[發明專利]一種基于物聯技術的生產車間動態瓶頸預測方法

有效

• 申請號: 201710981256.9
• 申請日: 2017-10-20
• 公開（公告）號: CN107742168B
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 張映鋒;黃彬彬;王文波;楊海東
• 申請（專利權）人: 西北工業大學;佛山市南海區廣工大數控裝備協同創新研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/04;H04L29/08
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 陳星

1.一種基于物聯技術的生產車間動態瓶頸預測方法，其特征在于：包括以下步驟：

步驟1：將現有的物聯網絡配置到生產車間中，構建能實時感知周圍環境和自身狀態變化的智能制造資源，采集生產車間的多源制造數據，包括以下步驟：

步驟1.1：根據生產車間中的瓶頸因素，選擇要采集的關鍵生產參數，依據生產參數的來源選擇生產資源進行監控，生產資源包括生產人員、托盤、AGV、關鍵物料、生產設備；

步驟1.2：為生產資源配置物聯傳感設備，其中給生產人員、關鍵物料、托盤、AGV配備相應的RFID標簽，通過RFID讀取器實時讀取數據，給生產設備配備相應的嵌入式傳感器以采集生產設備的關鍵參數；

步驟1.3：選擇相應的傳感網絡實時傳輸采集的生產數據和環境變化數據；

步驟2：對步驟1采集的多源制造數據進行數據預處理，使其成為可以使用的數據集，包括以下步驟：

步驟2.1：將通過傳感網絡采集的數據分為異常事件數據和穩態數據；所述異常事件數據指在生產過程中發生異常事件時及之后一段時間內采集的數據；所述穩態數據指正常加工過程中采集的數據；

步驟2.2：對分類后的數據進行數據預處理，包括去噪、插補、數據清洗，去除掉數據中的干擾項和異常數據，然后將數據進行標準化處理，最后依據處理過的數據，計算出瓶頸預測需要的關鍵參數；包括設備利用率、緩沖區隊列長度、設備加工時間、設備平均修復時間、饑餓時間、堵塞時間；

步驟3：建立不同狀態的預測模型，依據預測模型預測生產車間未來的瓶頸；采用綜合瓶頸指數得出生產車間的實際瓶頸，與預測結果比較，在瓶頸預測模型預測不準時，對模型進行修正、更新；包括以下步驟：

步驟3.1：根據生產車間所處的狀態不同，分別建立異常事件狀態神經網絡預測模型和穩態神經網絡預測模型；并采用包含異常事件數據的訓練樣本訓練異常事件狀態神經網絡預測模型，以及采用穩態數據的訓練樣本訓練穩態神經網絡預測模型；所述訓練樣本中，輸入為k時刻的關鍵參數，輸出為k+1時刻的瓶頸設備；

步驟3.2：根據生產車間的狀態匹配相應的預測模型，根據預測模型預測生產車間下一時刻的瓶頸設備，具體包括以下步驟：

步驟3.2.1：當生產車間處于穩定狀態時，使用穩態神經網絡預測模型進行瓶頸預測，在此過程若有異常事件發生，則啟用異常事件狀態神經網絡預測模型預測瓶頸；

步驟3.2.2：當生產車間處于異常事件時，使用異常事件狀態神經網絡預測模型預測瓶頸，在此過程中使用基于動態三次指數平滑法的瓶頸趨穩狀態判斷機制，在判斷出生產車間瓶頸狀態穩定時，將預測模型轉入穩態神經網絡預測模型進行瓶頸預測；其中基于動態三次指數平滑法的瓶頸趨穩狀態判斷機制分為以下兩步：

a. 利用動態三次指數平滑法預測出每個生產設備未來三時刻的饑餓時間和堵塞時間的預測值；

b. 計算出步驟a得到的兩種預測值關于時間的變化率，當所有的變化率都不大于設定的穩定閾值時，則判斷生產車間瓶頸狀態穩定，否則生產車間瓶頸狀態不穩定；

步驟3.3：在生產車間下一時刻到來時，使用綜合瓶頸指數得出生產車間的實時瓶頸，包括以下步驟：

步驟3.3.1：由生產設備相對生產負荷、設備利用率和緩沖區隊列長度建立生產設備的綜合瓶頸指數，并計算出每個生產設備的綜合瓶頸指數；

步驟3.3.2：由實時瓶頸判別機制判斷生產設備是否為瓶頸：當生產設備的綜合瓶頸指數高于設定的瓶頸閾值時，該生產設備為瓶頸，反之該生產設備不是瓶頸；

步驟3.4：將預測模型預測的瓶頸與實際瓶頸進行比較，若二者相同，說明預測模型有效，繼續使用預測模型預測瓶頸，若二者不同，說明模型預測出現偏差，則將新采集的數據并入訓練樣本中重新訓練預測模型，對預測模型進行修正、更新。