面向火箭總裝過程的工期延誤預(yù)警方法

張 潔， 趙新明， 張 朋， 盛 夏， 晁曉娜， 田鳳祥

(1.東華大學(xué) 機械工程學(xué)院，上海 201620；2.上海交通大學(xué) 機械與動力工程學(xué)院，上海 200240；3.上海航天設(shè)備制造總廠有限公司，上海 200240)

火箭總裝過程是將火箭各部段機械系統(tǒng)、電氣系統(tǒng)、控制系統(tǒng)進(jìn)行組裝的制造過程[1]，占火箭制造周期的50%以上，是火箭制造的最終與最關(guān)鍵的環(huán)節(jié)，其制造周期的控制對于保證火箭按時交付具有重要的意義.火箭總裝過程易受物料不齊套等各種突發(fā)事件與裝配工時不確定等隨機波動的影響，導(dǎo)致單發(fā)火箭的裝配周期存在較大波動，極易引發(fā)拖期問題.實際生產(chǎn)中常采用基于人工經(jīng)驗的方法對裝配進(jìn)度進(jìn)行評估并調(diào)整，考慮因素有限且具有一定的主觀性與滯后性，導(dǎo)致臨近交付期的集中加班現(xiàn)象時有發(fā)生.因此，亟需建立更為科學(xué)的工期預(yù)警機制，即根據(jù)當(dāng)前訂單狀態(tài)與車間生產(chǎn)狀態(tài)對生產(chǎn)進(jìn)度進(jìn)行評估，從而針對各種異常狀況及時做出調(diào)整，降低額外成本，避免發(fā)生拖期現(xiàn)象.

預(yù)警問題的研究起源于人類抵御自然災(zāi)害的需求[2]，因此初期預(yù)警問題的研究主要集中于自然災(zāi)害預(yù)防的相關(guān)領(lǐng)域[3].隨著建筑、制造等領(lǐng)域數(shù)據(jù)采集方案與設(shè)備的逐步完善，近年來出現(xiàn)了許多面向大型工程項目的工程進(jìn)度預(yù)警研究[4-10]，其中與建筑工程相關(guān)的文獻(xiàn)[5]占絕大部分，與制造過程相關(guān)的文獻(xiàn)[2-10]的數(shù)量則十分有限.現(xiàn)有文獻(xiàn)所采用的預(yù)警方法主要基于兩種思路:一種將預(yù)警與預(yù)測等效，即利用概率模型[6]、人工神經(jīng)網(wǎng)絡(luò)模型[8-9]、仿真模型[2]直接預(yù)測現(xiàn)有工程狀態(tài)下的剩余工期，根據(jù)預(yù)測工期的超期程度給出預(yù)警等級；另一種思路為基于預(yù)測的預(yù)警[5]，即將預(yù)測結(jié)果作為描述系統(tǒng)未來發(fā)展趨勢的指標(biāo)之一，并結(jié)合其他指標(biāo)進(jìn)一步對預(yù)警等級進(jìn)行判斷.前者思路簡單直接，但產(chǎn)生警情時，難以追溯警情來源，并且預(yù)警精度較低.后者則將預(yù)測過程與預(yù)警過程分離開，并且更加側(cè)重于預(yù)警輸入?yún)?shù)的宏觀性與概括性，能夠更好地反映警情來源并針對性地排除警情.因此，本文基于第2種思路設(shè)計預(yù)警模型.然而，現(xiàn)有的基于預(yù)測的預(yù)警文獻(xiàn)中對預(yù)警指標(biāo)與預(yù)警等級的定義較為簡單和主觀，并且由于缺乏制造系統(tǒng)工期預(yù)警的相關(guān)文獻(xiàn)，使得現(xiàn)有的預(yù)警理論無法適用于制造系統(tǒng)的工期預(yù)警問題，更無法適用于具有多種擾動因素綜合影響的火箭總裝過程.因此，需要針對火箭總裝系統(tǒng)的警情來源重新設(shè)計預(yù)警指標(biāo)和預(yù)警等級.此外，現(xiàn)有文獻(xiàn)在求解輸入指標(biāo)與輸出警度之間的映射模型時，依舊采用簡單的線性加權(quán)方式，無法適用于預(yù)警指標(biāo)與警度等級間具有復(fù)雜非線性關(guān)系的火箭總裝系統(tǒng)工期預(yù)警問題.

綜上所述，針對現(xiàn)有文獻(xiàn)在預(yù)警問題輸入、輸出及建模方式上的不足之處，結(jié)合火箭總裝過程的特點，重新設(shè)計面向火箭總裝過程超期預(yù)警模型.在該模型中，針對火箭總裝過程中由于裝配工時波動等因素產(chǎn)生的隱性擾動，與各工位外協(xié)生產(chǎn)的關(guān)重件不齊套等突發(fā)事件而產(chǎn)生的顯性擾動，設(shè)計相對應(yīng)的預(yù)警指標(biāo)與警度等級.針對預(yù)警指標(biāo)與警度等級間的復(fù)雜非線性關(guān)系，應(yīng)用合成劣勢類過采樣技術(shù)與隨機森林算法相結(jié)合的分類模型構(gòu)建預(yù)警指標(biāo)與預(yù)警等級間的關(guān)系.

1 問題描述

1.1 火箭總裝系統(tǒng)及其變動性來源

典型的火箭總裝工藝路線通常首先按照部段進(jìn)行組織.以某常用型號火箭的裝配流程為例，該火箭由3子級構(gòu)成，因此該火箭的裝配過程可簡化為先進(jìn)行3子級火箭的并行裝配，再進(jìn)行全箭總裝的裝配過程.各子級裝配線可以等效為流水線裝配，主要完成各子級火箭的支架、動力系統(tǒng)、電氣系統(tǒng)與控制系統(tǒng)的裝配.全箭總裝則主要實現(xiàn)各子級火箭的對接與聯(lián)合測試.

火箭總裝系統(tǒng)是指包含了火箭總裝過程相關(guān)的裝配人員、設(shè)備、物料、工藝與裝配環(huán)境的有機整體，其變動性主要來源于自然的變動性、隨機斷供及作業(yè)員的可用性3個方面[11].其中對火箭工期影響最大的因素來自于隨機斷供，主要來源于關(guān)鍵零部件(下簡稱為關(guān)重件)的不齊套.關(guān)重件外協(xié)生產(chǎn)帶來的齊套時間不確定與工藝對關(guān)重件的依賴性導(dǎo)致裝配過程中一旦發(fā)生關(guān)重件延遲交付事件，就會對總裝完工時間產(chǎn)生較大的影響.其次，火箭總裝過程是以人為主要資源約束的制造過程.以裝配小組為對象的資源競爭將會產(chǎn)生等待隊列與額外的等待時間，引發(fā)工期延遲.裝配小組存在出差等突發(fā)事件也會導(dǎo)致裝配進(jìn)程中斷，產(chǎn)生工期延遲.此外，火箭總裝工序多，裝配周期長.單一工序的裝配時間存在波動，并且上游工序的裝配時間波動會在下游產(chǎn)生累積，引發(fā)“牛鞭效應(yīng)”[12].但裝配時間的波動并不一定會造成總裝完工時間的延遲，有時甚至能為突發(fā)事件起到緩沖作用.

綜上所述，關(guān)重件的不齊套問題、裝配工人的調(diào)配與工人資源約束以及裝配工期的波動均會對總裝完工時間產(chǎn)生影響，并且各因素間還存在著復(fù)雜的關(guān)聯(lián)關(guān)系.根據(jù)影響顯著程度的不同以及是否能夠定量描述，可以將這幾種影響因子歸類為顯性擾動與隱形擾動[13]，其中關(guān)重件的不齊套問題與裝配工人的調(diào)配問題屬于顯性擾動，可以通過定量模型進(jìn)行描述；而工人資源約束與裝配時間波動則屬于隱形擾動，需要通過其他方式進(jìn)行側(cè)面描述.

1.2 工期預(yù)警問題及其一般步驟

制造工期預(yù)警問題[14]是指依據(jù)制造車間狀態(tài)特性與訂單特性，對在制產(chǎn)品制造工期的現(xiàn)狀與未來進(jìn)行測度，預(yù)報不正常狀態(tài)的時間范圍及其危害程度的問題.該問題的輸入是影響制造工期的相關(guān)因素所對應(yīng)的監(jiān)測指標(biāo)，輸出則是時間范圍或危害程度等級.文獻(xiàn)[5]將預(yù)警模型分為警情監(jiān)測、警兆識別與警度預(yù)報3個步驟.其中，警情監(jiān)測是指通過收集預(yù)警對象的狀態(tài)數(shù)據(jù)，計算出監(jiān)測指標(biāo)——預(yù)警指標(biāo)，其數(shù)值能夠反映預(yù)警對象的異常程度；警兆識別是對預(yù)警指標(biāo)的狀態(tài)與變化趨勢的異常進(jìn)行判別的過程，從而進(jìn)一步確定警情；警度預(yù)報是指根據(jù)警兆識別的結(jié)果，對警情的等級進(jìn)行判斷，產(chǎn)生警度進(jìn)而觸發(fā)預(yù)警.不同于傳統(tǒng)的預(yù)警模型，本文采用的預(yù)警模型是基于分類模型的關(guān)聯(lián)關(guān)系模型，因此警兆識別過程是通過黑箱分類器完成的，直接由預(yù)警指標(biāo)給出預(yù)警等級.

2 火箭總裝過程超期預(yù)警方法框架

根據(jù)火箭總裝過程的變動性來源及關(guān)聯(lián)關(guān)系預(yù)警模型的一般步驟，所設(shè)計的火箭總裝過程超期預(yù)警方法框架如圖1所示，包括警情監(jiān)測、警兆識別與警度預(yù)報.警情監(jiān)測步驟中，計算各項預(yù)警指標(biāo)——預(yù)測進(jìn)度指標(biāo)、當(dāng)前進(jìn)度指標(biāo)、齊套狀態(tài)指標(biāo)與工人調(diào)配狀態(tài)指標(biāo)值，作為警兆識別步驟中分類算法的輸入.警兆識別步驟中，利用合成劣勢類樣本過采樣技術(shù)[15](SMOTE)算法與隨機森林[16](RF)方法相結(jié)合的分類算法，對輸入指標(biāo)的值及變化趨勢進(jìn)行判別.警度預(yù)報步驟中，綜合考慮預(yù)警時刻的延期風(fēng)險及調(diào)整難度，給出樣本的警度等級，觸發(fā)警報以便及時做出調(diào)整.

圖1 火箭總裝過程超期預(yù)警方法框架

3 火箭總裝超期預(yù)警方法設(shè)計

3.1 預(yù)警指標(biāo)設(shè)計

制造工期預(yù)警問題中的預(yù)警指標(biāo)要能充分反映制造車間的訂單狀態(tài)、生產(chǎn)狀態(tài)以及可能存在的警情，并能保證在警情發(fā)生時對警源進(jìn)行追溯.根據(jù)上述原則，針對火箭總裝系統(tǒng)動態(tài)性來源的分析，設(shè)計了3類預(yù)警指標(biāo)——進(jìn)度超期率、不齊套問題影響率與工人調(diào)配影響率.其中，進(jìn)度超期率主要反映顯性擾動和隱性擾動共同作用下的工期延遲；不齊套問題影響率與工人調(diào)配影響率則反映了顯性擾動下的工期延遲，通過結(jié)合二者可以判斷當(dāng)前警度來源于隱性擾動還是顯性擾動.根據(jù)指標(biāo)是面向未來還是面向現(xiàn)狀，又可將進(jìn)度超期率分為預(yù)測進(jìn)度超期率與當(dāng)前進(jìn)度超期率，將不齊套問題影響率分為當(dāng)前不齊套問題影響率與未來不齊套問題影響率.根據(jù)所描述對象(火箭部段或工作小組)的不同，又可以將上述指標(biāo)按照部段細(xì)分.最終，總計產(chǎn)生12個特征作為預(yù)警指標(biāo).描述預(yù)警指標(biāo)的層次關(guān)系如圖2所示.

圖2 預(yù)警指標(biāo)層次關(guān)系圖

3.1.1進(jìn)度超期率 進(jìn)度超期率用于衡量當(dāng)前生產(chǎn)進(jìn)度與標(biāo)準(zhǔn)工時以及未來總工期與交付期之間的超期程度，反映了裝配過程中的各種顯性擾動及隱形擾動共同作用下的工期超期程度.按照描述時域的不同，可分為當(dāng)前進(jìn)度超期率與預(yù)測進(jìn)度超期率，由下式定義：

(1)

(2)

3.1.2不齊套問題影響率 根據(jù)火箭總裝系統(tǒng)動態(tài)性分析結(jié)論，火箭總裝過程關(guān)重件的齊套問題是影響火箭裝配進(jìn)度的最主要因素.通過衡量當(dāng)前進(jìn)度下某些工位的關(guān)重件不齊套事件引發(fā)的工期延遲程度，以及預(yù)測未來不齊套事件對總工期的延遲程度，能夠把握未來總工期延遲量的最關(guān)鍵部分.按照描述時域的不同，可分為當(dāng)前不齊套影響率與未來不齊套影響率，由下式計算：

(3)

(4)

(5)

(6)

3.1.3工人調(diào)配影響率 工人臨時調(diào)配是火箭總裝過程中的另一種顯性擾動，雖然發(fā)生概率不高，但通常調(diào)配時間較長，因此對于工期的影響較大.工作小組的調(diào)配不僅會導(dǎo)致當(dāng)前裝配任務(wù)的停滯，還會影響同一小組的其他火箭裝配任務(wù)，從而形成瓶頸與等待隊列.因此，對于工人調(diào)配影響率的衡量具有必要性.火箭總裝過程涉及到3個裝配小組——機械系統(tǒng)小組、電力系統(tǒng)裝配小組與動力系統(tǒng)裝配小組，3個小組間獨立完成各自的裝配任務(wù).只有當(dāng)前存在裝配任務(wù)的小組發(fā)生臨時調(diào)配時才會產(chǎn)生工期延遲.因此，由工人調(diào)配所引起的工期延遲可通過下式定義：

(7)

3.2 警度等級設(shè)計

現(xiàn)有的預(yù)警問題文獻(xiàn)[5]中對于警度等級的定義方式較為簡單，并且論文中一般不直接給出預(yù)警等級的劃分閾值，其值一般根據(jù)實際需求由專家給定，具有一定的主觀性.

本文設(shè)計的警度等級由基礎(chǔ)警度與修正量兩部分計算獲得.其中，基礎(chǔ)警度直接由樣本的超過標(biāo)準(zhǔn)工時天數(shù)確定，但為了便于歸一化，需要給出警度上限.修正系數(shù)需考慮不同預(yù)警監(jiān)測點的調(diào)整難度，調(diào)整難度與監(jiān)測點已裝配工序的累計標(biāo)準(zhǔn)工時成反比.因此，樣本的警度等級可由下式計算：

(8)

3.3 預(yù)警算法設(shè)計

在完成預(yù)警指標(biāo)與警度等級設(shè)計的基礎(chǔ)上，需要設(shè)計對應(yīng)的警兆識別方法，即分類模型，以建立預(yù)警指標(biāo)與警度等級之間的映射.由于火箭總裝任務(wù)交付期相對嚴(yán)格，實際生產(chǎn)中發(fā)生訂單拖期現(xiàn)象的次數(shù)較少，使得各警度樣本的數(shù)量不平衡，需要在分類算法設(shè)計時額外考慮樣本的不平衡問題[19].因此，在火箭總裝超期預(yù)警問題中，分類算法設(shè)計的主要目標(biāo)可以分解為兩個層次：① 能夠在多分類問題中獲得較高的分類精度；② 能夠處理樣本不平衡問題.

樣本不平衡問題由SMOTE算法解決.根據(jù)無警樣本與其他各警度樣本間的比率，應(yīng)用SMOTE算法對預(yù)警樣本中的輕警、中警、重警樣本數(shù)量進(jìn)行平衡，可以避免后續(xù)分類對于無警樣本的過度學(xué)習(xí)，從而提升有警情尤其是有重大警情時的預(yù)警準(zhǔn)確度.該算法通過在樣本空間中選擇劣勢類樣本的k個同類最鄰近樣本，并在以該樣本為起點，臨近樣本為終點的線段上隨機選取點作為新的樣本，以實現(xiàn)劣勢類樣本的合成.SMOTE算法的具體實現(xiàn)方式參考文獻(xiàn)[15].

分類算法采用RF算法.該算法通過構(gòu)造多個決策樹作為弱分類器獨立地判別輸入的類別，并對各弱分類器的分類結(jié)果進(jìn)行投票輸出樣本最終的類別.與其他分類算法相比，RF算法通常具有更高的分類精度[20].火箭總裝過程對于預(yù)警精度要求尤其嚴(yán)格，采用具有較高精度的RF算法能夠更準(zhǔn)確地進(jìn)行警兆識別，從而及時作出調(diào)整.RF算法的構(gòu)建方式參考文獻(xiàn)[20].

SMOTE-RF算法的整體流程如圖3所示.首先，對于火箭總裝過程的歷史數(shù)據(jù)，選取預(yù)警相關(guān)的樣本，并按照火箭編號以一定比例劃分為訓(xùn)練集、驗證集與測試集.隨后，以平衡樣本為目的，利用SMOTE算法對訓(xùn)練樣本中的劣勢樣本進(jìn)行合成.利用平衡后的數(shù)據(jù)集，訓(xùn)練基于RF算法的分類器，并利用驗證集不斷優(yōu)化RF算法的相關(guān)參數(shù).最后在測試集上運用優(yōu)化的RF分類器對警度等級進(jìn)行預(yù)測，以驗證模型的泛化性能.考慮到問題的不平衡特性，采用幾何均數(shù)G-mean[21]評價分類結(jié)果.

圖3 SMOTE-RF算法總體流程圖

4 案例與分析

為了驗證所提出的火箭總裝過程超期預(yù)警方法能夠有效地應(yīng)用于實際生產(chǎn)過程，利用企業(yè)的實際生產(chǎn)數(shù)據(jù)進(jìn)行測試.通過實驗驗證本文模型在實際場景中應(yīng)用的有效性.

4.1 數(shù)據(jù)獲取與預(yù)處理

以上海某火箭總裝車間的實際生產(chǎn)過程為主要實驗對象.該火箭總裝車間主要完成3種成熟型號火箭的總裝任務(wù).這3種成熟型號火箭為同種3子級火箭的子型號，結(jié)構(gòu)差異性較小，工藝差異性主要表現(xiàn)為裝配時間與調(diào)整時間上的差異.

以所提出的預(yù)測輸入特征及預(yù)警指標(biāo)為依據(jù)，從企業(yè)資源管理系統(tǒng)、制造執(zhí)行系統(tǒng)等火箭總裝信息系統(tǒng)中收集相關(guān)數(shù)據(jù)，對歷史生產(chǎn)數(shù)據(jù)進(jìn)行提取、轉(zhuǎn)換與載入，形成面向總裝超期預(yù)警主題的數(shù)據(jù)倉庫.經(jīng)過數(shù)據(jù)清洗后，該數(shù)據(jù)倉庫剩余60發(fā)總計 12 221 條數(shù)據(jù)可用于完工時間預(yù)測模型訓(xùn)練以及預(yù)警模型訓(xùn)練.按照不同火箭以1∶1比例劃分?jǐn)?shù)據(jù)分別用于預(yù)測與預(yù)警，保證預(yù)測模型與預(yù)警模型在訓(xùn)練過程中不發(fā)生耦合.在此基礎(chǔ)上，對預(yù)測的數(shù)據(jù)集按照不同火箭編號以8∶1∶1劃分為訓(xùn)練集、驗證集與測試集，以保證預(yù)測模型的泛化性.考慮到預(yù)警等級與火箭編號無關(guān)，而應(yīng)當(dāng)與樣本狀態(tài)相關(guān)，因此對于預(yù)警數(shù)據(jù)，則以各警度樣本比例為依據(jù)，按數(shù)量比8∶1∶1劃分預(yù)警數(shù)據(jù)集，并保證各子數(shù)據(jù)集中，各類型樣本的比例與原數(shù)據(jù)集中相同.各數(shù)據(jù)集的劃分結(jié)果如表1所示.

表1 火箭總裝數(shù)據(jù)集劃分結(jié)果表

此外，為了保證關(guān)重件不齊套影響率能夠通過式(5)的計算，需對樣本關(guān)重件到達(dá)時間滿足指數(shù)分布這一假設(shè)進(jìn)行Kolmogorov-Smirnov(K-S)[22]檢驗.其結(jié)果用雙側(cè)漸進(jìn)顯著性來衡量，表征數(shù)據(jù)擬合分布與假設(shè)分布間的相似性.若漸進(jìn)顯著性<0.05，則拒絕原假設(shè)，認(rèn)為分布不服從指數(shù)分布，反之則服從指數(shù)分布.各工位齊套時間分布檢驗的漸進(jìn)顯著性結(jié)果如表2所示.

表2 各關(guān)鍵工位齊套時間K-S檢驗結(jié)果

由表2可知，各工位關(guān)重件的齊套時間均可以通過指數(shù)分布進(jìn)行建模，其未來不齊套影響率可以通過式(5)進(jìn)行計算.

4.2 預(yù)警模型建立與結(jié)果分析

經(jīng)過數(shù)據(jù)預(yù)處理后，預(yù)測數(shù)據(jù)中的訓(xùn)練集可用于剩余完工時間預(yù)測神經(jīng)網(wǎng)絡(luò)的建模.利用驗證集對該模型的超參數(shù)進(jìn)行調(diào)整，所獲得的神經(jīng)網(wǎng)絡(luò)超參數(shù)如表3所示.

表3 剩余完工時間預(yù)測網(wǎng)絡(luò)超參數(shù)表

Tab.3 The hyperparameters of the prediction network for remaining cycle time

超參數(shù)取值網(wǎng)絡(luò)結(jié)構(gòu)[236,48,12,1]激活函數(shù)sigmoid迭代次數(shù)2000正則項0.001提前終止50學(xué)習(xí)率0.01(?0.95)

以2子級火箭裝配過程為例，預(yù)測模型在驗證集上的預(yù)測誤差隨裝配進(jìn)度推進(jìn)的變化趨勢如圖4所示.其中，N為2子級裝配中的27道工序，當(dāng)?shù)?7道工序結(jié)束后，等待其余子級裝配完成后進(jìn)入全箭總裝步驟；μ為預(yù)測誤差百分比，可由預(yù)測出的剩余完工時間與已加工時間之和除以樣本的總完工時間計算獲得.

圖4 2子級火箭剩余完工時間預(yù)測誤差百分比圖

由圖4可知，預(yù)測誤差隨裝配進(jìn)度的推進(jìn)逐漸減小，但在2子級裝配結(jié)束之后、總裝開始之前，依舊有15%的預(yù)測偏差率.從預(yù)測結(jié)果來看，直接通過具有較高不確定性的預(yù)測結(jié)果確定警度等級是較為武斷的.此外，通過預(yù)測結(jié)果直接確定警度等級的過程沒有充分考慮到預(yù)測節(jié)點進(jìn)行調(diào)整的難易程度，也無法充分學(xué)習(xí)超期樣本中的信息，因此直接利用預(yù)測結(jié)果給出預(yù)警等級顯然是不合理的.

因此依據(jù)本文的預(yù)警模型，在預(yù)測模型的基礎(chǔ)上，針對每一條預(yù)警樣本對該預(yù)警樣本的剩余完工時間進(jìn)行預(yù)測，并計算其預(yù)測超期率.依據(jù)該樣本的其他特征，分別計算當(dāng)前進(jìn)度超期率、當(dāng)前不齊套影響率、未來不齊套影響率，作為預(yù)警模型的輸入.對于訓(xùn)練樣本，結(jié)合事先計算好的預(yù)警等級標(biāo)簽，利用SMOTE平衡訓(xùn)練數(shù)據(jù)，進(jìn)而訓(xùn)練RF分類模型，通過驗證集調(diào)整RF參數(shù)，所獲得分類模型的超參數(shù)如表4所示.

表4 RF算法超參數(shù)表

通過優(yōu)化后的SMOTE-RF分類模型，對預(yù)警測試集進(jìn)行分類，直接利用預(yù)測結(jié)果得到的預(yù)警等級混淆矩陣如圖5(a)所示.利用評價指標(biāo)對結(jié)果進(jìn)行評價，并獲得的混淆矩陣[23]結(jié)果如圖5(b)所示.

圖5 預(yù)警準(zhǔn)確度混淆矩陣

從圖5可以看出，本文模型盡管在無警樣本與低警度樣本上的預(yù)警準(zhǔn)確度不如直接預(yù)測的方法，但是在中警與重警樣本上的預(yù)警準(zhǔn)確度明顯高于直接預(yù)測的方法.不同預(yù)警模型平均預(yù)警準(zhǔn)確度對比如圖6所示，其中ε為各警度下樣本預(yù)警準(zhǔn)確度的幾何均數(shù).由圖6可知，本文模型的平均預(yù)警模型準(zhǔn)確度遠(yuǎn)高于直接預(yù)測模型.實際生產(chǎn)中，由于重警度預(yù)警準(zhǔn)確度的重要性更大，若采用加權(quán)方式評估分類結(jié)果，本文模型的優(yōu)勢會更加明顯.因此，所提預(yù)警模型能夠有效應(yīng)用于實際的火箭總裝過程，為裝配過程的及時調(diào)整提供了依據(jù)，對于總裝進(jìn)度實時控制具有重要意義.

圖6 不同預(yù)警模型平均預(yù)警準(zhǔn)確度對比

5 結(jié)語

本文針對火箭總裝過程中可能遇到的物料不齊套及工人調(diào)配等突發(fā)事件以及裝配工時不確定等隨機波動導(dǎo)致的總裝任務(wù)延誤問題，設(shè)計了面向火箭總裝過程的工期延誤預(yù)警模型.針對各種擾動因素作用機理，設(shè)計了預(yù)警指標(biāo)量化擾動因素的影響程度.通過綜合考慮預(yù)警樣本拖期程度與預(yù)警節(jié)點調(diào)整難易程度，設(shè)計了更為合理的警度等級作為模型輸出.充分考慮各警度樣本數(shù)量的不平衡性，應(yīng)用SMOTE與RF算法相結(jié)合的不平衡分類算法構(gòu)建了預(yù)警指標(biāo)與警度等級間的復(fù)雜非線性關(guān)系.通過實例驗證了模型的有效性與優(yōu)越性.下一步研究將主要針對不平衡學(xué)習(xí)算法部分進(jìn)行優(yōu)化.