，分散在產(chǎn)品訂單、工藝規(guī)則等信息文件中，主要決定產(chǎn)品工藝路徑(含步驟、設備等)。一方面需要以唯一的板件標識作為紐帶將不同的工藝數(shù)據(jù)串聯(lián)；另一方面需要將靜態(tài)的工藝規(guī)則轉變?yōu)槊嫦蛎恳粡埌寮墓に噮?shù)。

設備數(shù)據(jù)主要包括：設備參數(shù)與數(shù)控程序，涵蓋設備運行速度、動作次數(shù)、設備控制程序等影響工序作業(yè)時間的關鍵因素。對于數(shù)控設備，設備數(shù)據(jù)主要由設備工控機或其它傳感器基于PLC底層控制邏輯進行采集；對于非數(shù)控設備，主要通過掃碼節(jié)點采集板件信息與時間信息。散布的設備數(shù)據(jù)通過5G等物聯(lián)網(wǎng)手段集成到數(shù)據(jù)庫中。

人工數(shù)據(jù)是以家具制造為代表的傳統(tǒng)制造數(shù)據(jù)采集的難點，也是當前制造大數(shù)據(jù)缺失的主要內(nèi)容。為集中體現(xiàn)人工作業(yè)的波動性對生產(chǎn)過程的影響，可以通過現(xiàn)場傳感器或掃描槍采集關鍵操作節(jié)點的時間，并與具體的板件標識綁定，從而獲得每一張板件在這一人工作業(yè)過程的操作時間，并通過物聯(lián)網(wǎng)傳輸?shù)綌?shù)據(jù)庫中與板件工藝參數(shù)關聯(lián)起來。

2.2 人機協(xié)同作業(yè)時間模型構建

作業(yè)時間數(shù)據(jù)是生產(chǎn)線構建的核心數(shù)據(jù)，對于大批量標準產(chǎn)品制造可以采用秒表實測法獲得；對于以非標準產(chǎn)品為主的定制家具，需要基于工藝和設備參數(shù)進行建模預測。

中小型定制家具企業(yè)人機協(xié)同作業(yè)工序中存在人與機器兩類作業(yè)主體，從作業(yè)特征的角度分析，人與機器的作業(yè)特征見表1。

表1 人與機器作業(yè)特征對比[16]Tab.1 Comparison of operating characteristics between humans and machines項目作業(yè)特征人機器感知能力聽覺、嗅覺等五官感知能力較優(yōu)超聲、光電等特定信息感知能力強信息通路多信息通路綜合判斷,一條信息通路中斷時能通過其他通路補償以固定的信息通路接收固定的信息,難以應付意外情況輸出能力輸出形式多樣,但輸出范圍受生理條件約束輸出范圍廣,但形式比較單一作業(yè)精度精度較低,且離散程度大精度高,且集中度高作業(yè)效率效率較低,且因人而異效率高,且精準可控穩(wěn)定性穩(wěn)定性低,且容易疲勞,存在大量隨機性穩(wěn)定性高,適宜重復單調的工作靈活性高度靈活,能隨機應變和總結創(chuàng)新只能以固定的程序執(zhí)行任務環(huán)境要求需要符合人體對環(huán)境的要求可以在惡劣的條件下工作作業(yè)成本固定成本低,變動成本高固定成本高,變動成本低

由于人工作業(yè)與機器作業(yè)特征不同，對應的工序作業(yè)時間形成的機制也就存在明顯區(qū)別，特別是二者穩(wěn)定性差異給工序作業(yè)時間的模型構建帶來了諸多變化：機器作業(yè)的高度確定性反映到具體的作業(yè)時間上是一個確定值；人工作業(yè)的隨機性決定了其作業(yè)時間可能在某一范圍內(nèi)浮動，需要在模型中體現(xiàn)出來；人機協(xié)同作業(yè)工序兼具了二者的特征，是人工作業(yè)與機器作業(yè)的有機結合。

就中小型定制家具的生產(chǎn)現(xiàn)狀而言，對于封邊、鉆孔等加工過程，絕大部分已基本實現(xiàn)通過全自動封邊機、數(shù)控加工中心等設備實現(xiàn)作業(yè)，但工序首末的上下料、轉運等過程為人工作業(yè)；以電子鋸開料為代表的加工過程，除上下料和轉運過程外，其加工過程的每一個工步也需要人與機器的密切配合；分揀、包裝等工序主要由人工完成，機器參與度較低。從工序的層級來看，以機群式布局組織生產(chǎn)的中小型定制家具企業(yè)全部工序均可視為人機協(xié)同作業(yè)工序，區(qū)別在于不同作業(yè)類型中人與機的參與度與組成形式不同。

基于上述理解，為了構建人機協(xié)同作業(yè)工序的作業(yè)時間模型，需要首先針對人工工序與機器工序分別建模，并在此基礎上進行融合。

2.2.1 人工作業(yè)時間建模

人工作業(yè)過程受個體之間的認知差異、生理差異、在不同條件下的身心狀態(tài)以及環(huán)境變化的影響比較明顯，作業(yè)時間常常在比較寬泛的范圍內(nèi)浮動，這類影響因素通常難以量化，給作業(yè)時間模型的構建帶來了較大的困難。此外，由于定制家具作業(yè)過程中工藝參數(shù)各異的特點，人工作業(yè)時會基于自身的作業(yè)能力自主將工藝參數(shù)劃分為若干范圍，并形成不同的作業(yè)模式。例如涉及到人工搬運板件的作業(yè)過程，板件的尺寸就成為了工人自主選擇采用“一次多張”“一次一張”還是“多人協(xié)作”模式的主要依據(jù)，作業(yè)模式的多樣化也會帶來作業(yè)時間建模復雜度的提升。

傳統(tǒng)生產(chǎn)管理習慣于運用標準作業(yè)時間tstd近似替代人工作業(yè)時間，通過觀測時間的均值ts、評價系數(shù)β與寬放率α進行計算，即公式(1)[17]，其中評價系數(shù)β受熟練度、努力程度、環(huán)境狀況以及作業(yè)的穩(wěn)定性[18]影響，常用平準化法得出，寬放率α一般根據(jù)作業(yè)的實際情況查表獲得。

tstd=ts×β×(1+α)

(1)

在實際應用中，許多定制家具企業(yè)還會進一步將每一個工人的評價系數(shù)β視為相同并包含于ts中，對粗放式管理形成了一些便利。然而這種計算不能體現(xiàn)人工作業(yè)的波動性，在定制類產(chǎn)品的生產(chǎn)調度中，為了獲得一個可能存在波動的人工作業(yè)時間，可以使用分布的形式來建模，計算時基于分布使用計算機隨機生成一個數(shù)值作為作業(yè)時間。大量的現(xiàn)場實測表明，在作業(yè)模式相同的條件下，人工作業(yè)時間總體呈正態(tài)分布：

tmanual～N(μ,σ2)

(2)

式中，tmanual為人工作業(yè)時間；μ為依據(jù)大數(shù)據(jù)得到的作業(yè)時間均值；σ2為依據(jù)大數(shù)據(jù)得到的作業(yè)時間方差。

不同作業(yè)模式下的人工作業(yè)時間分布不同，需要分別建模。如果需要將粒度推進到每一個不同的工人，就需要進一步依托大量數(shù)據(jù)，研究構成評價系數(shù)β與具體人工工序作業(yè)時間均值μ和方差σ2之間的映射關系，將公式(2)進一步拓展為公式(3)：

tmanual～N(μ(β),σ2(β))

(3)

2.2.2 機器作業(yè)時間建模

相比人工作業(yè)時間的隨機性，機器作業(yè)時間最大的特征是具有確定性，機器正常運行時總是按照固定的程序進行作業(yè)，作業(yè)時間的波動往往可以忽略不計，在不考慮故障和擁堵的情況下，可以認為機器作業(yè)時間只取決于各項工藝和設備參數(shù)。由于定制家具每一張板件的尺寸、孔位等工藝參數(shù)各不相同，導致了作業(yè)時間呈現(xiàn)明顯的差異，是定制家具生產(chǎn)管控困難的根源，傳統(tǒng)方法依據(jù)平均作業(yè)時間來進行預估，數(shù)據(jù)精度已不足以支撐粒度達到板件級的生產(chǎn)決策。

機器作業(yè)由各功能單元的動作組合完成加工，從機器作業(yè)流程或數(shù)控文件中可以較為方便地提取關鍵影響因素。考慮到中小型定制家具企業(yè)普遍算力有限，可以基于加工日志推算的歷史作業(yè)時間與提取的關鍵影響因素構建多元線性回歸模型：

w1x1+w2x2+…+wixi+b

(4)

式中，x為與關鍵影響因素xk的向量表達；w為權重wk的向量表達；i為影響機器作業(yè)時間變量的個數(shù)；b為常數(shù)項。

2.2.3 人機協(xié)同作業(yè)時間建模

現(xiàn)階段，對于既包含人工作業(yè)的不確定性，又含有機器作業(yè)確定性的人機協(xié)同作業(yè)過程缺乏科學的作業(yè)時間計算方法，在實際應用中往往只能采用平均作業(yè)時間來估算，顯然其作業(yè)特征不能得到完整的呈現(xiàn)。對于定制家具制造過程中的人機協(xié)同作業(yè)工序，將其按工步進行拆分，可以理解為多個人工作業(yè)和機器作業(yè)通過并行或串行的方式進行復合的結果，因此總的作業(yè)時間可以利用前文中推導出來的人工作業(yè)與機器作業(yè)時間公式進行建模。

通過動作分析可以發(fā)現(xiàn)，人機協(xié)同作業(yè)過程可以劃分為若干個工步且所有工步的組合形式，可以在生產(chǎn)開始前預知。對于人工與機器并行的工步，機器作業(yè)時間與人工作業(yè)時間不相等是常態(tài)，但不論哪一方首先完成，都需要等待另一方完成才能夠進入下一工步；對于純?nèi)斯すげ交蚣儥C器工步，可以將處于等待狀態(tài)的一方作業(yè)時間視為0，同樣需要另一方完成方可進入下一工步。據(jù)此，每一個工步的作業(yè)時間總是以人工和機器作業(yè)時間中較長者為準，工序作業(yè)時間為每一個工步作業(yè)時間的累加：

(5)

式中，tmanualp為人機協(xié)同作業(yè)工序中q個工步中第p個的機器作業(yè)，tmachinep為人機協(xié)同作業(yè)工序中q個工步中第p個的人工作業(yè)。

2.2.4 人機協(xié)同作業(yè)時間模型評價

模型評價主要依托預測結果的精度來進行衡量，即基于模型對已完成加工的一批板件的人機協(xié)同作業(yè)工序作業(yè)時間進行預測，并與數(shù)據(jù)采集直接獲得的作業(yè)時間歷史數(shù)據(jù)進行對比，計算平均絕對誤差MAE(公式6)與決定系數(shù)R2(公式7)[19]。

(6)

(7)

通過MAE值衡量預測結果與真實值的偏差，MAE越小預測偏差越??；通過決定系數(shù)R2評估模型對真實值的可解釋比例，R2越接近1表示預測值對真實值的可解釋比例越高；繪制預測值與真實值回歸關系圖[20]，觀測樣本點回歸直線與直線y=x的接近程度，越接近表明預測可靠性越高。

3 結果與分析

本文以福建省瑞祥竹木有限公司開料工序為例進行人機協(xié)同作業(yè)工序作業(yè)時間分析。該公司是一家以竹木家具為主要產(chǎn)品的制造型企業(yè)，擁有員工200余人，年產(chǎn)值6 000余萬元，是典型的中小型板式定制家具生產(chǎn)企業(yè)。其竹木板式定制家具生產(chǎn)線主要加工步驟包括開料、封邊、鉆孔、分揀、包裝，主要通過該公司構建的“5G全連接工廠”系統(tǒng)采集設備數(shù)據(jù)。開料工序主要通過電子鋸進行作業(yè)，作業(yè)過程需要人與設備不斷互動，是人機協(xié)同程度較高的工序[21]，且受鋸圖(板材鋸切成板件的排版方案)復雜度的影響，不同板材開料作業(yè)時間差異可達60 s以上。通過采集該公司竹木板式定制家具生產(chǎn)線271張板材的開料數(shù)據(jù)，驗證人機協(xié)同作業(yè)工序作業(yè)時間模型的有效性。

3.1 人機協(xié)同配合關系

電子鋸鋸切是該工序主要加工工步，包含進料、鋸切、出料三個動作，存在明顯的“鋸切—等待”節(jié)奏，人工工步穿插其中，據(jù)此對其一個開料循環(huán)(完成一張原材料板材的開料)工步進行拆解為個工步(見圖2)：

圖2 電子鋸開料工序人機協(xié)同配合關系示意圖Fig.2Schematic diagram of human-machine collaborative operation in the electronic saw cutting process

3.2 人機協(xié)同時間分析

人工工步的主要動作包括板件移動與轉向(移板)、板件推送至靠檔(推料)、加工質量檢查(檢驗)、板件標簽粘貼(貼標)、切邊粉末吹除(清潔)、廢料丟棄處理(棄料)等，具體進行的操作取決于鋸切的位置(邊部/中部)以及鋸切產(chǎn)物的類型(半成品/成品/廢料)。為了得到人工工步與機器工步的配合方式，筆者對電子鋸開料工序進行了實測。典型的一張板材開料循環(huán)過程中，人工總是處理上一次機器作業(yè)的產(chǎn)物；大多數(shù)情況下，電子鋸每鋸切一次，就需要等待工人進行操作后才能進行下一次鋸切，少數(shù)情況下由于板件寬度相等，則可以連續(xù)鋸切(工步4、10、16、20、26機器與人工作業(yè)時間均為0，提示其前后兩次鋸切連續(xù)，為便于分析而將連續(xù)的鋸切拆開)；清潔、推料工步必須在機器停止運行時方可進行，其余人工工步可與機器工步并行開展(見表2)。

通過動作分析可以發(fā)現(xiàn)，當鋸圖一定時，開料作業(yè)的步驟基本一致，人工動作內(nèi)容可以從每一次鋸切的特征和產(chǎn)物推導出來，據(jù)此可以對電子鋸開料過程中人與機器的每一個動作進行預測，進而基于人與機器作業(yè)時間模型計算每一個動作的時間，并利用公式(5)計算總的作業(yè)時間。

通過采集到的人工操作數(shù)據(jù)，開料過程中各項主要人工動作時間建模如表3所示。對于電子鋸開料的主要機器工步(即鋸切，含進料、鋸切與出料)，根據(jù)其主要設備參數(shù)進料速度、鋸車速度與板件長度l(mm)、寬度w(mm)，可構建回歸模型，見公式(8)。

tcut=0.001 36l+0.000 59w+3.02

(8)

表2 典型板材開料循環(huán)人機協(xié)同作業(yè)時間分析表Tab.2 Analysis of typical sheet cutting cycle of human-machine collaborative operation time工步機器動作鋸切位置鋸切產(chǎn)物工人操作機器作業(yè)時間/s人工作業(yè)時間/s工步作業(yè)時間/s1鋸切邊部廢料上一張板材收尾7.0510.2510.252等待清潔02.142.143鋸切中部半成品棄料6.232.236.234等待等待0005鋸切邊部半成品移板6.885.316.886等待移板,推料06.446.447鋸切邊部廢料等待9.5209.528等待清潔01.891.899鋸切中部成品棄料7.765.527.7610等待等待00011鋸切邊部半成品檢驗,貼標6.4822.1922.1912等待清潔,移板,推料05.895.8913鋸切邊部廢料棄料7.093.017.0914等待清潔01.201.20

表3 電子鋸開料主要人工動作作業(yè)時間模型Tab.3 Time model for main humanactions of electronic saw cutting項目人工動作移板推料檢驗貼標清潔棄料tmanual/s(3.8,0.24)(2.3,0.10)(5.2,3.00)(4.1,0.80)(3.5,0.26)(3.1,0.13)

式中，tcut為單次鋸切動作的作業(yè)時間。

由于定制家具幾乎每一張板材對應的鋸圖都存在明顯差異，本文以271張板材為測試集，利用解析程序從這些板材對應的鋸圖中獲取每一次鋸切的位置與類型，進而逐一推算每一張板材人機協(xié)同開料所需的時間，并通過與采集到的作業(yè)時間真實值進行比較，分析驗證人機協(xié)同作業(yè)時間預測模型的精度，具體預測結果評價指標見表4，預測值與真實值回歸關系圖見圖3。

圖3 預測值與真實值回歸關系圖Fig.3 Regression relationship between predicted and actual values

預測值均值與真實值均值偏差為0.19s，表明在一定規(guī)模條件下，預測效果與實際效果比較接近，其用于開展產(chǎn)能預估、生產(chǎn)計劃等規(guī)劃管理工作時能夠取得良好的效果。預測值與真實值平均絕對誤差MAE為3.37s，表明在針對單張原材料板材開料進行預測時，總體偏差不大；決定系數(shù)為0.956 3，表明預測值對真實值的可解釋程度達95.63%。

表4 電子鋸開料作業(yè)時間預測評價指標Tab.4 Prediction and evaluation indicators of electronic saw cutting operation time實測均值/s預測均值/s最大絕對誤差/sMAE/sR2114.03114.2229.863.370.956 3

在預測值與真實值回歸曲線圖中，預測值與真實值構成的樣本點回歸直線為y=0.933 5x+7.779 1，與直線y=x比較接近，表明預測取得了良好的精度。然而，就單一的板材而言，預測值與真實值最大絕對誤差為29.86 s，表明也存在部分作業(yè)時間預測結果不精確的問題，可能的原因是真實值本身包含的部分異常與預測值計算中人工作業(yè)的波動疊加。

4 結論

本文從中小型定制家具企業(yè)的生產(chǎn)實際出發(fā)，以智能制造的基本需求為目標，基于人工與機器的作業(yè)特征分別構建作業(yè)時間計算方法，并進一步構建人機協(xié)同作業(yè)時間預測模型。通過電子鋸開料這一典型人機協(xié)同作業(yè)工序為案例，分析其人工工步與機器工步的復合形式，總結了電子鋸開料作業(yè)時間預測方法，對一批板材開料作業(yè)時間進行預測并借助采集到的歷史作業(yè)時間進行驗證，證明了人機協(xié)同作業(yè)工序作業(yè)時間模型的有效性，為推動生產(chǎn)管理粒度的細化打下數(shù)據(jù)基礎，助推中小型定制家具的智能化轉型升級。