面向订单装配（共6篇）
面向订单装配 篇1
0 引言
在制造企业的生产运行中, 生产计划管理占有非常重要的地位, 其主要任务是科学地制订生产计划, 合理安排、组织、管理企业下属各个部门的生产。生产计划包含大量复杂信息, 如何对这些信息进行高效管理, 使得制订的生产计划更加系统化、科学化、规范化, 以达到提高企业经济效益目的, 对推动企业自身发展具有重要意义。
订单装配型 (Assemble To Order, ATO) 生产主要是以缩短交货期、减少成品库存为目的的一种比较先进的生产组织方式。零部件预先生产加工, 并储存于中间库房中, 在接到订单之后, 将有关零部件装配成客户所需的产品。这种生产以模块化设计为前提。在这种生产类型中, 客户对零部件或产品的某些配置给出要求, 生产商根据客户的要求提供为客户定制的产品。所以, 生产商必须保持一定数量的零部件库存, 以便当客户订单到来时, 可以迅速按订单装配出产品并发送给客户。
根据调查分析, 目前多数的中小型制造企业的生产管理系统依然停留在相对固定 (计划调整周期长) 的阶段, 难以满足市场需求的多变性, 使得企业生产计划难以及时有效调整。在考察了当前的一些面向订单装配的企业生产管理系统设计与实现的基础上, 从B/S (Browser/Server) 、C/S (Client/Server) 模式的各自特点出发, 以高效、准确地整合信息资源并最大限度发挥系统的作用为目的, 提出基于Web混合模式开发面向项目的制造企业生产计划管理系统, 为制造企业生产提供科学、准确的依据。
1 面向订单装配生产管理系统
1.1 系统的体系结构
C/S结构是一种二层结构体系, 应用处理在客户端完成, 数据访问和事务处理全部由服务器端承担, C/S体系结构的应用程序, 由于客户端实现与服务器的直接相连, 没有中间环节, 因此响应速度快。客户操作界面设计具有人性化特点, 可以满足客户个性化的操作要求。同时由于开发是有针对性的, 因此, 操作界面漂亮、形式多样, 可以充分满足客户的个性化要求。由于是针对性开发, 因此缺少通用性的特点, 业务变更或改变不够灵活, 需要重新设计和开发, 增加了维护和管理的难度, 进一步的业务拓展困难较多, 需要安装专门的客户端程序, 分布功能弱, 不能实现快速部署安装和配置。兼容性差, 对于不同的开发工具, 相互之间很难兼容, 具有较大的局限性。若采用不同工具, 需要重新改写程序。开发成本较高, 需要具有一定专业水准的技术员才能完成。B/S结构 (如图1所示) 即浏览器和服务器结构。它是随着Internet技术的兴起, 对C/S结构的一种变化或者改进的结构。B/S结构下, 用户工作界面是通过WWW浏览器来实现, 极少部分事务逻辑在前端 (Browser) 实现, 但是主要事务逻辑在服务器端 (Server) 实现, 形成三层结构。这样就大大降低了客户端电脑载荷, 减轻了系统维护与升级的成本和工作量, 降低了用户的总体成本 (TCO) 。以目前的技术看, 局域网建立B/S结构的网络应用, 并通过Internet/Intranet模式下数据库应用, 相对易于把握, 成本也是较低的。它是一次性到位的开发, 能实现不同的人员, 从不同的地点, 以不同的接入方式 (比如LAN, WAN, Internet/Intrane等) 访问和操作共同的数据库;它能有效地保护数据平台和管理访问权限, 服务器数据库也很安全。
目前面向订单装配的中小企业生产管理中, 一方面, 涵盖的信息面比较广, 处理起来较为复杂;另一方面, 当企业管理人员需要详尽信息对企业生产进行决策的时候, 发现信息难以做到及时有效的流通。在对目前已有的面向订单装配的生产资源管理系统开发分析研究的基础上, 决定采用B/S、C/S的混合模式 (如图2所示) 开发本系统, 这样就将两种模式优点结合, 并能克服各自缺点。
1.2 软件实现
系统选用SQL 2000作为数据库管理系统, 网络操作系统选用WIN 2000, 采用IIS 5.0 (Internet Information Server 5.0) 作为应用服务器 (Web服务器) , 选用Dreamweaver 2004 MX和Visual C++6.0作为前台开发工具。
B/S端使用Dreamweaver 2004 MX设计HTML和ASP (Active Server Page) 程序脚本文件, 通过ADO与SQL 2000数据库服务器建立数据连接。当Web服务器接受到浏览器客户端的Request (请求) 后, 通过ADO技术从数据库服务器中提取所需信息以Web页面形式向用户反馈信息。C/S端客户端通过SQL语言利用ADO技术直接与数据库服务器进行数据交互。通过混合模式的使用, 可以将数据流量不大但又要求能及时动态交互的部分交由B/S模式处理, 对数据处理量大的交由C/S模式处理, 并能使浏览器和C/S客户端共享数据信息。
1.3 系统功能
整个系统不但要满足各职能部门的即时信息处理要求, 而且要求实现信息交流的网络远程互动, 下面分成两部分来介绍。
基于B/S结构模式的特点以及对企业组织机构布局方面的考虑, 系统功能模块如图3所示, 编程方法如图4所示。
C/S模式下的功能模块如图5所示, 编程方法如图6所示。
2 系统B/S与C/S结构功能介绍
2.1 B/S结构功能
(1) 财务部。负责企业往来账目管理、员工工资管理和企业固定资产信息方面的管理。提供信息的添加、删除、修改、打印功能。
(2) 质检部。负责企业生产原材料、外购件、外协件及产品质量信息管理。提供查询、添加、修改功能。
(3) 生产部。负责对车间信息、设备和生产调度信息进行管理。提供查询、添加和修改功能
(4) 计划科。提供企业年度、月度生产计划信息的查询功能。
(5) 营销部。负责对用户下订单、采购信息、库存信息和订单信息进行管理。提供查询、添加、修改和打印功能。
(6) 人事部。负责对企业员工人事档案进行管理。提供查询、修改、添加功能。
2.2 C/S结构功能
该部分主要为了实现生产辅助决策功能。其具体描述如下:
(1) 系统设置。为了保证本系统功能的实现, 提供包括零部件分类标准、周期确定标准、零部件预投计划及能力等参数的设置。
(2) 年度生产计划管理。根据销售预测和客户订单, 提供零部件库存、过往年度生产计划、预测计划的信息查询功能并能根据实际对计划进行调整并生成计划。
(3) 月度生产计划管理。根据客户订单信息, 提供零部件库存, 过往月度生产计划信息查询功能并能根据实际订单信息的变更调整并重新生成计划。
(4) 预投生产计划管理。为了不出现因为库存零部件数量不合理而无法满足订单需求或因此而影响企业经营成本, 提供产品预测、库存零部件数量、订单查询等功能, 并根据所得信息作出计划调整。
(5) 追加生产计划管理。在接收到订单后进行短期追加生产或在产品装配领料后, 为保证某些零部件的库存最低限度, 需要进行追加生产以满足客户需求。可提供订单查询、零部件库存和装配能力查询等功能, 并能根据所得信息进行计划调整。
(6) 产品装配计划管理。可根据接收到的订单和零部件库存进行计算, 可查询装配能力和零部件库存并能根据所得信息对产品装配计划进行调整。
(7) 物料需求计划管理。根据销售预测、客户订单及库存零部件等信息得出生产所需要产品而需准备的原材料的具体信息, 提供根据现有数据信息修订计划的功能。
3 系统的数据库设计和关键技术
3.1 数据库设计工具
ERwin是CA公司推出的数据库设计工具, 用于生成和维护数据库、数据仓库及企业数据资源模型。ERwin模型以一种可以帮助用户更有效地组织和管理的方式使数据结构可视化, 并减少数据、数据库技术和部署环境的复杂性。ERwin既能帮助用户快速开发数据库, 又能大大提高数据库的质量和可维护性。
ERwin使数据库设计更加容易, 只要单击鼠标就能生成满足数据需求和数据使用规则的图形化的实体关系 (E-R) 模型。双击对象后能借助任务专用编辑器添加关于实体描述、关系和属性的细节和说明。其强大的用户界面可以提供许多易于使用的指令, 因而能快速开发模型。“图表化编辑”方式使用户无需打开编辑器就能进行修改。“关系漫游”则允许用户在大型模型中快速移动, 以确定实体的从属关系。有助于实现大型的企业模型建立。由于信息必须在多个专业用户组之间交换, ERwin特别提供了“存储显示”, 用于生成整个模型或其主题范围内的多个图形化视图。
3.2 数据库逻辑设计
数据库逻辑设计是指根据概念设计的结果, 设计数据库的概念模式和外模式, 是数据库结构设计的重要阶段。其主要分为以下3个阶段:
(1) 收集和分析设计任务。准确了解设计任务是数据库逻辑设计的关键, 通过分析确定系统的范围以及所涉及的数据。
(2) 建立E-R模型。根据数据流图进行局部以及总体E-R模型设计。
(3) 数据模式设计。把E-R图转换成关系模型, 用关系数据描述语言进行定义, 以便得到数据库模式。
3.3 关键技术
(1) 产品清单BOM。生产过程当中, 产品结构为树状结构, 将生产计划根据BOM结构对产品进行分解, 结合库存情况以便于确定需要采购、生产的零件数量。由于面向订单的产品结构随着客户需求而变化, 所以要求BOM也要随着产品结构变动动态地改变。
(2) 系统安全。对整个系统而言, 数据占有非常重要的地位, 为了保证数据安全性, 必须加强数据的存取控制, 给机密数据加密, 防止非法用户的访问。对于特定权限用户给予恰当的数据阅读、修改、删除等权限并建立基于硬件、软件的防火墙, 防止黑客对系统的破坏, 同时需要定时定期对系统中的数据进行专门的备份维护工作, 以便在出现数据丢失或损害的异常情况时, 能够及时有效地恢复重要数据信息, 使整个系统得以正常运转。本系统采用操作系统级、Web服务器级、数据库级和应用程序级4级数据安全检验来保证数据安全。
4 结论
现今, 无论是与客户的交流还是企业内部各部门之间的协作, 中小企业的生存与发展越来越离不开网络技术的应用。对目前面向订单装配的中小企业而言, 采用Web混合模式的生产管理系统, 从企业实际出发, 无论从开发成本角度, 还是从技术和实用性角度而言都较为合适。采用本系统不仅能进行多种业务处理、提供辅助决策, 而且能有效地实现各部门、人员之间的信息资源共享, 为企业未来发展提供有力的保证。
参考文献
[1]郝刚, 吴功宜.面向大规模定制的ERP中基础数据管理的研究[J].计算机集成制造系统, 2005, 11 (4) :520-524.
[2]李智.面向订单装配的生产管理系统研究[J].中国制造业信息化, 2005 (9) :88-93.
[3]唐琳.网络化的生产计划管理流程[J].电力系统自动化, 2002, 26 (12) :74-77.
[4]张建林, 魏大涛.多品种小批量生产管理系统的需求分析[J].航天制造技术, 2006 (5) .
[5]Chunjing Zhou, Zhihang Lin, Chuntao Liu.Customer-driven ProductConfiguration Optimization for Assemble-to-order ManufacturingEnterprises[J].The International Journal of Advanced ManufacturingTechnology, 2007, 38 (1/2) :185-194.
面向订单装配 篇2
大批量定制正在成为21世纪主流生产模式,它将批量生产和定制生产两种完全不同生产方式有机融合在一起,通过产品结构和制造过程的重组将定制产品的生产转化为批量生产[1,2,3]。根据产品复杂性、用户个性化需求和客户订单分离点(CODP)的不同,大批量定制可以分为:按订单销售(Sale-to-Order,STO)、按订单装配(Assemble-to-Order,ATO)、按订单制造(Make-to-Order,MTO)和按订单设计(Engineering-to-Order,ETO)4种方式[4]。对于不同的定制方式,可以采用不同的开发设计技术[5,6]。ATO产品的特点是只需对现有组件进行装配操作,而不需构造新的组件,因此,由于ATO产品的低成本、短交货期、个性化产品功能愈来愈受到顾客的肯定,目前越来越多的产品开始实施按订单装配的生产方式。实现ATO生产方式的关键技术是产品配置设计方法,它是实现客户个性化产品快速响应定制设计的重要设计手段。因此,分析研究面向ATO产品的配置设计原理与过程对于提高企业以批量生产的低成本、高效益快速满足客户需求、设计个性化产品的能力有着重要的现实意义。
本研究主要探讨按订单装配型定制产品配置设计过程研究。
1 ATO产品配置设计原理
ATO生产方式是一种利用已有库存零部件配置成客户所需定制产品的生产方式。ATO产品是一个序列,具有标准化、模块化的设计,组成产品的零部件均是企业根据市场预测提前生产出来的,只有装配和销售活动是由客户订货驱动的,如计算机和轿车等。ATO产品的配置设计是在现有产品及产品组件的基础上根据客户订单需要,有针对性地选择组合产品组件的设计技术,可以将其看作在已知组件、配置知识、产品结构组成的基础上对符合客户个性化定制需求的产品进行求解的过程。ATO产品配置设计可以描述为:
Define of (Conf_Design_Result)=f(CRequests, R(FRequests, Product_comp),Comp) (1)
式中 CRequests—客户需求;Comp—组件,是指具有一定功能的构件,除了零部件外,还包括电子元件、计算机程序、文档等;R(FRequests, Product_comp)—配置知识,表示如何根据客户的功能需求,在现有的产品结构及零部件组件基础上得到满足其个性化产品的规则,它是产品配置时选择组件的准则,是进行ATO产品配置设计的核心。
由于ATO产品中组件模块化程度较高,组件之间关联性相对其他类型产品简单。同时,ATO产品的配置组件集是一个完全限定集,集合元素不可变。因此,一般采用基于规则的方法来配置按订单装配的产品。基于规则的配置方法的优点在于配置知识的表达直观、自然,其推理过程与设计人员处理产品配置问题的思维类似,因此求解过程比较容易,易于通过推理获得所需定制产品。
大批量定制环境下ATO产品配置设计原理,如图1所示。销售人员在已有产品配置模型基础上,通过与客户的交流,将客户对定制产品的功能需求提取出来,并不断的将其输入到PDM支持下的产品配置系统中,然后利用配置规则根据客户需求选择组件配置出相应的个性化定制产品。对于一些比较复杂的定制产品,配置系统很难做到全自动工作,这时需要设计人员根据评价指标进行评估和修改获取想要的产品实例。这里的产品配置模型是指描述了一个可配置的,包括所有标准组件的模块化产品系统的组成情况,用户可以根据不同客户的要求,从中派生出客户的定制产品实例。对于许多产品配置系统还具有很好的图像显示能力,产品销售人员可以一边与客户交谈,一边向客户展示所配置的产品外形,使得客户对定制产品有更加直观的了解,可以提出更多的具体意见和建议。
2 ATO产品配置设计过程
产品配置设计过程是为了完成确定的设计目标而进行的一系列逻辑相关的设计活动。为了详细研究ATO产品配置设计过程,本研究提出了将其设计过程分为3个阶段和5个域的方法,从而更好的分析研究ATO产品配置设计过程,实现ATO产品定制设计。
2.1 ATO产品配置设计过程的3个阶段
依据ATO产品配置设计原理,根据设计过程中面向对象的不同,从总体上可以将配置设计过程分解成获取客户需求、配置求解和输出配置结果3个阶段。在以PDM为基础的产品配置系统的支持下ATO产品配置设计的3个阶段,如图2所示。
(1) 获取客户需求。销售人员或市场人员通过对话、电话访问、学习型营销和网络技术了解客户需求等,然后通过变量条件、有效性原则等,将客户的技术要求或性能说明等需求转化为配置系统可识别与可推理的表达方式或参数。
(2) 配置求解。产品配置系统利用系统建立的基于规则的决策系统及推理机制,结合ATO产品配置模型对用户输入的定制数据进行运算求解,选择并确定组件及组件之间的配置关系,并保证产品的合理性。同时对组件在产品中的有效性和对客户要求的满足度做出评价。
(3) 输出配置结果。配置系统根据部门的不同,如设计、制造等对产品信息需求的角度不同,输出多种类型的BOM供其使用。同时,将配置结果及配置过程存入数据库以备后用。
2.2 ATO产品配置设计过程的5个域
在ATO产品配置设计过程3阶段的基础上,结合公理化设计理论[7],根据产品配置过程中使用数据的不同,可以将配置设计过程中所有数据信息分成5个域:客户域(Customer domain, CD)、功能需求域(Functional Domain,FD)、设计参数域(Design Parameter Domain,DP)、物理组件域(Physical Component Domain,PD)、评价域(Estimate domain,ED)。这5个域之间在ATO产品配置设计过程中的关系,如图3所示。
(1) 客户域(CD)。客户域是在广泛调研的基础上针对细分市场,根据客户需求和客户特征对潜在客户或已有客户进行分类的客户信息。它描述的是细分的客户群,组成元素是某一类特定客户群。客户域可以表示成如下形式:CD={CD1,CD2,…,CDi,…,CDn},其中,CDi为该产品所面向的某一特定客户群,其中定义了客户群名称、编号、特征以及客户需求等。例如:在计算机配置设计中,设计人员将客户群大致分成以下几类:商用客户群、家庭娱乐客户群、网吧客户群等。
定义客户域最大的作用在于可以根据客户需求来选择需要定制的功能,并快速地寻找所需要的配置模型,有针对性的进行配置。同时在对配置结果进行评价时,根据CDi中定义的客户需求的顺序给各个指标赋予相应的权重。
(2) 功能需求域(FD)。功能需求域是描述客户或销售人员需要何种功能以及需要的功能强度的集合。它的依据主要来源于两个方面:市场调查和对已有产品的分析。功能需求域通常是描述一个产品族全部功能的元素集合,它可以表示成为以下形式:FD={FD1,FD2,…,FDi,…,FDn},其中,FDi描述的是产品的一项独立的子功能,该功能与其他功能无相关性。例如:计算机的功能需求域中常见的有:价格需求、性能需求(包括运算速度、容量)、重量需求、颜色需求、品牌需求等众多需求。
作为产品配置设计的驱动源,定义合理的功能需求是配置设计成功的最基础的条件。功能需求域是为了准确地获取客户需求,并将客户需求通过某种确定性的方式准确地描述出来而建立的。在配置过程中,将模糊性的、多层次的、动态的信息通过以上定义将客户需求完整的描述出来。
(3) 设计参数域(DP)。设计参数域是在进行产品配置设计过程中描述产品所有属性的设计参数的集合。与功能需求元素相互独立不同,设计参数之间往往存在一定关联性,有时甚至是全相关的。例如:在计算机配置中,主要的设计参数有:CPU运算速度、内存容量、硬盘容量、颜色、显存容量等。设计参数的取值一般是设计人员选择组件最重要的依据。设计参数域可以表示成如下形式:DP={DP1,DP2,…,DPi,…,DPn},其中,DPi为某一设计参数,可采用如下形式定义:
Define of(DPi)= {m_name, m_id, , m_units, m_range, m_value}
其中,m_value与功能需求域FD之间存在着密切关系,一般是通过定义函数方法得到具体值,即DPi(m_value)= fi{FD1,FD2,…,FDn},有时往往具体值是非数值形式的。配置之前该值为NULL。
(4) 物理组件域(PD)。物理组件域是定义配置模型中物理组件的集合。物理组件域是产品族最广泛的组件集合,具有明确的指向性。物理组件域可表示成如下形式:PD={PD1,PD2,…,PDi…,PDn},其中PDi为某一组件的定义,本研究中物理组件元素通常以3种形式存在:①以元件的形式存在。它是组成产品结构的最基本的单元,例如机械产品中的零件、软件中的某个类;②以组合件的形式存在。它是由多个产品元件构成,具有某一特定功能的组件,例如汽车上的变速器、软件中的类库;③虚拟组件。它除了名称、编号没有其他内容,没有实际意义,只是为了描述某些组件关系,降低设计复杂性。
(5) 评价域(ED)。评价域是为了评价配置结果的基型而设定的全局性指标集合。它通常由配置产品的成本、采购时间、生产时间、交货期、性能等指标组成。评价域可采用如下形式表示:ED={ED1,ED2,…,EDi,…,EDn},依据配置开始时所选择的客户域中的客户群元素来确定各个指标的权数,然后计算平均的评价权数来评价配置产品的客户需求的满足度。例如:在计算机产品配置中,评价域表示如下:ED={Cost, Time_to_Market},其中,Cost={Cost_evaluate,ed001,Min,*.cost added up ,units=RMB}。该定义表示每次配置结束将配置结果的成本相加,取其中成本最低的作为最终结果。
在给定其他功能需求的情况下,对客户需求进行了求解,理论上配置结果应该是完全满足客户需求的。因此,只需对其他全局性因素做出评价即可,评价过程是通过选定的组件的属性进行运算得到,如上例中叠加成本。
销售人员或设计人员通过与客户的沟通交流获得定制产品功能需求之后,由功能需求向物理组件域映射得到客户定制产品结构组件的关系,如图4所示。
从图中可以看出,从功能需求域到物理组件域是采用间接映射的方式,即先从功能需求域到设计参数域,然后由设计参数域到物理组件域,从而最终获得构成满足客户个性化需求的定制产品的物理组件。
2.3 ATO产品配置设计的域作用机制
ATO产品配置通过域及域与域之间的映射实现了配置设计知识表达和数据传递,为了保证数据传递的畅通性、正确性,必须建立一套机制。下面从整个配置设计流程对域与域之间的相互作用作进一步研究,具体的域作用机制,如图5所示。
(1) 确定客户类型。从整个配置设计流程看,客户域是配置活动的开始。首先确定客户域中客户群元素。选择何种客户群元素取决于当前客户与域内客户群元素的特征匹配情况。如果当前用户特征与某个客户群元素的特征相符,那么客户确定为该客户群元素。例如在仪表配置过程中,目标客户是炼油企业,它的特征与石化行业的特征相符,该客户就被确定成石化客户群元素。
一旦确定了客户群元素,通过映射就确定了功能需求域中功能需求类型(确定何种需求),同时还确定了评价域中各评价指标的权重。这一过程是通过分析目标客户,根据它的应用特点确定需求类型和关注重点,以便配置设计活动有针对性的展开。
(2) 确定客户需求。确定了客户需求的类型后,接下来确定客户对产品功能具体要求(确定需要何种程度需求)。通常工作人员可以通过市场调研、直接拜访等方式获取客户对产品的功能需求(如多大功率、多大的外形等)。
从配置设计过程中数据传递的角度,客户需求开始由数据链从外部输入到内部,并对功能需求进行具体赋值。例如,在计算机配置中,目标客户对键盘颜色提出具体要求。这里需要注意的是:在不能获取全部客户需求时,比如在营销阶段,常得到非完全确定性客户需求,可取功能需求元素的默认值。
(3) 求解设计参数。确定了功能需求种类以及具体功能参数值,就可以开始对设计参数域进行求解。当客户需求为非确定性需求时,选择默认值功能需求值进行赋值求解。这一求解过程将不定方程转化为定方程,将原有不确定性多个解转变成单一正确解。此方法虽可提高运算效率,但必然会减少正确解的个数,求得的设计参数也未必是最佳设计参数解。在非完全确定需求的条件下,通过多次循环,未必获得最佳解,但一定可获得较优解。
(4) 判断规则,选择组件。求解出设计参数之后,对配置规则中的设计参数进行赋值,判断规则的条件真伪,并执行相应的结论。通过匹配设计参数域与配置规则,进行推理判断,根据前提选择结论对物理组件的状态进行赋值。
(5) 获取初次配置结果。然后判断物理组件域中物理组件的状态来获取产品配置组成。如果客户需求是全确定的,这一配置组成是唯一解;更多的情况是客户需求非完全确定,那这一配置解是其中一个正解。后者的情况,产品必须进行再配置,配置过程与前一次类似,唯一的区别是对非确定需求重新赋值(一般取其他默认值),再次求解。
(6) 循环配置,确定较优解。评价域依据评价指标中的方法将配置结果的属性、客户域的权重进行计算,获得评价指标值。多次赋值、多次求解、多次配置、多次评价,最后比较各个配置结果的评价指标值来获取较优的配置结果。由于ATO产品功能、组件相对较为确定,通过功能需求的默认赋值求得最优解的可能性非常高;同时,这一方法又可大大简化配置求解过程,将不定方程转化为多个定方程来处理,具有一定的实用价值。
上述流程可以基本保证域与域之间的数据传递的有效性和准确性。尤其是评价域与功能需求域之间的数据反馈,为求得较优解提供了条件。
3 结束语
产品配置设计是实现大批量定制环境下按订单装配产品的核心支撑技术。本研究在给出ATO产品配置设计概念和基本原理的基础上,提出了将其设计过程分为3个阶段和5个域的方法。通过对ATO产品配置设计过程的分析研究,有利于企业更好的掌握其设计规律,增强配置设计过程的规范性和智能性,提高产品设计速度和设计质量,进而增强企业对市场的快速响应能力,实现满足客户个性化需求的ATO产品定制设计。
参考文献
[1]RONALD L.Mass customization:the next industrial revolu-tion[J].Industrial Management,1995,37(5):18-19.
[2]HALAL W E.The top 10 emerging technologies[J].TheFuturist,2000,34(4):29-38.
[3]GILOVANI D S,DENIS B,FLAVIE S F.Mass customiza-tion:literature review and research directions[J].Interna-tional Journal of Production Economies,2001,72(1):1-13.
[4]祁国宁,顾新建,李仁旺.大批量定制及其模型的研究[J].计算机集成制造系统-CIMS,2000,9(9):776-783.
[5]祁国宁,顾新建,谭建荣,等.大批量定制技术及其应用[M].北京:机械工业出版社,2003.
[6]鲁玉军,祁国宁.基于MC环境的面向订单的产品设计方法研究[J].中国机械工程,2006,17(22):2354-2358.
面向订单装配 篇3
关键词：多装配线,订单不确定,双资源约束,差分粒子群混合算法,鲁棒调度
0 引言
多装配线调度兼有并行机和流水车间的特点, 它是一类新型的调度问题。为适应市场个性化和多样化的需求, 多装配线生产逐渐表现为多品种、小批量、大规模定制的特征。为了使产品更具市场竞争力, 多装配线的生产模式必须适应订单的不确定性, 尽可能缩短产品加工时间, 避免订单延迟。目前, 绝大多数文献在研究多装配线调度问题时, 只考虑装配线受到制约的情况, 往往忽视了有着熟练加工能力或特殊加工能力的工人也有可能成为制约车间提高生产能力的因素这一问题。实现生产车间的有效调度管理不仅与直接加工订单的装配线有关联, 而且与其他生产资源如人力资源和辅助生产资源等也紧密相关, 因此, 装配线和这些附加资源作为生产资源都是缺一不可的。
随着问题规模的逐渐变大, 传统启发式算法渐渐失去了解决大规模问题的能力, 于是学者们引进了新的算法。Choi等[1]研究了加工环境由m条生产线构成且不同产品类型有生产线约束的情况, 给出了整数规划模型和求解最小化延迟的启发式算法。Pinto等[2]提出了求解并行多生产线调度问题的调度算法, 建立了一个调度优化模型。Lin等[3]给出了一种多层次启发式算法用以求解双资源约束车间调度问题。陈勇等[4]针对供应链上大型零件生产车间的特点, 将实际车间调度抽象为由工位、缓存、工件及作业调度规则构成的系统, 建立了基于元胞自动机的动态柔性调度仿真模型。张沙清等[5]通过分析模具制造项目工期、费用与报酬的不确定性, 以及项目返修频繁的特点, 建立了基于离散时间马尔可夫链的模具制造项目群随机演化模型, 并提出了求解该随机动态规划模型的算法框架。然而针对多重资源共同约束下的多目标调度问题研究的文献还不多见。
本文考虑实际生产过程中存在的订单不确定因素及资源约束的情况, 建立订单不确定下双资源约束的鲁棒调度模型, 同时提出基于差分进化算法 (DE) 和粒子群算法 (PSO) 的混合优化算法用以求解该鲁棒调度模型, 并给出了运算实例。
1 订单不确定下双资源约束多装配线调度问题描述
1.1 交货期模糊数的表示
由于本文对模糊交货期的要求很严格, 因此采用六点模糊数[6]来表示模糊交货期、模糊完工时间等信息。比较两个没有重叠的模糊数的大小可以通过判断两者隶属度函数μ (x) 在横坐标的位置关系来实现, 对于六点模糊数来说, 位于横轴右侧的模糊数大于横轴左侧的模糊数, 即, 如图1所示。
Liou等[7]提出了一种用于比较模糊数大小的积分值法。对于六点模糊数分别表示的隶属度函数的左右部分。的反函数, 的反函数, 的左积分值, 的右积分值。模糊数的总积分为
其中, α∈[0, 1], 表示决策者对决策的喜好程度, α>0.5表示决策者的态度积极, α<0.5表示决策者的态度消极。。当α=0.5时, 的总积分可以表示为
1.2 订单不确定下双资源约束的多装配线调度问题
以装配线和人力资源约束为双资源约束[8?9]的多装配线调度问题模型描述如下:假设N个产品订单需要在K条具有M道加工工序的装配线上进行装配, 不同订单加工只能在特定的装配线上进行, 每个订单同时只能在一条装配线上加工且必须在同一条装配线上完成所有的M道工序, 每道工序在同一时间只能加工一个订单产品, 产品的加工不能中断, 并且在人员资源有限的情况下, 要求确定每条装配线上的产品分配和加工顺序, 以使某一目标达到最优。在制定作业计划时, 不一定存在每个订单都满足交货期的排序方案, 此时应使超期订单尽量减少, 同时, 也应该使整个作业计划的加工周期最短。设Gj为必须在订单j前生产的订单集合, 也就是说, 对于任一订单i∈Gj, 如果订单i没有结束的话, 订单j是不能开始生产的。同时, 生产还受到人员、装配线等资源的约束。这里对资源问题附加一个基本假设, 即订单在开始或重新开始加工时, 立即获取所需的资源, 而当订单加工完成或加工中断时就立即释放它所占用的资源。设资源总量为Rz (z=1, 2, …, Z) , 每个订单对资源的需求量为riz, riz
式 (3) 中, C (l) (i, k) 为完工时间, 订单i在装配线k上的开始加工时间设为sik;订单i在装配线k上的加工时间设为pik;l表示六点模糊数的序号, 如开始加工时间sik用六点模糊数表示为 (sik (1) , sik (2) , sik (3) , sik (4) , sik (5) , sik (6) ) , 即l=1, 2, …, 6。式 (4) 中, 由xik构成的矩阵的每一列的和为1, 目的是保证所有的产品都必须投产。式 (5) 中, xijk为决策变量的取值约束, 取0或1, 其中j∈N, 在装配线k上订单i在订单j之前被加工则xijk=1, 否则xijk=0, 从而确保了每个订单只能在一条装配线上加工。Mk表示装配线k所配备的人员的数量, mi表示订单i所需的人员数量, 式 (6) 表示装配线配备的人员数要大于各类型产品所需的人员数。Rzk表示装配线k上的资源量, rik表示订单i对资源的需求量, 式 (7) 表示装配线上所具有的资源量要大于各类型产品所需的资源数量。
2 鲁棒目标函数设计
考虑到调度的鲁棒性, 本文实行在线动态决策。动态决策主要反映在再调度中, 即考虑紧急订单到来的情况。多装配线作业车间鲁棒调度具有多目标性, 因此本研究为多目标调度问题的研究。保证交付满意度是公司的基本目标, 因此需要考虑延期交货的问题;为了实现均衡化生产, 还应考虑各装配线的平衡率;为了降低模糊完工时间的不确定性程度, 提高信息的可靠性, 需要将完工时间的精确性作为目标。结合以上实际情况, 本文的最优目标有交付满意度目标R、装配线平衡率目标P、完工时间的精确性目标F, 并用鲁棒指标H对其进行了统一。
2.1 交付满意度目标
假设珦D为客户对订单交货期的要求, x为订单的实际完工时间, 那么客户对该订单完工时间的满意度可以用隶属度函数来表示, 如图2所示, 从曲线可以看出, 当订单的完工时间延长到了一定时间后, 交付满意度会逐渐降低, 最终达到最低点。定义对延长交货期的满意度R如下:
其中, R反映了大于的可能性, 代表了客户对产品完工期的最悲观满意度水平。R是[0, 1]之间的值, 由的右交点确定。这里定义的交付满意度考虑了完工时间的最坏情况, 体现的是一种抗风险的保守意识。
2.2 装配线平衡率目标
用所有装配线总加工时间的方差表示装配线平衡率, 方差越小说明各装配线总加工时间的差异越小, 平衡率越高, 公式表达如下:
其中, E为装配线数量, k=1, 2, …, E;C (k) 表示装配线k的总完工时间;表示所有装配线总完工时间的平均值。设θk为在装配线k上加工的订单集合, 则
2.3 完工时间的精确性目标
xJ表示第J个订单完工期跨度, 。xJ越大, 表明产品完工期的不确定性越强。为了方便将不确定性程度和客户对拖期的满意度目标进行结合, 这里定义产品模糊完工期的精确性程度大小f (xJ) :
由式 (11) 可知, f (xJ) 越大则xJ越小, 即订单模糊完工时间的不确定性程度越低, 换句话说, 模糊完工时间的精确性越高。当是一个精确数时, xJ=0, f (xJ) =1, 此时订单的各项时间参数具有最小的不确定性。
本文通过整合以上交付满意度、装配线平衡率及完工时间不确定性三个目标, 得到调度在模糊不确定性下的鲁棒指标H:
鲁棒指标H是上述三个指标R、P、F的综合。α、β、γ的大小表示决策者对不同目标的偏爱程度, 可通过层次分析法获得;α, β, γ∈[0, 1], α+β+γ=1。鲁棒性指标是反映调度鲁棒性能好坏的指标, H越大, 说明调度方案抵抗干扰的能力越强, 方案的鲁棒性越好。我们的目的是寻求一个具有较大鲁棒指标值H的合理调度, 并为决策者提供一个有效的调度方案。
3 求解模型DE-PSO混合优化算法
3.1 算法具体设计
本文提出了一种DE-PSO混合优化算法用来求解订单不确定下多装配线鲁棒调度模型。该算法利用DE和PSO进行并行搜索, 通过引入一种新的信息交流机制, 使得信息可以在两者间进行共享, 从而一定程度上避免算法陷入局部最优点。
3.1.1 编码方式
本文采用混合编码方式, 用7种工件3条装配线的多装配线调度进行编码说明, 如表1所示, 其中, Yk为控制向量, 表示装配线k上订单加工顺序, Zk为参数向量, 表示装配线k上订单分配。
3.1.2 DE算法进化操作
(1) 变异操作。为了提高变异操作的有效性, 采用下式生成变异个体:
其中, ai* (i=1, 2) 为变异因子, 参数ai (i=1, 2) 随当前迭代次数t增大而逐渐增大, 以防止粒子陷入局部最优解;Tmax为最大迭代次数;Xi1, t、Xi3, t、Xi5, t为种群中的不同个体;bi2, t为第t代种群中的最优解个体;gi4, t为到目前为止的全局最优个体。
(2) 交叉操作。交叉概率通过下式计算:
其中, PCRmax和PCRmin分别表示最大交叉概率和最小交叉概率, 这里分别取0.9和0.1。
(3) 选择操作。本文采用Das等[10]提出的选择策略进行选择操作:
其中, h为常系数, σ2 (g) 为与进化代数相关的函数。
3.1.3 混沌PSO算法
PSO算法的进化方程描述如下:
其中, φ为惯性因子, C1、C2为加速常数, 且C1, C2>0。Xij (t) 、Xij (t+1) 、Vij (t) 、Vij (t+1) 分别表示粒子i在第t和t+1代时的位置和速度。R1、R2是属于[0, 1]的随机数, 不具有遍历性, 因此引入具有遍历性的混沌机制[11], 从而提高算法的全局收敛性。R1、R2由下式生成:
其中, Ri (t) ∈[0, 1]。在优化过程中, 利用混沌变量Ri (t) 进行搜索, 混沌运动的随机性确保了算法的大范围搜索能力, 遍历性则保证了遍历空间中的所有状态, 有利于避免算法陷入局部最优点。
这里, 为了加快算法的收敛速度而使φ的值随着迭代次数的增大而逐渐减小, 定义
式中, φmax为最大惯性因子;φmin为最小惯性因子。
3.1.4 变异机制
为了避免混合优化算法在进化过程中出现停滞现象, 引入了一种变异机制。当DE算法或PSO算法中的个体出现停滞现象时, 即对该个体实行随机变异操作, 实现方式如下:
其中, F*为全局最小适应度值, Tpmax为允许出现停滞情况的最大迭代次数, (Xmin, Xmax) 为允许的搜索范围。
F*的获取方式如下:t=0时置F*=F (xi (0) ) , 以后每次迭代时比较粒子新的适应度值与F*的大小, 若新的适应度值大, 则将其替代原先的F*;若新的适应度值小则保留原先的F*。公式如下:
3.2 算法流程
如图3所示, DE-PSO混合优化算法流程如下:
(1) 初始化种群及参数设置。种群规模为2 N, 最大迭代次数为Tmax, 缩放因子为F, 交叉概率为PCR, 惯性因子为φ, 加速常数为C1, C2, 控制因子为γ。
(2) 将初始种群平均分成population_PSO和population_DE两部分。
(3) 设置计数器初始值t=0。
(4) 根据式 (16) ~式 (18) 对粒子群群体population_PSO中的个体位置和速度进行更新。
(5) 根据式 (13) ~式 (15) 对差分进化群体population_DE中的个体进行变异﹑交叉和选择操作。
(6) 选择粒子群算法群体中最优个体gbest_PSO和差分进化算法群体中的最佳个体gbest_DE。
(7) 比较gbest_PSO和gbest_DE, 选择两者中的最优个体作为下一代进化的初始群体。
(8) 判断是否有个体出现停滞现象, 若有, 则按照式 (19) 、式 (20) 进行变异操作。
(9) 判断算法是否满足停止条件, 即是否达到理想适应值或达到最大迭代次数Tmax, 若满足, 则算法停止, 输出最优值, 否则转到步骤 (4) 。
4 实例验证
PTCN公司是一家专业生产各类电动工具及其附件的公司。当前, 客户的需求逐渐由少品种大批量转变为多品种小批量的形式, 客户订单量的大小差异很大, 不同客户对交货期的要求也不同, 而且对交货期的要求越来越高, 所以制定一个合理的调度方案对企业来说是非常重要的。
本文以某年8月份的生产任务为例研究订单不确定下多装配线的调度问题, 表2为8月份各型号圆锯的产品加工信息表。为了能够更方便地区分不同型号产品, 这里给每个型号产品进行了产品编号, 下文的讨论都以产品编号代替产品型号。表2中, “-”表示产品不能在相应装配线上加工, 由于L1、L2、L3、L4四条装配线的设备类型和布置略有不同, 所以同一产品在不同装配线的节拍和产能也不尽相同。
L1、L2、L3、L4四条装配线结构和功能类似, 但也存在一定差异, 它们之间相互切换的时间如表3所示。
不同型号产品的交货期如表4所示, 为了准确表示且方便模型计算, 这里交货期单位为h。
h
h
总目标函数为max H=αR+βP+γF, α、β、γ通过层次分析法获得, 其大小表示目标的重要程度, 这里α=0.6, β=0.2, γ=0.2。
差分进化粒子群混合优化算法的参数设置如下:种群规模2 N=200, 迭代次数T=300, 加速常数C1=1.8, C2=2.0, 缩放因子F=0.5, 惯性因子φ及交叉因子PCR的值随进化代数动态改变。
这里假设调度开始时间点为0, 在没有不确定订单干扰的情况下, 得到最优调度甘特图 (图4) , 此时的目标函数值为0.9107。由最优调度甘特图可以得到各产品的模糊完工时间, 如表5所示, 交付满意度值为0.9254, 如图5所示。
图6所示为公司调度人员按公司现用调度方法制定的生产排产方案, 图7所示为按调度人员排产进行生产的交付满意度。
h
在初始调度的基础上, 引入订单不确定性因素来进行算法验证。这里主要考虑的订单不确定性因素为紧急订单到来的情况。对于紧急订单, 这里采用停止目前生产的订单转为生产紧急订单的处理方法。紧急订单在 (43, 49, 54, 62, 69, 76) 时刻到来, 表6所示为紧急订单的加工时间、订单数量和交货期信息。
图8为紧急订单到来后再调度的甘特图, 图9为紧急订单到来后再调度的交付满意度。
通过比较初始调度和公司调度人员制定的现用调度及再调度的调度甘特图、目标函数值、交付满意度图等信息可以得到以下结论:
(1) 初始调度的模糊完工时间为 (128, 149, 170, 191, 212, 236) , 相比公司调度人员制定的调度方案完工时间 (133, 155, 176, 197, 218, 245) 缩短了4.23%。同时, 初始调度方案中的各条装配线的加工时间更为均衡, 具有更高的装配线平衡率, 因此, 利用本文所建立的调度模型及求解算法求解订单不确定下双资源约束的多装配线调度问题可以得到更优结果。
(2) 由表7可知, 初始调度方案在交货期上交付满意度为0.9054, 装配线平衡率为0.8682;再调度后, 交付满意度和装配线平衡率都有了一定程度的提高, 分别为0.9122和0.8946。由此可知, 模型在不确定事件发生时采用再调度方法能够获得良好的调度方案, 从而减少不确定干扰事件对调度结果的影响。
(3) 实际生产过程中出现了一个紧急订单的情况, 对这个干扰事件进行再调度处理, 表7显示, 初始调度的鲁棒性指标为0.8827, 再调度后的鲁棒性指标分别为0.8932和0.9025, 由此可以看出, 本文所建立的模型在发生不确定事件情况下, 具有良好的调度鲁棒性。
5 结论
(1) 以最大化交付满意度、最大化生产线平衡率和最小化完工时间跨度为目标, 建立了订单不确定下多装配线鲁棒调度数学模型。
(2) 设计了基于差分进化算法和粒子群算法的混合差分粒子群优化算法, 实现种群中个体的协同进化。同时, 利用MATLAB和VB混合编码的方式实现对模型的仿真和求解, 其中VB用于界面设计, MATLAB用于编程运算。
(3) 针对PTCN公司二厂多装配线生产车间的实际情况, 以4条圆锯装配线为对象, 将上述模型和算法应用于圆锯装配线实际生产过程中, 在紧急订单到来或交货期提前等不确定事件发生时进行再调度, 将再调度后的方案与实际排产情况进行比较, 证明了模型和算法的有效性和可行性。
参考文献
[1]Choi Yong-Chan, Kim Yeong-Dae, Bang JuneYoung.Scheduling Algorithms for an Air Conditioner Manufacturing System Composed of Multiple Parallel Assembly Lines[J].International Journal of Advanced Manufacturing Technology, 2010, 51 (9/12) :1225-1241.
[2]Pinto J M, Grossmann I E.A Continuous Time Mixed Integer Programming Model for Short Term Scheduling of Multistage Batch Plants[J].Industrial and Engineering Chemistry Research, 1995, 34 (9) :3037-3051.
[3]Lin Danping, Lee C K M.A Multi-level GA Search with Application to the Resource-constrained Reentrant Flow Shop Scheduling Problem[J].World Academy of Science, 2012, 64:746-750.
[4]陈勇, 阮幸聪, 鲁建厦.基于元胞自动机的大型零件生产车间动态柔性调度仿真建模[J].中国机械工程, 2010, 21 (21) :2603-2609.Chen Yong, RuanXingcong, Lu Jiansha.Simulation Modelingof Dynamic&Flexible Scheduling about Large-sized Component Production Workshop Based on Cellular Automata[J].China Mechanical Engineering, 2010, 21 (21) :2603-2609.
[5]张沙清, 陈新度.不确定环境下模具制造项目群随机调度[J].计算机集成制造系统, 2009, 15 (7) :1389-1396.Zhang Shaqing, Chen Xindu.StochasticScheduling for Multiple Mould and Die Manufacturing Projects under Uncertainty[J].Computer Integrated Manufacturing Systems, 2009, 15 (7) :1389-1396.
[6]耿兆强, 邹益仁.基于遗传算法的作业车间模糊调度问题的研究[J].计算机集成制造系统-CIMS, 2002, 8 (8) :616-620.Geng Zhaoqiang, Zhou Yiren.Study on Job Shop Fuzzy Scheduling Problem Based on Genetic Algorithm[J].Computer Integrated Manufacturing Systems, 2002, 8 (8) :616-620.
[7]Liou Tianshy, Wang Maojun.Ranking Fuzzy Numbers with Integral Value[J].Fuzzy Sets and Systems, 1992, 3:247-255.
[8]Niu B, Zhu Y L, He X X, et al.MCPS0:a Multiswarm Cooperative Particle Swarm Optimizer[J].Applied Mathematics and Computation, 2007, 185 (2) :1050-1062.
[9]刘明周, 单晖, 蒋增强, 等.不确定条件下车间动态重调度优化方法[J].机械工程学报, 2009, 45 (10) :137-142.Liu Mingzhou, Shan Hui, Jiang Zengqiang, et al.Dynamic Rescheduling Optimization of Job-shop under Uncertain Conditions[J].Chinese Journal of Mechanical Engineering, 2009, 45 (10) :137-142.
[10]Das S, Konar A.Improved Differential Evolution Algorithms for Handling Noisy Optimization Problems[C]//Proceedings of Congress on Evolutionary Computation.Kolkata, 2005, 2:1691-1698.
面向订单装配 篇4
机械产品的装配规划是机械产品生产的重要组成部分。据有关统计, 在产品的生产过程中, 大约1/3左右的人力及产品生产制造总工时的40%-60%被用于产品的装配过程, 装配成本占总生产成本的50%左右, 因此提高装配规划的效率和品质成为了装配规划的研究重点[1]。
传统的装配规划忽视了对以往成熟产品装配规划经验的借鉴, 同时, 装配规划过程中需要确定紧固连接件的工具、检测装配精度的量具以及一些标准的装配操作规范, 这些工作需要查阅机械设计手册或是行业规范, 但查阅过程繁琐、时间耗费大, 而且易出现人为错误。近年来, 由于人工智能的发展, 人们越来越重视对经验知识的应用, 知识这一概念也被引入到了装配规划的研究中, H.K.Tonshoff[2]等提出了一种基于知识的自动装配序列规划方法、X.F.Zha[3]等建立了一个集成的基于知识的装配序列规划和评价系统。KAPSS、Jiannan Zhou[4]等开发了装配规划的原型系统, 其基于知识的装配规划系统主要以基于产品装配特征[4]的规则类知识为依据并结合算法进行装配规划, 体现了规划的智能性和高效性, 但由于规则类知识少且不易表达, 导致规划方案往往不能满足现实要求, 缺少实际的装配生产指导意义。本文将提出面向装配规划的机械产品装配工艺知识管理系统, 该系统主要对面向装配规划的装配工艺知识进行收集、表达和存储, 形成了装配实例知识库、装配资源使用知识库和基本装配工艺知识库。通过知识库的积累并结合人的逻辑推理能力, 可以为装配规划提供更全面、更有效的指导。
1 面向装配规划的装配工艺知识
装配规划的主要工作包括产品装配单元划分、产品装配工序确定和产品装配资源选择三部分内容, 完成这三方面装配规划工作所需的知识构成了面向装配规划的装配工艺知识的组成部分。装配单元确定知识是对产品进行套件、组件和部件等装配单元确定, 选择装配单元基准件, 从而进行分层分级装配的知识;装配工序确定知识是确定零部件装配顺序、确定工序内容、制定装配操作规范的知识;装配资源分配知识是确定各工序所需的工具和量具的知识。由于装配工序中很多装配操作是标准的, 普遍适用的, 因此将标准的装配操作知识单独提出, 构成基本工艺知识, 为装配操作规范的制定提供辅助。
1.1 装配单元确定知识
装配单元[6]是由多个零件或部件通过配合、连接等关系组成的一个不可自发分离的子结构, 而且这个子结构不影响原装配体中其余零件的装配。配合关系是装配特征之间的配合方式, 如平面配合、柱面配合和锥面配合等, 而装配特征[5]是零件表面上参与装配活动的区域, 主要由形状特征、材料特征、运动关系和位置关系组成。连接关系是用于定位和传递零件之间的几何约束的结构。若干相同类型的连接件同其所连接的普通零件以及相应的附件所组成的集合称为一个连接组件。
通过以上分析得出装配单元主要取决于装配基准、配合关系和连接方法三方面。
1.2 装配工序确定知识
装配工艺过程[7]是装配人员按照产品的装配顺序, 通过一定的装配操作, 按照指定的装配路径并在保证装配精度要求的情况下高效率、高品质的完成产品装配的过程。装配顺序是装配工序中各零部件进行装配的次序, 是产品装配的重要依据。如果装配顺序选取不恰当, 将致使装配操作不断重复, 造成装配一次成功率降低并极大的浪费装配资源, 延长产品的开发周期, 直接导致成本的增加。装配操作是指将零部件组合在一起而进行的清洗、定位、连接、调整、修配、检验等操作。
装配工序划分是将装配工艺过程划分为若干个阶段, 以保证装配生产的平衡, 提高生产效率。
由上可见, 装配工序确定主要取决于装配顺序、装配操作、装配夹具、装配路径四个方面。
1.3 装配资源使用知识
机械产品装配规划中使用的装配资源主要由工具、夹具和量具组成。工具的选择主要根据螺纹紧固件的类型及其公称直径和装配现场拥有的工具资源确定。量具的选择主要根据装配精度要求及装配现场拥有的量具资源确定。由于机械产品的装配过程中使用的夹具基本上因产品不同而不同, 很少能重用, 因此本文中将夹具认定为与具体产品零部件相关的属性, 而不将其包括在装配资源中。
1.4 基本装配工艺知识
基本装配工艺知识是指一些标准操作规范, 这些操作规范不会因为产品的不同而发生变化, 而只与具体的装配操作相关。这些装配操作规范包括清洗、防松和胶接。
清洗是为保证装配品质及装配工作的顺利进行, 对待装配的零部件进行的操作。对于不同的零部件材料采取不同的清洗方法即选择不同的清洗参数。
螺纹连接在冲击、振动和变载荷作用下可能自松, 因此要根据具体的产品使用环境及现场条件选择合适的防松方式。
胶接是工艺简便, 不需要复杂的工艺设备的连接操作, 但是合适的胶接剂组分、固化压力、固化时间、固化温度的选择对胶接品质至关重要。
2 基于本体的装配工艺知识表达
知识表达的方法多种多样, 使用较多的知识表示方法[8]主要有:谓词逻辑表示法, 产生式表示法、框架表示法、语义网络表示法、面向对象表示法、基于本体的知识表示法等。本体作为构建描述领域知识模型的方法论[9], 它对领域内的概念模型进行了明确说明, 而且可以支持粒度小、语义复杂的概念模型创建, 这些特点正适合表达有不同细节需求的装配工艺知识。基于本体的表示方法对知识表示语言中的建构和约束作普遍的、无歧义的语义解释, 可以保证支持本体的不同使用者之间进行语义层面的信息共享和互操作, 同时, 作为本体描述语言的OWL[10]可以方便的映射到数据库, 为本体的存储提供了方便。因此本文将采用基于本体的知识表达方法来构建装配工艺知识。
基于本体概念的装配工艺知识构成图如图1所示, 由装配单元、装配工序、装配资源和基本装配工艺四个本体组成, 每个本体又划分为若干粒度不同的下级本体。
a) 装配单元知识本体
使用零件和连接组件这两种最基本组成单元来描述其构成, 任何装配单元都是通过连接组件将零件连接起来形成不可自发分离的装配结构, 装配单元的特征由零件的特征形成, 零件的形状特征和材料特征是零件独立的特征, 它只与零件本身有关, 而零件的运动关系、位置关系和装配精度是零件之间的特征, 它由多个零件共同决定。零件特征构成了装配单元的结构特点, 也是装配工序规划的出发点。
b) 装配工序知识本体
由装配顺序、装配操作、装配路径描述, 装配顺序确定装配单元中零件或连接组件的装配秩序, 装配操作决定将两个零件装配在一起进行的各种操作如先定位再连接, 装配路径确定装配操作的方向。对于装配工序中所需使用的装配资源将单独在装配工装中进行描述。
c) 装配资源知识本体
装配资源知识本体由装配工具和装配量具组成, 装配工具是紧固连接件时需要使用的资源, 装配量具是保证零件装配精度时使用的资源。
d) 基本装配工艺知识本体
基本装配工艺知识本体是标准操作规范的描述, 对于某类型机械产品的装配, 主要考虑防松、清洗、胶接三类常用基本工艺。防松工艺主要用于螺纹连接件, 即在有螺纹连接件而且有防松要求时就需要相应的防松操作规范。清洗工艺主要用于零件或连接组件装配前操作, 具体清洗工艺的选择要取决于零件类型和污染物的种类及污染程度。胶接基本工艺的选择要根据被连接件材料、连接要求及环境决定。
3 装配工艺知识管理系统实现
3.1 系统架构
本文建立的装配工艺知识管理系统体系架构如图2所示。装配工艺知识管理系统主要对装配实例知识、装配资源使用知识和基本装配工艺知识进行管理, 建立了面向装配规划的装配工艺知识库, 以提供给用户进行知识重用, 其中装配实例知识由装配单元确定知识和装配工序确定知识描述。以面向装配规划的装配工艺知识库为基础, 该系统提供了装配实例检索、装配资源检索、基本装配工艺检索和装配工艺知识录入界面, 实现了用户对相应知识的管理。装配实例知识的管理将产品的装配过程进行管理, 以供工艺规划人员规划相似产品时进行查询、学习和借鉴, 提高装配规划效率;装配资源使用知识的管理将螺纹连接件或装配精度对应的装配资源进行管理, 便于工艺规划人员快速查询, 得到符合实际的需要使用的装配资源。基本装配工艺知识管理对防松、清洗、胶接工艺知识进行管理, 为工艺规划人员提供标准的装配操作规范。
3.2 面向装配规划的装配工艺知识应用
以台钻Z4006-A主轴箱部件装配工艺规划为例说明装配工艺知识管理系统的应用。对于主轴箱部件, 装配工艺知识管理系统的辅助规划主要分为三个层次, 一是辅助装配工序确定;二是确定需要使用何种装配资源;三是确定标准操作规范。
在规划台钻Z4006-A主轴箱部件装配过程前先学习以往相似产品装配过程, 可以通过装配实例知识检索得到如下相似装配实例, 通过学习借鉴来辅助Z4006-A装配工序确定, 如图3 (a) 。台钻Z4006-A主轴箱部件中采用了M5×25的开槽沉头螺钉连接刻度板和主轴箱, 因此需要确定紧固该螺栓的工具, 可以通过装配工具检索辅助确定装配工具资源使用, 如图3 (b) 。主轴箱部件中垫块的装配有平行度为0.1 mm的精度要求, 因此要确定测量其装配精度要求的量具, 可以通过装配检索辅助确定装配量具资源使用, 如图3 (c) 。由于主要轴箱部件使用过程中存在振动, 因此需要对起连接作用的开槽沉头螺钉进行防松, 通过防松工艺检索确定合适的防松标准操作规范, 如图3 (d) 。
通过利用系统提供的装配工艺知识, 并结合三维装配过程规划软件, 最终实现台钻Z4006A从装配工序规划到装配资源使用再到基本装配工艺应用的辅助规划, 形成装配技术要求等文字信息和三维装配过程动画为一体的装配工艺文件, 图4所示为主轴箱部件的装配工艺指导界面。
4 结论
装配工艺知识在装配规划过程中具有重要的作用, 需要进行规范的管理以使这些知识得到重用。基于本体概念构建了装配工艺知识体系, 形成了包含装配单元、装配工序、装配资源和基本装配工艺等知识为主体的装配工艺知识库, 开发了面向装配规划需求的装配工艺知识管理系统。结合台钻Z4006A的装配规划为例, 说明了装配工艺知识管理系统中各主要知识模块的使用, 为快速形成装配工艺指导文件提供有力支撑。将来的工作需要对装配工艺知识库进行扩充, 形成更多的知识容量;另外, 如何在三维装配规划中实现知识的主动推动, 更好的为三维装配提供知识服务也是一个研究方向。
摘要：分析了机械产品装配规划所需知识, 利用本体方法建立了装配工艺知识本体。并构建装配工艺知识, 建立了面向装配规划的装配工艺知识库。以知识库为基础并结合用户界面, 建立了面向装配规划的机械产品装配工艺知识管理系统, 通过应用实例说明并验证了系统的工作过程及其有效性。该知识管理系统可为快速形成装配工艺指导文件提供技术支撑。
关键词：机械产品,装配规划,工艺,本体,知识库,管理系统
参考文献
[1]姜华, 周济, 张新访, 等.基于配合特征的机械装配自动化规划[J].计算机集成制造系统, 1996, 9 (3) .
[2]TONSHOFF H K, MENZEL E, PARK H S.A Knowledge-Based System for Automated Assembly Planning[J].CIRP AnnalsManufacturing Technology, 1992, 41 (1) :1-2.
[3]ZHA X F, LIM S Y E, FORK S C, Integrated Knowledge-based assembly sequence planning[J].The International Journal of Advanced Manufacturing Technology, 1998, 1 (14) :1.
[4]ZHOU Jiannan, An integration of time measurement method and ergonomic knowledge into the generation of assembly planning[D], University of Utah, 2001.
[5]郑轶, 宁汝新, 王恒, 等.基于装配特征本体表达的虚拟产品建模研究[J].计算机集成制造系统, 2006, 12 (12) .
[6]薛鹏, 李原, 彭培林.基于实例的飞机装配单元划分技术研究[J].中国机械工程, 2007, 18 (19) .
[7]张开富, 李原, 邵毅, 等.一种集成装配过程信息的装配建模方法[J].西北工业大学学报, 2005, 32 (2) .
[8]张科杰, 袁国华, 彭颖红.知识表示及其在机械工程设计中的应用探讨[J].机械设计, 2004, 21 (06) .
[9]唐富年, 唐荣年.HEBELER John, FISHER Matthew, BLACE Ryan et al.Web3.0与Semantic Web编程 (2010年6月第1版) [M].北京:清华大学出版社, 2010.6:115-148.
面向虚拟装配的公差信息建模研究 篇5
随着计算能力的显著提高以及软件在设计和制造过程中的广泛应用,CAD/CAM/CAE系统已经成为产品集成开发平台的代名词,其功能在不断地扩展,逐渐覆盖了产品的整个生命周期,服务于产品开发的全过程,包括产品的设计、产品的数字化校核与验证、产品的生命周期管理,成为了提高企业市场反应速度和产品竞争力的有力保障。在现代制造技术中,虚拟装配技术在产品全寿命周期设计过程中的作用日益凸现。但是对装配公差的研究远落后于对其他方面的研究,多数局限于公称尺寸的零部件的装配,虽近年来对公差约束的影响的研究日渐深入,但与工程实际应用的要求相比仍有较大差距,特别是公差信息建模以及公差优化设计的建模研究。
1 装配公差信息模型的研究
公差信息数学模型即为一组能刻划公差语义的模型变量及限制这些模型变量的不等式。公差语义主要表示为公差域如何形成和标识,变动后的要素如何形成及表示。建立完整的、正式的公差语义表示的数学模型对自动公差分析、公差分配等后续工作十分重要。
人们自计算机辅助公差设计研究以来,从不同的方向对公差信息模型进行了研究,出现了以下几种数学模型:1)漂移模型。Requicha最早对公差数学定义进行了研究,他针对几何造型的需求,以变动族为基础于1983年提出了实体漂移模型。模型用点集的形式来表述,实体是欧氏空间的一个正则子集,用点集定义了其上的特征。漂移模型易于实现,没有二义性,但与公差标准不相适应,所确定的公差带偏严,只能用来表示公差域的边界等。2)基于公差函数与矢量方程的数学模型。Hoffman在三维欧氏空间中发展了一种模型,把几何图形视为由一些点矢量组成,公差被解释为一系列的以点矢量为参数的公差函数。Turner在变动实体造型的基础上也提出了基于公差可行域的公差模型。目前这种方法主要用于确定公差域的边界,对满足公差变动后要素如何表示未作深入的研究。3)基于几何约束变动的参数矢量化数学模型。Hillyard和Braid把几何实体视为物理框架,尺寸信息是一些使框架受到约束从而得到固定的固件,公差信息是尺寸信息所允许的微小变动。该模型较好的表示尺寸公差信息,但不能处理形位公差信息。4)基于数学定义和自由度变动的数学模型。Shah等人提出建模的关键是能对满足公差的要素的变动作出准确的解释,在此模型中,设自由度为模型变量,由公差的数学定义导出基于自由度变动的公差域边界标识和变动后要素的表示统一的方法。刘玉生等针对多面体提出了机遇数学定义和自由度的建模方法,较好的解决数学模型的两个问题。该模型以一个点集统一地表示出所有的公差域边界及变动要素,并且还能实现不同公差类型的组合,作用对象已应用到圆形、矩形截面和直线等。可以看出,数学定义与其他方法的结合的模型具有独特的优点,有较好的应用前景。
按与实体造型的关系,表示模型可分为依赖于实体模型和独立于实体模型内的表示模型。前者可进一步分为基于CSG、基于B-Rep及基于CSG/Rep混合模型等;后者可分为基于TTRS、基于公差元及基于特征等类型。
公差信息表示模型是公差分析、公差综合等后续工作的基础,是产品信息建模的基础。但现有的CAD软件尚不能有效地处理公差信息,缺少公差信息表示模块。但是在产品信息系统中必须包括公差信息,因此需寻找一种合适的公差信息表示模型,使之能与产品信息系统有机的结合起来。
2 装配公差建模的实现
现有的CAD系统的核心是实体造型器,其中的公差信息只是符号的表示,缺少有效的工程语义表示,所以CAD,CAPP和CAM难以实现真正的有机集成。虽然有些软件(如CATIA)集成了公差信息模块,但是存在许多问题,无法有效地对公差信息进行评价,对公差信息的综合有所欠缺,进行公差分析时,需手工完成大量的前期工作,所以需要设计合适的公差表示模型和公差语义定义,并须考虑公差原则,使之与CAD系统有机集成,通过一定的方法对公差进行评价,最终使公差满足设计要求。公差评价的一般步骤如图1所示:
3 公差优化建模研究
3.1 动态公差设计
装配公差优化设计是一种辅助设计手段,可以合理地解决设计与生产中公差分配上的矛盾,降低生产过程中的设计修改返工率。传统的方法是根据预定的加工顺序,在零件加工前计算出工序尺寸和公差。这种方法具有局限性,为了克服传统方法不能在加工过程中修改尺寸和公差的缺点,发展了一种根据实际获得的尺寸来重新动态设计后续尺寸和公差的方法,称为动态公差设计方法。有关研究已对低维尺寸公差设计进行了研究,但对较复杂多维零件的尺寸公差、角度公差等混合设计较少涉及。
动态公差设计的实质是根据工序公差可行域中的实际可行点,构造新的降维公差可行域,确定后续的工序尺寸和公差。动态公差设计的步骤如下:1)在第i道工序前,确定公差分配算法;2)对部件进行测量,如果产生的公差域不在规定的范围内,则此算法失效,重新对公差进行再分配,进行第i+1道工序。
3.2 公差优化设计
3.2.1 基于M-C方法的优化设计
优化设计问题的数学模型包括设计变量、约束条件和目标函数。在有约束优化设计问题中,其数学模型为:
装配过程中产生的公差大多数是服从正态分布或矩形分布,常用Monte Carlo方法(简称M-C方法)进行实验仿真,模拟装配公差统计分布,分析误差原因,修改公差指标或装配过程,对结果进行优化处理。M-C方法的基本原理是,当所求解的问题是某个事件出现的概率时,可以通过抽样试验的方法得到这一事件出现的概率,把它作为问题的解;当所求的问题是某个随机变量的期望值时,通过抽样试验求出随机变量的样本平均值,并作为问题的解。这里以公差样本服从正态分布为例,通过线性变换可以转化为标准正态分布。正态分布的一个重要规则即“3σ规则”,正态随机变量分布由它的数学期望和方差决定,它的值在区间[μ-3σ, μ+3σ]的概率几乎为1。由区间估计, μ的置信度为1-α时置信区间为:undefined, σ2的置信度为1-α时置信区间为:undefined,最后可以得到公差样本参数值和特性。如果样本服从非正态分布,也可通过估计得到它的特征性能。
可以看出虽然在公差分析过程中M-C方法可较好的处理非线性装配函数,但为确保较高的精度,需要大量的样本,多次重复运算,计算量较大;而且如果装配函数中各分量的均值或方差发生改变,需重新计算,因此应该研究更高效的算法。
3.2.2 基于遗传算法的优化设计
近年来,发展了一种模拟生物进化的优化方法,即遗传算法。在遗传算法中,目标函数北转化成对应各个个体的适应度。适应度是根据预定的目标函数对每个个体(染色体),进行评价的一个表述。计算开始时,从随机产生的染色体中选择适应度(性能好)的染色体组成初始的寻优群体(初始可行解),称为“种群”。算法将一组染色体用二进制(或十进制)的字符串进行编码,其中的一位或几位字符的组合称为基因,两个染色体表示二维空间的两个可行解,称为一个寻优的初始点。维数越高,染色体的群体个数越多。而且遗传空间内可行解会有多种组合,它们组成了可行解的空间。改变了染色体的某个基因的位置,可以作为一组新的寻优试探点。这种交换叫“杂交”。为了提高算法搜索全局最优解的能力,还需扩大基因组合,这就是“变异”。可以看出遗传算法是多点搜索,直接利用从目标函数转化成的适应函数,采用编码的方法以概率原则指导搜索。目前,遗传算法还存在一些问题,主要是计算时要求种群规模较大(一般为50～100),在求解过程中有时会过早收敛于局部优化解,对低维、连续、单峰等简单问题不能显示其优越性。遗传算法的基本程序如下:BEGIN/*遗传算法*/生成初始种群,并计算每个个体的适应度
4 结论
装配公差与产品的装配和制造过程以及产品最终的性能密切相关,因此随着计算机辅助设计技术的应用和推广,装配公差已成为产品设计开发阶段的一项重要内容,它的应用前景将十分广阔。由于产品零部件的材料,使用环境的影响,以及装配方式造成的盈余和变形,确定正确的公差分配方案尤为必要。以往的装配公差大体上可分为公差分析和综合,均是基于直观地公差分布通过工程数学方法进行处理,无法考虑实际工况造成的影响,因此,需要在这方面深化研究。
参考文献
[1]顾寄南,等.基于虚拟装配的装配工具与公差的信息建模研究[C].全球化制造高级论坛(21世纪仿真.
[2]姬舒平.虚拟装配环境下公差并行设计方法的研究[D].哈尔滨工业大学,2000.
[3]曹衍龙.基于数学定义的公差建模方法与技术研究[D].浙江大学,2005.
面向虚拟装配的双手交互模式研究 篇6
在现实生活中, 手是人与外界交互的主要工具。在虚拟环境中, 人们希望像现实世界一样来操纵虚拟物体。虚拟手作为一种直观的交互方式, 便于用户自然、和谐、高效地操作, 尤其是对人机交互有极高要求虚拟装配来说, 需要虚拟手的介入来验证装配的切实可行性和符合工艺设计要求。
国外从1988年就开始了虚拟手的研究。Geneva大学的Thalmann M教授领导的MIRA实验室是研究人机交互和虚拟手的最著名的团队之一。他们提出了一种依赖关节的局部变形模型用于人手的动画和对象的抓取, 接着又提出了一种基于DFFD的人手变形模型。Kunii等人提出了基于环流映射的人手和手臂模型, 并以此为基础实现了几种较为真实的手势。
在双手操作方面, Guiard提出了运动链模型, 对双手的逻辑分工作出了很好的定义和说明, 且有一些分析和实验验证结果, 对以后双手的非对称研究有很重要的借鉴意义。Buxton和Myers以实验验证了双手交互技术不仅对于新手来说很容易学习, 还能提高用户操作的性能。Kabbash等人对优先手和非优先手在指和拖拽任务方面作了比较, 表明两只手是互补的, 每一个手都有其自身的强项和弱项。H.Sun等人设计了一个双手装配系统。在系统中, 双手可以按照约定的约束条件协同完成一项装配任务。
1 双手交互的理论基础
双手交互的出发点是充分利用人在现实生活中习得的劳动技能和操作技巧, 提高交互的自然性。跟单手操作相比, 双手操作是面向用户的, 不仅需要考虑功能的实现, 更多地是需要从方便用户使用的角度考虑, 其交互界面是“以用户为中心”的。
1.1 双手交互的行为学基础
手在现实生活中的应用无处不在, 对于不同应用, 可以将手部行为分成三类:第一类是单手行为, 也就是利用一只手就可以实现操作, 如使用鼠标等;第二类是双手的对称行为, 也就是双手完成相同的操作, 在任务中扮演同样的角色, 如洗衣服等;第三类是双手的非对称行为, 即双手完成不同的工作, 在任务中扮演不同的角色, 如打电话、倒茶等。
1.2 双手交互的心理学基础
除了符合人的行为学特点之外, 双手交互方式同样也吻合了人的认知特点, 使用这种方式和计算机交流时可以大大降低用户的认知负担。认知心理学认为, 人们获得认知技巧的一个主要途径是把一些相关的基本任务组合成有意义的任务单元, 在操作时以这个单元为操作对象而不去考虑单元内部的组织。
1.3 双手操作在人机交互中的应用特点
相对于单手操作, 双手操作是一种全新的形式, 不仅仅是输入通道上的增加, 更重要的是要在界面中充分体现双手合作的特点, 包括其中的事件类型和时间特征。
1.3.1 双手交互中的事件类型
为了把双手的动作映射为交互中的输入事件, 用户经常需要使用各种交互设备, 如三维鼠标、数据手套、跟踪器等。这些设备能够输出的事件类型是不一样的, 有的只能输出离散事件, 如键盘的按键信息;有的只能输出连续事件如跟踪器的空间位置还有的设备能够输出这两种事件, 在这里称之为复合事件, 如鼠标既可以移动输出连续事件, 又可以按键输出离散事件。
1.3.2 双手交互的时间特征
在人机交互中, 一个交互任务往往被划分成若干个子任务。在单手交互方式下, 这些子任务都由一只手来完成, 所以各个子任务只能是串行执行;而在双手交互方式下, 这些子任务被自然地分配到两只手上, 部分子任务甚至可以并行执行, 这样就会大大提高用户的工作效率。
2 双手交互模式研究
作者认为双手模式研究, 其一, 是给出双手在自由态时的自然约束。比如, 现实生活中, 手可以在空间中自由地运动, 但是要受到种种限制。两只手通过身体相连, 手与手间的相对运动范围仅限于以肩关节为中心, 手臂长度为半径的三维球体中, 而双手之间的最大距离应该是正常人的手臂长的二倍和肩宽之和, 当达到了此最大距离时, 一只手的运动将会连带另一只手的同向运动等;其二, 是给出双手之间的各种抽象的动作之间的可能的协作, 这些抽象动作也就是交互手势;其三, 探讨有效的对双手交互模式描述的方式和手段;其四, 是要研究如何在虚拟环境中实时捕获这些模式, 从而自动产生相应的语义;其五, 研究通过实验手段对双手交互模式和用户意图进行对应分析, 找出模式设计在虚拟环境人机交互当中的问题和不足。
2.1 双手交互模式形式化探索
在实践中, 作者对双手交互的模式的形式化描述采用了形式化自然语言描述和UML协作图描述相结合的方法。双手交互模式的形式化自然语言描述主要包括4个元素:名字、任务、双手交互的手势配合描述, 以及结果描述。其中, (1) 名字是模式的有意义的指代; (2) 任务解释什么时候此模式可以适用; (3) 双手交互的手势配合描述解释两只手在完成任务过程中各自的行为和关键手势及其之间的协同关系, 也包括对场景中相关对象与手的关系的描述; (4) 结果描述给出该交互模式所对应的用户意图和所应该产生的交互语义。
双手协作交互在虚拟装配系统中可以发挥很大的作用, 比如对物体的抓取, 对零件的组装和拆卸等。依据双手交互设计准则, 针对双手在虚拟装配环境中的行为, 作者提出双手自由模式、双手一致装配模式、双手组合装配模式、双手共同装配模式等几种基于虚拟装配典型应用的双手交互模式。以双手共同装配模式为例, 其语言描述表1所示。图1是双手一致装配模式。其中CurPart1和CurPart2是当前零件, TarPart是目标零件。
2.2 双手交互模式识别算法
在依据双手交互设计准则和针对双手在虚拟装配环境中的行为提出了基于虚拟装配典型应用的双手交互模式之后, 就需要研究如何在虚拟环境中实时捕获和识别这些模式从而自动产生相应的语义以便能通过实验手段对双手交互模式和用户意图进行对应分析, 为找出模式设计在虚拟环境人机交互当中的问题和不足而打下基础。表2是针对双手交互模式给出的模式识别算法, 旨在全面捕获交互特征, 判断交互模式, 进而得到交互语义。
此算法中, 在时间上依据初始状态、装配初始状态 (抓取操作) 、装配中间状态 (装配过程) 、装配结束状态 (终态) 以及连续事件和离散时间的交替处 (如三维鼠标从平移状态转为旋转状态) 进行判断;在空间上依据虚拟手的空间位置、双手抓取对象个数 (一个还是两个) 、双手在抓取时所采用的手势类型、虚拟手的运动状态 (平移还是旋转) 、当前零件 (CurPart) 个数 (一个还是两个) 以及最终的装配体所拥有零件个数 (两个还是三个) 来进行判断。图2是双手交互模式识别示意。在图2中, m表示平移状态;r表示旋转状态;t时刻表示平移状态和旋转状态的交替处;T1、T1′时刻为初始状态, 此时双手均处在自由态, 没有抓取任何物体, 可在三维空间中自由地平移或旋转, 处于双手自由模式;T2、T2′时刻为装配初始状态, 此时双手通过感知抓持有物体。如果此时双手以对称手势抓取同一物体, 可判断此物体尺寸比较大, 根据日常经验判断不便于单手操作的零件, 故采用双手协作来抓取该物体, 此时可判断该模式为双手一致装配模式。如果此时双手分别抓取不同物体, 可判断需双手协作才可完成装配;T3、T3′时刻为装配中间状态, 若此时将两只手抓取的物体装配在一起, 可判断为双手组合模式, 该模式的典型应用如左手抓取螺钉, 右手抓取螺母, 然后将螺母旋转安装到螺钉上;T4、T4′时刻为装配结束状态, 此时已经将双手抓取的零件在当前零件上装配完毕。若最终的装配体的所拥有零件个数为三个, 可判断应是一只手抓取一个物体 (零件) , 然后将两个物体装配到同一目标物体上, 为双手共同装配模式。该模式的典型应用如将一个垫圈固定在一个大装配体上, 通常是左手持垫圈, 右手持螺钉, 先用左手将垫圈摆放在正确的位置, 再用右手将螺钉拧在大装配体, 将垫圈固定。
3 结束语
基于上述理论, 作者在微机加LOGITECH 3D鼠标硬件环境和Open Inventor三维平台上构造了一个基于双手的虚拟装配原型系统。在虚拟装配环境中验证基于感知机制的双手交互装配双手装配情景如图和图所示
为验证本系统双手交互的自然性和效率, 针对两个不同的装配任务, 分别进行了单手装配和双手交互装配实验。实验结果见表3, 可以看出双手的效率要优于单手。实践证明, 适于虚拟制造的基于动画技术和计算感知实现的双手交互, 代替传统的基于数据手套的生理感知和用户的复杂交互, 不仅使得虚拟手适合更专业的需求, 同时也大大扩展了交互设备的使用, 使用三维鼠标即可实现虚拟手的应用, 有很强的实用性, 使得交互操作自然, 减轻了用户的认知负荷, 对自然和谐的人机交互起到了重要的作用。
参考文献
[1]THALMANN M, THALMANN D, et al.Joint-dependent LocalDeformations for Hand Animation and Object Grasping[C].Pro-ceedings of Graphics Interface’88, Canadian Man-Computer Com-munication Society, 1998.
[2]KUNII T L.A Model of Hands and Arms Based on Manifold Map-ping[C].Proceedings of CGI’93, 1993.
[3]GUIARD Y.Asymmetric division of labor in human skilled biman-ual action:The kinematic chain as a model[J].Journal of MotorBehaviour, 1987 (4) .
[4]BUXTON W, MYERS B.A study in two-handed input[A].InConference Proceedings on Human Factors in Computing Systems (CHI’86, Boston, MA, Apr.13-17) [C].New York:ACMPress, 1986.
[5]KABBASH P, MACKENZIE I S, BUXTON W.Human perform-ance using computer input devices in the preferred and non-pre-ferred hands[A].In Proceedings of the ACM Conference on Hu-man Factors in Computing (INTERCHI’93, Amsterdam, TheNetherlands, Apr.24-29) [C].New York:ACM Press, 1993.
[6]SUN H, HUJUN B.Two-handed assembly with immersive taskplanning in virtual reality[J].The Journal of Virtual Reality:Re-search, Development and Applications, 2002 (1) .
[7]ANDERSON J R.Acquisition of cognitive skill[R].PsychologicalReview, 1982 (4) .