【技术实现步骤摘要】
本专利技术属于飞机制造监控领域，具体涉及一种数据驱动的飞机工位移交预测方法及系统。
技术介绍
1、工位移交是飞机装配过程中，在满足移交条件下，将飞机从当前工位移交到下一个工位的动作，是飞机生产执行进度的体现。飞机实际完成状况与完成文件对应关系复杂，飞机当前所处工位可能与完成文件不符，无法准确反映当前飞机工位移交真实情况。目前判断是否满足工位移交条件主要依赖人工判断，没有成熟的工位移交预测系统或预测逻辑。建立飞机工位移交预测体系，将有效地协助飞机制造生产计划排程工作，优化生产排程算法。
2、当前国内市场上已有多种针对制造行业生产排程的算法，常见的为遗传算法和模拟退火算法。与生产排程算法相关论文通常会基于以上两种算法的框架优化，设计出针对船体车间、汽车零配件车间、装配式建筑构件车间等柔性作业车间生产排程方案。然而，目前，尚缺少可应用于飞机装配场景的生产排程算法。由于飞机制造的特殊性，即飞机装配车间中产品的流转方式为工位移交，在工位上停留时间较久，需要完成多个装配大纲或者一个装配大纲下的多个工序才会移交到下一个工序，是一种脉动生产线，并不是如其他制造行业的一般流水线生产。因此，不能直接或简单变形地将用于其他制造行业的生产排除算法应用于飞机工位移交预测。
技术实现思路
1、为了解决现有技术存在的问题，本专利技术的至少一个实施例提供了一种数据驱动的飞机工位移交预测方法及系统。
2、第一方面，本专利技术提出一种数据驱动的飞机工位移交预测方法，包括以下步骤：
4、步骤2、对采集的数据进行质量分析：剔除异常值，去掉重复值，完成输入数据的数据清洗工作，补齐缺失值，形成衍生特征；
5、步骤3、对所述步骤2处理后的数据进行探索性分析，其结果如下：将装配大纲完成时长定义为最晚工序完工时间减去最早工序开工时间，并基于该计算方式修正输入数据中的装配大纲开工时间和完工时间字段；去除工序开工完工时间均不在工位时间范围内的工序；修正时间点超出工位时间的工序的开完工时间：若工序开始时间早于工位最早开始时间，则将该工序开始时间设为工位最早开始时间；若工序完成时间晚于工位最晚完成时间，则该工序完成时间调整为工位最晚完成时间；对于横跨多个工位的工序：若工序的完工时间早于所有横跨工位的工位完工时间，则取最早的工位完成时间对应的工位，作为该工序对应的完工工位；若工序开工时间晚于所有横跨工位的工位开工时间，则取最晚的工位开工时间对应的工位，作为该工序对应的开工工位；
6、步骤4、使用飞机工位移交预测模型对完成所述步骤3的待预测架次的工位移交情形进行预测；所述飞机工位移交预测模型是基于xgboost模型或深度神经网络模型根据预设方式获得的大数据算法模型。
7、在一些实施方案中，所述预设方式为采用多架次经所述步骤1-3和步骤5处理得到的剩余特征进行训练和验证；所述步骤5、采用correlation公式计算所述步骤4处理后的数据所属特征的相关性，去掉相关性绝对值小于0.1的特征，得到所述剩余特征。
8、在一些实施方案中，所述飞机工位移交预测模型用于训练和/或验证的数据通过如下方式不断更新：所述待测架次装配下线后经所述步骤1-3和所述步骤5处理，其数据融合进所述剩余特征被用于所述飞机工位移交预测模型的训练和/或验证。
9、在一些实施方案中，所述剩余特征包括至少以下之一：架次-工位映射、单个工位上每架飞机的平均移交天数、移交天数标准差、移交天数最大值、移交天数最小值、移交天数第一四分位数、移交天数的第三四分位数、移交天数中位数、单架次在单工位上的装配大纲数量、工序数量、单个工位上处理的装配大纲总数、工序总数、处理每份装配大纲平均所需时间、处理装配大纲最长时间、处理每份装配大纲所需时间标准差、处理单个工序最长时间以及处理单个工序所需时间标准差。
10、在一些实施方案中，所述装配大纲基础信息包括装配大纲号、装配大纲名称、架次、装配大纲开工时间、装配大纲完工时间；所述装配大纲下的工序信息包括工序开工时间和工序完工时间；所述历史工位移交信息包括工位移交时间和工位移交架次。
11、在一些实施方案中，所述飞机工位移交预测模型所采用的所述步骤2处理后的数据有46万余条。
12、在一些实施方案中，还包括通过工位移交看板显示预测结果；所述预测结果包括待测架次从一个工位移交到下一个工位的预计天数；所述工位移交看板使用数据可视化工具quickbi开发获得。
13、在一些实施方案中，所述工位移交看板包括工位视角的工位移交看板和架次视角的工位移交看板。
14、第二方面，本专利技术还提供了一种数据驱动的飞机工位移交预测系统，包括：
15、数据采集模块，用于采集架次的装配大纲基础信息、装配大纲下的工序信息和历史工位移交信息；
16、数据质量分析模块，用于对所述数据采集模块采集的数据进行质量分析：剔除异常值，去掉重复值，完成输入数据的数据清洗工作，补齐缺失值，形成衍生特征；
17、数据探索性分析模块，用于对所述数据质量分析模块处理后的数据进行探索性分析，得到如下结果：将装配大纲完成时长定义为最晚工序完工时间减去最早工序开工时间，并基于该计算方式修正输入数据中的装配大纲开工时间和完工时间字段；去除工序开工完工时间均不在工位时间范围内的工序；修正时间点超出工位时间的工序的开完工时间：若工序开始时间早于工位最早开始时间，则将该工序开始时间设为工位最早开始时间；若工序完成时间晚于工位最晚完成时间，则该工序完成时间调整为工位最晚完成时间；对于横跨多个工位的工序：若工序的完工时间早于所有横跨工位的工位完工时间，则取最早的工位完成时间对应的工位，作为该工序对应的完工工位；若工序开工时间晚于所有横跨工位的工位开工时间，则取最晚的工位开工时间对应的工位，作为该工序对应的开工工位；
18、飞机工位移交预测模型，用于对待预测架次的工位移交情形进行预测；所述待预测架次的数据经过所述数据采集模块、所述数据质量分析模块和所述数据探索性分析模块处理；所述飞机工位移交预测模型是基于xgboost模型或深度神经网络模型根据预设方式获得的大数据算法模型。
19、在一些实施方案中，还包括相关性分析模块，采用correlation公式计算所述数据探索性分析模块处理后的数据所属特征的相关性，去掉相关性绝对值小于0.1的特征，得到剩余特征；
20、所述预设方式为采用多架次的所述剩余特征进行训练和验证。
21、在一些实施方案中，所述飞机工位移交预测模型用于训练和/或验证的数据通过如下方式不断更新：所述待测架次装配下线后经所述数据采集模块、所述数据质量分析模块、所述数据探索性分析模块和所述相关性分析模块处理，其数据融合进所述剩余特征被用于所述飞机工位移交预测模型的训练和/或验证。
22、在一些实施方案中，所述剩余特征包括本文档来自技高网...
【技术保护点】
1.一种数据驱动的飞机工位移交预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的数据驱动的飞机工位移交预测方法，其特征在于，所述预设方式为采用多架次经所述步骤1-3和步骤5处理得到的剩余特征进行训练和验证；所述步骤5、采用correlation公式计算所述步骤4处理后的数据所属特征的相关性，去掉相关性绝对值小于0.1的特征，得到所述剩余特征。
3.根据权利要求2所述的数据驱动的飞机工位移交预测方法，其特征在于，所述剩余特征包括至少以下之一：架次-工位映射、单个工位上每架飞机的平均移交天数、移交天数标准差、移交天数最大值、移交天数最小值、移交天数第一四分位数、移交天数的第三四分位数、移交天数中位数、单架次在单工位上的装配大纲数量、工序数量、单个工位上处理的装配大纲总数、工序总数、处理每份装配大纲平均所需时间、处理装配大纲最长时间、处理每份装配大纲所需时间标准差、处理单个工序最长时间以及处理单个工序所需时间标准差。
4.根据权利要求1所述的数据驱动的飞机工位移交预测方法，其特征在于，所述装配大纲基础信息包括装配大纲号、装配大纲名称、架次
5.根据权利要求1所述的数据驱动的飞机工位移交预测方法，其特征在于，还包括通过工位移交看板显示预测结果；所述预测结果包括待测架次从一个工位移交到下一个工位的预计天数；所述工位移交看板使用数据可视化工具QuickBI开发获得。
6.一种数据驱动的飞机工位移交预测系统，其特征在于，包括：
7.根据权利要求6所述的数据驱动的飞机工位移交预测系统，其特征在于，还包括相关性分析模块，采用correlation公式计算所述数据探索性分析模块处理后的数据所属特征的相关性，去掉相关性绝对值小于0.1的特征，得到剩余特征；
8.根据权利要求7所述的数据驱动的飞机工位移交预测系统，其特征在于，所述剩余特征包括至少以下之一：架次-工位映射、单个工位上每架飞机的平均移交天数、移交天数标准差、移交天数最大值、移交天数最小值、移交天数第一四分位数、移交天数的第三四分位数、移交天数中位数、单架次在单工位上的装配大纲数量、工序数量、单个工位上处理的装配大纲总数、工序总数、处理每份装配大纲平均所需时间、处理装配大纲最长时间、处理每份装配大纲所需时间标准差、处理单个工序最长时间以及处理单个工序所需时间标准差。
9.根据权利要求6所述的数据驱动的飞机工位移交预测系统，其特征在于，所述装配大纲基础信息包括装配大纲号、装配大纲名称、架次、装配大纲开工时间、装配大纲完工时间；所述装配大纲下的工序信息包括工序开工时间和工序完工时间；所述历史工位移交信息包括工位移交时间和工位移交架次。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上权利要求1至5中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种数据驱动的飞机工位移交预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的数据驱动的飞机工位移交预测方法，其特征在于，所述预设方式为采用多架次经所述步骤1-3和步骤5处理得到的剩余特征进行训练和验证；所述步骤5、采用correlation公式计算所述步骤4处理后的数据所属特征的相关性，去掉相关性绝对值小于0.1的特征，得到所述剩余特征。
3.根据权利要求2所述的数据驱动的飞机工位移交预测方法，其特征在于，所述剩余特征包括至少以下之一：架次-工位映射、单个工位上每架飞机的平均移交天数、移交天数标准差、移交天数最大值、移交天数最小值、移交天数第一四分位数、移交天数的第三四分位数、移交天数中位数、单架次在单工位上的装配大纲数量、工序数量、单个工位上处理的装配大纲总数、工序总数、处理每份装配大纲平均所需时间、处理装配大纲最长时间、处理每份装配大纲所需时间标准差、处理单个工序最长时间以及处理单个工序所需时间标准差。
4.根据权利要求1所述的数据驱动的飞机工位移交预测方法，其特征在于，所述装配大纲基础信息包括装配大纲号、装配大纲名称、架次、装配大纲开工时间、装配大纲完工时间；所述装配大纲下的工序信息包括工序开工时间和工序完工时间；所述历史工位移交信息包括工位移交时间和工位移交架次。
5.根据权利要求1所述的数据驱动的飞机工位移交预测方法，其特征在于，还包括通过工位移交看板显示预测结果；所述预测结果包括待测架次从一个工位移交到下一个工位的预计天数...
【专利技术属性】
技术研发人员：罗佳仪，葛程程，陈佩佩，张权，
申请(专利权)人：上海航空工业集团有限公司，
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。