基于數據分析挖掘的大型航空制造業生產周期校準評估研究

龔志強 喬興華 寧俊義

（沈陽飛機工業(集團)有限公司，遼寧 沈陽110000）

隨著我國經濟的發展，制造業成為我國經濟的核心部分，航空制造業作為高端制造業，由于具有多品種、小批量、混線式生產、工作中心跨度大等特點，面臨生產計劃較為粗放、生產執行偏差較大、在制品積壓嚴重等問題，其中一個主要原因就是生產周期不準確導致的。航空制造業生產周期的影響因素眾多，在生產中由于存在自然變動性、計劃性與非計劃性停機、重工、設備突發大故障、流動變動性等變動性因素的影響，導致了生產周期研究十分復雜，同時物流情況、工藝復雜度、質量情況、上下游車間的齊套情況、并行生產、工作中心切換產生的等待都會影響生產周期。在航空制造業快速發展的情況下，急需重視生產周期的準確性，提高生產計劃排產可執行性，提升企業的經營能力，需要借助數據的綜合指標體系的建立，以數據分析挖掘技術進行生產周期校準評估模型，確保生產計劃的精準科學，為我國航空制造行業的健康發展提供支持。

1 數據分析挖掘下離散制造業生產周期校準原則

在離散制造業生產周期校準過程中，借助數據分析挖掘技術其主要涉及數據整合處理及建立校準評估模型。建立生產周期校準評估模型需要能夠掌握以下三點要求：其一，生產周期校準分析的歷史數量能夠滿足模型分析需求；其二，進行現狀與校準匹配分析，將評估維度的指標與校準標準有效結合；其三，分析評估離散制造業生命周期各階段的運行情況，同樣對校準前后進行分析對比[1]。

同樣，數據分析挖掘技術在處理海量的數據信息中能夠加快處理數據的效率與準確性。由于離散制造業生命周期的海量數據匯集成的大型數據庫，在數據庫中往往存在著不同形式、結構、內容的數據信息。利用數據挖掘技術能夠通過特定的手段來實現數據的查詢，同樣數據挖掘技術能夠對數據進行歸納性的分析總結，通過提取工藝、計劃、生產執行過程各類數據進行數據挖掘與分析，對當前生產執行使用的各類周期數據分析校準，借助數據本身的價值，可以幫助企業實現對生產周期進行良好的校準評估。

2 基于數據分析挖掘技術的離散制造業生產周期校準

預測校準模型分析不僅僅涉及離散制造業生產周期校準的合理性，同樣也能夠反應出制造業的發展經營情況。通過將歷史生產過程的零件及原材料、最終產品等轉為向量，運用整數階乘矩陣，對零件數量、零件種數、零件實際工時、一個生產周期的開始時間和結束時間及將搜集到的所有歷史加工周期數據代入對應的公式，通過最小二乘法和回歸分析對零件加工所需時間進行預測。

數據挖掘過程中需要對數據進行特性處理，處理后的數據需確保數據集滿足線性、獨立性、正態性、方差齊性、自變量間不存在多重共線。工序內的數據處理后示意如下：

表1 被預處理后的數據

根據基于Map-Reduce 的最小二乘法技術進行集群計算所有零件的生產周期。按不同顆粒度的數據重組，形成每個零件在不同周期段內的生產周期分布數據。基于二次曲線擬合,利用生產周期中位數作為峰值，兩側邊附近區間內的數據,擬合二次曲線方程, 通過尋找二次曲線方程的峰值點確定共焦曲線極值點位置,進而確定系統焦點位置。從擬合曲線可以看出,其生產周期關于極值點位置左右對稱, 并且在極值附近的數據具有二次曲線特性。利用共焦曲線靠近極值點附近的數據來進行擬合,而由該數據段擬合得出的共焦特性曲線極值點位置的準確度也得到大幅提高。

通過利用二次曲線對生產周期曲線進行擬合, 并采用最小二乘法進行回歸方程求解, 最小二乘法具有擬合數據與真實數據之間殘差和最小的特點, 使得擬合方程更能準確的反應真實數據的分布。

按照積分方式，將生產計劃所需的周期概率數據，按照10%-90%進行計算，形成各零件的MRP 排產周期，以下以20%、50%、70%零件生產周期概率作為示意。

不同零件由于加工工藝的不同，生產周期概率分布的集中程度也不一樣，以數控機床等為主的生產，生產周期分布集中，呈現的圖形越陡；以人工為主、車間同時開工的零件越多，生產線積壓的在制品也就越多，生產周期分布越離散，呈現的圖形也就越平緩。

在MRP 階段，零件的最終周期將根據生產的緊急度進行置信度壓縮，如年初計劃生成按照70%的完成概率為各零件的標準生產周期。如果遇到整體周期不足或廢品補制、外場急件等緊急情況，根據BOM 及工藝路線拆分，每個零件均按照相同的完成概率進行周期壓縮，大大提升了計劃排產的科學合理性。

3 結論

在離散制造業生產周期校準評估中，運用數據分析挖掘技術確定較為準確的生產周期，提高生產計劃排產的準確性、科學性，提高周轉率，降低庫存成本。數據分析挖掘技術在離散制造業生產周期校準評估中的運用是做好制造企業精準化管理的重要環節，可以有效提升企業的經濟效益，實現制造業的健康發展。