基于数控技术的机匣类零件工时定额方法研究.docVIP

基于数控技术的机匣类零件工时定额方法研究 问题背景 某航空企业各单位的工时定额制定过程相对较粗放，基本是靠经验制定（历年工时零件完成工时情况为依据），易造成定额过高或过低，不利于促进生产。要求根据现有数据（部分零件的部分加工程序仿真时间、零件工序实际加工时间）研究如何根据NC代码仿真制定较合理的加工工时，确定机匣类零件加工工时系数，使实际加工工时与设定加工工时之间的误差在±10%。 解决问题的方法研究 机械加工工时定额的制定需要考虑诸多影响因素，必须分析和处理大量信息,包括:产品设计图上有关结构形状、工件的面积以及质量或最大外形体积、材料、工序种类、加工设备、装夹调整方法、度量方法、搬运方法、加工形面特征、几何参数、加工精度或表面质量、加工余量及其工序内容的复杂程度等,该过程涉及到和生产过程有关的各个方面,是一项极其繁琐复杂而又十分重要的工作。 常用的工时定额制定方法有6 种: (1) 经验估计法; (2)解析计算法; (3) 统计分析法; (4) 图表计算法; (5) 类推比较法; (6) 技术测定法。 经验估计法受人为因素影响较大;统计分析法和图表计算法又取决于统计资料的可靠程度;类推比较法仅适用于大批量生产的产品或者零件品种较为单一和生产对象较为固定的生产企业;技术测定法会因设备、工装的性能和类型、工件材料的加工性质、毛坯的状态、加工方法和服务方式等在工艺过程中的变化,以及工人在实际操作时对技术熟练程度的不同而使所制定的工时定额发生变化。鉴于这几种方法各自的局限性,文中结合工厂实际选择采用解析计算法进行计算。解析计算法是利用数学模型,在输入所需的工艺信息后进行工时定额计算。用数学模型核定的工时定额,可反映产品实际成本,减少人为干预因素,有利于进行规范化、标准化和计算机化管理。 工时定额系统设计 工时定额系统的目标是：使工时定额的制定能够达到通用化、规范化、科学化和计算机化，以便为产品理论成本的核算、生产计划的合理安排提供可靠的依据和保证，真正发挥在企业生产过程中的重要作用。基于以上目标，建立工时定额系统如下表： 图1 　工时定额系统功能模块图 工时定额计算是整个系统的关键，由上面的分析，我们选用解析计算法制定加工工时。工时定额是指在正常的生产技术组织条件下,以合理的操作方法,完成一件合格产品或一项作业所必需消耗的劳动时间。在离散型机械制造企业中,零件的加工过程是由零件的各道工序组成的，所以零件的工时定额取决于零件各工序的工时定额。 步骤如下： 制定优化后的基于数控技术的机匣类零件加工路线 针对每道工序仿真，得到仿真时间 寻找仿真条件与实际加工条件的差异 根据差异设定变量，针对每道工序建立实际时间与仿真时间的关系模型； 检验 机匣类零件的一般加工工艺如图2： 图2 某厂机匣制造工艺规范工序安排简图 *包括前后端面、壳体内部 **本工序为重要工序，一结合面已经干到位 ***原工序各个部分为分散的工序 数控程序加工仿真只能证明刀具轨迹运动的正确性 在目前的仿真系统中预先设定了大量假设因素，如设定工艺系统刚性满足要求，无振动；加工材料结构统一，无硬点等缺陷；刀具无磨损；切削要素不发生变化等。这种假定的理想状态不能将切削过程中的随机干扰如工件硬点造成的材质变化、振动造成的切深变化等因素考虑进去，使仿真系统不能真实地反映实际切削过程。[9]计算得到隐层神经元数目，输出层函数选用purelin函数，隐层选用Sigmoid函数。神经网络模型确定以后，就可以使用遗传算法来优化神经网络参数了。 遗传算法的编码方法采用实数编码，由神经网络结构可计算得种群中每条染色体的编码长度。基于实数编码的遗传算法关键的操作是变异操作，因笔者是在MATLAB环境中编写的程序，所以采用式（1）来进行变异，其中x表示基因位，high和low是x的最大最小值，rand函数随机产生的位于0和1之间的小数。因为rand产生的小数相同的可能性很小，所以可以把x作为变异值来使用，万一产生相同值的话，再重新生成一次x即可。 (1) 遗传算法中的适应度函数采用式（2），其中E为对每个染色体进行神经网络预训练得的均方差。 (2) 将遗传算法的参数（种群数量、交叉概率、变异概率等等）设置好之后，就可以进行优化了。把优化过的权值和阈值以初始值的方式赋给神经网络，再进行神经网络训练，进而得到满意的神经网络计算模型。其具体步骤为 图3 遗传神经网络流程图 Step1：神经网络结构计算总的权值和阈值数目，并以此确定GA中染色体的长度； Step2根据权值和阈值的取值范围，进行遗传算法的种群初始化； Step3计算适应度值，然后再进行选择、交叉、变异等操作，直至循环到指定代数； Step4再优化好的种群中选择最好的染色体，将其解码后作为初始值赋