一种船体分段智能车间数据模型构建方法与流程

本发明涉及船舶制造信息化技术领域，具体为一种船体分段智能车间数据模型构建方法。

背景技术：

目前，船舶行业包含三个方面的信息化需求：设计信息化、生产管理信息化、车间制造执行信息化。如何实现船舶制造信息化，并将船舶制造信息化各个方面有机结合并应用于造船实践中，实现节省成本，提高效率是当前急需解决的问题。

随着近几年来船舶行业信息化工作的逐步深入和普及，上述每个方面(设计信息化、生产管理信息化、车间制造执行信息化)都有一套彼此独立的信息化管理体系。

由于现阶段国内船舶企业信息化水平的差异，导致所使用的设计管理软件、生产管理软件等存在着极大的独占性和排他性，面向车间制造过程的mes软件更是极为稀少，针对各类车间制造资源缺乏科学有效的统筹管理，车间生产节拍无法实现连续均衡，不同管理层面所使用的信息化管理软件之间缺乏统一的数据格式和标准，给船舶企业实现信息互联互通造成了巨大的不便。整体制造过程中设计信息化、生产管理信息化、车间制造执行信息化之间缺乏联系，统筹管理的沟通管理成本高，效率低。

针对船舶分段车间存在的以上问题，构建一套基于船体分段车间数据模型标准体系，实现制造执行过程数据、设计数据、生产管理数据的有效关联，将车间的数据进行集成，解决信息孤岛的问题。

技术实现要素：

本发明要解决的技术问题是各类车间制造资源缺乏科学有效的统筹管理，车间生产节拍无法实现连续均衡，不同管理层面所使用的信息化管理软件之间缺乏统一的数据格式和标准，给船舶企业实现信息互联互通造成了巨大的不便，提供一种船体分段智能车间数据模型构建方法，从而解决上述问题。

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明提供一种船体分段智能车间数据模型构建方法，运用逐步回归分析算法筛选各工序的主要工艺影响变量，将主要工艺影响变量分类给工序最小单元，以工序为最小单元，对船体分段车间各个工位、生产单元、生产线进行工序化描述，并建立与各资源要素之间的联系，以工序为最小单位，通过工序建立工位、生产单元、生产线之间的关联关系；通过生产线的工序化，建立设计信息、生产计划信息、车间制造执行信息之间的联系，构建完整的数据模型体系作为面向船舶智能制造的基础数据范式。

本发明生产工位包括物流管控智能配盘区域、钢板预处理工位、型材预处理工位。

本发明生产单元包括构件加工智能单元、曲板加工智能单元。

本发明生产线包括钢材切割智能生产线、型材加工智能生产线、小组立智能生产线、中组立智能生产线、大组立智能生产线。

作为本发明的一种优选技术方案，运用逐步回归分析算法筛选各工序的主要工艺影响变量，将主要工艺影响变量分类给工序最小单元，针对组成车间生产过程的最小单元——工序，定义与之相关联的设备、场地、人员、工装、中间产品等生产要素信息，在每道工序与车间生产要素之间建立关联关系，从而将网状关联关系转换为树状关联关系，为面向船舶智能制造的车间生产流程优化以及生产资源统筹管理定义了全新的数据结构。

本发明所达到的有益效果是：

(1)使用逐步回归分析算法筛选各工序最小单元的主要工艺影响系数，在分段智能车间数据模型拓扑中，将各工序主要影响系数逐个分配主要工艺影响系数，即筛选出对加工质量有重要影响作用的工艺参数，层级清晰，结构清楚；

(2)以工序作为组成生产过程的研究对象，将设计信息、生产计划信息、车间制造执行信息彼此关联；

(3)建立对应的标准数据库以及逻辑关联关系库，构建船体分段智能车间数据模型体系，为制造过程数据规范化奠定基础，为制造过程海量异构数据融合着力支撑，为制造数据轻量化传输规划具体路径，也为船舶建造大数据分析及智能决策提供可靠保障。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

在附图中：

图1是本发明中焊接工艺参数层和最小工序层对应关系；

图2是本发明船体分段智能车间的基本范围图；

图3是本发明船体分段智能车间各层级间的关系图；

图4是本发明船体分段智能车间数据逻辑关系图

图5是本发明工序与车间资源的关系图；

图6是本发明小组立制作生产线工序化描述与各生产要素关系树状结构图。

图7是本发明小组立制造生产线数据逻辑关系图。

图8是本发明小组立数据库设计图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例：如图1-8所示，本发明提供一种船体分段智能车间数据模型构建方法，包括工位、生产单元、生产线；基于生产线的工序化描述，建立各工序与工位、生产单元、生产线之间的关联关系，通过生产线的工序化，建立设计信息、生产计划信息、车间制造执行信息之间的联系，构建完整的数据模型体系作为面向船舶智能制造的基础数据范式。

进一步的，所述船体分段智能车间数据模型的工位包括物流管控智能配盘工位、钢板预处理工位、型材预处理工位；生产单元包括构件加工智能单元、曲板加工智能单元；生产线包括钢材切割智能生产线、型材加工智能生产线、小组立智能生产线、中组立智能生产线、大组立智能生产线。

进一步的，针对组成车间生产过程的最小单元——工序，定义与之相关联的设备、场地、人员、工装、中间产品等生产要素信息，在每道工序与车间生产要素之间建立关联关系，从而将网状关联关系转换为树状关联关系，为面向船舶智能制造的车间生产流程优化以及生产资源统筹管理定义了全新的数据结构。

进一步的，针对组成车间生产过程的最小单元——工序，运用逐步回归分析算法剔除多影响工艺变量中影响作用微弱的变量，保留显著影响变量，具体步骤如下：

a)列出某一工位的所有工艺影响变量和质量评价指标，根据实际工作过程，采集足够的样本(包括合格产品数据和不合格产品数据),对应的工艺影响变量数据xi和质量评价数据yi,计算出产品的合格率和不合格率；

以焊接工艺为例，通过理论梳理和现场调研，得到影响焊接质量的工艺参数有：

b)数据预处理，应用z-score法数据标准化方法对工艺影响数据和质量评价数据进行标准化处理，消除量纲影响；z-score法则是基于样本数据的均值μ和标准差σ进行数据标准化：z＝(x-μ)/σ，其中，x表示某一工艺参数，μ为其均值，σ为方差，z为标准化后数值；

c)对工艺影响的变量数据xi分别拟合与产品不合格品率的一元线性回归方程，找出f统计量值最大的模型及其变量x1，并将其首先引入模型。

d)在已引入的模型的x1基础上，再分别拟合模型外的变量xi(i≠1)线性回归模型，即变量组合为x1+xj的线性回归模型，其中xj为xi(i≠1)中的一个变量，并在这些模型中挑选出f统计量值最大的含有两个变量的模型，并将x2也引入模型中。如此反复进行，直至模型外的自变量均无显著性。

e)在模型中增加一个自变量后，便对模型中所有变量进行考察，将模型的sse值减小最少的自变量xi挑选出来并剔除，不断循环操作，直至模型中所剩的自变量都是显著的，此步可通过f检验的p值进行判断。

最终得到一个焊接质量和焊接工艺参数的模型,其中焊接弧压x1、焊接电流x2、焊接速度x3、焊接材料x4、焊丝直径x5、焊丝干伸长x6、接头形式x7、坡口参数x8、保护气流量x9、母材材料x10均是对焊接质量显著影响的工艺参数，模型如下：

f(x1,x2,x3,x4,x5,x6,x7,x8,x9,x10)＝0

f)对筛选出来的影响工艺参数进行分类，依次分类给各最小单位；本案例中焊接工艺所相关的工艺参数包括焊接弧压、焊接电流、焊接速度、焊接材料、焊丝直径、焊丝干伸长、接头形式、坡口参数、保护气流量、母材材料，焊接参数和最小工序的如图1所示，表示焊接工艺是小组立、中组立和大组立智能生产线的组成工序，图1中列出了焊接工艺的影响工艺参数。

进一步的，通过对设计信息中包含的项目信息、专业划分信息、计划需求信息等进行梳理，将每张图纸所对应的工序在上文总结出的工序表中进行对应，再由诸多工序组成工位、单元、生产线等，与车间各生产要素进行对应。建立设计信息与生产工序之间逻辑联系。

进一步的，通过对生产管理信息中包含的生产管理、生产计划等信息进行梳理，将计划信息库中的每一条计划信息与文中总结出的工序表中的工序进行对应关联，再由诸多工序组成工位、单元、生产线等，与车间各生产要素进行对应，建立生产管理信息与生产工序之间的逻辑联系。

具体的：以船体分段车间工艺路线为基础，对船体分段智能车间中所涉及到的5条智能生产线，2个智能单元/工站，2个工位，1个智能配盘区进行工序化的描述；通过对组成生产线、生产单元/工站、工位的各道工序进行分析，可总结出一共26道工序，并对每道工序指定唯一的工序代码记为g1-g27，建立一个位于车间制造执行层的工序表。将每条生产线、生产单元/工站、工位以及配盘区域的差异性描述统一转换成由诸多工序按照一定的逻辑关系进行排列组合的工序流向。同时将工序与生产要素信息建立关联关系，生产要素信息包括设备、场地、人员、工装、中间产品等；将网状关联关系转换为树状关联关系，为面向船舶智能制造的车间生产流程优化以及生产资源统筹管理定义了全新的数据结构。

如下表所示，将生产线、生产单元/工站、工位的工序对应设置有其相应的工序代号，和每道工序对应的功能。

以小组立制作智能生产线为例，小组立制作智能生产线的工序化描述如下表所示。

针对组成车间生产过程的最小单元——工序，定义与之相关联的设备、场地、人员、工装、中间产品等生产要素信息，在每道工序与车间生产要素之间建立关联关系，从而将原本错综复杂的网状关联关系转换为树状关联关系，为面向船舶智能制造的车间生产流程优化以及生产资源统筹管理定义了全新的数据结构，如图6所示。

小组立制作智能生产线的数据层、控制层、执行层、业务层之间的联系如图7所示。数据库列表如图8所示。

最后应说明的是：以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。