基于决策树和模型树的作业工时估计方法

李奇倚，王 磊

(上海交通大学 工业工程系，上海 200240)

0 引言

流程工业包括化工、炼油、冶金和制药等行业，具有较高的自动化程度，并且随着计算机技术、传感器技术和通信技术的发展，流程工业在生产过程中积累了大量的数据，这些数据中隐含着大量的有用信息，然而由于缺少有效的分析工具和高效的计算技术提取有用信息，其数据的价值未被充分利用[1-2]。目前采取的手段是将数据压缩，将短时间段的数据存档，仅在特殊运行状况下进行数据恢复与分析[3]。近年来一些相关研究，如基于数据的调度模型[4-5]和基于数据的关键参数预测方法[6-8]等，证明了从底层数据中挖掘相关的信息和知识并应用于生产决策，可减少决策的不确定性，实现快速分析并减少错误决策的次数[9]。在制造生产中，工时参数是进行生产计划和生产调度的重要依据[6]，被用来确定作业任务量和各个任务的作业时间区间，是计划生产中的关键参数。目前企业主要采用人工粗略估计的方式制定工时，存在费时和准确率低等问题，而基于不准确的工时参数估计生产任务量和作业时间等，会使计划与实际生产有较大偏差，易导致执行脱节[10-11]。基于底层数据的关键参数预测方法是解决该问题的有效手段，因此本文研究基于历史生产数据预估工时参数的方法具有实际意义。

近年来，有关工时预测问题国内外有较多的研究成果：文献[12]采用程序仿真法预测数控加工……