机床装备云制造服务建模方法研究

针对云制造环境下机床装备制造服务的共享和集成,在分析机床装备云制造服务建模的特点及需求的基础上,提出一种基于机床装备资源层、机床装备服务语义描述层和机床装备服务实现层三层结构的机床装备云制造服务建模实现框架,基于该框架对机床装备制造资源分析、机床装备制造资源语义描述和机床装备制造服务实现进行研究。通过对一类机床进行云制造服务建模,验证了该建模方法的可行性及有效性。     

云制造环境下基于离散Markov跳变系统的机床装备资源动态优选方法

针对云制造环境下加工任务执行过程中机床装备资源易受紧急插单、加工质量异常、设备运行故障等高频随机扰动影响,致使产品加工服务质量(QoS)不能满足客户个性化需求的问题,提出一种基于离散Markov跳变系统的机床装备资源动态优化选择方法.首先,结合云制造服务运行特点,构建了云制造环境下面向加工任务执行过程的服务质量动态演化...     

云制造环境下面向多任务协同的机床装备资源动态调度方法

针对云服务环境下支持多任务协同运行的机床装备资源易受紧急插单、系统故障、质量异常等不确定高频扰动影响,致使云制造服务难以高效、稳定运行的问题,提出一种面向多任务协同的机床装备资源动态调度方法。通过应用非线性工艺规划理论,建立了一个包括最小时间、成本、能耗、负载均衡度及最优服务质量和可靠性为约束目标的调度模型,并采用改进遗传变邻域算法对其求解。同时,基于生产随机扰动致使调度方案动态偏离的问题,提出一种基于事件驱动和周期性重调度的动态调度策略,以支持云制造服务的协同优化运行;最后通过仿真案例验证该模型及算法的可行性和适用性。     

云制造环境下机床装备资源特性分析与语义描述方法

针对云制造环境下机床装备资源具有异质异构、动态演化、高度自治等特性及网络化集成、服务化封装和供需智能匹配等需求,提出并构建了一种基于语义服务建模本体的机床装备资源描述框架,并对支持该框架实现的机床装备资源元数据本体表示方法、机床装备资源服务化封装等关键技术进行了研究。通过应用案例对以上研究成果进行了实验验证。     

云制造环境下设备资源的多目标优化选择

为有效地对云制造环境下的异地设备资源进行优化选择,提出一种面向设备资源组合服务链的优化选择方法。建立了以时间最短、成本最低、可靠性最高为目标的设备资源选择模型;利用改进的带精英策略的快速非支配排序遗传算法对模型进行求解,再用层次分析法与熵值法相结合的最优决策方法对所求得的Pareto最优解集中的各设备资源组合进行综合评价。通过实例验证了所提方法的可行性和有效性。     

基于Multi-Agent的机床装备资源优化选择方法

针对云制造环境下机床装备资源数量大、服务制约因素多、组合优化选择困难等问题,首先建立机床装备资源匹配指标体系和包括服务时间(T)、服务成本(C)、服务质量(Q)、服务知识(K)、服务环境(E)、服务可靠性(R)、服务容错性(Ft)和综合满意度(Sa)八维目标分量的机床装备资源评价指标体系;结合Multi-Agent技术自主响应、智能交互的优势,提出一种基于Multi-Agent的机床装备资源优化选择模型,设计了该优选模型的求解方法并通过实验仿真验证了该方法的适用性和有效性。     

面向云制造的多供应商协同生产任务分配优化

针对云制造环境下制造资源生产能力约束导致的任务分配不合理问题,研究建立了一种任务分配优化模型并提出了求解算法。依据子任务订单量对多个供应商进行生产组合,继而提出质量相似度等概念及其相应的计算方法,建立评价指标体系,并在此基础上构建了面向云制造的多供应商协同生产任务分配优化模型;通过对模型特征的分析与把握,提出一种改进的多目标粒子群进化算法,求解模型得到最优组合以及组合量。最后,通过实例证明了该模型与算法的可行性和有效性。     

基于多分辨率聚类的云制造任务分配

针对云制造环境下用户需求复杂多变和制造资源能力分散异构的特点,为实现制造资源的动态共享与智能分配,提出一种能够在云制造环境下迅速得出需求能力高效匹配的多分辨率聚类任务分配方案。根据任务目标特点选择适应的参数建立反映需求能力匹配程度的聚类距离函数,并以此距离为聚类依据展开多分辨率聚类,随聚类过程将任务分解并分配到相应的资源能力提供者,得出云制造系统中需求能力的多分辨率层次结构,为解决云制造环境下资源的高效配置问题、实现云制造系统中用户需求和资源能力的动态匹配提供了可行结构。通过实例对以上任务分配方案过程进行了详述,并论证了该算法可为充分利用云制造系统中零碎制造能力提供有效途径。     

云制造环境下基于双层规划的资源优化配置方法

为解决云制造环境下的制造资源优化配置问题,在深入分析云制造的运行模式和制造资源配置过程的基础上,充分考虑云制造环境下制造服务过程中的不确定因素以及制造任务需求方和云制造服务平台运营方的利益,提出包括服务质量指标和柔性指标的云制造资源服务组合评价指标体系,建立了云制造环境下的制造资源优化配置双层规划模型,并采用改进的进化多目标优化算法对模型进行求解,实验结果表明了该模型和算法的可行性和有效性。     

机床装备及其加工运行过程云制造服务平台

针对机床装备制造企业从生产型制造向服务型制造转型,以及应用企业基于网络的设备资源共享和远程维修维护服务等迫切需求,提出一种机床装备及其加工运行过程的云制造服务平台,并对该平台的参与角色、体系架构、运行模式及基于网络化信息交互终端的机床装备云端接入、基于本体的机床装备服务能力建模等关键技术进行了研究。最后介绍了该平台在试验环境中的构建和试运行情况。     

Cloud manufacturing service selection optimization and scheduling with transportation considerations: mixed-integer programming models

Cloud manufacturing is an emerging service-oriented manufacturing paradigm that integrates and manages distributed manufacturing resources through which complex manufacturing demands with a high degree of customization can be fulfilled. The process of service selection optimization and scheduling (SSOS) is an important issue for practical implementation of cloud manufacturing. In this paper, we propose new mixed-integer programming (MIP) models for solving the SSOS problem with basic composition structures (i.e., sequential, parallel, loop, and selective). Through incorporation of the proposed MIP models, the SSOS with a mixed composition structure can be tackled. As transportation is indispensable in cloud manufacturing environment, the models also optimize routing decisions within a given hybrid hub-and-spoke transportation network in which the central decision is to optimally determine whether a shipment between a pair of distributed manufacturing resources is routed directly or using hub facilities. Unlike the majority of previous research undertaken in cloud manufacturing, it is assumed that manufacturing resources are not continuously available for processing but the start time and end time of their occupancy interval are known in advance. The performance of the proposed models is evaluated through solving different scenarios in the SSOS. Moreover, in order to examine the robustness of the results, a series of sensitivity analysis are conducted on key parameters. The outcomes of this study demonstrate that the consideration of transportation and availability not only can change the results of the SSOS significantly, but also is necessary for obtaining more realistic solutions. The results also show that routing within a hybrid hub-and-spoke transportation network, compared with a pure hub-and-spoke network or a pure direct network, leads to more flexibility and has advantage of cost and time saving. The level of saving depends on the value of discount factor for decreasing transportation cost between hub facilities.     

不确定信息条件下的车间调度策略研究

为了在不确定的车间信息环境下做出正确的调度策略,提出了一种支持多目标和多优先级车间调度策略的随机规划模型,并给出了求解算法。该模型的求解通过包含3个步骤的混合智能算法来实现,首先利用随机仿真生成近似的样本数据,然后利用神经网络进行不确定目标和约束函数的逼近,并用遗传算法最终完成对多目标优化解的搜索。最后,通过一个汽车企业模具制造车间中调度问题的实例,验证了该模型和算法的有效性及实用性。     

元活动模型驱动的多领域制造资源粒层化服务封装与检索

多领域制造资源的聚合与服务封装直接关系到云制造服务的可检索性与易用性,是实现制造能力共享的关键。针对因缺乏关键资源信息或制造活动过程特征,以及服务特征属性不确定性大等导致云服务信息粒度过粗、查准率低的问题,构建了以人、机、料、法、环为核心要素的制造元活动模型以实现多领域资源颗粒的有效聚合,并基于商空间粒计算理论对资源簇的制造能力进行逐层封装,提出基于灰相似粗糙集的云制造服务粒层递归搜索算法以解决服务特征属性的不确定性问题,建立了一套元活动模型驱动的多领域制造资源粒层化服务封装与检索方法。通过某金属构件快速成形云服务的检索算例验证了所提方法的可行性。     

Application of synthetic grey correlation theory on thermal point optimization for machine tool thermal error compensation

This paper presents two new methods to optimize the selection of minimum number of thermal sensors for machine tool thermal error compensation. The two methods, namely, direct criterion method and indirect grouping method, are based on the synthetic grey correlation theory. They are applied to analyze the data of an air cutting experiment on a CNC turning center. After optimization, the number of thermal points reduced from 16 to four. Thus, for machine tool thermal error modeling, the number of temperature variables is greatly reduced while coupling problems among temperature variables can be avoided. A real cutting experiment is then conducted to verify the efficiency of the presented optimization methods under practical manufacturing conditions. The comparison of the results between the model with all 16 thermal sensors and the model with four optimized thermal sensors indicates that, after optimization, the model accuracy is greatly improved.     

Research on selection strategy of machining equipment in cloud manufacturing

Cloud manufacturing (CM) is a new type of networked manufacturing model, which is proposed in 2010. Optimization technology is one of the key techniques for CM operation, which are used for the efficient integration of manufacturing resources. In all kinds of manufacturing resources, the machining equipment is one of the most important resources. Using optimization techniques to achieve optimal selection of machining equipment is rarely studied in the CM. In order to handle the optimization selection of machining equipment in CM, comparing with the existing resources optimal configuration, an optimal selection strategy is introduced for the machining equipment in CM. In the selection strategy, first, a multiple objective and binary integer programming model is proposed to describe the optimal selection of machining equipment in CM. Second, after analyzing the mathematical model and the real-world problem of the machining equipment selection in CM, the priority method is adopted to convert the multiple-objective problem into a single-objective problem. Third, an improved particle swarm optimization (IPSO) algorithm based on a novel encoding scheme and fitness function is presented to solve the single-objective mathematical model. Finally, the simulation experiments verify the effectiveness of the IPSO algorithm and show that the selection strategy is more objective and effective to help the client select the machining equipment in the CM than current resources optimization model. This research provides a theoretical support for the development of CM.     

基于动态机器故障率的并联加工系统资源多目标调度

针对并联加工系统,为处理生产过程中因机器故障导致的加工资源动态调度问题,考虑系统资源负荷和故障率存在的动态相互制约关系,依据子周期划分的不同策略,对调度后的加工总时间、预防维修时间和系统可靠度进行量化研究,构建多目标动态调度模型。采用基于Pareto熵的多目标粒子群算法对模型进行求解,通过改进个体最优解选择策略,提升最优解选取的多样性;通过差熵来估计种群所处进化状态,改进算法的搜索能力。以某企业的加工系统为实例,利用该模型进行加工资源调度方案设计,通过模糊决策得到的多目标权重,选取最优调度方案,并进行多个参数对比,验证在加工资源调度过程中,集成考虑动态机器故障率和基于机器最大役龄约束划分子周期的可行性,不仅可以完成订单准时交付,还可以使企业有更好的柔性去应对可能到来的紧急订单。     

一种基于最优库存的非完全柔性制造系统的调度模型

对象是只有一台不可靠（ｆａｉｌｕｒｅ－ｐｒｏｎｅ）机器的非完全柔性制造系统,该系统能生产多种产品,但在同一时刻只能生产一种产品,并且当由生产一种产品向生产另一种产品切换时,引入了ｓｅｔｕｐ时间及其成本。决策变量是ｓｅｔｕｐ开始时间和生产计划。本文基于非完全柔性制造系统的特点,考虑正常生产情况下,建立了考虑ｓｅｔｕｐ时间及成本的流率控制最优化模型。并给出了有限时域上寻优的动态规划算法的充分必要条件。     

一种物联网环境下的制造资源配置及信息集成技术研究

针对应用物联网技术对于促进制造系统发展所具有的重要现实意义,结合物联网技术在机械产品制造系统中的应用模式,以基于物联网技术的制造资源为研究对象,以构建物联网环境下的资源配置模型为核心目标开展研究。 结合机械产品制造过程及制造资源特点,在分析物联网制造系统特征的基础上,提出物联网环境下的制造资源分类方法;据此,采用面向对象的资源建模、任务资源匹配等映射机制,构建物联制造资源本体模型、映射模型和组态模型,并建立制造资源感知和信息集成框架,实现制造资源的互联感知与信息集成。研究结果为物联网环境下的制造资源配置提供了一种有效的参考模式和实现途径。以生产实践中开发的原型系统为例,验证该方法的可行性和有效性。     

云制造服务资源描述及匹配问题研究

提出了基于本体建模和X M L的云制造服务资源描述方法,建立了云制造服务资源匹配模型。最后搭建了面向中小型企业的云制造服务原型系统,对所提出的理论进行了初步的应用验证。