[發明專利]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

在審

• 申請號: 202211543959.0
• 申請日: 2022-12-03
• 公開（公告）號: CN115906650A
• 公開（公告）日: 2023-04-04
• 發明（設計）人: 顧冰菲;趙崧靈;侯玨;劉正;杜磊
• 申請（專利權）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所(普通合伙) 33392
• 代理人: 方威

本發明公開了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，包括如下步驟：(1)歷史數據采集；(2)影響因素分析：結合實際生產中的情況，確定服裝生產加工工序標準工時的三大類影響因素，包括：縫紉對象、縫紉結構及工藝要求；根據影響因素的數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，構建影響因素矩陣，數值歸一化后通過熵值法客觀評定各影響因素的權重；(3)機器學習模型訓練；(4)工時結果輸出：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；該預測系統包括款式選擇模塊、參數輸入模塊、結果輸出模塊與數據存儲模塊。

技術領域

本發明屬于服裝生產加工領域，特別提供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。

背景技術

我國是紡織服裝生產制造大國，作為勞動密集型產業，許多企業都在嘗試通過構建企業內部的精益化管理體系，來實現企業的提效降本，保持企業根本上的競爭優勢。目前服裝市場整體呈現出“多品種、小批量、短周期”的生產模式，使得制造方需在短時間內交付出高質量成品。

隨著工業工程(IE)管理方式的不斷推廣，目前很多企業已經開始采用“預先分析，后排生產”的方式進行生產管理，整體效率有了明顯的提升。其中，標準工時是工業工程的基礎，也是服裝生產過程中重要的指標，很多企業采用GSD動作代碼分析的方法確定每一件服裝的標準工時進而施行流程排布，但在實際生產中需要對每一件衣服進行單獨的分析，單款服裝分析耗時需1小時以上，分析過程中會進行大量重復的動作，并且在短流水的情景下，服裝的前置工時工序分析顯得尤為重要；同時隨著款式的增加，數據庫逐漸龐大，歷史信息不能得到有效的利用，都會造成人力、時間的浪費。

發明內容

本發明的目的在于提供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，針對現有技術的不足，一方面提出服裝短流水模塊化加工工序標準工時預測方法，提高服裝標準工時確定的效率，另一方面，提出一種實施本發明方法的服裝短流水模塊化加工工序標準工時預測系統，簡化整體工時分析的操作流程。

為了解決上述技術問題，采用如下技術方案：

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，其特征在于包括如下步驟：

(1)歷史數據采集：收集服裝加工車間近年生產數據，包括服裝加工基礎信息以及各工序對應的標準工時，服裝加工基礎信息包括服裝款式、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數字工位采集時間相結合的方法；

(2)影響因素分析：結合實際生產中的情況，確定服裝生產加工工序標準工時的三大類影響因素，包括：縫紉對象、縫紉結構及工藝要求；根據影響因素的數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，構建影響因素矩陣，數值歸一化后通過熵值法客觀評定各影響因素的權重；

(3)機器學習模型訓練：構建BP神經網絡模型，由輸入層、隱含層、輸出層構成，采用梯度下降法進行訓練，輸入層、輸出層神經元個數分別由輸入的影響因素與輸出結果決定，隱含層層數與神經元個數在經驗值基礎上再根據訓練結果進行調整；將獲得的服裝款式信息及工時數據樣本輸入至BP神經網絡，經重復訓練后獲得并保存該訓練好的模型；

(4)工時結果輸出：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。

優選后，所述步驟(1)中的服裝款式依據服裝結構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、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構線，如肩縫、側縫、袖籠、底擺的服裝結構線部位。