基于RFID系统的服装工人技能监测控制图研究(大纲).docVIP

一种基于RFID系统的服装厂工人技能监测控制图方法研究 （大纲版） 1 引言（2页） 中国大陆素有“世界服装加工厂”之称，服装生产依赖人与设备的配合，诸多的人为因素使得生产现场难控制、不易把握，使生产现场的随意性和管理人员的盲目性增加。 为了更好地把握现场半成品和工序流程，许多企业在服装流水线上使用了RFID系统，该系统的运用，产生了大量的生产数据，包含每个员工完成批量操作的工序时间、产量、效率等，这些数据为基于RFID系统的员工生产监测的研究提供了软硬件基础。 另一方面，企业人力资源部门或者生产计划部门，也希望得到准确的服装每道工序加工时间、一线员工成长状况以及员工操作稳定性指标，以其为生产计划、流水线编排及一线员工培养和考核提供依据。 基于RFID系统记录数据的服装厂工人技能监测研究，从企业原本的主管评价，变为客观评价，研究结果量化，易操作，公平，是服装生产大数据运用的一个发展方向。 2 传统的SPC技术及应用（2页） 2.1 理论（略） 2.2 监测应用： 自动化生产线（最早是零部件的生产）单个或多个数量指标的监测 人体某些指标的监测（待详细写） 其它自动记录数据的监测 3 SPC技术应用于服装厂工人技能监测（SPC技术应用于监测人，本研究首次提出，呵呵）（1页） 服装厂工人平均生产生产时间，以及生产时间的一致性监测（正态分布的均值及方差的监测） 3.1 服装厂生产特点：小批量、一张订单生产生产一、两个月已是大单子 3.2 开款时间的监测 3.2 对员工技能的监测不同于对自动化生产线的监测，6区间显得过于苛刻。而过于严格的监控会给予员工造成过大的压力，导致员工心理状态的亚健康发长远来说，不利于工厂的管理。因此，本研究结果只用来管理人员分析，不用作奖惩依据。 3.3 平均生产生产时间的监测 3.4 生产生产时间的一致性监测 4、实证分析（周雁数据）（2-3页） 4.1 数据预处理：实证研究的数据来自于某服装生产厂的一个订单的完整生产过程。数据共29天，以扎件为单位，每天记录少则6000多笔，多则20000多笔。我们首先从中选出某员工在某道生产工序上的生产时间数据，摘选出某道工序的生产生产时间的时间序列数据；因数据量大，手工拷贝、粘贴无法完成，所以，在SPSS软件中实现；病态数据的剔除；数据正态性检验：采用员工葛唱、龚晓梅的数据做为实证数据。原始数据中的每个点为一扎的平均生产时间。经正态检验，均符合正态分布。再由序列的自相关偏自相关图知，序列无自相关性，符合SPC技术的理论前提：变量为iid分布； 图 葛唱的平均生产时间原始数据 图 龚晓梅的平均生产时间原始数据 自相关偏自相关图 4.2 拟合员工对新工序（开款）的成长曲线，计算员工开款适应时间。本文采用双曲线模型，随着时间的增长，平均生产时间曲线有一条水平渐近线，即员工对新工序逐渐适应后，理论上应该有一个极限值；计算临界点，从而计算出每个员工的开款适应时间。 采用开款后前10天数据，拟合双曲线模型即员工葛唱的成长曲线模型为： GC = 24.45875 + 9.080622/T………………（1） 其中，T为时间变量。由模型1得出：当T逐渐增大时，葛唱的平均生产时间将降为24.45875。员工葛唱的成长曲线见图2。 图2 关于开款临界点的界定：成长曲线的切线与水平线越接近，所需要的时间越长，图3是采用开款后21天数据所拟合的员工葛唱的成长曲线。 图3 图3表明：随着时间的增长，成长曲线越来越接近于水平线。但由于一方面分析原始数据图1可知，随着生产时间的增长，员工的经验、技能都在增长，每隔一段时间，员工的平均生产时间就会下降一个小台阶。另一方面，服装工厂的订单多为小批量生产，等成长曲线的切线接近水平，员工对某道工序的生产能力达到极限，订单也已经进行大半或接近尾声，将无法对员工生产生产时间进行监测。所以，本研究中，我们对员工成长曲线的斜率设定一个阈值，当员工成长曲线的切线斜率的绝对值小于这个阈值时，我们即认为员工的平均生产时间无法再降低，达到极限。阈值的选取不能过大，选取过大的阈值将导致员工生产时间的波动程度增加。根据与服装业内专家讨论的结果，本文的阈值设为0.7。 模型中的常数即为员工的目标均值。由于拟合时间长度较短，目标均值与实际目标均值有差异。实证研究结果表明：员工葛唱模型1的目标均值为23.52119，实际均值为22.14，绝对误差约为：1.38，相对误差为0.06238，小于百分之10，误差在合理范围内。 员工龚晓梅的平均生产时间图与成长曲线图见下图： 经计算，员工龚晓梅的临界点为第4天，即开款时间为4天，由拟合模型计算出的目标平均生产生产时间为：22.92256，实际平均生产时间为：19.57 4.3 员工生产生产时间均值的监测：临界点后，制做休哈特控制图，以