一种服装短流水模块化加工工序标准工时预测方法及预测系统技术方案

本发明专利技术公开了一种服装短流水模块化加工工序标准工时预测方法及预测系统，包括如下步骤：(1)历史数据采集；(2)影响因素分析：结合实际生产中的情况，确定服装生产加工工序标准工时的三大类影响因素，包括：缝纫对象、缝纫结构及工艺要求；根据影响因素的数值类型及对工时长短的影响，采用序号法对各因素进行编码，构建影响因素矩阵，数值归一化后通过熵值法客观评定各影响因素的权重；(3)机器学习模型训练；(4)工时结果输出：将新款服装的基本信息输入至所述步骤(3)训练好的模型后进行拟合，获得当前服装各工序的标准工时；该预测系统包括款式选择模块、参数输入模块、结果输出模块与数据存储模块。据存储模块。据存储模块。

【技术实现步骤摘要】
一种服装短流水模块化加工工序标准工时预测方法及预测系统


[0001]本专利技术属于服装生产加工领域，特别提供一种服装短流水模块化加工工序标准工时预测方法及预测系统。

技术介绍

[0002]我国是纺织服装生产制造大国，作为劳动密集型产业，许多企业都在尝试通过构建企业内部的精益化管理体系，来实现企业的提效降本，保持企业根本上的竞争优势。目前服装市场整体呈现出“多品种、小批量、短周期”的生产模式，使得制造方需在短时间内交付出高质量成品。
[0003]随着工业工程(IE)管理方式的不断推广，目前很多企业已经开始采用“预先分析，后排生产”的方式进行生产管理，整体效率有了明显的提升。其中，标准工时是工业工程的基础，也是服装生产过程中重要的指标，很多企业采用GSD动作代码分析的方法确定每一件服装的标准工时进而施行流程排布，但在实际生产中需要对每一件衣服进行单独的分析，单款服装分析耗时需1小时以上，分析过程中会进行大量重复的动作，并且在短流水的情景下，服装的前置工时工序分析显得尤为重要；同时随着款式的增加，数据库逐渐庞大，历史信息不能得到有效的利用，都本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种服装短流水模块化加工工序标准工时预测方法，其特征在于包括如下步骤：(1)历史数据采集：收集服装加工车间近年生产数据，包括服装加工基础信息以及各工序对应的标准工时，服装加工基础信息包括服装款式、部件、面料、工艺与机器；标准工时的确定采用GSD动作分析与D
‑
station数字工位采集时间相结合的方法；(2)影响因素分析：结合实际生产中的情况，确定服装生产加工工序标准工时的三大类影响因素，包括：缝纫对象、缝纫结构及工艺要求；根据影响因素的数值类型及对工时长短的影响，采用序号法对各因素进行编码，构建影响因素矩阵，数值归一化后通过熵值法客观评定各影响因素的权重；(3)机器学习模型训练：构建BP神经网络模型，由输入层、隐含层、输出层构成，采用梯度下降法进行训练，输入层、输出层神经元个数分别由输入的影响因素与输出结果决定，隐含层层数与神经元个数在经验值基础上再根据训练结果进行调整；将获得的服装款式信息及工时数据样本输入至BP神经网络，经重复训练后获得并保存该训练好的模型；(4)工时结果输出：将新款服装的基本信息输入至所述步骤(3)训练好的模型后进行拟合，获得当前服装各工序的标准工时。2.根据权利要求1所述的一种服装短流水模块化加工工序标准工时预测方法，其特征在于：所述步骤(1)中的服装款式依据服装结构线作为工艺最小操作单位进行部件或部位的划分；部件为领、口袋、前襟等除大身裁片外较为零散的需提前单独制作完成的小面积裁片；部位则为大身裁片组装结构线，如肩缝、侧缝、袖笼、底摆的服装结构线部位。3.根据权利要求1所述的一种服装短流水模块化加工工序标准工时预测方法，其特征在于：所述步骤(1)历史数据采集为企业中已经完成生产的历史数据，标准工时数据是先由专业的IE分析人员根据样衣来确定每个部件或部位所需工艺，在实际生产前采用GSD动作分析确定工时，然后在生产过程中根据实际生产情况进行动作代码的调整，最终形成标准工时数据库；其中GSD动作分析采用企业中常见的GSD标准工时分析系统，实际生产中通过D
‑
station数字工位实时统计工序完成前后时间，对预先分析的工时进行校对。4.根据权利要求1所述的一种服装短流水模块化加工工序标准工时预测方法，其特征在于：所述步骤(2)的影响因素分析中，利用基础参数信息与领域专家知识相结合的方法确定各因素对工时影响的权重，...

【专利技术属性】
技术研发人员：顾冰菲，赵崧灵，侯珏，刘正，杜磊，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：