[發(fā)明專利]一種服裝短流水模塊化加工工序標準工時預測方法及預測系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202211543959.0
• 申請日: 2022-12-03
• 公開（公告）號: CN115906650A
• 公開（公告）日: 2023-04-04
• 發(fā)明（設(shè)計）人: 顧冰菲;趙崧靈;侯玨;劉正;杜磊
• 申請（專利權(quán)）人: 浙江理工大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/0631;G06Q50/04;G06F113/12;G06F119/12;G06F119/02
• 代理公司: 杭州六方于義專利代理事務(wù)所(普通合伙) 33392
• 代理人: 方威

1.一種服裝短流水模塊化加工工序標準工時預測方法，其特征在于包括如下步驟：

(1)歷史數(shù)據(jù)采集：收集服裝加工車間近年生產(chǎn)數(shù)據(jù)，包括服裝加工基礎(chǔ)信息以及各工序?qū)?yīng)的標準工時，服裝加工基礎(chǔ)信息包括服裝款式、部件、面料、工藝與機器；標準工時的確定采用GSD動作分析與D-station數(shù)字工位采集時間相結(jié)合的方法；

(2)影響因素分析：結(jié)合實際生產(chǎn)中的情況，確定服裝生產(chǎn)加工工序標準工時的三大類影響因素，包括：縫紉對象、縫紉結(jié)構(gòu)及工藝要求；根據(jù)影響因素的數(shù)值類型及對工時長短的影響，采用序號法對各因素進行編碼，構(gòu)建影響因素矩陣，數(shù)值歸一化后通過熵值法客觀評定各影響因素的權(quán)重；

(3)機器學習模型訓練：構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，由輸入層、隱含層、輸出層構(gòu)成，采用梯度下降法進行訓練，輸入層、輸出層神經(jīng)元個數(shù)分別由輸入的影響因素與輸出結(jié)果決定，隱含層層數(shù)與神經(jīng)元個數(shù)在經(jīng)驗值基礎(chǔ)上再根據(jù)訓練結(jié)果進行調(diào)整；將獲得的服裝款式信息及工時數(shù)據(jù)樣本輸入至BP神經(jīng)網(wǎng)絡(luò)，經(jīng)重復訓練后獲得并保存該訓練好的模型；

(4)工時結(jié)果輸出：將新款服裝的基本信息輸入至所述步驟(3)訓練好的模型后進行擬合，獲得當前服裝各工序的標準工時。

2.根據(jù)權(quán)利要求1所述的一種服裝短流水模塊化加工工序標準工時預測方法，其特征在于：所述步驟(1)中的服裝款式依據(jù)服裝結(jié)構(gòu)線作為工藝最小操作單位進行部件或部位的劃分；部件為領(lǐng)、口袋、前襟等除大身裁片外較為零散的需提前單獨制作完成的小面積裁片；部位則為大身裁片組裝結(jié)構(gòu)線，如肩縫、側(cè)縫、袖籠、底擺的服裝結(jié)構(gòu)線部位。

3.根據(jù)權(quán)利要求1所述的一種服裝短流水模塊化加工工序標準工時預測方法，其特征在于：所述步驟(1)歷史數(shù)據(jù)采集為企業(yè)中已經(jīng)完成生產(chǎn)的歷史數(shù)據(jù)，標準工時數(shù)據(jù)是先由專業(yè)的IE分析人員根據(jù)樣衣來確定每個部件或部位所需工藝，在實際生產(chǎn)前采用GSD動作分析確定工時，然后在生產(chǎn)過程中根據(jù)實際生產(chǎn)情況進行動作代碼的調(diào)整，最終形成標準工時數(shù)據(jù)庫；其中GSD動作分析采用企業(yè)中常見的GSD標準工時分析系統(tǒng)，實際生產(chǎn)中通過D-station數(shù)字工位實時統(tǒng)計工序完成前后時間，對預先分析的工時進行校對。

4.根據(jù)權(quán)利要求1所述的一種服裝短流水模塊化加工工序標準工時預測方法，其特征在于：所述步驟(2)的影響因素分析中，利用基礎(chǔ)參數(shù)信息與領(lǐng)域?qū)＜抑R相結(jié)合的方法確定各因素對工時影響的權(quán)重，其中縫紉對象包括面料等級、裁片層數(shù)、面料圖案三個因素，縫紉結(jié)構(gòu)包括長度尺寸、縫紉形狀、縫紉數(shù)量三個因素，工藝要求包括針步類型、機器種類及工藝難度三個具體的影響因素，共計三類九種影響標準工時制定的因素。

5.根據(jù)權(quán)利要求4所述的一種服裝短流水模塊化加工工序標準工時預測方法，其特征在于：步驟(2)中的影響因素編碼方式采用序號法，將九種影響因素數(shù)據(jù)分為定類數(shù)據(jù)和定序數(shù)據(jù)，其中針步類型、機器種類為定類數(shù)據(jù)，其余均為定序數(shù)據(jù)；定類數(shù)據(jù)的編碼在其他因素統(tǒng)一的情況下，統(tǒng)計操作單位長度下耗時的長短后排序編碼；定序數(shù)據(jù)則直接按照各元素耗時長短按照從小到大的順序進行編碼，最終構(gòu)建影響因素矩陣。

6.根據(jù)權(quán)利要求4所述的一種服裝短流水模塊化加工工序標準工時預測方法，其特征在于：所述步驟(3)中構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型，輸入層神經(jīng)元的個數(shù)根據(jù)輸入影響因素確定，輸出層中的輸出結(jié)果為標準工時一個數(shù)據(jù)，則相應(yīng)輸出層神經(jīng)元個數(shù)設(shè)定為1；隱含層神經(jīng)元的個數(shù)根據(jù)經(jīng)驗值公式

w為0-10之間的常數(shù)，進行初步確定，再根據(jù)預測結(jié)果進行調(diào)整。