标准工时预测方法、装置、设备及存储介质

技术领域

本发明涉及一种标准工时预测技术领域，尤其涉及一种标准工时预测方法、装置、设备及存储介质。

背景技术

目前的很多企业都在采用工业工程(IE)管理中的预测工时法(PTS)去进行生产管理以提升整体效率，标准工时是指在标准工作环境下，进行一道加工工序所需的人工时间，预测标准工时是工业工程的基础，也是缝制产品行业的生产过程中一个重要的指标，

现有的利用时间测量方法(MTM)进行标准工时的预测，一般先根据加工工序中的动作建立多个小动素，然后通过多个小动素组合建立大动素，根据对加工工序的拆解分析，利用多个大动素的工时来预测加工工序的标准工时，而当加工工序中的某些动作的工时无法通过大动素来进行预测时，则采用掐秒表的方式来进行确定，但通过这样的方式来进行加工工序的标准工时预测时，预测的结果误差大、精度低，计时人员操作的快慢和不同的物料、车种和车法等因素都会影响预测结果的准确性，并且无法实现量化预测，需要根据实际的需求进行多次的掐秒表计时才能满足生产预测需要，导致生产效率下降。

发明内容

本发明的目的是提供一种标准工时预测方法、装置、设备及存储介质，能够有效地提高标准工时预测的准确性且实现量化预测，有利于生产效率的提高。

为了实现上述目的，本发明公开了一种标准工时预测方法，数据库存储有与加工类型对应的多个加工速率因子和加工准备工时、与加工物料对应的多个物料处理时间以及与加工方式对应的多个车法时间，所述预测方法包括：

接收加工数据，所述加工数据包括加工类型、加工长度、加工物料和加工方式；

根据接收的加工类型从所述数据库中获取对应的加工速率因子和加工准备工时；

根据接收的加工物料从所述数据库中获取对应的物料处理时间；

根据接收的加工方式从所述数据库中获取对应的车法时间；

将加工长度与加工速率因子相乘并与加工准备工时相加，以得到加工工时；

将计算得到的加工工时与获取的物料处理时间和车法时间相加，以得到标准工时。

可选地，所述加工数据还包括工件类型，所述加工方式包括加工车法，所述加工物料包括用线类型，所述数据库还存储有与所述工件类型对应的多个工件倍率、与所述加工车法对应的多个车法倍率以及与所述用线类型对应的多个线倍率，

所述“将加工长度与加工速率因子相乘并与加工准备工时相加，以得到加工工时”包括：

根据所述工件类型、所述加工车法和/或所述用线类型从所述数据库中获取对应的工件倍率、车法倍率和/或线倍率；

将加工长度与加工速率因子相乘并与获取的工件倍率、车法倍率和/或线倍率进行倍率相乘；

将相乘的结果与加工准备工时相加，以得到加工工时。

可选地，所述加工类型包括加工系列、加工工序、加工面料和加工车种。

可选地，所述加工类型包括加工车种，所述数据库还存储有与所述加工车种对应的多个车种宽放倍率，

所述“将计算得到的加工工时与获取的物料处理时间和车法时间相加，以得到标准工时”包括：

根据所述加工车种从所述数据库中获取对应的的车种宽放倍率；

将计算得到的加工工时与获取的物料处理时间和车法时间相加，并将相加的结果与获取的车种宽放倍率进行倍率相乘，以得到标准工时。

可选地，所述加工物料包括工件大小、拿料件数、对位层数和用线类型，所述物料处理时间包括拿料工时、放料工时、对位工时、梭心工时以及剪线工时，

所述“根据获取的加工物料从所述数据库中获取对应的物料处理时间”包括：

根据所述工件大小和拿料件数从所述数据库中获取对应的拿料工时和放料工时；

根据所述对位层数从所述数据库中获取对应的对位工时；

根据所述用线类型从所述数据库中获取对应的梭心工时和剪线工时。

可选地，所述加工方式包括加工形状、加工车法和加工障碍，所述车法时间包括转角工时、转弧工时、停顿工时、对折工时、折边工时、卷边工时、穿工时以及障碍工时，

所述“根据获取的加工方式从所述数据库中获取对应的车法时间”包括：

根据所述加工形状从所述数据库中获取对应的转角工时和转弧工时；

根据所述加工车法从所述数据库中获取对应的停顿工时、对折工时、折边工时、卷边工时和穿工时；

根据所述加工障碍从所述数据库中获取对应的障碍工时。

可选地，所述“将计算得到的加工工时与获取的物料处理时间和车法时间相加，以得到标准工时”之后还包括：

将计算得到的标准工时与评比系数和实际宽放系数相乘，以得到实际标准工时。

为了实现上述目的，本发明公开了一种标准工时预测装置，其包括：

接收模块，用于接收加工数据，所述加工数据包括加工类型、加工长度、加工方式和加工物料；

第一获取模块，用于根据接收的加工类型从所述数据库中获取对应的加工速率因子和加工准备工时；

第二获取模块，用于根据接收的加工物料从所述数据库中获取对应的物料处理时间；

第三获取模块，用于根据接收的加工方式从所述数据库中获取对应的车法时间；

第一计算模块，用于将加工长度与加工速率因子相乘并与加工准备工时相加，以得到加工工时；

第二计算模块，用于将计算得到的加工工时与获取的物料处理时间和车法时间相加，以得到标准工时。

为了实现上述目的，本发明公开了一种电子设备，其包括：

一个或多个处理器；

一个或多个存储器，用于存储一个或多个程序，当一个或多个所述程序被所述处理器执行，使得所述处理器实现如前述的标准工时预测方法。

为了实现上述目的，本发明公开了一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时实现如前述的标准工时预测方法。

在本申请中，通过接收包括加工类型、加工长度、加工方式和加工物料等的加工数据，以获取数据库中对应的加工速率因子和加工准备工时、对应的车法时间以及对应的物料处理时间，并通过将加工长度与加工速率因子相乘后与加工准备工时相加来得到加工工时，在此基础上根据实际生产中的加工方式和加工物料的不同，将对应的物料处理时间和车法时间增加至加工工时，以得到标准工时的预测结果，上述根据实际生产中产品的加工类型来确定对应的加工速率因子和加工准备工时，并结合实际的加工长度来预测加工工时，同时根据加工方式和加工物料进行相应的物料处理时间和车法时间补充，能够有效地提高标准工时预测的准确性，并实现量化预测，避免每一次预测标准工时都需要通过掐表的方式来预测部分工序对应的工时，有利于生产效率的提高。

附图说明

图1为本发明实施例标准工时预测方法的流程图。

图2为本发明实施例标准工时预测方法中接收加工数据的示意图。

图3为本发明实施例标准工时预测方法的数据库中的加工速率因子和加工准备工时的示意图。

图4为本发明实施例标准工时预测方法的数据库中的工件倍率的示意图。

图5为本发明实施例标准工时预测方法的数据库中的拿料工时和放料工时的示意图。

图6为本发明实施例标准工时预测方法的数据库中的对位工时的示意图。

图7为本发明实施例标准工时预测方法的数据库中的用线类型的示意图。

图8为本发明实施例标准工时预测方法的数据库中的剪线工时、对折工时、折边工时和卷边工时的示意图。

图9为本发明实施例标准工时预测方法的数据库中的加工车法的示意图。

图10为本发明实施例标准工时预测方法的数据库的车种宽放倍率的示意图。

图11为本发明实施例标准工时预测方法的数据库中的加工车法的另一示意图。

图12为本发明实施例标准工时预测方法的数据库中的穿工时的示意图。

图13为本发明实施例标准工时预测装置的模块图。

图14为本发明实施例电子设备的系统图。

具体实施方式

为详细说明本发明的技术内容、构造特征、所实现目的及效果，以下结合实施方式并配合附图详予说明。

实施例一

请参阅图1至图12，本发明公开了一种标准工时预测方法，数据库存储有与加工类型对应的多个加工速率因子和加工准备工时、与加工物料对应的多个物料处理时间以及与加工方式对应的多个车法时间，预测方法包括：

101、接收加工数据，加工数据包括加工类型、加工长度、加工方式和加工物料；

102、根据接收的加工类型从数据库中获取对应的加工速率因子和加工准备工时；

103、根据接收的加工物料从数据库中获取对应的物料处理时间；

104、根据接收的加工方式从数据库中获取对应的车法时间；

105、将加工长度与加工速率因子相乘并与加工准备工时相加，以得到加工工时；

106、将计算得到的加工工时与获取的物料处理时间和车法时间相加，以得到标准工时。

需要说明的是，本申请中不对步骤102至步骤104的执行顺序进行限制，在接收加工数据后，根据对应的加工数据获取对应的时间和工时即可。

参阅图1至图4和图7，加工数据还包括工件类型，加工方式包括加工车法，加工物料包括用线类型，数据库还存储有与工件类型对应的多个工件倍率、与加工车法对应的多个车法倍率以及与用线类型对应的多个线倍率，

“将加工长度与加工速率因子相乘并与加工准备工时相加，以得到加工工时”包括：

1051、根据工件类型、加工车法和/或用线类型从数据库中获取对应的工件倍率、车法倍率和/或线倍率；

1052、将加工长度与加工速率因子相乘并与获取的工件倍率、车法倍率和/或线倍率进行倍率相乘；

将相乘的结果与加工准备工时相加，以得到加工工时。

针对特殊工序的困难程度设置工件倍率、车法倍率和线倍率来对包含有特殊工序的加工工时进行补时，有效地提高标准工时预测的准确性。

需要说明的是，此处进行的倍率相乘的公式为加工长度*加工速率因子*(100+倍率)/100，其中，倍率为工件倍率、车法倍率和线倍率的其中一者，或者其中两者的累加，或者三者的累加，但不限于此。

具体地，在本实施例中，如图4所示，工件类型包括裁片、半成品和成品，举例而言，当工件类型为半成品时，对应的工件倍率为63，那么则将其代入上述倍率相乘的公式中的倍率中进行倍率计算，但不限于此。

具体地，在本实施例中，车法倍率(图未示)包括放模倍率、镶条倍率和平贴倍率，举例而言，当加工车法为放模车时，则需要将放模倍率增加至上述的倍率相乘的公式中与工件倍率和/或线倍率相加，但不限于此。

具体地，在本实施例中，如图7所示，用线类型包括细线和粗线，举例而言，当工件类型为粗线时，对应的线倍率为21，那么则将线倍率增加至上述的倍率相乘的公式中与工件倍率和/或车法倍率相加，并进行倍率相乘的计算，但不限于此。

参阅图1至图3，加工类型包括加工系列、加工工序、加工面料和加工车种。

根据实际生产中产品的加工类型来确定对应的加工速率因子和加工准备工时，并且结合实际的加工长度来预测加工工时，能够有效地提高标准工时预测的准确性，并实现量化预测，避免每一次预测标准工时都需要通过掐表的方式来预测部分工序对应的工时。

需要说明的是，与加工类型对应的加工速率因子和加工准备工时是通过多次实验获得的，在满足对应的加工系列(图2中的袋系)、加工工序(图2中的工序)、加工面料(图2中的工法物料)和加工车种(图2中的车类)的条件下，通过实验测试获得多组包括有加工长度和加工工时的加工数据，而通过这些加工数据能够绘制加工数据直线，以对加工数据直线进行计算分析得到与加工类型对应的加工速率因子和加工准备工时，不仅有效地避免了加工类型对标准工时的预测的影响，并且预测的变量架构以加工系列、加工工序、加工面料为四柱，做成区分加工类型的标准，有效地提高标准工时预测的准确性，并实现量化预测，但不限于此。

具体地，在本实施例中，加工系列为制袋系列，制袋系列包括运动袋、时款袋、真皮袋和精品袋，但不限于此，在一些实施例中加工系列还可以为制衣系列。

可以理解的是，在本实施例中，加工工时的计算公式为加工工时＝加工准备工时+加工长度*加工速率因子*(100+倍率)/100，但不限于此，举例而言，如图2至图4所示，当加工长度为20，加工系列为运动袋、加工工序为压明线、加工面料为尼龙/poly、加工车种为平车/DY车/双针车，对应的加工速率因子为0.26，对应的加工准备工时为1.22，且工件类型为半成品，对应的工件倍率为63时，根据上述公式计算可得，加工工时为1.22+20*0.26*(100+63)/100＝9.696。

参阅图1、图2、图3和图10，加工类型包括加工车种，数据库还存储有与加工车种对应的多个车种宽放倍率，

“将计算得到的加工工时与获取的物料处理时间和车法时间相加，以得到标准工时”包括：

1061、根据加工车种从数据库中获取对应的的车种宽放倍率；

1062、将计算得到的加工工时与获取的物料处理时间和车法时间相加，并将相加的结果与获取的车种宽放倍率进行倍率相乘，以得到标准工时。

针对不同车种转换工序的快慢设置车种宽放倍率来对该部分车种的加工工时进行补时，有效地提高标准工时预测的准确性。

需要说明的是，此处进行的倍率相乘的公式为相加的结果*(100+车种宽放倍率)/100，如图2和图4所示，加工车种(图2和图4中的车类)包括压胶机、电脑车、平车/DY车/双针车、锁边车、编织车、高车/直杆高车、人字车、电脑平车、平车/DY车X3、高车L，但不限于此，举例而言，当加工车种为平车/DY车/双针车时，对应的车种宽放倍率为5，那么则将其代入上述倍率相乘的公式中的车种宽放倍率与相加的结果进行计算，以得到标准工时，但不限于此。

参阅图1、图2和图5至图8，加工物料包括工件大小、拿料件数、对位层数和用线类型，物料处理时间包括拿料工时、放料工时、对位工时、梭心工时以及剪线工时，

“根据接收的加工物料从数据库中获取对应的物料处理时间”包括：

1031、根据工件大小和拿料件数从数据库中获取对应的拿料工时和放料工时；

1032、根据对位层数从数据库中获取对应的对位工时；

1033、根据用线类型从数据库中获取对应的梭心工时和剪线工时。

针对加工物料的不同设置不同的物料处理时间来对处理这种加工物料的标准工时进行补时，有效地提高标准工时预测的准确性，并实现量化预测。

需要说明的是，本申请中不对步骤1031至步骤1033的执行顺序进行限制，在接收到加工物料数据后，根据对应的加工物料获取对应的工时即可。

可以理解的是，与加工工时相加的物料处理时间为根据工件大小、拿料件数、对位层数和用线类型获取的对应的拿料工时、放料工时、对位工时、梭心工时以及剪线工时的累加，但不限于此。

需要说明的是，物料处理时间中的部分工时可以直接查找得到，而部分工时则需要查找部分数据后通过计算得到，本申请并不限制物料处理时间中获取的工时均通过查找得到。

具体地，在本实施例中，拿料工时需要根据拿料件数进行累加，但不限于此，如图5所示，举例而言，当拿料件数为1时，拿料工时为1*0.6＝0.6。

具体地，在本实施例中，对位工时需要根据对位层数进行累加并且需要增加停顿工时，但不限于此，如图6所示，举例而言，当对位层数为2时，对位工时为2*1.05+0＝2.10。

具体地，在本实施例中，梭心工时通过换梭公式计算得到，其具体为梭心工时＝加工长度*换梭工时/梭线长，以实现将换梭的时间根据加工长度合理地分配至工序的标准工时中，但不限于此，如图7所示，举例而言，当用线类型为细线时，梭线长为1627，换梭工时为19.55，那么根据上述的换梭公式，当加工长度为20时，梭心工时＝20*19.55/1627＝0.24。

参阅图1、图2和图8至图12，加工方式包括加工形状、加工车法和加工障碍，车法时间包括转角工时、转弧工时、停顿工时、对折工时、折边工时、卷边工时、穿工时以及障碍工时，

“根据接收的加工方式从数据库中获取对应的车法时间”包括：

1041、根据加工形状从数据库中获取对应的转角工时和转弧工时；

1042、根据加工车法从数据库中获取对应的停顿工时、对折工时、折边工时、卷边工时和穿工时；

1043、根据加工障碍从数据库中获取对应的障碍工时。

对加工方式的不同设置不同的车法时间来对执行这种加工方式的标准工时进行补时，有效地提高标准工时预测的准确性，并实现量化预测。

需要说明的是，本申请中不对步骤1041至步骤1043的执行顺序进行限制，在接收到加工方式数据后，根据对应的加工方式获取对应的工时即可。

可以理解的是，与加工工时相加的车法时间为根据加工形状、加工车法和加工障碍获取的对应的转角工时、转弧工时、停顿工时、对折工时、折边工时、卷边工时、穿工时以及障碍工时的累加，但不限于此。

需要说明的是，车法时间中的部分工时可以直接查找得到，而部分工时则需要查找部分数据后通过计算得到，本申请并不限制车法时间中获取的工时均通过查找得到。

具体地，在本实施例中，转角工时(图未示)包括圆角工时，直角工时和窄脚工时，举例而言，直角工时通过车一个直角边的工时减去两直边的工时得到，而圆角工时和窄脚工时也是通过类似的方式测试获得。如图11所示，举例而言，当加工形状为两边圆角时，车法时间需要对应增加圆角工时，当加工形状为两边直角时，车法时间需要对应增加直角工时，而当加工形状为单边弧度大时，车法时间需要对应增加转弧工时，但不限于此。

具体地，在本实施例中，停顿工时根据加工车法和加工长度来确定，如图11所示，举例而言，当加工车法为直接车时，停顿长度为10，对应的一次秒数为0.27，那么加工长度为20时，停顿工时为2*0.27＝0.54。

具体地，在本实施例中，如图11所示，举例而言，当加工车法为两边圆角时，车法时间需要对应增加对折工时，当加工车法为折边来回车时，车法时间需要对应增加折边工时，而当加工车法为卷边压线时，车法时间需要对应增加卷边工时。

具体地，在本实施例中，穿工时包括一次穿工时和逐条穿工时，如图11和图12所示，举例而言，当加工车法为卷边筒车或双折边筒车时，车法时间需要增对应加逐条穿工时，但不限于此。

参阅图1至图12，可以理解的是，在本实施例中，标准工时的计算公式为M

其中的加工工时＝加工准备工时+加工长度*加工速率因子*(100+工件倍率+车法倍率+线倍率)/100，

物料处理时间＝拿料工时+放料工时+对位工时+梭心工时+剪线工时，

车法时间＝转角工时+转弧工时+停顿工时+对折工时+折边工时+卷边工时+穿工时+障碍工时，

举例而言，如图2至图12所示，当加工长度为20，加工系列为运动袋、加工工序为压明线、加工面料为尼龙/poly、加工车种为平车/DY车/双针车，对应的加工速率因子为0.26，对应的加工准备工时为1.22，对应的车种宽放倍率为5，工件类型为半成品，对应的工件倍率为63，根据上述公式计算可得，加工工时为1.22+20*0.26*(100+63)/100＝9.696；

当加工长度为20，加工形状为单边直线，工件大小为50-100，拿料件数为1层，对应的拿料工时为0.6，对应的放料工时为1.2，对位层数为2层，对应的对位工时为2.1，用线类型为细线，对应的梭心工时为0.24，对应的剪线工时为1.43，加工车法为直接车，对应的停顿工时为0.54，根据上述公式计算可得，物料处理时间为0.6+1.2+2.1+1.43+0.24＝5.57，车法时间为0.54；

因此，标准工时M

参阅图1至12，“将计算得到的加工工时与获取的物料处理时间和车法时间相加，以得到标准工时”之后还包括：

107、将计算得到的标准工时与评比系数和实际宽放系数相乘，以得到实际标准工时。

结合生产中的实际情况设置评比系数来对不同的员工进行评估，以及设置实际宽放系数来对不同的生产状况进行相应的补时，有利于准确地确定员工的生产工时并实现快速报价。

具体地，在本实施例中，针对工序设立一个标准时间，将员工执行该工序的操作时间与标准时间进行比较，判断该员工执行工序的熟练度，以评估得到该员工的评比系数，但不限于此。

具体地，在本实施例中，实际宽放系数包括环境宽放系数、数量熟练度宽放系数和生理宽放系数，针对工作环境对员工操作的影响设置环境宽放，针对一批次订单的数量对员工的操作熟练度的影响设置数量熟练度宽放，针对工作时间和休息时间对实际标准工时的影响设置生理宽放系数，但不限于此。

在本申请中，通过接收包括加工类型、加工长度、加工方式和加工物料等的加工数据，以获取数据库中对应的加工速率因子和加工准备工时、对应的车法时间以及对应的物料处理时间，并通过将加工长度与加工速率因子相乘后与加工准备工时相加来得到加工工时，在此基础上根据实际生产中的加工方式和加工物料的不同，将对应的物料处理时间和车法时间增加至加工工时，以得到标准工时的预测结果，上述根据实际生产中产品的加工类型来确定对应的加工速率因子和加工准备工时，并结合实际的加工长度来预测加工工时，同时根据加工方式和加工物料进行相应的物料处理时间和车法时间补充，能够有效地提高标准工时预测的准确性，并实现量化预测，避免每一次预测标准工时都需要通过掐表的方式来预测部分工序对应的工时，有利于生产效率的提高。

实施例二

请参阅图1和图13，本发明公开了一种标准工时预测装置，其包括：

接收模块201，用于接收加工数据，加工数据包括加工类型、加工长度、加工方式和加工物料；

第一获取模块202，用于根据接收的加工类型从数据库中获取对应的加工速率因子和加工准备工时；

第二获取模块203，用于根据接收的加工物料从数据库中获取对应的物料处理时间；

第三获取模块204，用于根据接收的加工方式从数据库中获取对应的车法时间；

第一计算模块205，用于将加工长度与加工速率因子相乘并与加工准备工时相加，以得到加工工时；

第二计算模块206，用于将计算得到的加工工时与获取的物料处理时间和车法时间相加，以得到标准工时。

实施例三

请参阅图1和图14，本发明公开了一种电子设备，其包括：

一个或多个处理器301；

一个或多个存储器302，用于存储一个或多个程序，当一个或多个程序被处理器执行，使得处理器实现如前述的标准工时预测方法。

实施例四

本申请实施例公开了一种计算机可读存储介质，其上存储有程序，程序被处理器执行时实现如前述的标准工时预测方法。

实施例五

本申请实施例公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该电子设备执行上述标准工时预测方法。

应当理解，在本申请实施例中，所称处理器可以是中央处理模块(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application SpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序指令相关的硬件来完成，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

以上所揭露的仅为本发明的优选实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明申请专利范围所作的等同变化，仍属本发明所涵盖的范围。