服裝工序相似性標準工時預測

王 玲， 楊以雄， 陳 煒

(1. 東華大學 服裝·藝術設計學院， 上海 200051； 2. 東華大學 旭日工商管理學院， 上海 200051)

服裝工序相似性標準工時預測

王 玲1， 楊以雄1， 陳 煒2

(1. 東華大學 服裝·藝術設計學院， 上海 200051； 2. 東華大學 旭日工商管理學院， 上海 200051)

針對多品種、小批量的服裝生產特征，在有效利用企業數據信息的基礎上，為實現快速準確的工時預測、工時定額，提出基于服裝工序相似性的預測工時新方法。將產品按照款式、部件、工序、工時進行劃分編碼，建立標準工時數據庫，實現工時的快速查詢。建立影響工序相似性的評價指標模型，借助主成分分析，獲取各指標的權重，構建模糊隸屬函數計算基準工序與樣本工序的相似系數。借助MatLab軟件進行曲線擬合，確立標準工時和工序相似系數的函數關系，以此預測工序工時。研究結果發現，13個工序相似性指標中，工藝內容指標權重最高為0.108，尺寸規格指標權重最低為0.011。通過案例企業實踐應用，預測裝拉鏈時間為201 s，與秒表測量時間208 s較接近，證實本文方法具有一定的準確性和可行性。

標準工時； 隸屬函數； 服裝工序； 主成分分析

服裝制造業競爭激烈，面臨著盈利空間受擠壓、產品生產周期縮短，交貨期不準確，生產計劃編制復雜以及有效數據失真等問題。作為生產管理的數據基礎和重要手段，服裝標準工時的制定是服裝企業進行科學化、標準化管理的重要依據，也是實現精益生產，提高企業競爭力和經濟效益的有效途徑[1]。

傳統的工時制定方法多采用秒表法和預定時間標準法(PTS，predetermined time standards system)，通過對作業人員細致的觀測，獲取工時數據[2]。然而多品種、小批量、快交貨的現代生產環境中，制造過程高度柔性化，生產工藝復雜的特點決定了傳統的工時制定方法已不能滿足企業和顧客對工時制定高效率和高精度的要求，因此，如何高效率、低成本地完成標準工時的制定成為重要的研究課題。Xia[3]與Sharafeev[4]提出工時計算可分為準確計算和模糊計算兩部分，基于新的科學技術，利用程序軟件實現計算，可較為準確地計算工時定額。Hur等[5]基于生產過程不同時間段產生的有效數據，建立了一種工時預測系統，并驗證該方法在制造過程中的實用性。蔣麒麟等[6]基于案例推理和事物特征表，建立案例庫，通過檢索、匹配、修正，即可對工時進行估算。以上文獻在工時數據庫和數學模型的建立方面進行了積極探索，但是尚未細分到工序層面，均沒有綜合考慮加工工序對標準工時的影響。

服裝生產訂單多樣化，但產品工藝和工序不盡相同，Chen等[7]提出零件加工的某些工序屬于重復性工序，且同一工藝類型的工序間存在一定的相似性；閻樹田等[8]根據相似學的基本原理，提出基于相似元的工序相似分析與評判方法；王共冬等[9]基于粗糙集理論，提出相似工序分類方法，通過工藝數據挖掘，獲取工序的相似性特征對工時的影響。基于此，本文將相似性概念引入服裝標準工時的預測，通過問卷獲取工序影響指標權重，計算工序間相似系數，確定工時與相似系數的函數關系，為生產企業提供了快速預測產品工時的新方法，從而實現生產訂單的快速反應和準時交貨。

1 服裝標準工時預測流程

根據企業實際情況和加工服裝類型，本文設定的標準工時預測流程如圖1所示。主要步驟如下。

1)建立服裝標準資料庫。根據服裝款式特征，基于標準資料法，按照款式、部件、工序、工時進行細分，建立服裝標準資料數據庫，并對工序進行編碼，對工時進行編碼匹配，確定若干工序的時間以及未知工時的工序。

2)構建服裝工序相似性評價模型。通過對未知工時的工序分析，確定工序所屬工藝類型，探究服裝工序的影響因素，通過專家問卷和主成分分析獲取評價指標權重。在工藝類型中選擇某道工序簡單、工時已知且標準化的工序作為基準工序，選擇若干工時已知的工序作為樣本工序，分別計算樣本工序、未知工時工序與基準工序的相似系數，依據MatLab軟件繪制散點圖，選擇合適的曲線進行擬合，確定工時和工序相似系數之間的函數關系，最終獲得未知工時工序的標準工時定額。

3)確定服裝加工總工時。通過確定各工序的工時，從而獲得服裝加工總工時，提供生產計劃編排、工序平衡的數據基礎。

2 服裝標準工時預測模型的建立

2.1 工序相似性影響因素分析

通常服裝生產工藝比較復雜，一般影響服裝加工工序的主要因素是面輔料種類、縫邊長度、縫型、縫邊形狀、生產設備以及每道工序的質量標準[10]。本文從服裝部件、工藝、設備、人員和環境等方面綜合考慮，擬定的服裝工序影響指標如表1所示。該指標體系包括部件特征、生產配置、作業標準、員工水平等5個一級指標和13個二級指標。對生產經驗豐富的專業人員(以下稱專家)進行問卷調查，獲取各指標的權重信息。

2.2 基于主成分分析求解指標權重

計算權重主要有層次分析法、德爾菲法、主成份分析法等[11]，本文通過專家評分，運用主成份分析[12]求得權重。根據表1的工序指標評價體系制作問卷進行調查，在2015年3—6月，由20名專家采取五段量表對n(n=13)個影響指標進行重要性評分。當評分為5分時，即該項指標很重要，4分為較為重要，3分為一般，2分為不太重要，1分為很不重要。基于SPSS17.0軟件對調查數據進行信度分析，得到克朗巴赫α系數值0.882，問卷信度良好，效度KMO值為0.747，基本適合進行主成分分析[13]，將13個二級指標提取出m(m=4)個主成分及各成分的初始因子載荷fij(i=1,2,…,n，j=1,2,…,m)和初始特征值λj(j=1,2,…,m)，如表2、3所示。

表1 服裝工序的影響因素Tab.1 Influence factors of garment process

表2 成分初始因子載荷矩陣Tab.2 Component matrix

表3 主成分分析解釋總方差Tab.3 Total variance of principal component analysis

將表2、3數據代入下式進行運算可得各成分系數tij。

將λj和tij代入下式求出指標在主成分中的綜合重要度a1,a2,…,an。

通過下式對ai進行歸一化處理，確定指標權重ωi(i=1,2,…,n)，如表4所示。

表4 各指標權重Tab.4 Index weight

2.3 服裝工序相似系數計算

參與實踐研究的Z企業以生產女裝為主，該企業在多年生產實踐中積累了一定的工時數據。為了合理安排生產，縮短交貨期，需要預先確定款式的標準工時，以往單純依靠樣衣制作進行人工測定的工時制定方法，在準確性和應用性上存在一定的局限。為改善這種狀態，以加工產品的特征和工時數據建立標準資料庫，進而為基于工序相似性的標準工時制定提供基礎，并探究該方法的可行性。以Z企業生產的亞麻連衣裙為例，流水線共20人，訂單批量為820件。生產該款連衣裙共28道工序，通過工時匹配，其中裝拉鏈的工序工時未知，各工序信息如表5所示。

裝拉鏈(工時未知工序C)為平縫作業，由該款連衣裙平縫作業類型中選取k(k=11)個工序組成樣本工序集B。其中，收省工序屬于平縫，工藝簡單，本文選擇收省作為基準工序A，以此為例探究基于工序相似性的服裝標準工時預測方法。

表5 亞麻連衣裙工序信息Tab.5 Process information of linen dress

基準工序A的n個評價指標構成矩陣X(x1,x2,…,xn)，xi(i=1,2,…,n)代表基準工序A的第i個評價指標標準值。同理，樣本工序集B的n個評價指標構成矩陣Y。

式中：yij(i=1,2,…,n，j=1,2,…,k)為第j個樣本工序的第i個評價指標標準值。

本文根據模糊統計法[14]，獲取樣本工序與基準工序的隸屬度uij。

計算矩陣Y中元素的隸屬度，得到隸屬函數矩陣U。

經過模糊線性加權變換，即可得樣本工序集B與基準工序A的相似系數矩陣：

(z1,z2,…,zk)

式中：ω1,ω2，…，ωn為各指標權重；uij為樣本工序與基準工序的隸屬度；z1,z2,…，zk為樣本工序集B與基準工序A的相似系數。

在2015年4—6月期間，由15名專家采取五段量表對基準工序、樣本工序及未知工時工序的13個指標對工時的影響程度進行評分，將獲取的各工序指標標準值代入樣本工序與基礎工序的隸屬度uij中，獲得基準工序與樣本工序的隸屬函數U為

通過Z分別計算樣本工序與基準工序的相似系數，同理可得到裝拉鏈與基準工序的相似系數，具體數據如表6所示。由表可知，卷下擺工序相似系數最低為0.33，原因在于作業方法及作業標準等方面與收省存在較大差異和一定難度，且對員工技能水平要求較高。裝約克工序在工藝內容、設備水平等生產配置及成形縫邊尺寸與形狀等作業標準方面與收省有一定相似，對員工技能要求相對較低，因此相似系數最高為0.91。

表6 工序相似系數Tab.6 Cofficient of process similarity

2.4 工序相似系數與工時曲線擬合

在實際應用中，通常需要探究2個變量之間的函數關系，然而一般只能獲取或觀測到部分數據點，針對離散的數據點，通過某種方法進行曲線擬合便可得到變量間的函數關系。MatLab軟件具備強大的符號計算、數值計算和數據處理能力，可以快速實現參數擬合。

基于MatLab曲線擬合工具箱及表6數據，繪制樣本工序工時與工序相似系數的散點圖，依據散點圖選擇多項式、高斯函數及傅里葉級數等函數進行回歸分析。運用五次多項式、二階高斯函數、二階傅里葉級數進行曲線擬合，擬合度分別為0.308 2、0.349 3、0.801 4，如圖2～4所示。

由此可知，使用二階傅里葉函數對平縫類工序工時和相似系數的擬合效果最佳，工時t和工序相似系數z滿足以下函數關系

t=a0+a1cos(wz)+b1sin(wz)+a2cos(2wz)+b2(2wz)

式中：a0=149.3；a1=-50.11；b1=-40.89；a2=25.08；b2=-8.95；w=43.52。裝拉鏈的相似系數為0.53，代入上式，得該工序工時為201 s。

3 預測工時與實際工時的對比分析

設n′為工序數量，則總工時為

式中ti(i=1,2,…,n′)為第i道工序的標準工時。結合表5，根據上式計算總工時為4 117 s。根據實地調研獲得該訂單1～6 d的實際日產量依次為0、78、134、142、150、152件。由于熟練率等原因，日產量從第3天開始趨于平穩，此時選擇技能水平中等員工，利用秒表法對裝拉鏈工序測時5次取算術平均值得到實際工時為208 s。根據第3天以后的產量數據可得平均日產量為144.5件/d。

式中：T′為實際標準總工時；T″為每天的工作時間；N為人數；Q為平均日產量；R為浮余率。

浮余率為浮余時間占工作時間的百分比[15]。實際觀測獲得Z企業浮余率為20.3%，每天工作時間為10 h，則實際標準總工時T′為4 142 s。根據秒表法和產量估算獲取的工時對比結果如表7所示。

表7 工時對比Tab.7 Comparison of time quotas

從表1可以看出：本文提出模型預測的工時與實際工時比較接近，具有一定的準確性和應用價值，且節省大量觀測時間；在確定各個作業種類工時與相似系數的函數關系的前提下，只需計算未知工序工時和基準工序工時的相似系數，代入函數即可，使工時預測方法更加便捷、準確。

4 結 論

考慮生產數據的浪費，服裝標準工時的復雜性和重要性，本文通過實地調研案例企業并進行專家問卷，提出基于工序評價指標的工時預測模型，并與實際工時進行比較分析，得出以下結論。

1)從工序影響因素的角度建立5個一級指標，13個二級指標，一級指標中生產配置項權重最高，相應的生產配置下的工藝內容在二級指標中權重最高。

2)通過MatLab獲取的工時與相似系數擬合度最佳的函數關系，得到的預測工時相對準確性較高。

在建立標準資料庫的基礎上，通過編碼匹配，有效利用以往大量的工時數據，針對未知工時工序，以隸屬函數表征工序與基準工序的相似性，曲線擬合確定工時與相似系數的函數關系，進而確定總工時的預測方法具有一定地便捷性和實用性。本文針對平縫作業種類，以收省基準工序為例，分析該預測方法的應用，后續將針對其他工藝種類進行研究，探索整件服裝加工工時的預測問題，本文數據均來源于案例企業，在推廣應用上有待進一步考證。

FZXB

[1] CHANG S K, CHA M S, RHO J J. A case study for determining standard time in a multi-pattern and short life-cycle production system[J]. Computers & Industrial Engineering, 2007, 53(2): 321-325.

[2] 葉寧, 閻玉秀. 多品種小批量服裝生產的工時定額制定方法[J]. 紡織學報, 2012, 33(6): 101-106. YE Ning, YAN Yuxiu. Man-hour quota determination method for garment production of multi-variety in small batch[J]. Journal of Textile Research, 2012, 33(6): 101-106.

[3] XIA S, WANG Y. Development of man-hour quota management system of slewing bearings[J]. Journal of Anhui University of Technology, 2015, 32(1): 60-66.

[4] SHARAFEEV I S. Structure of technological-purpose automation models by the example of a computer-aided design system of labor standards[J]. Russian Aeronautics, 2008, 51(1): 105-108.

[5] HUR M, LEE S K, KIM B, et al. A study on the man-hour prediction system for shipbuilding[J]. Journal of Intelligent Manufacturing, 2015, 26(6): 1267-1279.

[6] 蔣麒麟, 薛小強, 李翔英. 基于實例推理的鈑金件數控切割工時估算[J]. 制造技術與機床, 2014(4): 156-159. JIANG Qilin, XUE Xiaoqiang, LI Xiangying. Machine hour evaluation of sheet metal CNC cutting based on case-based reasoning[J]. Manufacturing Technology & Machine Tool, 2014(4): 156-159.

[7] CHEN Youling, REN Xiaojie. Time-quota computing method based on similarity coefficient of process[J]. Computer Integrated Manufacturing Systems, 2014, 20(4): 866-872.

[8] 閻樹田, 赫川偉, 郭課. 基于物元理論的工序相似性識別方法[J]. 蘭州理工大學學報, 2008, 34(6): 37-39. YAN Shutian, HE Chuanwei, GUO Ke. Similarity recognition operations on matter-element theory[J]. Journal of Lanzhou University of Technology, 2008, 34(6): 37-39.

[9] 王共冬, 趙新坤, 陳浩, 等. 粗糙集技術在回轉體零件工時定額制定中應用[J]. 科學技術與工程, 2015, 15(15): 189-194.

WANG Gongdong, ZHAO Xinkun, CHEN Hao, et al. Rough set technology in calculation man-hour quota of rotary part[J]. Science Technology and Engineering, 2015, 15(15): 189-194.

[10] 許同洪. 面料的物理力學性能研究綜述[J]. 國外絲綢, 2008(1): 30-31. XU Tonghong. Research on physical and mechanical properties of fabrics[J]. Silk Textile Technology Overseas, 2008(1): 30-31.

[11] MEO M, ZARZOSO V, MESTE O, et al. Catheter ablation outcome prediction in persistent atrial fibrillation using weighted principal component analysis[J]. Biomedical Signal Processing & Control, 2013, 8(6):958-968.

[12] 吳天福, 鄧華強, 伍人濤. 基于主成分分析的力量結構指標權重計算[J]. 微計算機信息, 2009, 25(16):264-265. WU Tianfu, DENG Huaqiang, WU Rentao. Calculation of the fore structure′s weight based on PCA[J]. Micro-computer Information, 2009, 25(16): 264-265.

[13] 羅應婷, 楊鈺娟. SPSS統計分析從基礎到實踐[M]. 北京: 電子工業出版社, 2010: 281-303． LUO Yingting, YANG Yujuan. SPSS Statistical Analysis from Basic to Practice[M]. Beijing: Electronics Industry Press, 2010: 281-303.

[14] 劉俊娟, 王煒, 程琳. 基于梯形隸屬函數的區間數模糊評價方法[J]. 系統工程與電子技術, 2009, 31(2):390-392. LIU Junjuan, WANG Wei, CHENG Lin. Inter number fuzzy evaluation based on trapezoid subordinate func-tion[J]. Systems Engineering and Electronics, 2009, 31(2): 390-392.

[15] 楊以雄. 服裝生產管理[M]. 上海:東華大學出版社, 2005: 250-256. YANG Yixiong. Garment Production and Manage-ment[M]. Shanghai: Donghua University Press, 2005: 250-256.

Prediction of garment standard time based on processes similarity

WANG Ling1， YANG Yixiong1， CHEN Wei2

(1. Fashion·Art Design Institute, Donghua University, Shanghai 200051, China； 2. The Glorious Sun School of Business and Management, Donghua University, Shanghai 200051, China)

With the multi-specification and small batch manufacturing, in order to achieve fast and accurate time-quota prediction, this study effectively uses enterprise data and proposes a new method based on similarity of processes. The products were encoded depending on styles, components and procedures, and standard time quota database was established to realize the work time quick inquiry. This paper established the model of the evaluation indicators for processes similarity, analyzed with principal component, obtained the weight of each index, and made fuzzy membership functions to calculate the similar coefficients of the benchmark process and sample process. The function relationship between the standard time quotas and the similar coefficients was determined to predict the unknown time by curve fitting with MatLab. The research results show that the highest index weight is the process(0.108), and the lowest index weight is the specification(0.011). In the case study the predicted time of ″zipper″ (201 s) is close to the actual time by stopwatch (208 s) which proves the high accuracy and feasibility of the method.

standard time quota; membership function; garment process; principal component analysis

10.13475/j.fzxb.20151003507

2015-10-20

2016-07-01

中央高校基本科研業務費專項資金資助項目(CUSF-DH-D-2014068)；上海市教委海派時尚設計及價值創造知識服務中心資助項目(13S1070241)；東華大學非線性科學研究所交叉項目(INS-1401)

王玲(1992—)，女，碩士生。研究方向為服裝產業經濟。楊以雄，通信作者，E-mail：yyx@dhu.edu.cn。

TS 941.63

A