龚志强 乔兴华 宁俊义

（沈阳飞机工业(集团)有限公司，辽宁 沈阳110000）

随着我国经济的发展，制造业成为我国经济的核心部分，航空制造业作为高端制造业，由于具有多品种、小批量、混线式生产、工作中心跨度大等特点，面临生产计划较为粗放、生产执行偏差较大、在制品积压严重等问题，其中一个主要原因就是生产周期不准确导致的。航空制造业生产周期的影响因素众多，在生产中由于存在自然变动性、计划性与非计划性停机、重工、设备突发大故障、流动变动性等变动性因素的影响，导致了生产周期研究十分复杂，同时物流情况、工艺复杂度、质量情况、上下游车间的齐套情况、并行生产、工作中心切换产生的等待都会影响生产周期。在航空制造业快速发展的情况下，急需重视生产周期的准确性，提高生产计划排产可执行性，提升企业的经营能力，需要借助数据的综合指标体系的建立，以数据分析挖掘技术进行生产周期校准评估模型，确保生产计划的精准科学，为我国航空制造行业的健康发展提供支持。

1 数据分析挖掘下离散制造业生产周期校准原则

在离散制造业生产周期校准过程中，借助数据分析挖掘技术其主要涉及数据整合处理及建立校准评估模型。建立生产周期校准评估模型需要能够掌握以下三点要求：其一，生产周期校准分析的历史数量能够满足模型分析需求；其二，进行现状与校准匹配分析，将评估维度的指标与校准标准有效结合；其三，分析评估离散制造业生命周期各阶段的运行情况，同样对校准前后进行分析对比[1]。

同样，数据分析挖掘技术在处理海量的数据信息中能够加快处理数据的效率与准确性。由于离散制造业生命周期的海量数据汇集成的大型数据库，在数据库中往往存在着不同形式、结构、内容的数据信息。利用数据挖掘技术能够通过特定的手段来实现数据的查询，同样数据挖掘技术能够对数据进行归纳性的分析总结，通过提取工艺、计划、生产执行过程各类数据进行数据挖掘与分析，对当前生产执行使用的各类周期数据分析校准，借助数据本身的价值，可以帮助企业实现对生产周期进行良好的校准评估。

2 基于数据分析挖掘技术的离散制造业生产周期校准

预测校准模型分析不仅仅涉及离散制造业生产周期校准的合理性，同样也能够反应出制造业的发展经营情况。通过将历史生产过程的零件及原材料、最终产品等转为向量，运用整数阶乘矩阵，对零件数量、零件种数、零件实际工时、一个生产周期的开始时间和结束时间及将搜集到的所有历史加工周期数据代入对应的公式，通过最小二乘法和回归分析对零件加工所需时间进行预测。

数据挖掘过程中需要对数据进行特性处理，处理后的数据需确保数据集满足线性、独立性、正态性、方差齐性、自变量间不存在多重共线。工序内的数据处理后示意如下：

表1 被预处理后的数据

根据基于Map-Reduce 的最小二乘法技术进行集群计算所有零件的生产周期。按不同颗粒度的数据重组，形成每个零件在不同周期段内的生产周期分布数据。基于二次曲线拟合,利用生产周期中位数作为峰值，两侧边附近区间内的数据,拟合二次曲线方程, 通过寻找二次曲线方程的峰值点确定共焦曲线极值点位置,进而确定系统焦点位置。从拟合曲线可以看出,其生产周期关于极值点位置左右对称, 并且在极值附近的数据具有二次曲线特性。利用共焦曲线靠近极值点附近的数据来进行拟合,而由该数据段拟合得出的共焦特性曲线极值点位置的准确度也得到大幅提高。

通过利用二次曲线对生产周期曲线进行拟合, 并采用最小二乘法进行回归方程求解, 最小二乘法具有拟合数据与真实数据之间残差和最小的特点, 使得拟合方程更能准确的反应真实数据的分布。

按照积分方式，将生产计划所需的周期概率数据，按照10%-90%进行计算，形成各零件的MRP 排产周期，以下以20%、50%、70%零件生产周期概率作为示意。

不同零件由于加工工艺的不同，生产周期概率分布的集中程度也不一样，以数控机床等为主的生产，生产周期分布集中，呈现的图形越陡；以人工为主、车间同时开工的零件越多，生产线积压的在制品也就越多，生产周期分布越离散，呈现的图形也就越平缓。

在MRP 阶段，零件的最终周期将根据生产的紧急度进行置信度压缩，如年初计划生成按照70%的完成概率为各零件的标准生产周期。如果遇到整体周期不足或废品补制、外场急件等紧急情况，根据BOM 及工艺路线拆分，每个零件均按照相同的完成概率进行周期压缩，大大提升了计划排产的科学合理性。

3 结论

在离散制造业生产周期校准评估中，运用数据分析挖掘技术确定较为准确的生产周期，提高生产计划排产的准确性、科学性，提高周转率，降低库存成本。数据分析挖掘技术在离散制造业生产周期校准评估中的运用是做好制造企业精准化管理的重要环节，可以有效提升企业的经济效益，实现制造业的健康发展。