[发明专利]基于kmeans聚类算法的回转类零件工序工时预测方法及系统

摘要

本发明公开了一种基于kmeans聚类算法的回转类零件工序工时预测方法及系统，工序数据采集与处理模块用于对历史工序的数据采集与处理；订单导入模块用于将该企业的零件订单导入该回转类零件工序工时预测系统；工序编码模块用于对历史工序及待预测工序进行工序编码；聚类模块用于对历史零件工序编码进行定期聚类成组；工时预测模块对待预测工序进行工时预测，其中该模块包含的聚类组划分单元用于将待预测工序划分至与其最相近的聚类组，工时计算单元用于对工时进行预测计算；数据存储模块用于对该系统中的数据进行存储；该方法与系统具有对回转类零件工序工时预测快速、准确、少数据量时预测效果较好的优点。

主权项

1.一种基于kmeans聚类算法的回转类零件工序工时预测方法，其特征在于，包括以下步骤：步骤1、采集回转类零件工序历史数据：从企业MES、ERP、PLM系统中对回转类零件工序历史数据进行采集或计算；步骤2、根据工艺信息及零件图纸信息将历史零件工序进行编码，将各历史零件工序编码转换为历史工序编码矩阵Xn×m：整理出企业已加工回转类零件工序的工艺信息及零件图纸信息，对所有回转类零件工艺信息及图纸中所出现的信息及结构进行标识；对不同工序的零件图纸信息和工艺信息进行组合，构成历史零件工序编码；各个历史零件工序编码完成后，将各历史零件工序编码转换为历史工序编码矩阵Xn×m；步骤3、对历史工序编码矩阵依据kmeans聚类算法进行聚类：采用初始聚类中心计算方法、距离计算方法及更新聚类中心方法，得到不同K值下的聚类结果及聚类中心，计算不同K值下的SP/DB指标，取SP/DB取最小时对应的K值、聚类中心及聚类结果，即为最终K值、最终聚类结果及最终聚类中心；步骤4、订单拆分成工序，对待预测工序进行编码：将订单拆分成各个工序并判断各工序是否为外协加工，如果不是外协加工则认定为待预测工序，需进行工时预测，预测时首先对待预测的工序进行编码；步骤5、将待预测工序划分至最终聚类组：结合权重系数矩阵公式、加权欧式距离公式计算所有待预测工序到K个聚类中心的加权欧式距离，相互比较后将所有待预测工序划分至与自身距离最小的最终聚类组，并筛选出步骤1中采集的所有数据中属于该聚类组的历史零件图号、工艺信息、零件工序历史特征参数矩阵及零件工序历史工时数据；步骤6、根据零件图号及工艺信息，将待预测工序与历史工序进行对比，若预测工序与历史工序的零件图号及工艺信息均相同，直接将历史理论标准工时作为预测理论工时并输出预测结果；若预测工序与历史工序不相同，则跳过该步骤直接进行下一步骤；步骤7、得到历史工时z与PCA降至二维后的特征参数(x，y)的对应关系：用MatLab画出待预测工序所属聚类组中历史工时与特征参数的三维散点图，对三维散点图运用MatLab中用最小二乘法拟合生成相应的函数关系式z＝f(x，y)；步骤8、预测工时计算：以新矩阵中s个待预测数据的第一维为x坐标，新矩阵中s个待预测数据的第二维为y坐标，代入关系式z＝f(x，y)得到待预测工序的理论预测工时公式并输出预测结果。