[发明专利]一种总装车间物料需求预测方法

权利要求书

1.一种总装车间物料需求预测方法，其特征在于，包括以下步骤：

步骤1：判断是否满足辅料需求预测触发条件或关重件需求预测触发条件，若满足辅料需求预测触发条件，进入步骤2，若满足关重件需求预测触发条件，进入步骤5，若均不满足，进入步骤1；

步骤2：判断是否为周期触发，若是，将所有工位设置为触发工位，若否，将辅料可用量C低于最小库存量C_min的工位设置为触发工位；

步骤3：根据关键基准件确定方法及工位完工耗时预测算法，确定触发工位的对应关键基准件及该关键基准件当前所在工位；

步骤4：根据辅料需求预测方法、工位完工耗时预测算法、触发工位的对应关键基准件及该关键基准件当前所在工位，确定触发工位需生成的辅料配送任务数及最佳送达时间段；

步骤5：根据关重件需求预测方法及工位完工耗时预测算法，确定并更新后续工位的关重件配送任务的最佳送达时间段。

2.根据权利要求1所述的一种总装车间物料需求预测方法，其特征在于，所述辅料需求预测触发条件，包括周期触发与最小库存量触发，其中，所述最小库存量触发，为出现辅料可用量低于最小库存量的工位，所述辅料可用量计算公式如下：

C＝C_r+c′*Δ (1)

式中，C_r为工位辅料缓存区中辅料实际余量，c′为工位待送达的辅料配送任务的个数，Δ为单次配送任务辅料补给量；

所述关键基准件，为使触发工位的辅料可用余量C达到C_max-Δ或C_min的基准件，其中，C_max为工位辅料缓存区的最大库存量。

3.根据权利要求1所述的一种总装车间物料需求预测方法，其特征在于，所述工位完工耗时预测算法具体为：

基准件b_j在工序线P_i的第r个工位上的完工预测耗时为：

式中，为工位的完工耗时预测模型，p、C_B、C_An、C_Kl分别为此次装配的工人信息、基准件的等级、第n种辅料的等级及第l种关重件的等级，N为工位装配需辅料种数，L为工位装配需关重件种数。

4.根据权利要求3所述的一种总装车间物料需求预测方法，其特征在于，所述完工耗时预测模型，为改进蜻蜒算法优化的BP神经网络，其建立包括以下步骤：

步骤3.1.1：确定BP神经网络的隐藏层的总层数U、隐藏层的第u层节点数n_h，u、输入层的节点数I与输出层的节点数K；

步骤3.1.2：确定蜻蜒种群规模数DS、最大迭代次数t_max与蜻蜒个体的维数D；

步骤3.1.3：根据种群初始化方法，生成蜻蜒算法的初始种群；

步骤3.1.4：计算蜻蜒个体的适应度值，若存在蜻蜒个体的适应度值优于食物，将食物更新为该蜻蜒个体，若存在蜻蜒个体的适应度值劣于天敌，将天敌更新为该蜻蜒个体；

步骤3.1.5：判断是否达到最大迭代次数，若是，进入步骤3.1.8，若否，进入步骤3.1.6；

步骤3.1.6：根据邻域半径更新机制，为蜻蜒个体更新邻域半径；

步骤3.1.7：判断食物是否连续G次迭代未变化，若是，根据种群生成机制，生成新的种群，进入步骤3.1.4，若否，根据基本蜻蜒算法定义，更新蜻蜒个体位置和步长向量，进入步骤3.1.4；

步骤3.1.8：将食物对应解作为BP神经网络的初始权重和偏差，利用样本数据库对BP神经网络进行训练，建立完工耗时预测模型，其中，样本数据库由多组样本数据组成，每组样本数据由输入数据和输出数据组成，其中输入数据包含工人信息、基准件等级、辅料等级、关重件等级，输出数据为实际完工耗时。