操作工人在长时间的工作过程中,由于精神和身体的疲劳会产生失误,人的可靠性降低,导致生产残次品,甚至危及人身安全。为了了解在保证可靠性的前提下操作者最长可持续的工作时间(极限工作时间),提出了一种结合统计过程控制图(statistical...操作工人在长时间的工作过程中,由于精神和身体的疲劳会产生失误,人的可靠性降低,导致生产残次品,甚至危及人身安全。为了了解在保证可靠性的前提下操作者最长可持续的工作时间(极限工作时间),提出了一种结合统计过程控制图(statistical process control chart,SPCC)和差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型的方法。用连续时间中单位时间间隔内的次品率衡量人的可靠度,并形成次品率时序序列(defective rate time series,DRTS)。一方面使用该数列基于ARIMA构建SPCC,并确定样本的上控制线(upcontrolline,UCL)、下控制线(lowcontrolline,LCL)和极限时间范围;另一方面使用ARIMA和支持向量机(support vector machine,SVM)配合实时跟踪算法(realtime tracing algorithm,RTA)对需要确定极限工作时间(limit working time,LWT)的某一操作者的DRTS进行预测。最后将预测曲线置于SPCC中来确定该操作者LWT的范围。通过对10个操作者8h,每隔10min采样得到的DRTS分析,表明该类工作参数的范围为UCL=[3.89,4.66]、LCL=[-4.98,-3.90]、LWT=[393,450]min,确定了一个新操作者的LWT为[435,452]min,即435min时该操作者就应该停止工作进行休息。展开更多
文摘操作工人在长时间的工作过程中,由于精神和身体的疲劳会产生失误,人的可靠性降低,导致生产残次品,甚至危及人身安全。为了了解在保证可靠性的前提下操作者最长可持续的工作时间(极限工作时间),提出了一种结合统计过程控制图(statistical process control chart,SPCC)和差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型的方法。用连续时间中单位时间间隔内的次品率衡量人的可靠度,并形成次品率时序序列(defective rate time series,DRTS)。一方面使用该数列基于ARIMA构建SPCC,并确定样本的上控制线(upcontrolline,UCL)、下控制线(lowcontrolline,LCL)和极限时间范围;另一方面使用ARIMA和支持向量机(support vector machine,SVM)配合实时跟踪算法(realtime tracing algorithm,RTA)对需要确定极限工作时间(limit working time,LWT)的某一操作者的DRTS进行预测。最后将预测曲线置于SPCC中来确定该操作者LWT的范围。通过对10个操作者8h,每隔10min采样得到的DRTS分析,表明该类工作参数的范围为UCL=[3.89,4.66]、LCL=[-4.98,-3.90]、LWT=[393,450]min,确定了一个新操作者的LWT为[435,452]min,即435min时该操作者就应该停止工作进行休息。
