[数据建模]面向智能生产维护的大数据建模分析方法

从当前的车间离散制造过程大数据应用特性出发,基于车间智能代理,实现了制造过程大数据的采集、处理分析,建立的制造过程大数据采集模型可实现对工序数据集的封装。采用基于聚类的方法对工序数据集进行离群点检测标记,实现对制造资源生产状态的描述与量化。建立了工序级数据特征模型,结合改进的相似元分析方法,对工序过程数据多层次包装描述和制造工序的相似性进行了评价。开发了车间底层智能管理系统,并将其运用于企业生产实际。     

面向智能生产维护的大数据建模分析方法

从当前的车间离散制造过程大数据应用特性出发,基于车间智能代理,实现了制造过程大数据的采集、处理分析,建立的制造过程大数据采集模型可实现对工序数据集的封装。采用基于聚类的方法对工序数据集进行离群点检测标记,实现对制造资源生产状态的描述与量化。建立了工序级数据特征模型,结合改进的相似元分析方法,对工序过程数据多层次包装描述和制造工序的相似性进行了评价。开发了车间底层智能管理系统,并将其运用于企业生产实际。     

物联网环境下的车间生产异常发现与分析

针对离散制造过程中生产异常难以准确评估的问题,提出了一种物联网环境下的车间生产异常发现与分析方法.首先,基于在制品实时状态采集模型,定义了在制品异常事件类型;其次,为了衡量在制品异常事件对车间生产的影响程度,以异常事件发生时生产异常影响因素的状态信息为数据基础,将一维原始数据二维化后,采用一种结合批量归一化和dropo...     

离散制造企业车间在制品的跟踪管理

提出离散制造企业车间在制品跟踪管理方法;对在制品进行类别的详细划分和状态定义;确定在复杂的工艺规程、多变的加工状态及并行的组合件装配环境下的车间在制品跟踪管理所需的信息及集成方式;建立车间在制品跟踪管理与制造执行系统的规范化的接口机制;实现了车间在制品跟踪管理在制品核心处理流程与数据库设计;并结合实际应用验证了其合理性与实用性。     

大数据驱动的离散制造车间实时能效分析方法

为实现生产过程的节能减排,提出一种大数据驱动的离散制造车间实时能效分析方法。首先,从能耗数据与工艺数据两个方面构建了制造数据封装模型,以实现制造大数据的采集与存储;其次,通过数据聚类与数据关联分析,建立了制造大数据分析方法,实现了能耗数据的特征提取及其与工艺数据的关联融合,并据此建立了离散制造车间多层次实时能效分析指标。该方法将大数据处理与制造车间能效分析相结合,通过能耗数据的挖掘分析与可视化展示,为智能车间的节能控制提供了决策依据。     

基于排队论的理想在制品数学模型建立

针对车间生产线各工序在制品分布不合理的问题,对某一特定生产系统环境下理想在制品的数学模型进行了探索,通过剖析工序在制品数据特点,引入了排队论算法,提出了确定理想在制品数量的数学优化模型。该模型以满足生产的条件为前提,量化了各工序理想在制品数目,为管理人员控制工序在制品的数量提供了数学依据,摒弃了过去依靠经验作判断的方法,避免了工序间数量不均衡导致的资源浪费问题。最后以A公司为实例,将该车间某一生产线作业过程抽象成生产系统,通过该模型计算出了各工序理想在制品数量,并以模型结果为指导,改变了各工序数量。研究结果表明,通过该模型达到了优化生产线工序在制品分布不合理的目的,验证了该模型对车间生产较好的指导作用。     

面向智能运维的离散制造过程知识获取方法

离散车间制造过程知识自动获取是基于制造知识实现车间智能运作维护的基础。从某企业数控车间运作维护需求出发,对车间制造业务流程进行重组优化;搭建基于车间智能终端的工序制造过程数据实时采集系统,实现多层次、多目标制造过程数据关联采集;建立基于模糊c-means聚类模型划分案例库以提高检索效率,建立互信息计算属性权重模型以提高检索准确性与合理性。本文结合企业车间实际,证明了该知识获取方法的有效性。     

一种面向订单剩余完工时间预测的SOM-FWFCM特征选择算法#br#

准确的订单剩余完工时间预测有助于动态调整生产计划、优化制造过程,以满足订单产品按时交付的需求。订单剩余完工时间受到车间物料、设备、在制品等各类生产要素的综合影响,相关数据具有典型的大量、多维、高冗余的特点,有效的特征选择能够获得更高的预测精度。在构建候选特征集的基础上,提出了一种基于自组织映射（SOM）网络特征加权模糊C均值（FWFCM）的特征选择算法。通过构建SOM网络初始化FWFCM的聚类中心,减少后者对初始聚类中心的依赖;基于互信息计算特征权重,实现导向性特征聚类,根据聚类结果选择特征代表,构成高质量关键特征子集。以某机加工车间的生产数据为例,通过与其他4种特征选择算法的对比分析,验证了所提算法的有效性。     

一种面向订单剩余完工时间预测的SOM-FWFCM特征选择算法

准确的订单剩余完工时间预测有助于动态调整生产计划、优化制造过程,以满足订单产品按时交付的需求。订单剩余完工时间受到车间物料、设备、在制品等各类生产要素的综合影响,相关数据具有典型的大量、多维、高冗余的特点,有效的特征选择能够获得更高的预测精度。在构建候选特征集的基础上,提出了一种基于自组织映射(SOM)网络-特征加权模糊C均值(FWFCM)的特征选择算法。通过构建SOM网络初始化FWFCM的聚类中心,减少后者对初始聚类中心的依赖;基于互信息计算特征权重,实现导向性特征聚类,根据聚类结果选择特征代表,构成高质量关键特征子集。以某机加工车间的生产数据为例,通过与其他4种特征选择算法的对比分析,验证了所提算法的有效性。     

基于无线射频识别技术的车间在制品物流状态分析

针对生产物流数据量庞大导致车间物流管理困难的问题,研究了生产物流数据采集以及从海量物流数据中提取在制品物流状态信息的方法。采用无线射频识别技术采集物流原始数据,将其转化为物流事件;构建三个物流矩阵,按照数据输入规则将物流事件数据载入三个物流矩阵;通过分析三个物流矩阵中元素的值,获取在制品物流状态信息;对物料与工位的物流状态进行诊断,判断车间物流状态是否异常。最后,给出所提原理和方法的应用实例,以指导企业在实际生产过程中的实施与运用,同时也验证了方法的可行性。     

基于自适应模糊聚类的多模型染纱能耗软测量

针对染纱生产的工艺能耗测量问题,提出一种基于自适应模糊聚类的多神经网络的染纱能耗软测量方法.该方法采用自适应模糊C均值聚类算法,基于实时采集的样本数据,将训练集划分成不同聚类中心的子集,并自适应修正.每个子集用径向基函数网络训练得到子模型,然后根据聚类后的隶属度,将各子模型的输出加权求和获得最后结果.通过对染缸能耗软测量建模,并对其进行仿真和典型实例研究,表明该方法具有良好的预测精度和鲁棒性,且与制造执行系统结合具有良好的在线测量能力.     

射频识别在轮胎生产物流中的应用

针对轮胎生产企业中个别复杂工序的数据采集和产品质量的追溯,提出一种射频识别(RFID)在生产物流中应用的解决方案.首先对RFID的优点和国内外的研究现状进行讨论;然后,通过对轮胎生产企业现有生产物流数据采集方案和RFID技术优势的分析,阐明轮胎生产企业RFID的应用需求;之后设计了RFID在轮胎生产企业中应用的硬件安装方案和应用流程,并通过在成型工序的应用实践对应用框架进行详细论述.     

柔性制造系统的生产物流调度仿真与分析

采用假定的工件工艺文件和机床作业调度文件作为仿真程序运行的原始数据,通过运行仿真程序得到仿真结果,对运行过程中的生产物流数据进行分析、结果进行记录。从单台设备的运行状态和多设备运行时动作的协调性方面对仿真运行结果进行了分析,验证了柔性制造系统中的生产物流系统模型和仿真程序设计的正确性,以及FMS物流系统规划与组织的有效性。     

基于改进核模糊聚类算法的软测量建模研究

针对发酵过程软测量建模采用单模型建模方法存在计算量大和精度较差的问题,提出一种基于改进核模糊聚类算法的多模型神经网络软测量建模方法.该方法首先使用主元分析方法对样本数据进行数据处理,所得主元变量作为模型的输入变量,然后使用基于粒子群优化算法的核模糊C均值聚类算法(PSKFCM)对数据集作聚类划分,最后针对每个聚类建立局部神经网络模型,多个局部神经网络模型估计结果的融合即为软测量模型的输出.将所提建模方法应用于红霉素发酵过程生物量浓度软测量建模,结果表明所建软测量模型具有较高的精度和良好的泛化能力.     

敏捷制造模式下跨企业物流模型及技术体系

分析敏捷制造该模式下的物流特点,提出了一种基于分级物流中心的适应敏捷制造及其敏捷供供应链的跨企业物流模型,该模型中的跨企业物流按照某种分级集散机制进行,讨论了实现该模型的技术体系。     

MapReduce Based Parallel Bayesian Network for Manufacturing Quality Control

Increasing complexity of industrial products and manufacturing processes have challenged conventional statistics based quality management approaches in the circumstances of dynamic production. A Bayesian network and big data analytics integrated approach for manufacturing process quality analysis and control is proposed. Based on Hadoop distributed architecture and MapReduce parallel computing model, big volume and variety quality related data generated during the manufacturing process could be dealt with. Artificial intelligent algorithms, including Bayesian network learning, classification and reasoning, are embedded into the Reduce process. Relying on the ability of the Bayesian network in dealing with dynamic and uncertain problem and the parallel computing power of MapReduce, Bayesian network of impact factors on quality are built based on prior probability distribution and modified with posterior probability distribution. A case study on hull segment manufacturing precision management for ship and offshore platform building shows that computing speed accelerates almost directly proportionally to the increase of computing nodes. It is also proved that the proposed model is feasible for locating and reasoning of root causes, forecasting of manufacturing outcome, and intelligent decision for precision problem solving. The integration of bigdata analytics and BN method offers a whole new perspective in manufacturing quality control.     

循环物流链风险分析与风险控制策略研究

在供应链运作参考模型的基础上,通过增加逆向制造流程和物流信息流程,建立了一种循环物流链运作参考模型.该模型便于从正向和逆向的有形物流和无形信息流程中全面分析循环物流链的运作和潜在的风险.对循环物流链进行了风险源分析,针对六大类风险源列举了相应的风险因素,说明了循环物流链风险的特点.给出了一种循环物流链的风险控制系统框架,讨论了其中的风险监测、风险识别、风险评估等主要环节.采用效用函数对六种风险控制策略进行了形式化描述.建立了一种风险控制策略的数学模型,并将其表达为关于风险控制成本及其效用函数的优化问题,有助于合理选择风险控制策略,提高物流运作效率.     

面向多品种小批量制造过程的NAD-EWMA控制图多目标优化设计方法

针对面向多品种小批量制造过程设计质量控制图面临的样本数量少、分布不确定问题,提出一种基于非参数、自适应、动态EWMA控制图的多目标优化设计方法。基于非参数统计理论与自适应控制的思想,构建与样本数据分布无关的控制图统计量,并设计一种基于聚类距离的动态抽样方法实现样本抽样;在此基础上,考虑统计性、经济性建立控制图多目标优化设计模型,基于改进人工鱼群算法与云清晰综合评价方法实现对模型求解,进而构建面向多品种小批量制的非参数自适应动态EWMA控制图。最后,以航天复杂构件制造过程为例,对制造过程进行动态监控。结果表明,所提方法能够快速监控到质量异常,监控性能高,验证了该方法的有效性和可行性,为多品种小批量制造过程实际的质量监控提供一种有效的途径。     

绿色制造的一种工艺路线决策模型及其求解算法

绿色制造是一个综合考虑环境影响和资源效率的现代制造模式,工艺路线的确定是绿色制造过程中的关键问题之一。基于现有解决工艺路线决策问题的研究成果,建立了一种面向绿色制造的工艺路线决策模型,旨在优化产品制造工艺过程、节约制造过程中的物料和能源的消耗和减少废弃物的排放和污染;并对工艺路线决策的现有算法进行了探讨。针对现有算法的不足,将遗传算法与模拟退火算法相结合对该模型进行求解,并用案例来验证模型的实用性和算法的可行性。     

基于NSGA-Ⅱ的云制造物流服务方案设计研究

针对云制造系统中物流服务方案设计不足的问题,分析了云制造物流服务特点,以运营成本、运输成本和碳排放量最小化为目标建立数学模型,并利用非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)对数学模型进行求解。以某区域汽车配件生产服务企业为例进行验证,结果表明,基于NSGA-Ⅱ的云制造物流服务方案设计方法合理、有效,为解决云制造物流服务问题提供了理论依据。