世界典型合理化建议实例

第一篇：世界典型合理化建议实例

世界典型合理化建议实例

（二）编者按：

深入开展合理化建议的持续改善与提高活动，既是员工参与企业管理、发挥聪明才智的重要途径，也是推进精益化生产、精细化管理，提升企业基础管理水平的有效载体。为进一步将我集团合理化建议工作引向深入，我们将对国内外著名企业开展合理化建议的典型案例进行摘登，希望通过学习先进经验，精心挖掘本单位合理化建议典型案例，深入推进集团合理化建议工作的开展。

“他山之石，可以攻玉”。期望我们连载的典型实例能给各单位、各子公司开展合理化建议工作带来一点启发和借鉴。

海尔让员工主动做大

当一个企业的战略系统、目标系统、文化系统不能深入员工的内心时，任何的奖惩都会失去作用，现在的员工早已过了那种需要靠奖惩调动积极性的阶段。

海尔一直相信，让员工做大，才能把市场做大。在海尔，多年来，开展合理化建议活动是员工参与企业民主管理的一种重要途径。

工会统一管理 在海尔，员工的合理化建议活动的开展非常普及，集团工会成立了“员工创新成果经营公司”，专门管理员工的合理化建议活动，还利用信息化建立了合理化建议网上申报、网上确认，让员工提合理化建议更加便捷，建议解决更加迅速，员工参与率达100%，并且合理化建议采取提案书的制度，在一张提案书上实现了建议提出、建议落实、建议跟踪、建议闭环。

即时激励

为了激发员工持续创新的积极性，在激励方面，海尔工会改变了以前月底兑现的办法，而是于2005年8月9日，在全集团开始推行“即时激励”，员工的建议被采纳后，奖金必须随即发到位。电子事业部员工周鹏提出的合理化建议，能使彩电生产节拍提高10台/小时，建议采用后的当天下午，就拿到了奖金。

2005年8月10～12日，洗衣机事业部检验员王永红就有三项创新合理化建议被采纳，自己也得到了洗衣机事业部三次即时激励。

每天，新被采纳的合理化建议都会在信息网上发布、推广。内刊《海尔人》也会随时刊登员工合理化建议“即时激励获奖情况。”

一位员工说：“以前的奖金到月底随工资发放，也觉不出什么，而现在，当天激励却让我很有成就感！现在，发现问题没解决，就像没吃饭一样。遇到一个问题，就解决一个，这样想想，创新并不难。”

合理化建议成果推广

由合理化建议产生的创新成果，到底如何能被集团各部门所共享呢？定单推进本部还于2004年11月，在海尔内部网上开设了“创新推进平台。”在这个平台上，有每个事业部的最新创新信息：质量、生产效率、工艺„„上面有详细的操作资料，还有已经使用过的部门的推荐意见。

如果有部门对自己的创新保密怎么办？定单推进本部的方法是，对各事业部的创新有考核，被推广一个创新，按类别可以得到相应的积分。

如果有的部门应该借鉴和推广别人的创新，但他们没有做，怎么办？定单推进本部也有考核，可以借鉴的部门没有借鉴，则有“负债积分”。积分与每个事业部的创新推进人员报酬直接挂钩。

合理化建议明星的成长

为了鼓励员工踊跃提出合理化建议，集团每年还推出各种评选，并且也参加社会上的一些重要评选。2005年度海尔集团十大合理化建议明星李长业，针对钣金生产能力不足，影响定单完成的现状，他带领青年骨干组成了“智慧星”QC小组开展了QC攻关活动。活动期间，共有8项成果获得了公司的小发明命名及SBU表彰，活动结束，钣金生产能力提高了25%，达到世界先进水平，效果显著。2005、2006年李长业就获得集团员工创新成果公司颁发的一等奖三次，二等奖四次，三等奖四次，成为集团内创新最多的班组长，并被集团《海尔人》报进行了重点报道。他们也因此被中国质量管理协会、中华全国总工会、中国科学技术协会、共青团中央联合授予了“2005年全国优秀质量管理小组”的称号。李长业认为自已之所以成长为合理化建议明星，并不是因为自己有多么聪明，“自己由于工作角度和知识局限，一些建议只是提出了一个方向和轮廓，但是，公司并没有因为我的建议缺乏充分调研和详细的可行性论证而忽视我的建议。公司对我的一些重要建议会反复找我沟通想法，再组织相关人分析研究、调查论证、完善补充，然后再给予很多技术上、资源上的支持”。

职能管理能破解吗？

各个事业部还有不同的方式激励员工提合理化建议。特冰事业部的激励方式很有创意，2006年，他们给员工办了一张“创新积分卡”，事业部会根据员工的积分进行适当的奖励。邵峰，是特冰事业部总装线的一名操作工，他注意到：在生产一款新产品时，每台冰箱在下线前要做制冰检测，但是做完实验，箱体内的水总是清理不干净，影响了生产节拍。于是邵峰自制了一个小工装，经工艺经理的验证，解决了清理剩水的难题。这个创新让邵峰的积分卡一下子涨了10分。不过，推出积分卡不久之后，特冰事业部部长辛沛兴却对“积分制”做了自我批判：“创新积分卡”虽然在一定程度上调动了员工的积极性，但什么样的创新、能得多少分，这些“积分”能体现出员工增值是多少，仍是“领导”说了算。员工仍是被管理被考核的对象，而不是通过自主经营，在为企业创造价值的同时，清晰地自己算出自己的投入产出。说到底，“创新积分制”仍是一种职能式考评。

在海尔集团新闻发言人汲广强看来，职能式的合理化建议管理中，员工是有底线的，他们的底线就是：“我可以不提建议，我可以不要奖励。当一个企业的战略系统、目标系统、文化系统不能深入员工的内心时，任何的奖惩都会失去作用，现在的员工早已过了那种需要靠奖惩调动积极性的阶段。”

另外，汲广强也分析了员工很看重的“身份感、归属感”给合理化建议带来的障碍：“在相当一部分私营企业里，员工的身份感、归属感很差，员工的流动性很大，导致员工对于那些能促进企业整体受益、需要投入过多精力和体力的建议方案，缺乏一定的动力基础。”

如何改变合理化建议职能管理的老做法，员工在为企业创造价值的同时，清晰地算出自己的增值？如何让员工在增加身份感和归属感的同时，积极提出合理化建议，这个问题似乎很难找到答案。

事实上，汲广强认为：这个答案并不一定存在于传统的“合理化建议管理”中。海尔2006年提出的“人单合一信息化日清”就冲破了员工拒绝提合理化建议的心理底线。海尔员工与海尔集团的关系，是一种自主经营的核算关系。每个SBU经营体都必须“留足企业利润、挣够市场费用、盈亏都归自己”。在新的市场法则下，每个员工都开始自觉地从经营者的角度，进行创新、改善、改革，从而实现自己经营效益的最大化。

为了实现组织的进一步扁平化，海尔还流行“无边界团队”：各部门以自己的市场战略定位成立一个个项目，再根据项目打破部门界限、签订合同、组建无边界的组织。每位员工都将为项目贡献自己的智慧，因为项目的成败及效益，直接关系到每个人的收益。在这种不断打破和创立的无边界组织中，海尔员工的智慧在流动中被无限激发。

让员工给自己干，自己给自己当老板，还怕他不调动所有的智慧提出合理化建议吗？还怕他不积极调动所有的平台和资源把这些合理化建议落实到底吗？

第二篇：企业合理化建议典型案例

员工合理化建议典型案例

建 议 人：刘小兰

公

司： 上海亚大塑料制品有限公司海宁分公司 部

门： 物流部 班

组：

岗

位： 物流组组长

建议名称：关于物流装车人员增设休息室

建议类别：（请选择案例所属类别，将所选项涂黄色，每项案例只能填报一项类别。）

☆综合管理类

☆科研设计类

☆工艺工装类

☆设备维护类

☆质量控制类

☆安全保障类

☆环境改善类

☆节能减排类

☆物流改善类

☆采购营销类

☆服务保障类

☆其他 建议时间： 2014.12.30 完成时间： 2015年2月1日

建议内容： 由于物流车间没有办公室，装车人员在等待装车时，车间的门是打开的，冷风能倒灌进车间，为改善这一问题，用PP废管进行改造，改造后放置在A区库位，既符合消防要求及标准，又改善了冬天装车组的工作环境。

实施方案：利用PP废管进行一定的安装改造，在A区建造一间“办公室” 实施效果：改善了物流装车人员冬天的工作环境，实现了废品的合理利用。改善前

改善后：

员工合理化建议典型案例

建 议 人：李云怀

公

司： 上海亚大塑料制品有限公司海宁分公司 部

门： 生产部 班

组：PP线A班 岗

位： 挤出班班长

建议名称：关于过滤器清理时环境改善的问题

建议类别：（请选择案例所属类别，将所选项涂黄色，每项案例只能填报一项类别。）

☆综合管理类

☆科研设计类

☆工艺工装类

☆设备维护类

☆质量控制类

☆安全保障类

☆环境改善类

☆节能减排类

☆物流改善类

☆采购营销类

☆服务保障类

☆其他 建议时间： 2014.11.19 完成时间：2015.1.20 建议内容：过滤器在清理时由于在车间外面，所处位置晚上没有照明，造成二、三班在上班清理过程中，看不见，下雨天和风比较大时，没有办法进行清理，建议新选择一个背风的地方，安装照明装置，同时利于清理后可以进行打扫，减少对环境的污染。

实施方案：在冷却塔背风处用PP废管进行改造，并安装上照明装置 实施效果：在什么天气情况下都能对过滤器进行清理，为正常生产提供了保证。体会：再棘手的问题，只要我们肯动脑，一定能找到解决方案。

改善前：

改善后：

第三篇：机电一体化典型实例

8机电一体化系统典型实例

8.1 机器人

8.1.1概述

机器人是能够自动识别对象或其动作，根据识别，自动决定应采取动作的自动化装置。

它能模拟人的手、臂的部分动作，实现抓取、搬运工件或操纵工具等。它综合了精密机械技

术、微电子技术、检测传感技术和自动控制技术等领域的最新成果，是具有发展前途的机电

一体化典型产品。机器人技术的应用会越来越广，将对人类的生产和生活产生巨大的影响。

可以说，任何一个国家如不拥有一定数量和质量的机器人，就不具备进行国际竞争所必需的工业基础。

机器人的发展大致经过了三个阶段。第一代机器人为示教再现型机器人，为了让机器人

完成某项作业，首先由操作者将完成该作业所需的各种知识（如运动轨迹、作业条件、作业

顺序、作业时间等）通过直接或间接的手段，对机器人进行示教，机器人将这些知识记忆下

来，然后根据再现指令，在一定的精度范围内，忠实地重复再现各种被示教的动作。第二代

机器人通常是指具有某种智能（如触觉、力觉、视觉等）的机器人，即由传感器得到的触觉、听觉、视觉等信息经计算机处理后，控制机器人完成相应的操作。第三代机器人通常是指具

有高级智能的机器人，其特点是具有自学习和逻辑判断能力，可以通过各类传感器获取信息，经过思考做出决策，以完成更复杂的操作。

信息处理机

图8-1机器人三要素 图8-2生物空间

一般认为机器人具备以下要素：思维系统（相当于脑），工作系统（相当于手），移动系

统（相当于脚），非接触传感器（相当于耳、鼻、目）和接触传感器（相当于皮肤）（图8-1）。

如果对机器人的能力评价标准与对生物能力的评价标准一样，即从智能、机能和物理能三个

方面进行评价，机器人能力与生物能力具有一定的相似性。图8-2是以智能度、机能度和物

理能度三座标表示的“生物空间”，这里，机能度是指变通性或通用性以及空间占有性等；物

理能度包括力、速度、连续运行能力、均一性、可靠性等；智能度则指感觉、知觉、记忆、运算逻辑、学习、鉴定、综合判断等。把这些概括起来可以说，机器人是具有生物空间三座

标的三元机械。某些工程机械有移动性，占有空间不固定性，因而是二元机械。计算机等信

息处理机，除物理能之外，还有若干智能，因而也属于二元机械。而一般机械都只有物理能，所以都是一元机械。

8.1.2机器人的组成及基本机能

机器人一般由执行系统、驱动系统、控制系统，检测传感系统和人工智能系统等组成，各系统功能如下所述。① 执行系统。执行系统是完成抓取工件（或工具）实现所需运动的机械部件，包括手部、119

腕部、臂部、机身以及行走机构。

② 驱动系统。驱动系统的作用是向执行机构提供动力。随驱动目标的不同，驱动系统的传动方式有液动、气动、电动和机械式四种。

③ 控制系统。控制系统是机器人的指挥中心，它控制机器人按规定的程序运动。控制系统可记忆各种指令信息（如动作顺序，运动轨迹，运动速度及时间等），同时按指令信息向各执行元件发出指令。必要时还可对机器人动作进行监视，当动作有误或发生故障时即发出警报信号。

④ 检测传感系统。它主要检测机器人执行系统的运动位置、状态，并随时将执行系统的实际位置反馈给控制系统，并与设定的位置进行比较，然后通过控制系统进行调整，从而使执行系统以一定的精度达到设定的位置状态。

⑤ 人工智能系统。该系统主要赋予机器人自动识别、判断和适应性操作。8.1.4BJDP-1型机器人

该机器人是全电动式、五自由度、具有连续轨迹控制等功能的多关节型示教再现机器人，用于高噪声，高粉尘等恶环境的喷砂作业。

该机器人的五个自由度，分别是立柱回转（L）、大臂回转（D）小臂回转（X）、腕部俯仰（W1）和腕部转动（W2），其机构原理如图8-3所示，机构的传动关系如图8-4所示。R

2小臂

M2

谐波减速器R图8-3机器人的结构原理

图8-4机器人机构传动关系

8.2视觉传感式变量喷药系统简介

在农业方面，近年来发达国家（如美国、英国）都投入大量资金进行现代农业技术的开发。

先后开发出了精确变量播种机、精确变量施肥机以及精确变量喷药机等。它们都是与机器人极为相似的自动化系统，是高新技术在农业中的应用。

视觉传感变量喷药系统，是以较少药剂而有效控制杂草、提高产量、减少成本的一种自动化药物喷撒机械。近年来，随着杂草识别的视觉感知技术与变量喷药控制等技术的成熟，这种视觉传感式变量喷药机械也趋于成熟。下面就以这种系统为例，对它的组成及工作原理作一简要介绍。

（1）系统的组成一般地说，这种机器由图像信息获取系统、图像信息处理系统、决策支持系统、变量喷撒系统等组成（图8-5）。各子系统的主要功能如下所述。

① 图像信息获取系统。主要由彩色数码像机（如PULNIX，TMC-7ZX等）和高速图像数据采集卡（如CX100，IMAGENATION，INC等）组成。采集卡一般置于机载计算机中。

120

② 图像信息处理系统。是一种基于影像信息的提取算法，由计算机高级语言（如C++等）开发出的一种软件系统。它能够快速准确地提取出影像数据中包含的人们所需的信息（如杂草密度，草叶数量，无作物间距区域面积等）。

③ 决策支持系统。也是由高级语言开发出的一种软件系统。它能够基于信息处理系统，把得到的有用信息与人们的决策要求作综合判断，最后作出所需的决策。

④ 变量喷撒系统。是基于视觉信息的控制器，由若干可调节喷药流量与雾滴大小的变量喷头组成。

⑤ 机器行走系统。有发动机、机身、车轮等组成（图中省略）。

（2）工作原理

当机器在田间行走时，置于机器上离地面具有一定高度的彩色数码像机就会扫描一定大小的地面。一般彩色数码像机可覆盖2.44m  3.05m范围分辨率可达到0.005m0.005m。与此同时，高速图像数据采集卡将彩色数码像机获取的信息存入计算机中。然后，由图像信息处理系统快速地将地面杂草的密度、草叶数量、作物密度以及无植被区域面积等信息提取出来，并由决策支持系统调用这些信息，经过数据处理得到所需的行走速度、药液流量和雾滴大小等的决策。这些决策被传输给药滴大小控制器以及流量控制器，随之它们就控制管路中的压力和PWM脉宽调制变量喷头。从而实现了精确变量喷药。这样一方面减少了药量、降低了成本，另一方面保护作物、减少对环境的污染。据报道，与传统的喷撒方法比较，变量喷药系统在杂草高密区可节约药液18 %，在杂草低密区可节约药液17 %。

图8-5精确变量喷药系统

8.3数控机床

数控机床是由计算机控制的高效率自动化机床。它综合应用了电子计算机、自动控制、伺服驱动、精密测量和新型机械结构等多方面的技术成果，是今后机床控制的发展方向。随着数控技术的迅速发展，数控机床在机械加工中的地位将越来越重要。8.3.1 数控机床的工作原理和组成(1)数控机床的工作原理

数控机床加工零件时，是将被加工零件的工艺过程、工艺参数等用数控语言编制成加工程序，这些程序是数控机床的工作指令。将加工程序输入到数控装置，再由数控装置控制机

21床主运动的变速、起停，进给运动的方向、速度和位移量，以及其它辅助装置严格地按照加工程序规定的顺序、轨迹和参数进行工作，从而加工出符合要求的零件。为了提高加工精度，一般还装有位置检测反馈回路，这样就构成了闭环控制系统，其加工过程原理如图8-6所示。

（2）数控机床的组成从工作原理可以看出，数控机床主要由控制介质、数控装置、伺服检测系统和机床本体等四部分组成，其组成框图如图8-7所示。

① 控制介质。用于记载各种加工信息（如零件加工的工艺过程、工艺参数和位移数据等），以控制机床的运动，实现零件的机械加工。常用的控制介质有磁带、磁盘和光盘等。控制介质上记载的加工

信息经输入装置输送

给数控装置。常用的输入装置有磁盘驱动器和光盘驱动器等，对于用微处理机控制的数控机床，也用操作面板上的按钮和键盘将加工程序直接用键盘输入，并在CRT

显示器显示。② 数控装置。数控装置是数控机床的核心，它的功能是接受输入装置输送给的加工信息，经过数控装置的系图8-7 数控机床的组成 统软件或电路进行译码、运算和逻辑处理后，发出相应的脉冲指令送给伺服系统，通过伺服系统控制机床的各个运动部件按规定要求动作。

③ 伺服系统及位置检测装置。伺服系统由伺服驱动电机和伺服驱动装置组成，它是数控系统的执行部分。由机床的执行部件和机械传动部件组成数控机床的进给系统，它根据数控装置发来的速度和位移指令控制执行部件的进给速度、方向和位移量。每个进给运动的执行部件都配有一套伺服系统。伺服系统有开环、闭环和半闭环之分，在闭环和半闭环伺服系统中，还需配有位置测量装置，直接或间接测量执行部件的实际位移量，④ 机床本体及机械部件。数控机床的本体及机械部件包括：主动运动部件、进给运动执行部件（如工作台、刀架）、传动部件和床身立柱等支承部件，此外还有冷却，润滑、转位和夹紧等辅助装置，对于加工中心类的数控机床，还有存放刀具的刀库，交换刀具的机械手等部件。

8.4计算机集成制造系统

近年来世界各国都在大力开展计算机集成制造系统CIMS（ComputerIntergratedManufacturingSystem）方面的研究工作。CIMS是计算机技术和机械制造业相结合的产物，是机械制造业的一次技术革命。

(1)CIMS的结构

随着计算机技术的发展，机械工业自动化已逐步从过去的大批量生产方式向高效率、低成本的多品种、小批量自动化生产方式转变。CIMS就是为了实现机械工厂的全盘自动化和无人化而提出来的。其基本思想就是按系统工程的观点将整个工厂组成一个系统，用计算机对

2产品的初始构思和设计直至最终的装配和检验的全过程实现管理和控制。对于CIMS，只需输入所需产品的有关市场及设计的信息和原材料，就可以输出经过检验的合格产品。它是一种以计算机为基础，将企业全部生产活动的各个环节与各种自动化系统有机地联系起来，借以获得最佳经济效果的生产经营系统。它利用计算机将独立发展起来的计算机辅助设计（CAD）、计算机辅助制造（CAM）、柔性制造系统（FMS），管理信息系统（MIS）以及决策支持系统（DSS）综合为一个有机的整体，从而实现产品订货、设计、制造、管理和销售过程的自动化。它是一种把工程设计、生产制造、市场分析以及其它支持功能合理地组织起来的计算机集成系统。CIMS是在柔性制造技术、计算机技术、信息技术和系统科学的基础上，将制造工厂经营活动所需的各种自动化系统有机地集成起来，使其能适应市场变化和多品种、小批量生产要求的高效益、高柔性的智能生产系统。

由此可见，计算机集成制造系统是在新的生产组织原理和概念指导下形成的生产实体，它不仅是现有生产模式的计算机化和自动化，而且是在更高水平上创造的一种新的生产模式。从机械加工自动化及自动化技术本身的发展看，智能化和综合化是未来的主要特征，也是CIMS最主要的技术特征。智能化体现了自动化深度，即不仅涉及物质流控制的传统体力劳动自动化，还包括了信息流控制的脑力劳动自动化；而综合化反映了自动化的广度，它把系统空间扩展到市场、设计、制造、检验、销售及用户服务等全部过程。

CIMS系统构成的原则，是按照在制造工厂形成最终产品所必需的功能划分系统，如设计管理、制造管理等子系统，它们分别处理设计信息与管理信息，各子系统相互协调，并且具有相对的独立性。因此，从大的结构来讲，CIMS系统可看成是由经营决策管理系统、计算机辅助设计与制造系统、柔性制造系统等组成的（图8-8）。经营决策管理系统完成企业经营管理，如市场分析预测、风险决策、长期发展规划、生产计划与调度、企业内部信息流的协调

图8-8 CIMS主要结构框图

与控制等；计算机辅助设计系统完成产品及零部件的设计、自动编程、机器人程序设计、工程分析、输出图纸和材料清单等；计算机辅助制造系统则完成工艺过程设计、自动编程、机器人程序设计等；柔性制造系统完成物料加工制造的全过程，实现信息流和物料流的统一管理，如将CIMS的系统功能细化，可得到如图8-9所示的框图。

（2）CIMS的主要技术关键

CIMS是一个复杂的系统，它适用于多品种、中小批量的高效益、高柔性的智能化生产与制造。它是由很多子系统组成的，而这些子系统本身又都是具有相当规模的复杂系统。虽然世界上很多发达国家已投入大量资金和人力研究它，但仍存在不少技术问题有待进一步探索和解决。归纳起来，大致有以下五个方面。

① CIMS系统的结构分析与设计。这是系统集成的理论基础及工具。如系统结构组织学和多级递阶决策理论、离散事件动态系统理论、建模技术与仿真、系统可靠性理论与容错控制以及面向目标的系统设计方法等。

3② 支持集成制造系统的分布式数据库技术及系统应用支撑软件。其中包括支持CAD／CAPP/CAM集成的数据库系统，支持分布式多级生产管理调度的数据库系统，分布式数据系统与实时在线递阶控制系统的综合与集成。

③ 工业局部网络与系统。CIMS系统中各子系统的互连是通过工业局部网络实现的，因此必然要涉及网络结构优化、网络通信的协议、网络的互连与通信、网络的可靠性与安全性等问题的研究，甚至进一步还可能需要对支持数据、语言、图像信息传输的宽带通信网络进行探讨。

④ 自动化制造技术与设备。这是实现CIMS的物质技术基础，其中包括自动化制造设备FMS、自动化物料输送系统、移动机器人及装配机器人、自动化仓库以及在线检测及质量保障等技术。

⑤ 软件开发环境。良好的软件开发环境是系统开发和研究的保证。这里涉及面向用户的图形软件系统、适用于CIMS分析设计的仿真软件系统、CAD直接检查软件系统以及面向制造控制与规划开发的专家系统。

综上所述，涉及CIMS的技术关键很多，制定和开发计算机集成制造系统是一项重要而艰巨的任务。而对计算机集成制造系统的投资则更是一项长远的战略决策。一旦取得突破，CIMS技术必将深刻地影响企业的组织结构，使机械制造工业产生一次巨大飞跃。

图 8-9CIMS 系统框图

124

第四篇：新机电一体化典型实例

机电一体化系统典型实例

8.4 计算机集成制造系统

近年来世界各国都在大力开展计算机集成制造系统CIMS（ComputerIntergratedManufacturingSystem）方面的研究工作。CIMS是计算机技术和机械制造业相结合的产物，是机械制造业的一次技术革命。

(1)CIMS的结构

随着计算机技术的发展，机械工业自动化已逐步从过去的大批量生产方式向高效率、低成本的多品种、小批量自动化生产方式转变。CIMS就是为了实现机械工厂的全盘自动化和无人化而提出来的。其基本思想就是按系统工程的观点将整个工厂组成一个系统，用计算机对产品的初始构思和设计直至最终的装配和检验的全过程实现管理和控制。对于CIMS，只需输入所需产品的有关市场及设计的信息和原材料，就可以输出经过检验的合格产品。它是一种以计算机为基础，将企业全部生产活动的各个环节与各种自动化系统有机地联系起来，借以获得最佳经济效果的生产经营系统。它利用计算机将独立发展起来的计算机辅助设计（CAD）、计算机辅助制造（CAM）、柔性制造系统（FMS），管理信息系统（MIS）以及决策支持系统（DSS）综合为一个有机的整体，从而实现产品订货、设计、制造、管理和销售过程的自动化。它是一种把工程设计、生产制造、市场分析以及其它支持功能合理地组织起来的计算机集成系统。CIMS是在柔性制造技术、计算机技术、信息技术和系统科学的基础上，将制造工厂经营活动所需的各种自动化系统有机地集成起来，使其能适应市场变化和多品种、小批量生产要求的高效益、高柔性的智能生产系统。

由此可见，计算机集成制造系统是在新的生产组织原理和概念指导下形成的生产实体，它不仅是现有生产模式的计算机化和自动化，而且是在更高水平上创造的一种新的生产模式。

从机械加工自动化及自动化技术本身的发展看，智能化和综合化是未来的主要特征，也是CIMS最主要的技术特征。智能化体现了自动化深度，即不仅涉及物质流控制的传统体力劳动自动化，还包括了信息流控制的脑力劳动自动化；而综合化反映了自动化的广度，它把系统空间扩展到市场、设计、制造、检验、销售及用户服务等全部过程。

CIMS系统构成的原则，是按照在制造工厂形成最终产品所必需的功能划分系统，如设计管理、制造管理等子系统，它们分别处理设计信息与管理信息，各子系统相互协调，并且具有相对的独立性。因此，从大的结构来讲，CIMS系统可看成是由经营决策管理系统、计算机辅助设计与制造系统、柔性制造系统等组成的（图8-8）。经营决策管理系统完成企业经营管理，如市场分析预测、风险决策、图8-8 CIMS主要结构框图 长期发展规划、生

产

计划与调度、企业内部信息流的协调

与控制等；计算机辅助设计系统完成产品及零部件的设计、自动编程、机器人程序设计、工程分析、输出图纸和材料清单等；计算机辅助制造系统则完成工艺过程设计、自动编程、机器人程序设计等；柔性制造系统完成物料加工制造的全过程，实现信息流和物料流的统一管理，如将CIMS的系统功能细化，可得到如图8-9所示的框图。

（2）CIMS的主要技术关键

CIMS是一个复杂的系统，它适用于多品种、中小批量的高效益、高柔性的智能化生产与制造。它是由很多子系统组成的，而这些子系统本身又都是具有相当规模的复杂系统。虽然世界上很多发达国家已投入大量资金和人力研究它，但仍存在不少技术问题有待进一步探索和解决。归纳起来，大致有以下五个方面。

① CIMS系统的结构分析与设计。这是系统集成的理论基础及工具。如系统结构组织学和多级递阶决策理论、离散事件动态系统理论、建模技术与仿真、系统可靠性理论与容错控制以及面向目标的系统设计方法等。

② 支持集成制造系统的分布式数据库技术及系统应用支撑软件。其中包括支持CAD／CAPP/CAM集成的数据库系统，支持分布式多级生产管理调度的数据库系统，分布式数据系统与实时在线递阶控制系统的综合与集成。

③ 工业局部网络与系统。CIMS系统中各子系统的互连是通过工业局部网络实

图 8-9CIMS 系统框图

现的，因此必然要涉及网络结构优化、网络通信的协议、网络的互连与通信、网络的可靠性与安全性等问题的研究，甚至进一步还可能需要对支持数据、语言、图像信息传输的宽带通信网络进行探讨。

④ 自动化制造技术与设备。这是实现CIMS的物质技术基础，其中包括自动化制造设备FMS、自动化物料输送系统、移动机器人及装配机器人、自动化仓库以及在线检测及质量保障等技术。

⑤ 软件开发环境。良好的软件开发环境是系统开发和研究的保证。这里涉及面向用户的图形软件系统、适用于CIMS分析设计的仿真软件系统、CAD直接检查软件系统以及面向制造控制与规划开发的专家系统。

综上所述，涉及CIMS的技术关键很多，制定和开发计算机集成制造系统是一项重要而艰巨的任务。而对计算机集成制造系统的投资则更是一项长远的战略决策。一旦取得突破，CIMS技术必将深刻地影响企业的组织结构，使机械制造工业产生一次巨大飞跃。

第五篇：多元统计典型相关分析实例

1、对体力测试（共7项指标）及运动能力测试（共5项指标）两组指标进行典型相关分析

Run MATRIX procedure:

Correlations for Set-1 X1 X2 X3 X4 X5 X6 X7 X1 1.0000.2701.1643-.0286.2463.0722-.1664 X2.2701 1.0000.2694.0406-.0670.3463.2709 X3.1643.2694 1.0000.3190-.2427.1931-.0176 X4-.0286.0406.3190 1.0000-.0370.0524.2035 X5.2463-.0670-.2427-.0370 1.0000.0517.3231 X6.0722.3463.1931.0524.0517 1.0000.2813 X7-.1664.2709-.0176.2035.3231.2813 1.0000

Correlations for Set-2 X8 X9 X10 X11 X12 X8 1.0000-.4429-.2647-.4629.0777 X9-.4429 1.0000.4989.6067-.4744 X10-.2647.4989 1.0000.3562-.5285 X11-.4629.6067.3562 1.0000-.4369 X12.0777-.4744-.5285-.4369 1.0000

两组变量的相关矩阵说明，体力测试指标与运动能力测试指标是有相关性的。

Correlations Between Set-1 and Set-2 X8 X9 X10 X11 X12 X1-.4005.3609.4116.2797-.4709 X2-.3900.5584.3977.4511-.0488 X3-.3026.5590.5538.3215-.4802 X4-.2834.2711-.0414.2470-.1007 X5-.4295-.1843-.0116.1415-.0132 X6-.0800.2596.3310.2359-.2939 X7-.2568.1501.0388.0841.1923

上面给出的是两组变量间各变量的两两相关矩阵，可见体力测试指标与运动能力测试指标间确实存在相关性，这里需要做的就是提取出综合指标代表这种相关性。

Canonical Correlations 1.848 2.707 3.648 4.351 5.290

上面是提取出的5个典型相关系数的大小，可见第一典型相关系数为0.848，第二典型相关系数为0.707，第三典型相关系数为0.648，第四典型相关系数为0.351，第五典型相关系数为0.290。

Test that remaining correlations are zero: Wilk's Chi-SQ DF Sig.1.065 83.194 35.000.000 2.233 44.440 24.000.007 3.466 23.302 15.000.078 4.803 6.682 8.000.571 5.916 2.673 3.000.445

上表为检验各典型相关系数有无统计学意义，可见第一、第二典型相关系数有统计学意义，而其余典型相关系数则没有。

Standardized Canonical Coefficients for Set-1 1 2 3 4 5 X1.475.115.391-.452-.462 X2.190-.565-.774.307.489 X3.634.048.288.321-.276 X4.040.080-.400-.906.422 X5.233.773-.681.459.233 X6.117.148.425.141.649 X7.038-.394.025-.103-1.029

Raw Canonical Coefficients for Set-1 1 2 3 4 5 X1.141.034.116-.134-.137 X2.026-.076-.104.041.066 X3.040.003.018.020-.018 X4.008.015-.075-.169.079 X5.016.054-.047.032.016 X6.020.025.071.024.109 X7.005-.048.003-.013-.126

上面为各典型变量与变量组1中各变量间标化与未标化的系数列表，由此我们可以写出典型变量的转换公式(标化的)为：L1=0.475X1+0.19X2+0.634X3+0.04X4+0.233X5+0.117X6+0.038X7余下同理。

Standardized Canonical Coefficients for Set-2 1 2 3 4 5 X8-.505-.659.577.186.631 X9.209-1.115.207-.775-.292 X10.365-.262.188 1.153-.154 X11-.068-.034-.579.340 1.181 X12-.372-.896-.649.569-.124

Raw Canonical Coefficients for Set-2 1 2 3 4 5 X8-1.441-1.879 1.647.531 1.798 X9.005-.026.005-.018-.007 X10.133-.095.069.419-.056 X11-.018-.009-.153.090.312 X12-.012-.029-.021.018-.004

Canonical Loadings for Set-1 1 2 3 4 5 X1.689.235.099-.150-.112 X2.526-.625-.408.225.237 X3.741-.212.263-.042.001 X4.242-.032-.298-.809.182 X5.200.705-.558.257-.161 X6.364-.096.191.224.476 X7.115-.259-.437.053-.471

Cross Loadings for Set-1 1 2 3 4 5 X1.584.166.064-.053-.032 X2.446-.442-.265.079.069 X3.629-.150.170-.015.000 X4.205-.023-.193-.284.053 X5.170.498-.362.090-.047 X6.309-.068.124.079.138 X7.098-.183-.283.019-.136

上表为第一变量组中各变量分别与自身、相对的典型变量的相关系数，可见它们主要和第一对典型变量的关系比较密切。

Canonical Loadings for Set-2 1 2 3 4 5 X8-.692-.149.654.111.244 X9.750-.550.001-.346.127 X10.776-.183.275.538.020 X11.585-.108-.371-.054.711 X12-.674-.265-.548.193-.371

Cross Loadings for Set-2 1 2 3 4 5 X8-.587-.106.424.039.071 X9.636-.389.001-.121.037 X10.658-.129.178.189.006 X11.496-.076-.240-.019.206 X12-.571-.187-.355.068-.108

上表为第二变量组中各变量分别与自身、相对的典型变量的相关系数，结论与前相同。

下面即将输出的是冗余度(Redundancy)分析结果，它列出各典型相关系数所能解释原变量变异的比例，可以用来辅助判断需要保留多少个典型相关系数。

Redundancy Analysis:

Proportion of Variance of Set-1 Explained by Its Own Can.Var.Prop Var CV1-1.221 CV1-2.152 CV1-3.125 CV1-4.121 CV1-5.082

首先输出的是第一组变量的变化可被自身的典型变量所解释的比例，可见第一典型变量解释了总变化的22.1％，第二典型变量能解释15.2％，第三典型变量只能解释12.5％，第四典型变量只能解释12.1％，第五典型变量只能解释8.2％。

Proportion of Variance of Set-1 Explained by Opposite Can.Var.Prop Var CV2-1.159 CV2-2.076 CV2-3.052 CV2-4.015 CV2-5.007

上表为第一组变量的变化能被它们相对的典型变量所解释的比例，可见第五典型变量的解释度非常小。

Proportion of Variance of Set-2 Explained by Its Own Can.Var.Prop Var CV2-1.488 CV2-2.088 CV2-3.188 CV2-4.092 CV2-5.144

Proportion of Variance of Set-2 Explained by Opposite Can.Var.Prop Var CV1-1.351 CV1-2.044 CV1-3.079 CV1-4.011 CV1-5.012

------END MATRIX-----

2、Run MATRIX procedure:

Correlations for Set-1 X1 X2 X3 X4 X1 1.0000.3588.7417.5694 X2.3588 1.0000.4301.3673 X3.7417.4301 1.0000.4828 X4.5694.3673.4828 1.0000

Correlations for Set-2 X5 X6 X7 X8 X9 X10 X11 X12 X5 1.0000.7147.8489.8827.6935.8956.9004.8727 X6.7147 1.0000.7273.8328.7864.8144.6825.7846 X7.8489.7273 1.0000.8980.6447.9150.7766.9073 X8.8827.8328.8980 1.0000.6838.9553.8446.9080 X9.6935.7864.6447.6838 1.0000.7071.7530.7475 X10.8956.8144.9150.9553.7071 1.0000.8739.9307 X11.9004.6825.7766.8446.7530.8739 1.0000.7981 X12.8727.7846.9073.9080.7475.9307.7981 1.0000

以上，两组变量的相关矩阵说明，农村居民收入与农村居民生活费支出是有相关性的。

Correlations Between Set-1 and Set-2 X5 X6 X7 X8 X9 X10 X11 X12 X1.8368.8523.8645.9453.6702.9195.7682.8736 X2.6060.3903.4852.4397.5548.4567.5096.5262 X3.8135.5256.6417.8239.5093.8138.8242.7513 X4.6166.7269.5385.6062.5615.6602.6027.6543

上面给出的是两组变量间各变量的两两相关矩阵，可见体力测试指标与运动能力测试指标间确实存在相关性，这里需要做的就是提取出综合指标代表这种相关性。

Canonical Correlations 1.981 2.906 3.631 4.571

上面是提取出的5个典型相关系数的大小，可见第一典型相关系数为0.981，第二典型相关系数为0.906，第三典型相关系数为0.631，第四典型相关系数为0.571。

Test that remaining correlations are zero: Wilk's Chi-SQ DF Sig.1.003 132.620 32.000.000 2.072 59.110 21.000.000 3.405 20.310 12.000.061 4.674 8.871 5.000.114

上表为检验各典型相关系数有无统计学意义，可见第一、第二典型相关系数有统计学意义，而其余典型相关系数则没有。

Standardized Canonical Coefficients for Set-1 1 2 3 4 X1-.536-1.056-.468.965 X2-.059-.293-.809-.732 X3-.399 1.480.154-.142 X4-.158-.284 1.023-.635

Raw Canonical Coefficients for Set-1 1 2 3 4 X1-.001-.002-.001.002 X2.000-.001-.002-.002 X3-.009.033.003-.003 X4-.004-.007.026-.016

上面为各典型变量与变量组1中各变量间标化与未标化的系数列表，由此我们可以写出典型变量的转换公式(标化的)为：L1=-0.536X1-0.059X2-0.399X3-0.158X4余下同理。

Standardized Canonical Coefficients for Set-2 1 2 3 4 X5-.233-.151-1.215-1.177 X6-.020-1.459 1.647-.413 X7.414-1.577-1.050.472 X8-.576 1.319-1.618 2.259 X9.070-.071-1.516-.028 X10-.388.683.797.562 X11-.034.521 1.527-.667 X12-.218.346 1.283-1.210

Raw Canonical Coefficients for Set-2 1 2 3 4 X5-.001-.001-.005-.005 X6.000-.030.034-.009 X7.003-.012-.008.003 X8-.011.024-.030.042 X9.003-.003-.068-.001 X10-.012.022.026.018 X11-.001.009.025-.011 X12-.009.015.055-.052

Canonical Loadings for Set-1 1 2 3 4 X1-.943-.225-.062.235 X2-.481-.139-.535-.680 X3-.898.434-.048-.048 X4-.678-.279.533-.423

Cross Loadings for Set-1 1 2 3 4 X1-.925-.204-.039.134 X2-.472-.126-.338-.388 X3-.881.393-.030-.027 X4-.665-.253.337-.241

上表为第一变量组中各变量分别与自身、相对的典型变量的相关系数，可见它们主要和第一对典型变量的关系比较密切。

Canonical Loadings for Set-2 1 2 3 4 X5-.924-.036-.200-.251 X6-.821-.489.173.001 X7-.850-.285-.234.080 X8-.976-.088-.082.155 X9-.698-.304-.174-.330 X10-.968-.097.000.032 X11-.883.097-.046-.231 X12-.921-.166-.079-.113

Cross Loadings for Set-2 1 2 3 4 X5-.907-.032-.126-.143 X6-.805-.443.109.000 X7-.833-.258-.148.046

X8-.957-.080-.052.088 X9-.684-.276-.110-.188 X10-.949-.088.000.018 X11-.866.088-.029-.132 X12-.903-.151-.050-.064

上表为第二变量组中各变量分别与自身、相对的典型变量的相关系数，结论与前相同。

下面即将输出的是冗余度(Redundancy)分析结果，它列出各典型相关系数所能解释原变量变异的比例，可以用来辅助判断需要保留多少个典型相关系数。

Redundancy Analysis:

Proportion of Variance of Set-1 Explained by Its Own Can.Var.Prop Var CV1-1.597 CV1-2.084 CV1-3.144 CV1-4.175

首先输出的是第一组变量的变化可被自身的典型变量所解释的比例，可见第一典型变量解释了总变化的59.7％，第二典型变量能解释8.4％，第三典型变量只能解释14.4％，第四典型变量只能解释17.5％。

Proportion of Variance of Set-1 Explained by Opposite Can.Var.Prop Var CV2-1.574 CV2-2.069 CV2-3.057 CV2-4.057

上表为第一组变量的变化能被它们相对的典型变量所解释的比例，可见第一典型变量的解释度较大，其余相差不大。

Proportion of Variance of Set-2 Explained by Its Own Can.Var.Prop Var CV2-1.782 CV2-2.059 CV2-3.021 CV2-4.034

Proportion of Variance of Set-2 Explained by Opposite Can.Var.Prop Var CV1-1.752 CV1-2.048 CV1-3.008 CV1-4.011------END MATRIX-----习题10.3、Run MATRIX procedure:

Correlations for Set-1 x1 x2 x1 1.0000.7346 x2.7346 1.0000

Correlations for Set-2 y1 y2 y1 1.0000.8393 y2.8393 1.0000

从这里开始进行分析，首先给出的是两组变量内部各自的相关矩阵，可见头宽和头长是有相关性的。

Correlations Between Set-1 and Set-2 y1 y2 x1.7108.7040 x2.6932.7086

上面给出的是两组变量间各变量的两两相关矩阵，可见兄弟的头型指标间确实存在相关性，这里需要做的就是提取出综合指标代表这种相关性。

Canonical Correlations 1.789 2.054

上面是提取出的两个典型相关系数的大小，可见第一典型相关系数为0.789，第二典型相关系数为0.054。

Test that remaining correlations are zero: Wilk's Chi-SQ DF Sig.1.377 20.964 4.000.000 2.997.062 1.000.803

上表为检验各典型相关系数有无统计学意义，可见第一典型相关系数有统计学意义，而第二典型相关系数则没有。

Standardized Canonical Coefficients for Set-1 1 2 x1-.552-1.366 x2-.522 1.378

Raw Canonical Coefficients for Set-1 1 2 x1-.057-.140 x2-.071.187 上面为各典型变量与变量组1中各变量间标化与未标化的系数列表，由此我们可以写出典型变量的转换公式(标化的)为： L1=0.552*xl+0.522*x2 L2=1.366*xl-1.378*x2

Standardized Canonical Coefficients for Set-2 1 2 y1-.504-1.769 y2-.538 1.759

Raw Canonical Coefficients for Set-2 1 2 y1-.050-.176 y2-.080.262

Canonical Loadings for Set-1 1 2 x1-.935-.354 x2-.927.375

Cross Loadings for Set-1 1 2 x1-.737-.019 x2-.731.020

上表为第一变量组中各变量分别与自身、相对的典型变量的相关系数，可见它们主要和第一对典型变量的关系比较密切。

Canonical Loadings for Set-2 1 2 y1-.956-.293 y2-.962.274

Cross Loadings for Set-2 1 2 y1-.754-.016 y2-.758.015

上表为第二变量组中各变量分别与自身、相对的典型变量的相关系数，结论与前相同。

下面即将输出的是冗余度(Redundancy)分析结果，它列出各典型相关系数所能解释原变量变异的比例，可以用来辅助判断需要保留多少个典型相关系数。

Redundancy Analysis:

Proportion of Variance of Set-1 Explained by Its Own Can.Var.Prop Var CV1-1.867 CV1-2.133

首先输出的是第一组变量的变异可被自身的典型变量所解释的比例，可见第一典型变量解释了总变异的86.7％，而第二典型变量只能解释13.3％。

Proportion of Variance of Set-1 Explained by Opposite Can.Var.Prop Var CV2-1.539 CV2-2.000

上表为第一组变量的变异能被它们相对的典型变量所解释的比例，可见第二典型变量的解释度非常小。

Proportion of Variance of Set-2 Explained by Its Own Can.Var.Prop Var CV2-1.920 CV2-2.080

Proportion of Variance of Set-2 Explained by Opposite Can.Var.Prop Var CV1-1.572 CV1-2.000

------END MATRIX-----