一种装配工时的获取方法及处理器技术

本发明专利技术提供了一种装配工时的获取方法及处理器，包括：利用文本挖掘方式，对目标工艺文档中的工序文本进行处理，并确定目标工序文本的目标工序类型；根据目标工序文本的目标工序类型，获取与目标工序类型对应的目标神经网络模型；将目标工序文本中的工时影响因素输入至对应的目标神经网络模型，获取目标神经网络模型输出的与目标工序文本对应的装配工时。本发明专利技术的实施例通过文本挖掘的形式对工艺文档进行工序级工艺分类，并通过获取对应工序类型的神经网络模型构建工序级工时预测模型，并基于此获得工序文本对应的工时以及整个工艺文档对应的总工时，有利于提高工时预测的准确率和效率，进而提高了企业对工时定额的估算准确率和管理效率。

【技术实现步骤摘要】
一种装配工时的获取方法及处理器
本专利技术涉及工时预测
，特别涉及一种装配工时的获取方法及处理器。
技术介绍
工时定额是指在制造企业中按照规定的工作流程完成一个产品所花费的时间。工时定额是企业计划排产和人员调度的生产指导，是管理考核的标准与生产效率的衡量，是控制人力成本和产品报价的重要依据。在卫星等复杂产品研制生产过程中，装配过程的重要性日益凸显，其中卫星装配阶段的工时为产品研制周期的40％左右，装配成本超过完整生产成本的50％。当前卫星制造企业主要依赖人工经验进行工时定额估算，效率较低，主观影响大，准确性不足；同时，工时管理的信息化程度低，难以满足当前生产管理精细化、数字化和智能化的需求。因此，有必要研究一种卫星等复杂产品装配工时快速估算的方法，并设计开发工时定额与管理系统。当前大部分的工时预测模型多针对大批量、少品种的零件加工过程和部件装配过程，其工艺信息相对简单，工时影响因素比较提取容易。而对于卫星等复杂产品装配工时定额预测，其装配却存在着装配关系复杂、装配工艺信息多样、数据量庞大、影响因素繁杂等问题，使得工时定额估算比较困难。
技术实现思路
本专利技术实施例要达到的技术目的是提供一种装配工时的获取方法及处理器，用以解决当前卫星等复杂产品的装配工时估算困难的问题。为解决上述技术问题，本专利技术实施例提供了一种装配工时的获取方法，包括：利用文本挖掘方式，对目标工艺文档中的工序文本进行处理，并确定目标工序文本的目标工序类型，目标工序文本为任一工序文本；根据目标工序文本的目标工序类型，从预先构建的神经网络库中获取与目标工序类型对应的目标神经网络模型；将目标工序文本中对应目标工序类型的工时影响因素输入至对应的目标神经网络模型，获取目标神经网络模型输出的与目标工序文本对应的装配工时。具体地，如上所述的获取方法，利用文本挖掘方式，对目标工艺文档中的工序文本进行处理，并确定目标工序文本的目标工序类型的步骤包括：对获取到的目标工艺文档中的工序文本依次进行文本预处理，得到包含工序文本的分词结果的分词词库；根据分词词库以及预先构建的分类词袋模型，确定目标工序文本对应的目标工序类型。优选地，如上所述的获取方法，根据分词词库以及预先构建的分类词袋模型，确定目标工序文本对应的目标工序类型的步骤包括：对分词词库进行特征词提取处理，得到分词词库中的特征词以及特征词对应的特征值；根据特征值从目标工序文本中选取预设数量的特征词构成特征向量，并与分类词袋库进行匹配，得到匹配结果；根据匹配结果确定工序文本的目标工序类型。具体地，如上所述的获取方法，在根据分词词库以及预先构建的分类词袋模型，确定目标工序文本对应的目标工序类型的步骤之前，获取方法还包括：预先获取多个第一测试工艺文档；对第一测试工艺文档进行文本预处理，得到第一测试工艺文档对应的测试词库；对测试词库进行特征词提取处理，得到测试词库中测试工序文本的特征词以及特征词对应的特征值；确定测试工序对应的工序类型，并根据工序类型所对应的测试工序中的特征词以及特征值，得到分类词袋模型。进一步的，如上所述的获取方法，文本预处理的步骤包括：通过自然语言分词并结合预设的专业词库将工序文本内容分解为单独的词，并根据预设的停词库剔除工序文本内容中的停用词。进一步的，如上所述的获取方法，根据工序类型所对应的测试工序中的特征词以及特征值，得到分类词袋模型的步骤包括：根据工序类型所对应的特征词的特征值，选取特征值大于预设阈值或一预设比例的特征词，构成分类词袋模型。具体地，如上所述的获取方法，在获取与目标工序类型对应的目标神经网络模型步骤之前，处理方法还包括：根据目标工序类型的工时影响因素，得到至少一个神经网络训练模型；获取多个对应目标工序类型的第二测试文本，从第二测试文本中提取工时影响因素，并输入神经网络训练模型中进行训练，得到神经网络训练模型的训练结果；根据训练结果，确定对应目标工序类型的目标神经网络模型，并构建神经网络库。具体地，如上所述的获取方法，根据目标工序类型的工时影响因素，得到至少一个神经网络训练模型的步骤包括：根据工时影响因素，确定神经网络训练模型的输入层节点数；根据至少一个预设隐含层节点计算公式以及输入层节点数和输出层节点数，确定至少一个隐含层节点数；根据输入层节点数、输出层节点数、隐含层节点数以及预选的激活函数、初始参数和至少一个预设学习方法得到至少一个神经网络训练模型。具体地，如上所述的获取方法，工序类型包括：主要结构装配、单机结构装配、其他结构装配以及装配准备工艺。进一步的，如上所述的获取方法，对应工序类型为主要机构装配的工时影响因素包括：精度要求、紧固件数量、装配对象体积、连接方式以及是否调试检测；对应工序类型为单机结构装配的工时影响因素包括：紧固件数量、装配部件数量、精度要求以及装配对象体积；对应工序类型为单机结构装配的工时影响因素包括：使用工装、密封方式以及加紧定位；对应工序类型为装配准备工艺的工时影响因素包括：动作类型、使用工装、重量以及体积。本专利技术的另一优选实施例还提供了一种处理器，包括：第一处理模块，用于利用文本挖掘方式，对目标工艺文档中的工序文本进行处理，并确定目标工序文本的目标工序类型，目标工序文本为任一工序文本；第二处理模块，用于根据目标工序文本的目标工序类型，从预先构建的神经网络库中获取与目标工序类型对应的目标神经网络模型；第三处理模块，用于将目标工序文本中对应目标工序类型的工时影响因素输入至对应的目标神经网络模型，获取目标神经网络模型输出的与目标工序文本对应的装配工时。具体地，如上所述的处理器，所述第一处理模块包括：第一子处理模块，用于对获取到的目标工艺文档中的工序文本依次进行文本预处理，得到包含工序文本的分词结果的分词词库；第二子处理模块，用于根据分词词库以及预先构建的分类词袋模型，确定目标工序文本对应的目标工序类型。优选地，如上所述的处理器，第二子处理模块包括：第一处理单元，用于对分词词库进行特征词提取处理，得到分词词库中的特征词以及特征词对应的特征值；第二处理单元，用于根据特征值从目标工序文本中选取预设数量的特征词构成特征向量，并与分类词袋库进行匹配，得到匹配结果；第三处理单元，用于根据匹配结果确定工序文本的目标工序类型。具体地，如上所述的处理器，还包括：第四处理模块，用于预先获取多个第一测试工艺文档；第五处理模块，用于对第一测试工艺文档进行文本预处理，得到第一测试工艺文档对应的测试词库；第六处理模块，用于对测试词库进行特征词提取处理，得到测试词库中测试工序文本的特征词以及特征词对应的特征值；第七处理模块，用于确定测试工序对应的工序类型，并根据工序类型所对应的测试工序中的特征词以本文档来自技高网...

【技术保护点】
1.一种装配工时的获取方法，其特征在于，包括：/n利用文本挖掘方式，对目标工艺文档中的工序文本进行处理，并确定目标工序文本的目标工序类型，所述目标工序文本为任一所述工序文本；/n根据所述目标工序文本的所述目标工序类型，从预先构建的神经网络库中获取与所述目标工序类型对应的目标神经网络模型；/n将所述目标工序文本中对应所述目标工序类型的工时影响因素输入至对应的目标神经网络模型，获取所述目标神经网络模型输出的与所述目标工序文本对应的装配工时。/n

【技术特征摘要】
1.一种装配工时的获取方法，其特征在于，包括：
利用文本挖掘方式，对目标工艺文档中的工序文本进行处理，并确定目标工序文本的目标工序类型，所述目标工序文本为任一所述工序文本；
根据所述目标工序文本的所述目标工序类型，从预先构建的神经网络库中获取与所述目标工序类型对应的目标神经网络模型；
将所述目标工序文本中对应所述目标工序类型的工时影响因素输入至对应的目标神经网络模型，获取所述目标神经网络模型输出的与所述目标工序文本对应的装配工时。


2.根据权利要求1所述的获取方法，其特征在于，所述利用文本挖掘方式，对目标工艺文档中的工序文本进行处理，并确定目标工序文本的目标工序类型的步骤包括：
对获取到的目标工艺文档中的工序文本依次进行文本预处理，得到包含所述工序文本的分词结果的分词词库；
根据所述分词词库以及预先构建的分类词袋模型，确定所述目标工序文本对应的目标工序类型。


3.根据权利要求2所述的获取方法，其特征在于，所述根据所述分词词库以及预先构建的分类词袋模型，确定所述目标工序文本对应的目标工序类型的步骤包括：
对所述分词词库进行特征词提取处理，得到所述分词词库中的特征词以及特征词对应的特征值；
根据所述特征值从所述目标工序文本中选取预设数量的所述特征词构成特征向量，并与所述分类词袋库进行匹配，得到匹配结果；
根据所述匹配结果确定所述工序文本的目标工序类型。


4.根据权利要求2所述的获取方法，其特征在于，在所述根据所述分词词库以及预先构建的分类词袋模型，确定所述目标工序文本对应的目标工序类型的步骤之前，所述获取方法还包括：
预先获取多个第一测试工艺文档；
对所述第一测试工艺文档进行文本预处理，得到所述第一测试工艺文档对应的测试词库；
对所述测试词库进行特征词提取处理，得到所述测试词库中测试工序文本的特征词以及所述特征词对应的特征值；
确定所述测试工序对应的工序类型，并根据所述工序类型所对应的所述测试工序中的所述特征词以及所述特征值，得到所述分类词袋模型。


5.根据权利要求2或4所述的获取方法，其特征在于，所述文本预处理的步骤包括：
通过自然语言分词并结合预设的专业词库将工序文本内容分解为单独的词，并根据预设的停词库剔除所述工序文本内容中的停用词。


6.根据权利要求4所述的获取方法，其特征在于，所述根据所述工序类型所对应的所述测试工序中的所述特征词以及所述特征值，得到所述分类词袋模型的步骤包括：
根据所述工序类型所对应的所述特征词的所述特征值，选取所述特征值大于预设阈值或一预设比例的所述特征词，构成所述分类词袋模...

【专利技术属性】
技术研发人员：庄存波，刘检华，刘子文，张雷，刘娟，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11