不等长批次过程的有序时段划分、建模及故障检测

对具有不等长时段的多时段批次过程进行监测是十分重要而且具有一定难度的. 时段在批次间的错位现象导致时间方向的不同过程特性混合在一起, 这给时段分析以及在线应用带来了一系列的问题. 为了解决不等长所带来的问题, 本文提出一种基于不等长时段有序识别及建模的故障检测方法. 该方法的主要贡献包括以下方面：1) 该方法通过步进地衡量过程的变量相关性对模型精度以及监测性能的影响, 自动有序地识别出每个不等长时段; 2) 在每个时段内,通过对不规则的过程数据进行整合建立了时段模型以捕捉不规则的时段特性; 3) 本文提供了一种简单而有效的在线判断新样本隶属时段和监测其运行状态的方法. 最后, 本文通过一个实例–具有不等长批次长度的注塑过程阐述了本方法的有效性.     

物联网的内存式数据处理技术研究

在物联网中所有智能装置都可以上网,因此所带来的信息总量非常大,但每个东西所传送的信息却很小,因此需要新技术快速地处理或储存这些大量的小信息。基于批次处理循序送出技术,结合存储器式处理技术、快速封包处理技术与远端机器储存日志的方式,提供快速接收并处理物联网信息的方法,并以硬盘效能最大化的方式批次循序更新至硬盘。     

解析用SQL Server存储过程对物料进行批次管理

介绍用后台SQL Server的存储过程实现先进先出的批次管理。     

基于改进变邻域搜索算法的多批次协同任务规划

目的 对多批次协同任务进行分析与建模,并研究任务规划的求解算法。方法 以车载装备多批次协同执行任务为例,综合考虑时间协同、任务区域协同和补给区域协同约束,以暴露时间最短为目标函数建立模型,并提出一种改进变邻域搜索算法进行求解,该方法根据邻域的优化能力自动调整迭代时选择该邻域的概率。结果 仿真结果表明,改进策略在不降低最优解质量的情况下,能够避免标准变邻域搜索算法后期易出现某些邻域长时间无法寻找到最优解的情况,有效提高了算法的效率。结论 变邻域搜索算法可以解决多批次任务规划问题,改进后的算法减少了后期对优化能力不强的邻域的搜索次数,有效提升了算法效率。     

英维思MES在塑胶企业中的应用

塑胶原料生产是一个典型的批次生产过程,其MES系统的功能需求不同于离散工业和流程工业,有其行业的特殊性。本文借助英维思MES软件平台,通过对订单的跟踪管理和配方逻辑模型的再造,成功地实现了塑胶原料生产企业ERP（企业资源管理）与PCS（生产控制系统）的信息集成,为流程行业MES系统的实践提供了新的补充,取得了很好的效果。     

最好的批次处理

一家主要的制药厂在其位于澳大利亚的工厂中引入了符合S88标准的Rsbiz Ware Batch软件做为批次控制及自控解决方案。     

基于多元线性回归探索烘前水分控制模式

烘前含水率作为制丝工序中叶片段与叶丝段的衔接水分控制点,其稳定性反映了制丝前道预处理段对水分的控制能力,并且会直接影响制丝后段对成因烟丝的水分控制效果。因此,该文利用多元回归的分析方法和上海卷烟厂的数据管理系统,从历史数据中发掘了众多影响烘前含水率变化的因子,并建立了基于实际生产运用的线性回归预测模型,通过控制调节松散段加水比例以及加料出口水分,达到控制烘前含水率的目的。经过生产验证,模型最终加水比例偏差大约为0.3,加料后含水率偏差为±0.1。     

批次过程控制——回顾与展望

批次过程是一类重要的化工过程.因其本身的灵活性及高效性,被广泛应用于半导体制造、塑料加工、生物制药等领域.针对批次过程控制算法的研究也得到了大批学者的关注.在近三十年中,批次过程控制理论得到了长足的发展.但由于过程本身复杂的动态特性,以及对控制精度要求的提高,现有的理论和方法仍面临着挑战.本文从批次过程的特性出发,分析了算法设计的难点,对几种重要的控制算法进行总结分析,同时讨论了未来可能的发展方向.     

基于批次图像化的卷积自编码故障监测方法

针对间歇过程的非线性、多阶段性等特点及其三维数据形式,提出基于批次图像化的卷积自编码故障监测方法.首先,将每个批次数据看作一个灰度图,每个批次中数据变化可以看作图片的纹理变化,利用卷积自编码器(convolutional autoencoder,CAE)直接对间歇过程三维数据进行特征提取,避免三维数据展开成二维时导致的信息丢失,无需分阶段充分考虑批次全局信息,有效提取过程变量相关关系的动态变化;同时,利用卷积操作提取局部特征信息,自编码网络可以解决非线性问题,实现特征的无监督学习;然后,使用一类支持向量机(one-class support vector method, OCSVM)描述特征分布,构造新的统计量,确定控制限,实现故障监测;最后,通过将该方法应用到Pensim仿真平台及重组人粒细胞集落刺激因子发酵的实际生产数据,验证所提方法的准确性和有效性.     

批次受限的双目标并行机等量分批调度

刀具是机械加工的重要资源,刀具数量决定了能同时加工的工件批次上限。针对此类批次受限的并行机等量分批调度问题,建立了刀具数量和刀具更换等特有约束,构建了双目标数学规划模型,以完工时间和交付时间偏差最大值的最小化为目标,力求提高生产效率、保证同一订单内工件准时且同步交付。提出融入快速非支配排序的双目标鲸鱼群算法,通过引入虚拟占位符,设计出允许批次数变化的定长编码;将多点保留交叉策略融入到个体移动规则设计中,以便跨越子批赋值向量、保持子批序列不变、增强解的多样性;将非劣个体保留策略嵌入到邻域搜索中,指导算法跳出局部最优。实验结果表明,所提算法的收敛性与多样性显著优于对比算法,有利于同时达到准时、高效的生产目标。