【技术实现步骤摘要】
本专利技术涉及定制家具制造领域，特别是涉及一种定制家具制造数控钻孔作业时间预测方法、系统及设备。
技术介绍
1、近年来，随着先进制造技术不断向纵深发展，定制家具制造逐步迈入自动化、连续化阶段。为满足消费升级背景下的柔性响应，通过构建家具数字孪生车间(furnituredigital twin shop-floor，fdts)实现更高效、更低碳的制造，需要依赖更精准的智能生产决策，这就要求需将生产管理由传统的批次级推进到板件级，以削减批次内部粗放式管理造成的效率损失。工序作业时间是驱动精准生产决策的关键基础数据，客户个性化需求决定定制家具板件之间的区别，进而导致同一工序加工不同板件时作业时间存在差异。精准生产决策需要围绕每一张板件展开，首先要求掌握板件差异化的工序作业时间，在预先实测不具备可行性的现实条件下，产业界对精准预测每一张板件的工序作业时间提出了紧迫要求。
2、当前，工序作业时间预测相关研究主要集中于构建一套标准模板进行正向计算、依据工艺参数进行聚类分析、借助统计学方法构建数学模型、基于人工智能算法和工艺参数进行预测等方面，研究方法与时俱进，预测精度逐步提高；然而，现有研究大多着眼于定额工时或标准作业时间，不足以指导大规模个性化定制生产模式，同时存在采集数据量过少、对数据基础薄弱的传统制造业适配性不强等问题，且针对家具制造这一特定领域，相关研究相对匮乏。
技术实现思路
1、本专利技术的目的是提供一种定制家具制造数控钻孔作业时间预测方法、系统及设备，可实现对每一张板
2、为实现上述目的，本专利技术提供了如下方案：
3、一种定制家具制造数控钻孔作业时间预测方法，包括：
4、建立定制家具制造中数控钻孔加工板件的历史数据集；所述历史数据集包括输入变量和每一张板件的历史数控钻孔作业时间，所述输入变量包括每一张板件数控程序中的设备关键动作和每一张板件中每一个面的孔参数；
5、构建人工神经网络模型；
6、利用历史数据集训练所述人工神经网络模型，获得数控钻孔作业时间预测模型；
7、在数控钻孔加工板件作业开始前，将待测板件数控程序中的设备关键动作和待测板件中每一个面的孔参数一起输入所述数控钻孔作业时间预测模型，输出待测板件的数控钻孔作业时间预测值。
8、一种定制家具制造数控钻孔作业时间预测系统，包括：
9、数据集建立模块，用于建立定制家具制造中数控钻孔加工板件的历史数据集；所述历史数据集包括输入变量和每一张板件的历史数控钻孔作业时间，所述输入变量包括每一张板件数控程序中的设备关键动作和每一张板件中每一个面的孔参数；
10、模型构建模块，用于构建人工神经网络模型；
11、训练模块，用于利用历史数据集训练所述人工神经网络模型，获得数控钻孔作业时间预测模型；
12、预测模块，用于在数控钻孔加工板件作业开始前，将待测板件数控程序中的设备关键动作和待测板件中每一个面的孔参数一起输入所述数控钻孔作业时间预测模型，输出待测板件的数控钻孔作业时间预测值。
13、一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的定制家具制造数控钻孔作业时间预测方法。
14、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
15、本专利技术实施例的一种定制家具制造数控钻孔作业时间预测方法、系统及设备，采用人工神经网络模型，以每一张板件的设备关键动作和每一个面的孔参数为依据开展预测，能够在数控钻孔加工作业实际开始前，以较高的速度实现每一张板件差异化的、精准的数控钻孔作业时间预测。
本文档来自技高网...【技术保护点】
1.一种定制家具制造数控钻孔作业时间预测方法，其特征在于，包括：
2.根据权利要求1所述的定制家具制造数控钻孔作业时间预测方法，其特征在于，所述人工神经网络模型包括输入层、隐层和输出层；
3.根据权利要求2所述的定制家具制造数控钻孔作业时间预测方法，其特征在于，利用历史数据集训练所述人工神经网络模型，获得数控钻孔作业时间预测模型，具体包括：
4.根据权利要求3所述的定制家具制造数控钻孔作业时间预测方法，其特征在于，采用误差逆传播算法和小批量梯度下降法对所述人工神经网络模型进行训练；所述误差逆传播算法的权重更新公式为：式中，ωp为第p行的权重，ωp-1为第p-1行的权重，β为动量参数，η为学习率；E为依据损失函数计算的误差，Δωp为动量因子；
5.根据权利要求1所述的定制家具制造数控钻孔作业时间预测方法，其特征在于，将夹具松开板件与夹具夹紧板件之间的时间差作为每一张板件的历史数控钻孔作业时间。
6.一种定制家具制造数控钻孔作业时间预测系统，其特征在于，包括：
7.一种电子设备，其特征在于，包括存储器、处理器以及
...【技术特征摘要】
1.一种定制家具制造数控钻孔作业时间预测方法，其特征在于，包括：
2.根据权利要求1所述的定制家具制造数控钻孔作业时间预测方法，其特征在于，所述人工神经网络模型包括输入层、隐层和输出层；
3.根据权利要求2所述的定制家具制造数控钻孔作业时间预测方法，其特征在于，利用历史数据集训练所述人工神经网络模型，获得数控钻孔作业时间预测模型，具体包括：
4.根据权利要求3所述的定制家具制造数控钻孔作业时间预测方法，其特征在于，采用误差逆传播算法和小批量梯度下降法对所述人工神经网络模型进行训练；所述误差逆传播算法的权重更新公式为：式中，ωp为第p行...
【专利技术属性】
技术研发人员：陶涛，欧阳周洲，陈星艳，吴义强，
申请(专利权)人：中南林业科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。