CN102982430A - 利用rfid对在制品物流进行实时跟踪的图式建模方法 - Google Patents

Abstract

本发明提供一种利用RFID对在制品物流进行实时跟踪的图式建模方法，通过对工序流进行粒度分解和演化的图式建模，按需求实现对一条工序流的RFID配置，通过将RFID的信号探测空间抽象的四种状态块图式描述单元配置到工序流上，实现了对配置RFID的工序流的图式表达，然后根据状态描述单元所获得的在制品的状态集，建立状态对与事件之间的映射关系，实现从状态集到事件集的转化，最后，建立事件驱动图式描述单元模型，并运用所生成的事件集将若干连续的图式描述单元串联起来，从而实现对于在制品跟踪的图式描述，该建模方法能为实现生产过程的透明化、可视化、自动化，以及实时的生产决策提供数据支撑。

Description

利用RFID对在制品物流进行实时跟踪的图式建模方法

技术领域

本发明涉及一种利用无线射频识别技术（Radio Frequency Identification，RFID）对在制品物流进行实时制造数据采集和跟踪的图式建模新方法。

背景技术

当前快速而激烈的市场竞争环境使得制造企业必须具备快速响应市场变化的能力。面对这种挑战，许多上层管理系统如ERP（Enterprise Resource Planning，企业资源规划）、MES（Manufacturing Execution System，制造执行系统）、MRP（Manufacturing Resource Planning，制造资源规划）等在制造领域中广泛的被推广和应用，旨在提高企业的生产柔性和生产效率，并取的了很大的成功。然而尽管这些上层系统发展的十分迅速，但是由于制造过程中的实时数据无法被及时获取，使得上层系统不能达到理想的管理状态。另一方面，所采集的信息不能实时准确的反应生产过程的当前状态以及状态的动态变化，从而导致决策系统的决策错误。制造车间在生产过程中的海量实时信息难以获取和上传，已经成为严重制约制造车间生产能力的首要瓶颈，使得制造过程犹如“黑箱作业”，难以满足车间实时调度与生产管理的需求，不利于提高制造企业生产效率。

近年来，RFID技术的产生和大量的工业应用为解决这一难题提供了契机，同时也引起了国内外学术界和工业界的广泛关注。目前针对RFID在制造车间中的应用和研究主要集中在以下四个方面：

1）针对车间中的一些难点问题，如制造物流、工件质量管理、可视化看板、自动化装配等，提出各种有针对性的基于RFID的流程模型。虽然这些模型在一定程度上能够解决各自的问题，但是不具有通用性。大量重复性的基于RFID的建模工作耗时较长且效率低下。

2）目前还有很多学者将研究的侧重点聚焦在如何将RFID部署到制造车间这一技术难题上。RFID信号“探测空间”的全覆盖算法是当前研究的主流。然而，在RFID信号覆盖整个制造车间的情况下，成本消耗高，并且在大多数制造车间运用这种方法实现对于工件的完全跟踪也没有必要。

3）另外，利用RFID技术实现对于车间内带有电子标签的物体的精确定位也是当前研究的热点。主要包括时间间隔算法（Time-of-Arrival,TOA）和信号强度算法（Received-Signal-Strength,RSS）。然而，这种方法在制造车间中也不太实用，因为很多位置传感器也能实现对于物体位置的精确定位，并且成本较低。

4）利用手持设备实现对制造和物流数据的采集也是目前RFID研究的一个重要方面，如香港大学Auto-ID中心针对金泽物流设计的基于手持RFID的物流管理平台等。这种方式相对于传统的条码技术有很大的进步，然而遗憾的是不能够实现完全的自动化的数据获取，需要大量的人工辅助性扫描工作。

可以看出，上面综述RFID的几个研究热点几乎都存在一定的缺陷：对于研究热点1），一种通用的建模方法是当前RFID技术大规模普及应用的迫切需求。而导致后面三种问题出现的原因是对无线射频识别技术的本质没有清楚的认识。

发明内容

本发明提供一种利用RFID对在制品物流进行实时跟踪的图式建模方法，进而建立一种RFID的图式建模规范。同时，该建模方法还可被推广到其它RFID技术可被应用的领域。该方法能根据上层系统的需求，自动完成对制造过程中在制品物流过程中的实时数据的采集和分析，有效地解决当前制造车间由于缺乏源自生产过程的实时信息而导致上层管理系统与生产底层信息脱节的问题，从而为实现生产过程的透明化、可视化、自动化，以及实时的生产决策提供数据支撑。同时，本发明还提供了一种通用的RFID技术的图式建模方法规范，能大大减少对不同RFID应用对象进行建模的重复工作，缩短RFID设备在使用之前的配置和建模时间，从而提高生产和管理效率。

为达到上述目的，本发明采用了以下技术方案，主要包括以下四个步骤：

1）通过对工序流进行分析，对组成工序流的各个工序进行粒度分解和演化得到工序流的图式模型，按照上层管理系统（如ERP系统，MES系统等）的要求对工序粒度进行选取后，通过建立RFID配置解空间与工序之间的映射函数，将RFID设备配置到该工序上，生成一条已经配置了RFID设备的工序流；通过这种方式，从硬件层面上来保证在制品物流过程数据能够被实时获取；

2）将RFID配置模式的信号探测空间抽象为状态块图式描述单元，然后将状态块图式描述单元按照所对应的配置模式配置到已建立的工序流的图式模型上，从而实现对该配置有RFID设备的工序流的图式表达；所述状态块图式描述单元包括三种在制品状态，分别为在制品进入信号探测空间、处于信号探测空间以及离开信号探测空间，因此，状态块图式描述单元还能反应在制品通过探测空间的连续的状态变化过程，从而实现对于在制品状态的跟踪，获取该工序流的状态集；

3）由于在制品物状态的变化是由事件触发的，根据在制品物流中的上下文情景，建立状态和事件之间的映射关系，根据映射关系将状态集转化为事件集；

4）构建一种基于RFID的事件驱动图式描述单元，并通过事件集将该事件驱动图式描述单元串联起来，从而实现对于在制品物流的图式描述。

所述RFID设备包括固定RFID读写器，车载RFID读写器，手持RFID读写器或RFID电子标签的一种或多种；RFID设备监测的RFID标签设置在在制品物流过程的关键零部件、托盘、操作人员、设备、刀具、以及其他工具等处。

所述工序流包含若干道工序，一道工序又是由若干个阶段组成，从而形成对单工序进行粒度分解的图式描述；随着上层管理系统要求所采集的制造数据的不同，相邻的阶段之间通过合并和拆分，从而形成对于工序粒度演化（从粗粒度到细粒度，或从细粒度到粗粒度）的图式描述；

所述RFID配置解空间与工序之间的映射函数，包括基于监控能力要求的RFID配置解空间和基于使用者需求（监控精度，准确度、成本等需求）的RFID配置解空间与工序之间的映射关系函数两部分，该方法在已经确定的工序粒度的情况下，实现对该工序所对应的工序流进行RFID设备的按需求配置。

所述RFID配置模式包括四种，分别为基于固定RFID的固定空间监控模式、基于固定RFID的门禁模式、基于固定RFID的移动空间监控模式以及基于手持RFID的随机空间监控模式。这四种配置模式概括了目前几乎所有的RFID设备的配置。

所述信号探测空间包括与固定空间监控模式对应的固定式探测空间、与门禁模式对应的固定网关式探测空间、与移动空间监控模式对应的移动网关式探测空间以及与随机空间监控模式对应的随机式探测空间。

所述状态块图式描述单元采用虚线边或实线边的方块或圆圈来表示4种RFID的信号探测空间，从而构成对于工序和工序流描述最基本的4种图式描述单元；同时，还能反应在制品通过该“探测空间”的连续的状态变化过程。

所述在制品状态定义为一种能保持一段时间不变化和稳定的在制品状况，其中，状态的开始时间和结束时间分别为两个相邻事件的触发时间；所述事件定义为一种发生在特定时间点上的、并引起在制品状态变化的操作或动作。

所述基于RFID的事件驱动图式描述单元包括一个持续一段时间的状态、状态的开始时间和结束时间分别对应的两个相邻事件、事件的触发时间、事件的执行者，事件触发的位置以及事件触发状态的变化，事件的触发是引起在制品状态发生变化的本质，而状态变化意味着新状态的开始和旧状态的终结。

本发明的有益效果是：1）本发明提供一种利用RFID对在制品物流进行实时制造数据采集和跟踪的图式建模新方法，该方法能有效地解决当前制造车间由于缺乏源自生产过程实时信息而导致上层管理系统与生产底层信息脱节的问题，从而为实现生产过程的透明化、可视化、自动化，以及实时的生产决策提供数据支撑。2）本发明提出了一种通用的RFID图式建模方法，该方法不仅能被应用于对在制品物流进行实时数据采集和跟踪，还能被推广到其RFID技术可被应用的领域，指导RFID使用过程中的配置和建模，减少大量重复性的建模工作，从而提高生产和管理效率。

附图说明

图1是本发明所涉及的图式建模方法实现的逻辑流程图。

图2是本发明的工序粒度分解和演化图式模型。

图3是本发明的四种状态块图式描述单元模型。

图4是将图3相应的状态块图式描述单元配置到单一工序上。

图5是本发明的事件驱动图式描述单元模型。

图6是用事件驱动图式描述单元模型来描述单一加工工序。

图7是用事件驱动图式描述单元模型来描述单一库存工序。

具体实施方式

RFID技术的本质是监控带有电子标签的物体的状态变化、并利用这些状态变化以及后台的工程逻辑来实现Auto-ID计算。从这一点出发，运用RFID技术实现车间的全覆盖监控以及对物体的精确定位，在一定程度上偏离了其本质。因此，本发明试图从对车间在制品物流的实时数据采集和可视化监控出发，建立一种基于无线射频识别技术的图式建模标准规范，并将其推广到其它RFID技术可应用的领域。

下面结合附图详尽说明本发明中图式建模方法中所涉及的各个细节问题。应指出的是，所描述的在制品物流过程中的加工工序和库存工序的建模仅仅旨在便于对本发明的理解，本发明并不只限定在运用RFID实现对在制品物流过程的实时数据采集和跟踪。

参见图1，本发明中所涉及的基于RFID的图式建模方法主要包括4个步骤：1）建立工序的粒度分解和演化的图式描述模型，并按照上层系统（如ERP系统，MES系统等）的要求，选取相应的工序粒度。然后通过所建立的RFID配置解空间与工序之间的映射函数，将需要的RFID设备按照需求配置到该工序上，并最终形成一条已经配置了RFID设备的工序流，为实现对在制品物流过程中的实时数据采集和监控提供了硬件环境。2）根据RFID的四种配置模式，将其信号探测空间抽象为四种相应的状态块图式描述单元。然后将这些状态块按照所对应的配置模式配置到已建立的工序流的图式模型上，从而实现对该配置有RFID设备的工序流的图式表达。另一方面，由于状态块图式描述单元还能反应在制品通过探测空间的连续的状态变化过程，因此在配置状态块单元的过程中，还能产生一个在制品在该工序的状态的集合，从而实现对于在制品状态的跟踪；3）由于在制品物流状态的变化是由事件触发的，根据在制品物流中的上下文情景，建立状态和事件之间的映射关系，实现从状态集到事件集的自动转化；4）本发明构建了一种基于RFID的事件驱动图式描述单元，并通过事件集将该图式单元串联起来，从而实现对于在制品物流的图式描述。

具体实现流程如下：

1）工序粒度分解与RFID配置解空间

参见图2，本发明通过对加工工序进行深入分析，提出了如图所示的工序及其工序流的粒度分解和演化的图式模型。首先，作出如下定义：

工序：工序是指在一台加工设备周围发生的一组有序的操作/动作的集合，在零件上加工出一个或者多个加工特征，从而改变零件的形状、大小、位置等属性的过程。工序是工序流的基本组成单元，其中，表示第k个零件的第i道工序。

工序流：本发明将工序流定义为加工车间一组有序的操作/动作的集合，这些操作/动作发生在一系列加工设备周围，将所加工的在制品从毛胚转化成成品零件。一条工序流包括若干道工序。

在制品物料流：指的是在工序流过程中所伴随的在制品物料的流动，从一个加工设备流向下一个加工设备，其中，

表示第k个零件的在制品物料流。

另外，本发明还定义了“阶段”的概念，即在一道工序内一定时间间隔中所发生的操作/动作的集合。阶段是工序的基本组成单元，一道工序包括若干个阶段。其中，根据工序分解和演化的实际过程，本发明将阶段又划分成3种，即“某操作/过程之前的准备阶段”、“某操作/过程之前的再次准备阶段”、“某操作/过程的执行阶段”，这三种阶段分别用符号

和

表示，j表示第k个零件的第i道工序中的第j个阶段。

将工序中相邻的阶段进行合并，可以实现工序从细粒度向粗粒度进行演化，其图式演化过程参见图2左半部分所示，其数学推导过程参见图2右半部分所示。最终，一条工序流可以表示成加工过程和加工间隔的集合。

设第i个加工过程用

表示，第i个加工间隔用

表示，M^k表示第k个零件的工序流所对应的物料流，则：

$M^k::=\{...,{\mathrm{PI}}_i^k,{\mathrm{MP}}_i^k,...\}$

在RFID配置解空间方面，

a)“阶段”和RFID配置

从利用RFID进行追踪和监控的视角来看，工序的一个阶段应该包括基本属性域（例如：阶段名Ph_name，阶段编号Ph_id），还包括监控状态域（如位置Pos，时间Mt，工件状态Ws），则阶段用关系代数可以表示为：

Ph(Ph_id,Ph_name，Pos,Mt,Ws,Ph_other)

同样的，RFID配置Rc也包括基本属性域Rc_BD（如配置名称Rc_name，配置编号Rc_id），配置域Rc_CF（如配置模式Cm，射频设备类型Rt，设备数量Rn）和监控状态域Rc_MS（位置Pos，时间Mt，工件状态Ws），以及监控性能域Rc_MP（监控精度Ac，监控范围Ran，数据采集频率MF和监控成本Cos），则RFID配置可以描述成：

Rc(Rc_id,Rc_name,Cm,Pos,Ws,Ac,Ran,MF,Cos,Rc_other)

通过关系代数中的投影运算，无线射频设备的配置域、监控域、和监控性能域可以描述成：

$\left\{\begin{array}{c}\mathrm{Rc}\_\mathrm{CF}={\mathrm{\Π}}_{\mathrm{Cm},\mathrm{Rt},\mathrm{Rs}}\left(\mathrm{Rc}\right)\\ \mathrm{Rc}\_\mathrm{Ms}={\mathrm{\Π}}_{\mathrm{Pos},\mathrm{Mt},\mathrm{Ws}}\left(\mathrm{Rc}\right)\\ \mathrm{Rc}\_\mathrm{MP}={\mathrm{\Π}}_{\mathrm{Ac},\mathrm{Ran},\mathrm{MF},\mathrm{Cos}}\left(\mathrm{Rc}\right)\end{array}\right.$

b)监控

RFID监控主要包括监控性能需求和监控活动两方面。监控性能需求即是用户对于配置RFID设备进行监控活动的一系列要求的集合，包括监控精度Ac_R、监控范围Ran_R、监控频率MF_R和监控成本Cos_R等。则监控性能需求Mpr可用一下关系表示：

Mpr(Ac_R,Ran_R,MF_R,Cos_R)

当RFID设备被配置到工序的某一个阶段上之后，监控活动就可以开始执行。通过关系代数中的自然连接运算，监控活动Ph_MA可以描述成：

c)RFID配置解空间

本发明所涉及的RFID配置解空间被定义为：能够满足用户监控性能需求的一系列RFID设备配置方案的集合。因此，RFID配置解空间Rc_sp可以表示为：

where

2）状态块图式单元模型

本发明所涉及的RFID读写器的基本配置模式主要包括以下四种：

◆基于固定RFID读写器的门禁模式：用于判断RFID标签是否通过相应的位限。

如配置于库存出入口、员工出入口、固定式生产传输线某通过点上的RFID读写器；

◆基于固定RFID读写器的移动空间控制模式：用于判断RFID标签是否进入、驻留或移出设定的移动探测空间。如配置于托盘搬运车、AGV小车等上的RFID读写器，用来判断标签是否进入、驻留在或移出这类小车；

◆基于固定RFID读写器的固定空间控制模式：用于判断RFID标签是否进入、驻留或移出设定的固定探测空间。如配置用于监控加工设备缓存区的RFID读写器;

◆基于手持移动RFID读写器的任意空间控制模式：伴随着操作人员的任意移动来判别RFID标签是否进入、驻留或移出操作人员当前所在位置所决定的移动探测空间内；也可以定位RFID标签是否在操作人员所在位置决定的移动探测空间内。

另一方面，RFID标签的配置则与在制品物流中所涉及的操作人员、工件、托盘、托盘搬运车、库存货架、工夹量具、加工设备等紧密关联。理想状态下，每个资源均需要有一个唯一编码的RFID标签与之相对应。此时，判别某个RFID标签是否进入、驻留、或离开RFID设备的信号探测空间成为RFID数据采集的关键。与上述四种RFID配置模式相对应，RFID标签的状态也分为四种，即：“标签进入探测空间”、“标签驻留在探测空间”、“标签离开探测空间”和“标签穿过探测空间”。

从某种意义上来说，本发明中对于工序粒度的分解是按照如何对工序进行监控而划分的。因此，工序粒度分解和探测空间的分布是一致的，即每一RFID信号的探测空间对应工序粒度分解后的一个阶段。所以，按照工序粒度划分，在工序的各阶段上配置相应的RFID设备，就可以形成RFID信号探测空间，为实现对在制品物流过程中的实时数据采集和监控提供硬件环境。

参见图3，分别用具有虚线边或实线的方块或圆圈来图式化描述上述四种RFID信号探测空间，从而构成对于工序和工序流描述最基本的四种RFID图式描述单元。通过Auto-ID计算，该种图示描述单元能很好的探测RFID标签的“进入”，“驻留”，“离开”和“穿过”等四种状态，实现实时数据采集。本发明所涉及的RFID状态块图式单元模型，可以描述为：

SB::={FS,MS,FG,MG}

其中，SB表示状态块集合，FS、MS、FG和MG则分别表示图3中的四种图式单元。

由图3可以看出，四种图式单元模型均含有两个共同的时间参数，即“标签驻留在探测空间”状态的开始时刻和结束时刻

同时

也是上一个状态“标签进入探测空间”的结束时刻；

也是下一个状态“标签离开探测空间”的开始时刻。这里，

表示工件k的第i道工序的第j个状态的开始时刻，以下其他符号均类似。对于状态块模型中的位置参数，取为所对应的RFID信号“探测空间”的几何中心。于是，RFID状态块图式单元可以描述成：

${\mathrm{SB}}_{i,j}^k::=<S_{i,j-1}^k,S_{i,j}^k,S_{i,j+1}^k,L_{i,j}^k,t_{i,j}^k,t_{i,j+1}^k,T_{i,j}^k>$

where

${\mathrm{SB}}_{i,j}^k\&Element;\mathrm{SB}$

$S_{i,j+1}^k=S_{i,j}^k,t_{i,j-1}^k=t_{i,j}^k,T_{i,j}^k=0\&ForAll;{\mathrm{SB}}_{i,j}^k\&Element;\{\mathrm{FG},\mathrm{MG}\}$

其中，

为工件k的第i道工序的第j个状态块；为状态

的持续时间，即：

$T_{i,j}^k=t_{i,j+1}^k-t_{i,j}^k$

参见图4，将上述四种不同的状态块图式单元按照所配置的RFID和与之相对应的信号探测空间，配置到某一工序上，便可以形成对于单一工序的图式描述，从而可以进一步获得对于一条完整工序流的图式描述。由此，工件k的第i道工序可以描述成：

$P_i^k::=\{{\mathrm{SB}}_{i,1}^k,{\mathrm{SB}}_{i,2}^k,{\mathrm{SB}}_{i,3}^k,{\mathrm{SB}}_{i,4}^k\}$

where

${\mathrm{SB}}_{i,j}^k::=<S_{i,j-1}^k,S_{i,j}^k,S_{i,j+1}^k,L_{i,j}^k,t_{i,j}^k,t_{i,j+1}^k,T_{i,j}^k>$ (j=1,…,4)

3）基于状态对的事件自动生成机制

在本发明中，事件被定义为：发生在特定时间点上，使得工件从某种状态转变到下一个状态的操作/动作的集合。由此可知，任意一对相邻的状态对都可以唯一的映射到一个事件。所以，基于任意一个状态对

其所对应的事件

可以描述为：

$E_{i,j}^k=f_e(S_{i,j}^k,S_{i,j+1}^k)$

对于任意一条已经配置好RFID设备的工序流，由于其对应的信号探测空间是固定的，因此所对应的状态集也都是固定的，根据在制品物流中的上下文情景以及相邻状态对与事件之间唯一的映射关系，可以实现从状态集到事件集的自动转化。

4）事件驱动的图式描述单元模型

参见图5，对于任意一条已经配置好RFID的工序流，当所对应的状态集、位置集、事件集、时间集等都按照上述步骤形式化描述后，可以建立如图所示的图式描述单元模型，该模型可以描述成：

$O_{i,j}^k::=<E_{i,j}^k,t_{i,j}^k,R_{i,j}^k,E_{i,j+1}^k,t_{i,j+1}^k,R_{i,j+1}^k,S_{i,j}^k,L_{i,j}^k,T_{i,j}^k>$

其中，

表示工件k的第i道工序的第j个图式描述单元；

为状态

的持续时间，可以通过

计算得到。

由前文所知，事件

连接着两个相邻的状态

和

这里，将状态

扩展为事件驱动的图式描述单元模型，可见，同样也连接着两个相邻的事件驱动的图式描述单元模型

和

即：

$E_{i,j}^k\&Element;O_{i,j-1}^k\&cap;O_{i,j}^k$

a）用事件驱动的图式单元建立加工工序图式模型

本发明中，步骤2所形成的工序流的状态块模型所获得的状态集可以直接被转化为一系列事件驱动的图式单元模型，这些连续的单元模型则可以通过步骤3所产生的事件集拼接成一套完整的加工工序流事件驱动图式模型，参见图6。该图从工序划分的粗粒度和细粒度两个方面建立了加工工序的事件驱动图式模型。其右半部分说明了该模型最复杂的情况，包括事件集、位置集、状态集等；左半部分则揭示了该模型相对较为简单的情况，它包含如下8个事件：

◆将工件k放入到用于运送货物的小车中；

◆

将工件k从小车中拿出，并放入到工序i的入缓存中；

◆

将工件k从如缓存拿出，放到机床操作台上；

◆

开始加工工件k；

◆

完成加工工件k；

◆

将工件k放入工序i的出缓存中；

◆

下一个事件的接口。该事件实际上是一个虚拟的事件，其作用是用来连接工序

和工序

同时也可以看作是工序

的起始事件

对于任意一道加工工序来说，它的事件集也能通过同样的方式来获得。假定该工序

的事件集

中包含r个元素，则

可以表示为：

$E_i^k::=\{E_{i,1}^k,E_{i,2}^k,...,E_{i,j}^k,...,E_{i,r}^k\}$

同样的，状态集、触发时间集、操作者集、位置集等也可以被获取，如下：状态集: $S_i^k::=\{S_{i,1}^k,S_{i,2}^k,...,S_{i,j}^k,...,S_{i,r-1}^k\}$

操作者集: $R_i^k::=\{R_{i,1}^k,R_{i,2}^k,...,R_{i,j}^k,...,R_{i,r}^k\}$

触发时间集合: $t_i^k::=\{t_{i,1}^k,t_{i,2}^k,...,t_{i,j}^k,...,t_{i,r}^k\}$

位置集: $L_i^k::=\{L_{i,1}^k,L_{i,2}^k,...,L_{i,j}^k,...,L_{i,r-1}^k\}$

此时，工件k的第i道工序

的事件驱动图式模型就可以用以下数学模型来描述：

$P_i^k::=\{O_{i,1}^k,O_{i,2}^k,...,O_{i,j}^k,...,O_{i,r-1}^k\}$

where

$O_{i,j}^k::=<E_{i,j}^k,t_{i,j}^k,R_{i,j}^k,E_{i,j+1}^k,t_{i,j+1}^k,R_{i,j+1}^k,S_{i,j}^k,L_{i,j}^k,T_{i,j}^k>$

(j=1,2,…,r-1)

$T_{i,j}^k=t_{i,j+1}^k-t_{i,j}^k$ (j=1,2,…,r-1)

$E_{i,j}^k\&Element;E_i^k,t_{i,j}^k\&Element;t_i^k,R_{i,j}^k\&Element;R_i^k$ (j=1,2,…,r)

$S_{i,j}^k\&Element;S_i^k,L_{i,j}^k\&Element;L_i^k$ (j=1,2,…,r-1)

b)用事件驱动的图式单元建立库存工序模型

在本发明中，将库存过程当成在制品物流中一道特殊的工序。无论是原材料库存过程，半成品库存过程还是成品库存过程，也都可以运用上述事件驱动的图式单元建立相应的库存模型，参见图7。和加工工序类似，库存工序也可以被形式化描述为：

$V_i^k::=\{O_{i,1}^k,O_{i,2}^k,O_{i,3}^k,O_{i,4}^k\}$

c)在制品物流建模

本发明中所涉及的在制品物流包括两类工序，即是加工工序和库存工序，一系列这两类工序的组合形成一条完整的工序流以及伴随该工序流的在制品物流。因此，在制品物流可以被形式化描述为：

$M_i^k::=\{...,P_i^k,P_{i+1}^k,...\}$

where

$P_i^k\&Element;\{M_i^k,V_i^k\}$

综上所述，本发明所提出的RFID图式建模方法首先对工序进行粒度分解，并通过图式方法来描述工序流过程，然后将所建立的4种状态块描述单元加入到该工序流中描述其状态的演化，并根据状态演化的“状态对”自动生成对应的事件集，通过该事件集串联本发明所建立的事件驱动的图式描述单元模型，从而最终生成单一工序乃至整条工序流的图式描述模型。该方法能有效地解决当前制造车间由于缺乏源自生产过程实时信息而导致上层管理系统与生产底层信息脱节的问题，从而为实现生产过程的透明化、可视化、自动化，以及实时的生产决策提供数据支撑。

另外，图1所示的RFID图式建模的4个步骤四位一体，既能实现图式模式的自动演化，也能实现数学模型的自动推理，为RFID建模的形式化描述和自动化编程提供了方便快捷的通道。

需要指出的是，本发明所提出的基于RFID的图式建模技术并不仅仅局限在对在制品物流进行建模，还可以扩展到其它任何能运用RFID技术的流程中，如装配、仓储、建主等领域，并且建模过程简单。图1所示的该模型的4个步骤中，只需将第一步对在制品物流过程进行建模修改成对相关领域的流程进行建模，后面的3个步骤几乎不必做任何改变。这说明该模型具有很强的扩展性和通用性，运用该通用模型对应用RFID技术的流程领域进行建模，可以大大减少建模所带来的时间和成本，提高效率和效益。

Claims (9)

1.一种利用RFID对在制品物流进行实时跟踪的图式建模方法，其特征在于，包括以下步骤：

1）通过对工序流进行分析，对组成工序流的各个工序进行粒度分解和演化得到工序流的图式模型，按照上层管理系统的要求对工序粒度进行选取后，通过建立RFID配置解空间与工序之间的映射函数，将RFID设备配置到该工序上，生成一条已经配置了RFID设备的工序流；

2）将RFID配置模式的信号探测空间抽象为状态块图式描述单元，然后将状态块图式描述单元按照所对应的配置模式配置到已建立的工序流的图式模型上；所述状态块图式描述单元包括三种在制品状态，分别为在制品进入信号探测空间、处于信号探测空间以及离开信号探测空间，因此，状态块图式描述单元还能反应在制品通过探测空间的连续的状态变化过程，从而实现对于在制品状态的跟踪，获取该工序流的状态集；

3）根据在制品物流中的上下文情景，建立状态和事件之间的映射关系，根据映射关系将状态集转化为事件集；

4）构建一种基于RFID的事件驱动图式描述单元，并通过事件集将该事件驱动图式描述单元串联起来，从而实现对于在制品物流的图式描述。

2.根据权利要求1所述一种利用RFID对在制品物流进行实时跟踪的图式建模方法，其特征在于：所述RFID设备包括固定RFID读写器，车载RFID读写器，手持RFID读写器或RFID电子标签的一种或多种；RFID设备监测的RFID标签设置在在制品物流过程的关键零部件、托盘、操作人员、设备处。

3.根据权利要求1所述一种利用RFID对在制品物流进行实时跟踪的图式建模方法，其特征在于：所述工序流包含若干道工序，一道工序又是由若干个阶段组成，从而形成对单工序进行粒度分解的图式描述；随着上层管理系统要求所采集的制造数据的不同，相邻的阶段之间通过合并和拆分，从而形成对于工序粒度演化的图式描述。

4.根据权利要求1所述一种利用RFID对在制品物流进行实时跟踪的图式建模方法，其特征在于：所述RFID配置解空间与工序之间的映射函数，包括基于监控能力要求的RFID配置解空间和基于使用者需求的RFID配置解空间与工序之间的映射关系函数两部分。

5.根据权利要求1所述一种利用RFID对在制品物流进行实时跟踪的图式建模方法，其特征在于：所述RFID配置模式包括四种，分别为基于固定RFID的固定空间监控模式、基于固定RFID的门禁模式、基于固定RFID的移动空间监控模式以及基于手持RFID的随机空间监控模式。

6.根据权利要求1所述一种利用RFID对在制品物流进行实时跟踪的图式建模方法，其特征在于：所述信号探测空间包括与固定空间监控模式对应的固定式探测空间、与门禁模式对应的固定网关式探测空间、与移动空间监控模式对应的移动网关式探测空间以及与随机空间监控模式对应的随机式探测空间。

7.根据权利要求1所述一种利用RFID对在制品物流进行实时跟踪的图式建模方法，其特征在于：所述状态块图式描述单元采用虚线边或实线边的方块或圆圈来表示4种RFID的信号探测空间。

8.根据权利要求1所述一种利用RFID对在制品物流进行实时跟踪的图式建模方法，其特征在于：所述在制品状态定义为一种能保持一段时间不变化和稳定的在制品状况，其中，状态的开始时间和结束时间分别为两个相邻事件的触发时间；所述事件定义为一种发生在特定时间点上的、并引起在制品状态变化的操作或动作。

9.根据权利要求1所述一种利用RFID对在制品物流进行实时跟踪的图式建模方法，其特征在于：所述基于RFID的事件驱动图式描述单元包括一个持续一段时间的状态、状态的开始时间和结束时间分别对应的两个相邻事件、事件的触发时间、事件的执行者，事件触发的位置以及事件触发状态的变化。

Images