[發明專利]一種云制造車間作業工時估計方法

有效

• 申請號: 202110240870.6
• 申請日: 2021-03-04
• 公開（公告）號: CN112836898B
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 劉寧;賴琪;韓卓凡;石濤
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/04
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 王素琴

本發明公開了一種云制造車間作業工時估計方法，基于云制造調度決策實際運營環境中隨機性與不確定性共存的特點，將云制造車間作業工時分為機器加工時間與非機器加工時間兩部分，基于不確定隨機變量對車間作業工時建模，利用隨機變量、不確定變量、不確定隨機變量間的可轉換關系，對異類車間作業工時因素進行全面描述，提升車間作業工時的適用性與精確性。利用二次樣條函數插值可避免局部數據誤差遠處傳播放大的特點，對車間作業工時的機會分布進行仿真，從而獲取不同置信水平上更為準確的車間作業工時，為云制造調度方案的穩定性與可靠性提供支撐。

技術領域

本發明屬于云制造調度優化技術領域，具體涉及一種云制造車間作業工時估計方法，用于為云制造調度優化提供支持。

背景技術

制造服務全球化對制造企業提出新的挑戰，如何突破地理區域對經營范圍和制造模式的束縛，通過開展大規模協同制造來應對低成本、高質量、高效率的產品需求，已經成為制造企業亟待解決的問題。云制造作為一種新的面向服務的網絡化制造模式，為制造企業提供一種全新的解決方案。其利用云計算、大數據、物聯網、人工智能等先進信息技術實現分布異構制造資源的集中管理與分散使用，采用“制造即服務”的方式，以較低的成本為產品提供較高的附加值。

大數據是云制造系統擁有的一種寶貴資源，制造企業在產品全生命周期各階段產生的數據呈爆炸式增長。通過有效地利用大數據分析技術，挖掘云制造大數據中所蘊含的價值，可以實現云制造系統中海量數據的智能化應用，為云制造系統制造能力服務化、復雜任務協同調度優化、個性產品可定制化提供有效的技術支撐。

調度優化是云制造系統中的一個關鍵問題，調度方案的穩定性與適用性決定了整個云制造系統的魯棒性。作業加工時間是影響調度決策的重要因素，作業加工時間的建模方法與計算方式與調度策略的優劣密切相關，直接影響調度結果。由于云制造系統自身具有分布性、異構性、動態性、自治性，導致作業加工時間受很多因素影響，具有極大的不確定性。現有對作業加工時間進行描述的方法可以分為兩類，一類是以精確時間對作業加工時間進行建模，缺乏對云制造不確定環境的充分考慮；另一類大多通過隨機變量或模糊數對作業加工時間進行建模，難以全面刻畫作業加工時間的特性。因此，現有云制造調度方案在實際運營環境中需要頻繁地進行修正，缺乏參考價值。

發明內容

為了解決上述問題，本發明提供一種符合云制造實際運營特點的作業加工時間模型及估計方法，通過分析云制造車間作業特點，將加工時間分為作業在機器上的加工時間、作業分配機器被其他作業占用所導致的等待時間、由于工藝臨時調整產生的作業傳輸時間、及機器故障對作業加工產生的阻塞時間，構建具有隨機變量與不確定變量的混合云制造車間作業不確定加工時間模型，并通過二次樣條插值對作業不確定加工時間的機會分布進行估計，提升云制造調度方案的穩定性與適用性。

為了達到上述目的，本發明是通過以下技術方案來實現的：

本發明是一種云制造車間作業工時不確定模型，將云制造車間作業工時T分為機器加工時間與非機器加工時間兩部分，其中，機器加工時間p指不受干擾狀態下作業在制造設備上完成其工藝要求所需的加工時間，對于復雜的工藝要求往往需要技術人員的協助，技術人員的操作水平及狀態對機器加工時間會造成一定的學習效應或惡化效應，表示為f(p)，非機器加工時間指由于非預期因素，除機器加工時間外，作業完成工藝要求所需的額外時間，所有非機器加工時間和表示為n為正整數，則，

本發明的進一步改進在于：T所包含的機器加工時間和非機器加工時間隨機性與不確定性共存，T是不確定隨機變量，由此，將T表示為：

T＝h(f(p),g(Q)) (2)

其中，