制造车间生产过程网络鲁棒性分析

针对制造车间生产过程的鲁棒性问题,从复杂网络视角出发,借鉴耦合映像格子,建立了制造车间的网络故障模型;通过仿真分析的方法研究了制造车间网络的故障传播特性。仿真中采用随机故障和蓄意触发两种触发机制,分析了不同的外部扰动、不同的触发机制以及不同的耦合强度对网络故障传播行为的影响。以实际某变压器的生产过程为例进行仿真,结果表明外部扰动越大、耦合强度越大制造网络发生故障的概率越大、网络在随机触发下具有较好的鲁棒性,在蓄意触发下表现出脆弱性。     

机器混合故障下柔性作业车间鲁棒调度方法

柔性作业车间机器在生产过程中时常发生退化故障和突发故障，针对这种混合故障，考虑用预防性维护来防止退化故障，通过插入缓冲时间的方式来吸收突发故障的影响。分别以工序最终完工时间期望值和各工序加工完成时间的延迟总和期望值为质和解的鲁棒性指标，建立柔性作业车间鲁棒性调度优化模型，并设计引入混合故障概率矩阵的改进遗传算法对模型求解，联合决策工序加工顺序、预防性维护位置和缓冲时间位置，同时优化调度方案的鲁棒性。最后通过数值实验与对比分析验证了此鲁棒调度方法能有效应对车间混合故障造成的扰动。     

复杂作业模式下车间动态调度问题的研究

对复杂作业模式下车间生产过程中的动态扰动进行了分类,并以此为基础,建立了基于扰动类型的动态调度策略,提出了自动调度与人工调度相结合的双重调度机制,并给出了相应的动态调度过程模型。该方法既保证了扰动响应的灵活性,又综合了典型调度算法单目标的精准性和人工经验的实用性,为有效解决复杂作业模式下的车间调度问题打下了良好的理论基础。     

扰动环境下调度命令有序度与驱动方式研究

为更进一步丰富扰动环境下作业车间精细管理与优化控制理论研究，提出一种基于调度命令有序度的反应式调度驱动方式。对扰动传播源与生产活动间的影响关系传播链进行分析，揭示扰动在生产过程中的传播规律与强度。综合考虑节点自修复能力，扰动传播机制和内部随机噪声综合作用，建立基于灾害蔓延动力学的扰动传播模型。引入信息熵理论构建扰动环境下系统调度命令有序度的评价模型。综合考虑扰动对原调度方案有序度的影响，提出基于调度命令有序度的反应式调度驱动方式。验证不同扰动情况下，基于不同调度命令有序度的调度驱动方式和基于周期性重调度、基于事件驱动重调度的方式在不同调度指标下的实验性能。结果表明：这里所提的调度驱动方式在各个调度性能指标上表现稳定良好，综合表现优于固定的单一调度驱动方式。     

MES环境下作业车间多级动态调度方法研究

作业车间存在着许多不确定信息干扰生产,为有效解决制造执行系统环境下作业车间的动态调度问题,设计了一种基于实时数据采集的多级作业车间动态调度方法。在静态调度基础上,根据车间生产中实际情况,考虑了紧急插单、加工延时、机器停工等影响排产的扰动因素,建立作业车间动态调度模型,设计了缓冲吸收、调度修复及完全重调度相融合的调度方法。以交货期为目标,通过算例演算,实现了对动态扰动因素的满意处理,验证了方法的有效性。     

基于网络结构特征的作业车间瓶颈识别方法

针对作业车间管理层面的瓶颈识别,从制造系统复杂性与复杂网络相结合这一全新视角,提出基于网络特性的制造瓶颈识别方法。根据设备工装、工艺路线、物流路径和产品配置等多层次生产数据,建立了作业车间网络模型。对瓶颈内涵进行了扩充,提出基于网络瓶颈效率矩阵的瓶颈识别算法。综合考虑了网络结构、网络传播机制及节点自身特性的影响,利用节点的制造负载和节点间的网络瓶颈效率矩阵表征节点的瓶颈程度,克服了其他算法中瓶颈节点识别只依赖于邻接节点的不足。通过对某机电产品企业车间生产瓶颈的动态监控和预测,验证了该瓶颈识别方法的有效性和准确性,也表明制造系统的网络模型是实现制造系统快速评估的有效方法。     

考虑设备预维护的柔性作业车间调度节能优化方法

随着能源成本的飙升和环境日益恶化,实现节能生产的策略越来越受到制造企业的关注.在车间实际生产调度过程中,机床设备的故障与维护会影响车间调度方案的顺利执行,进而导致出现车间加工资源冲突、能耗增大和完工时间延长等问题.为减少实际柔性作业车间加工过程中出现由于机床故障而导致加工中断的情况,提出一种考虑设备预维护的柔性作业车间调度节能优化方法.分析考虑设备预维护的柔性作业车间能耗特性,建立考虑设备预维护的柔性作业车间调度节能优化模型,设计机床预维护策略,并在此基础上提出一种启发式框架下的调度算法对节能优化模型进行求解,通过不同方案的对比分析,验证所提方法的有效性.     

考虑扰动事件的机械加工工艺参数与车间动态调度综合节能优化

随着能源消耗和环境问题的不断加剧,机械加工车间的高效节能生产越来越受到制造业的关注。传统动态调度优化时每道工序的工艺参数固定,未考虑工艺参数与车间调度之间的关联关系,限制了调度优化的潜力。为了更好地实现柔性作业车间节能增效,并快速有效地应对车间生产过程中出现的突发扰动事件,提出一种考虑扰动事件的加工工艺参数与车间动态调度综合优化方法。首先详细分析订单插入与机床故障下柔性作业车间的能耗特性,以总能耗与最大完工时间为目标,建立工艺参数与动态调度综合优化模型,然后设计一种面向扰动事件的动态决策机制,并提出改进的自适应形状估计进化算法(AGE-MOEA)进行优化求解,最后通过案例分析与算法对比,验证了所提出方法的有效性。     

基于数字孪生的车间扰动判别与重调度研究

针对车间生产过程中扰动事件频发、扰动影响程度难以判别以及现有重调度方案应用不理想等问题,提出一种基于数字孪生的车间重调度方法,建立了扰动分层判别机制,分别采用数字孪生虚拟模型与支持向量机(Support Vector Machine, SVM)分类决策模型识别显性与隐性扰动,为重调度触发提供决策;通过算法与数字孪生虚拟模型协同优化,得到兼具效率和稳定性的重调度方案。以某大型机械制造工厂为例,仿真实验结果表明,建立的扰动分层判别机制能对车间扰动类型进行有效判别,通过数字孪生虚拟模型仿真输出性能指标能够判定显性扰动,SVM分类决策模型对于隐性扰动的识别具有较高的准确率;基于数字孪生的车间重调度方案可得到效率较高、工序变动成本较低的重调度方案,提高了车间的生产性能。     

扰动环境下的生产网络连锁效应

为了进一步揭示扰动环境下生产系统的连锁传播机理,将复杂网络传播动力学理论应用于生产系统。以复杂网络视角对扰动环境下生产系统的多态性进行描述,深入分析扰动环境下生产网络的多种状态及状态间的演变特性。综合考虑节点自身的动力学行为、节点间耦合特性及扰动传播过程,提出基于改进耦合映像格子的网络连锁传播动力学模型,进而展开算法设计。以某机电企业为例,设置4组仿真实验深入探讨初始扰动的剧烈程度,以及扰动传播源节点特性差异对生产网络连锁失效规模和进程的影响。研究结果可为有效预防雪崩式效应对生产网络造成的破坏提供参考和借鉴。     

模具加工过程的面向对象分析及其动态车间作业计划建模

模具的生产属于单件订货型生产,其车间级的生产管理一直是模具企业管理的难点。车间作业计划是解决这一难点的有效措施之一。通过采用面向对象的方法,对模具企业生产过程中与车间作业计划有关的对象进行了详细地分析和描述,以此为基础,进一步分析一模具企业车间作业计划中的优化目标和约束,建立了相应的动态车间作业计划模型,为模具企业编制切实可行的车间作业计划奠定了基础。     

[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。     

基于ATC的智能工厂分布式柔性作业车间动态调度

针对传统多车间生产调度方法不能满足智能生产系统调度优化的问题,结合智能工厂需求,以分布式柔性作业车间为研究对象,提出基于“生产计划-车间调度-物流仓储”的ATC层次模型,该模型是以时间、成本组成的一个多目标优化模型;提出两级效能偏差判别机制,在物联环境下动态识别扰动并根据扰动影响作出实时决策。最后,以3个车间调度问题为例,基于遗传禁忌搜索算法,验证了该模型的有效性。     

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。     

面向云制造作业车间的机器能力界定方法

针对面向云制造作业车间,研究不同扰动情形下机器保护能力的设置以及参与云服务能力的划分问题。揭示了系统有效产出随机器能力增长变化的规律。提出了能力松弛率和可用调度时间的概念,建立了面向云制造作业车间的机器能力界定模型。设定了不同的非瓶颈能力松弛率和扰动水平,通过对非瓶颈能力的分级利用,得到了非瓶颈松弛率对系统性能的影响曲线。基于聚类算法提出了非瓶颈能力界定方法,给出了不同扰动水平下每台非瓶颈机器的生产能力、保护能力和云服务能力,为企业自制与云服务能力划分与利用提供了决策依据。     

基于自相似业务流的有限缓冲区以太网模型的研究

Petri网是研究离散事件动态系统的几种基本方法之一,己成功应用于生产制造系统及网络协议验证等领域。该文通过对自相似业务流的成因以及自相似性对网络性能的影响进行深入研究分析,然后根据网络数据传输过程的特点,建立随机Petri网模型,给出具有自相似特性的网络业务流传输过程的随机Petri网模型。使用Petri网建立了有限缓冲区的以太网模型,采用一种马尔可夫随机Petri网的方法对模型进行分析,最后利用随机Petri网性能分析工具SPNP对所建立的模型进行了模拟和验证,研究了自相似业务流对网络性能的影响。该文提出的模型在一定程度上能够很好地拟合不同网络的流量特性,为网络构建、网络特性分析和网络性能评估提供了重要的理论基础。     

汽车试制车间考虑员工作业能力的多目标优化生产调度

汽车试制车间员工-任务的合理调度方案是保障汽车企业样车试制生产顺利进行的关键。针对汽车试制车间的生产特点及存在的问题,设计了基于决策制定试验和评估实验室与网络分析流程（DEMATEL-ANP）方法的员工作业能力评价体系。基于员工作业能力量化评估,以最大完工时间、员工技能利用均衡度和人工成本为目标,建立了考虑员工作业能力的车间生产调度优化模型,并采用基于逼近理想解排序法（TOPSIS）的非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）对模型进行优化求解。最后通过某汽车制造企业试制车间实际生产案例,对所提模型及方法的有效性和实用性进行验证。     

基于QCSP和NSGA-Ⅱ的产品质量参数鲁棒性设计

机械产品在生产制造过程中受到不确定因素的扰动,输出的质量参数产生变差,导致质量特性鲁棒性低.为解决该问题,对机械产品设计阶段的不确定性约束进行研究,建立了QCSP模型对质量参数进行鲁棒性优化.先将产品参数设置为存在性和普遍性变量,引入不确定性约束,其次设定满足设计者偏好的鲁棒性指标,采取NSGA-Ⅱ算法在可行域搜索获得Pareto优化解,并计算熵权选出最优.最终通过对机械压力机的质量参数鲁棒设计,验证了该方法的有效性和实用性.     

基于CNN-SVR的作业车间订单完工周期预测方法

经典作业车间生产环境包含多产品、多机器和多工序,提高其完工周期的预测精度对于企业提高客户满意度、优化生产调度等方面都具有重要意义。因此,针对作业车间订单完工周期预测问题提出一种卷积神经网络-支持向量回归(CNN-SVR)方法。首先,将订单完工周期影响因素分类为订单信息与车间实时状态信息,并分析得到其中的关键特征因素。进而,采用ReLU激活函数训练卷积神经网络,对生产数据特征进行自适应提取,并将结果输入至支持向量回归模型中进行预测。最后,设计FlexSim作业车间仿真模型生成车间订单生产数据,确定评价指标并进行试验验证。结果表明,相较于其他对比模型,CNN-SVR预测方法在拟合优度和预测误差等方面均有很好表现,能够得到理想的预测效果。     

设备鲁棒性布局与物料搬运系统协同优化方法

针对现有车间设备鲁棒性布局忽略物料搬运系统设计从而导致最终布局方案偏离全局最优解的问题,提出了一种设备鲁棒性布局及物料搬运系统协同优化方法。通过分析不同生产阶段设备间物流量及物流关系的变化,生成初始鲁棒性布局方案,并对每一种布局方案建立物流路径概率矩阵并进行路径规划。以物料搬运设备效率为约束,选择相应的物料搬运设备。以物料搬运成本及布局面积费用最低为优化目标,建立设备鲁棒性布局及物料搬运系统协同优化模型,采用遗传算法进行求解,得到更贴近实际生产的车间布局规划方案。通过实例验证了模型和算法的有效性。