|
摘要；提出一种实现敏捷制造的盟员选择策略。将成组技术应用于敏捷制造，建立了新颖的产品和制造资源模型。通过2种产品评价方法--变异式评价方法和创成式评价方法，利用层次分析方法，实现多规则盟员选择，最终形成敏捷制造企业。
关键词：敏捷制造；资源建模；面向对象的成组技术；产品评价；层次分析方法
1 敏捷制造中的信息需求及其资源建模
为了进行变异式(Variant)和创成式(Generative)产品评价和盟员选择，需要3种类型的数据：①产品设计数据；②制造方法数据；③制造资源数据。
与此3种数据相对应，需要建立相应的信息模型对数据进行管理。
1.1 产品数据模型
产品数据模型应能描述所有与产品设计有关的数据，遵循数据交换标准，对产品设计的全过程进行支持。
1.1.1 基于STEP标准的产品数据模型
它是一种集成化的模型，集成STEP标准主要内容，由STEP资源所定义，如产品的几何和拓扑表达、成形特征表达、结构表达等。需要特别指出的是，产品数据模型中还需要定义一种应用特征(Application Feature),它是产品普通制造特征的参数化描述，由STEP标准的成形特征(Form Feature)组成。应用特征将提供关于产品评价所需的具体信息。
1.1.2 面向对象的成组技术信息模型
成组技术(GT)是一种根据相似性对产品分类编码、进行产品设计、制造和装配的制造哲理。所谓分类编码就是产品对象按照它的一些基本特征分类，以便采用一定序列的字码来表达这些对象。最早的分类编码法则是前苏联的米特法诺夫法则，现在有影响的法则主要有MICLASS法则、Optiz法则、DCLASS法则等。成组技术主要用于单元制造系统设计、材料管理、刀具管理、工艺规划及产品标准化等领域。
正是由于GT在产品表达上是一系列数字，易于实现计算机表达，2个产品的比较只需比较其各位的数值，对实现相似产品的搜索非常有利，也正是因为如此，使其在沉寂多年后，在敏捷制造中又获得了新生。但原有的GT编码缺乏在敏捷制造中对零件进行评价的详细信息，必须对原来的GT编码进行必要的补充和修正，以使其更适合敏捷制造。为此我们提出了一种新的、更抽象的信息模型，即面向对象的成组技术(OOGT)信息模型，见图1。
（图片）
图1 零件的OOGT信息模型 根据构造实体几何（CSG）的方法，一个具体的零件可以看成是不同几何实体，通过差、并、交运算而生成的。图1中零件外形类是构造实体几何的基本实体，零件的具体形状是成形特征类的元素对其进行运算的综合结果。模型中的基类（零件类）给出了零件的一般信息。其中的GT代码是一个字符串变量，是一般意义上的GT代码。变量价格、生产周期对新产品为空值（Null）,对已有产品才有具体值。为了描述零件的更详细信息，特别给出了成形特征类。它表达了各加工表面的详细信息，如加工要求、热处理要求、所处位置等。本文所提出的OOGT信息模型，相对于普通的GT代码，表达了更详细的内容。特别是与加工有关的信息，这是利用创成式评价方法进行候选盟员加工能力评价的必要信息。
1.2 企业的工艺数据和制造资源信息模型
相应于产品的2种评价方法，必须建立相应的信息模型。
(1)企业的产品数据模型 企业产品信息的表达使用OOGT信息模型实现，它提供高效快捷的相似产品搜索，并同时提供与该相似产品加工制造有关的成本、质量、工时消耗信息，以实现盟员选择。
(2)企业制造方法数据库 设计人员可以由此决定企业可以制造什么样的产品。该数据库描述企业制造方法和与此相应的设备加工能力，如对于机床而言主要包括轴数、工作行程、可获得的加工精度、主轴电机功率、加工成本、加工效率等，而且还要表达企业的生产管理水平、资金状况，这些信息在确定企业的入盟资格时非常有用。
1.3 工艺知识数据库
描述独立于具体企业的对制定工艺规程有关的工艺数据。此数据应能集中体现当前机械制造水平、材料处理能力、机械设计能力和装配水平等。它可直接取自当前使用的设计手册、制造手册、材料手册等。
工艺知识数据库应该根据生产技术的不断发展而即时更新。这些信息主要用作产品的可行性分析（即从总体和局部2个方面分析能否用当前的制造技术进行加工制造）以及产品的加工工艺性评价，进行盟员选择。
2 敏捷制造中盟员选择策略
根据前面所建立的产品数据模型、企业资源模型，可以建立以零件为对象的敏捷制造盟员选择策略，具体过程见图2。其主要模块包括：①根据以STEP标准为基础的产品数据模型所提供的产品信息、OOGT代码的自动生成系统［1］；②变异设计的评价系统；③高层工艺规划生成系统；④产品设计评价系统；⑤多规则盟员选择系统［2］。
（图片）
图2 敏捷制造中盟员选择流程图 3 相似产品的搜索和评价［3，4］
首先,利用现有的CAD软件（UG Pro/ENGINEER）进行三维实体设计，加到以STEP标准的产品数据库中。我们首先想到的是，是否可以在候选盟员的产品数据库中找到与新设计相同或相似的产品，如果有则可以直接将其拿来或稍加修改后替代新的设计，这无论从生产成本，还是从争取时间考虑都是非常理想的，如果其质量也能满足要求，则基本上就找到了所需的盟员，这个过程可以作如下描述：
（1）从以STEP标准为基础的产品数据库中获取新的设计，生成OOGT信息代码（这个过程最好由OOGT代码自动生成系统自动生成，因为人工形成过程中由于人的介入，不同的人会有不同的理解，因而所形成的代码可能会不一致）。
（2）输入已形成的OOGT代码，由相似零件搜索程序，根据设计人员所规定的相似性阈值，通过计算机网络（如Internet），对候选盟员的产品数据库进行自动搜索，实现OOGT代码间的匹配，获取与新产品相同或相似的产品。
（3）对发现的相同或相似的产品，考虑各种性能指标，如成本、质量、时间等（这些资料可以从企业信息模型中获取），利用层次分析方法(AHP)计算综合相似性，进行相似性产品排队，找到最相似的产品。
（4）制造所选择产品的企业，也就是我们所选择的盟员。
4 高层工艺规划的生成和产品的加工工艺性评价
如果不能从候选盟员的产品数据中找到相同或相似的产品，则需要用创成式产品评价的方法，确定产品的制造方法和选择最佳的盟员。
CAPP技术一直是CAD向CAM转化的瓶颈。据笔者所知，现在的软件产品中还没有真正商品化的CAPP软件，其原因是在进行CAPP设计过程中需考虑众多因素，有些根本不能用算法表达。我们的方法是采用人工的方法，即候选盟员根据已知的产品信息（由产品设计者用Internet传送），由工程技术人员结合本企业的具体加工能力，编制大概的工艺规程，由此推算产品的制造成本、加工周期、产品质量。然后将结果通过Internet传回产品设计者。必要时还可对产品的具体结构，结合本企业的具体情况进行工艺性评价，提出修改意见，供产品设计者参考。
5 盟员的多规则优化选择［2］
在敏捷制造系统结构中，盟员选择是需解决的主要问题。上面论述了相似产品的搜索和评价，以及高层工艺规划的生成和产品的加工工艺性评价，主要目的就在于盟员选择，形成敏捷制造企业。
相似产品的搜索和评价、高层工艺规划的生成和产品的加工工艺性评价过程中，分别产生了多个相似产品和多个高层工艺规划，并同时获得了有关的制造成本（Cost）、制造周期(Time)、加工质量（Quality）等数据信息。根据这些信息，采用AHP方法，可对候选盟员进行排队（Ranking）,最后确定最佳盟员。其中选择最相似的产品和最佳的工艺方案的过程，也就是多规则盟员的选择过程。可以通过给各种评价指标（成本、时间、质量），根据产品使用的不同情况置以不同的权值系数，以此表示所考虑问题的侧重点和优先顺序。然后根据加权以后的性能指标按照层次分析方法进行重新排队，找出能最大程度满足要求的相似产品或工艺规程。这种加权的方法在AHP中的应用，需要将设计人员的思想转化成一定量纲的数值。如果不作转换，而用自然语言的方式强调不同评价指标的重要程度，则需要用模糊层次分析方法（F-AHP）。这时，决策矩阵中的元素都是模糊值，各元素之间的比较都是模糊值间的必较。通过对决策矩阵的分析计算，最后得出决策矢量。它表示了相似产品或工艺规程的优先排列顺序，从而也决定了生产该相似产品或给出该工艺规程的企业的排列顺序，最终形成敏捷制造企业。具体算法如下：
(1)确定评价指标集X和评价对象集Y
X={x1,x2，…，xn}
Y={y1,y2，…，yn}
(2)建立决策矩阵R
具体过程为：
a.根据AHP方法建立层次。取X中的元素为第一层次，取Y中的元素为第二层次。
b.相对于X中的每一个元素，对Y中的元素间进行成对优先级比较，获得优先级矢量：
R1={r11,r12,…，r1m｝
R2={r21,r22,…，r2m｝
…
Rn={rn1,rn2,…，rnm｝
c.组合R1，R2，…，Rn 成评价矩阵R。
(3)借助AHP方法，对X中的各元素成对比较，得出表示评价指标优先级顺序的权重矢量
A=｛a1,a2,…，am｝
(4) 确定决策矢量
B=AR={b1,b2,…，bm}(模糊矢量相乘）
如果B中的最大值为bj, 则Y中相应的yj就是最佳选择。
6 结论
本文给出了一种实现敏捷制造企业盟员选择的策略。将成组技术应用于敏捷制造，建立了新颖的产品和制造资源模型，提出了2种产品评价的方法——变异式评价方法和创成式评价方法。利用层次分析方法实现多规则盟员选择，最终形成敏捷制造企业。其最大的特点是通过产品评价而实现盟员选择。其部分内容已经过仿真，证明本文提出的方法是可行的。
国家863高技术计划资助项目(863-511-708-007)
作者简介：马鹏举 男，1961年生。西安交通大学(西安市 710049)先进制造技术研究所博士研究生。主要研究方向为敏捷制造、先进制造技术、机床动力学。发表论文10余篇。
作者单位：陈剑虹 卢秉恒 西安市 710049 西安交通大学
参考文献
1 Henderson M R,Musti S.Journal of Engineering for Industry,1988,110(8):278～287
2 Saaty T L.Management Science,1986,32 (2)：841～855
3 Gower J C.Biometrics, 1971，27(12)：857～871
4 Seifoddini H，Wolfe P M.IIE Transactions, 1986,18(8)：271～277
9/27/2004
|
