[發(fā)明專利]一種基于在制品工序流的機床序列編排動態(tài)預測方法

有效

• 申請?zhí)枺?/td>: 201810693793.8
• 申請日: 2018-06-29
• 公開（公告）號: CN109034540B
• 公開（公告）日: 2021-09-07
• 發(fā)明（設計）人: 丁凱;雷景媛;張旭東;惠記莊;張富強;劉清濤
• 申請（專利權(quán)）人: 長安大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 西安智大知識產(chǎn)權(quán)代理事務所 61215
• 代理人: 楊曄

1.一種基于在制品工序流的機床序列編排動態(tài)預測方法，其特征在于，包括建立預測模型和設計預測算法兩個階段：

階段一：建立預測模型

圍繞在制品加工工序流程，對以往在制品制造過程中的機床序列進行歷史數(shù)據(jù)統(tǒng)計，確定發(fā)生概率最大的機床序列，通過前向訓練學習建立機床序列預測模型為：

F＝{O,I,V,M,B,A}

式中：O表示長度為T的在制品工序流序列，O＝{o₁,o₂,...,o_T}；I表示與之對應的機床序列，I＝{i₁,i₂,...,i_T}；V表示在制品所有工序編號的集合，V＝{v₁,v₂,...,v_S}；M表示機床之間的轉(zhuǎn)移概率矩陣；B表示在制品加工工序之間的轉(zhuǎn)移概率矩陣；A表示初始的機床選擇概率向量；

機床之間的轉(zhuǎn)移概率矩陣M的數(shù)學描述為：

M＝[m_ij]_N×N

式中：m_ij表示在t時刻，在制品從機床q_i工位處轉(zhuǎn)移到機床q_j工位處進行工序加工的概率，N為智能車間內(nèi)機床的總數(shù)量，m_ij由下式計算：

m_ij＝p(i_t+1＝q_j|i_t＝q_i)

在制品加工工序之間的轉(zhuǎn)移概率矩陣B的數(shù)學描述為：

B＝[b_ik]_N×S

式中：b_ik表示在t時刻，在制品的前一道工序在機床q_i上加工的條件下，執(zhí)行的下一道工序為v_k的概率，bik由下式計算：

b_ik＝p(o_t＝v_k|i_t＝q_i)

初始的機床選擇概率向量A的數(shù)學描述為：

A＝[a_i]

式中：a_i表示在制品第一道工序在機床q_i上加工的概率，a_i＝p(i₁＝q_i)，a_i值根據(jù)在制品的初始工藝方案確定，

階段二：設計預測算法

步驟一：定義與在制品工序流相對應的機床序列的最大發(fā)生概率為：

步驟二：從第一道工序o₁開始，依次遞推計算與前o_t道工序相對應的機床序列的最大發(fā)生概率，計算公式如下：

其中：N為智能車間內(nèi)機床的總數(shù)量；WT表示動態(tài)調(diào)整參數(shù)；

步驟三：加入最后一道工序o_T，動態(tài)預測確定與在制品加工工序流對應的機床序列I＝{i₁,i₂,...,i_T}的最大發(fā)生概率，計算公式如下：

步驟四：對擁有最大概率的機床序列I＝{i₁,i₂,...,i_T}進行逆向解析，首先確定與P^*對應的機床編號i_T，代表與工序o_T對應的機床編號；其次由步驟二找出得出P^*的δ_t-1(i)，記錄機床編號為i_T-1，代表與工序o_T-1對應的機床編號；循環(huán)以上步驟，直至確定與工序o₁對應的機床編號i₁。

2.根據(jù)權(quán)利要求1所述的一種基于在制品工序流的機床序列編排動態(tài)預測方法，其特征在于，所述的設計預測算法的步驟二中，設計影響因子WT作為動態(tài)調(diào)整參數(shù)，當機床為故障狀態(tài)時，WT→∞；當機床為空閑狀態(tài)時，WT＝0；當機床為占用狀態(tài)時，WT為機床從占用狀態(tài)到釋放為空閑狀態(tài)的等待時間。