林业科学

作者：欧阳周洲1,2,吴义强1,3,4,*,陶涛1,3,4,蔡丰2,王迅1,2,郝绍平1

单位：1. 中南林业科技大学　长沙 4100042. 欧派家居集团股份有限公司　广州 5104753. 农林生物质绿色加工技术国家地方联合工程研究中心　长沙 4100044. 木竹资源高效利用省部共建协同创新中心　长沙 410004

关键词：定制家具,数控钻孔,作业时间,人工神经网络,家具制造,智能制造

基金：“十四五”国家重点研发计划项目（2023YFD2201500）；中国工程院战略研究与咨询项目（2023-XY-32）。

目的: 为实现大规模定制家具更高效、更低碳的智能制造，有必要在自动化、连续化生产的基础上实施更精准的智慧生产决策，将生产管理由传统的批次级推进到板件级，以差异化的工序作业时间为基础开展生产调度。本研究通过分析数控钻孔作业时间的关键影响因素，构建可预测每一张板件数控钻孔作业时间的数学模型，在生产前获得较为精准的作业时间数据，解决定制家具板件差异化作业时间数据缺失的现实问题，为定制家具的板件级生产调度夯实数据基础。方法: 基于定制家具制造实际，从数控钻孔加工中心的作业逻辑着手，分析不同数据条件下影响数控钻孔作业时间的关键因素，通过MES（制造执行系统）从设备底层采集6万余条历史作业时间数据，构建解析程序提取关键影响因素，搭建使用Mish激活函数的3层人工神经网络模型，并引入动量和学习率衰减算法提高模型精度和运算效率，实现定制家具数控钻孔工序板件级作业时间的预测。结果: 不同数据条件下，人工神经网络模型可实现良好预测效果，其中基于数控程序提取的9维变量对平均作业时间的预测误差率为2.68%，具备对工序总体效能进行预测的能力；单一板件预测结果平均绝对误差为2.87 s，显著优于同等数据条件下的常规线性回归模型，对指导板件级精准调度具有实际意义。结论: 通过MES大量采集历史作业时间数据，构建解析程序，提取关键影响因素，基于制造大数据搭建3层人工神经网络模型，能够较精准预测板件级数控钻孔作业时间，为实现定制家具制造过程的设备与工艺优化、基于单张板件开展精准生产调度、构建家具制造数字孪生车间打下良好数据基础，推动智能制造在定制家具领域的实践。

来源：2024年第1期

《林业科学》期刊编辑部

查看林业科学杂志2024年第1期