CN103116813B - 一种实时信息驱动的生产设备端制造活动智能导航方法 - Google Patents

Abstract

本发明提出了一种实时信息驱动的生产设备端制造活动智能导航方法，通过应用物联技术于制造设备端，形成各类制造资源物物互联、互感，改变原有制造资源及加工过程的信息获取方式，提高数据的时效性、规范性和准确性，并根据所获取的实时信息为设备端提供实时操作引导服务和任务队列优化服务：提供全面的设备端实时生产状态信息和正确的生产操作引导，从根本上杜绝因操作不当或物料错装而引起的质量问题；基于所获取的多源实时状态信息，快速的优化设备端待加工任务的序列，降低动态优化的难度，缩短优化时间。

Description

一种实时信息驱动的生产设备端制造活动智能导航方法

技术领域

本发明涉及一种实时信息驱动的生产设备端制造活动智能导航方法，通过对生产设备实时制造信息的动态采集与处理，为设备端提供实时操作引导和任务队列实时优化的导航服务。

背景技术

近年来，尽管以企业资源规划（EnterpriseResourcePlanning，ERP）、制造资源规划（ManufacturingResourcePlanning，MRPⅡ）、制造执行系统（ManufacturingExecutionSystem，MES）等为代表的管理系统和以数控加工单元、分布式数控（DistributedNumericalControl，DNC）等为代表的自动化技术在制造工业中的推广和应用取得了一定的绩效，但是，在实际生产过程中，依然存在因加急任务不断、计划频频变更等带来执行系统运作效率低下、工序流程周转不畅、在制品量缺乏有效控制、库存积压等严重现象，造成这些现象的根源在于上层管理系统难于在第一时间把握生产执行过程中的变化信息，进而难于准确预测生产执行过程中潜在的异常；而且异常一旦发生，由于缺乏上下游加工工序间实时制造信息的共享能力，使得工序的异常逐步向整个上下游工序流上扩散，进一步加剧了生产现场的混乱与扰动。

随着自动识别技术的迅猛发展，面向制造车间的实时制造信息采集方法和动态优化技术得到了学术界和工业界的广泛关注。麻省理工学院Auto-ID实验室研究用RFID/无线传感网等技术构建全球范围内物品实时跟踪系统；香港大学GeorgeHuang教授等提出了采用RFID技术实现生产过程物料的实时跟踪和监控的体系构架；华中科技大学饶运清等提出了一种基于Agent技术的车间生产任务动态优化方法；广东工业大学戴青云教授等提出了一种基于RFID的车间生产任务动态调度模型。

尽管上述研究对生产过程的监控和优化具有较好地促进作用，但难于解决当前制造企业在生产过程优化管理方面面临的以下问题：1）现代生产对产品质量的要求愈来愈高，由于缺乏全面的设备端实时生产状态信息和正确的生产操作引导，难于从根本上杜绝因操作不当或物料错装而引起的质量问题；2）由于制造系统缺乏全面的设备端实时生产信息，当设备端出现异常时，难于及时协调与设备端加工任务关联的上下游工序所在的加工设备集的制造活动，进而使得生产异常进一步向上级制造系统扩散，产生更大的异常；3）由于从车间级优化问题所涉及的制造资源种类和数量多，使得动态优化难度大，优化时间长等问题，不利于动态优化结果的执行。

发明内容

要解决的技术问题

为解决现有技术存在的问题，本发明提出了一种实时信息驱动的生产设备端制造活动智能导航方法，目的在于辅助加工过程更加顺利的进行，通过应用物联技术于制造设备端，形成各类制造资源物物互联、互感，改变原有制造资源及加工过程的信息获取方式，提高数据的时效性、规范性和准确性，并根据所获取的实时信息为设备端提供实时操作引导服务和任务队列优化服务：提供全面的设备端实时生产状态信息和正确的生产操作引导，从根本上杜绝因操作不当或物料错装而引起的质量问题；基于所获取的多源实时状态信息，快速的优化设备端待加工任务的序列，降低动态优化的难度，缩短优化时间。

技术方案

本发明的技术方案为：

所述一种实时信息驱动的生产设备端制造活动智能导航方法，其特征在于：采用以下步骤：

步骤1：生产设备端接收来自车间管理层分配的任务队列，并按照队列顺序开始进行生产；生产过程中的员工、零部件和承载物料的容器配备有电子标签，生产设备端安装有RFID读写器，采集生产过程中员工、物料、在制品和成品的实时信息；

步骤2：为操作员工提供实时信息驱动的加工过程可视化操作引导，具体包括以下步骤：

步骤2.1：基于当前任务的加工工艺信息和Petri网技术对生产任务的加工过程进行建模，建立生产任务在设备端操作集的时序关系和约束关系；

步骤2.2：建立与设备端上的操作集相关的多媒体信息库，多媒体信息库包括视频演示、工艺图纸、文字描述，并依据步骤2.1建立的时序关系将多媒体信息库与步骤2.1建立的加工过程Petri模型进行关联；

步骤2.3：依据采集的在制品实时信息，基于该任务的Petri网模型，捕获当前时刻操作进程，调用多媒体信息库中的该操作的多媒体信息，为操作员工提供加工过程可视化操作引导；

步骤3：依据当前队列中的加工任务工艺流程信息，找到每项任务上游工序和下游工序所在的设备，获取每项任务上游工序的完工时间以及下游工序的开工时间

步骤4：针对步骤3所采集的上游工序完工时间和下游工序的开工时间动态优化待加工任务的序列，具体包括以下步骤：

步骤4.1：初始化：依据实时数据 和每项任务的加工时间p_j，更新任务的交货期并按d_j由小到大排序，并截取排序后的前m项任务，m≤6；

步骤4.2：计算前m项任务交货期偏移度Δd_j表示两次调度任务交货期的变化量 表示任务j初始的交货期；

步骤4.3：按照规则生成满足约束的任务队列集Q{q₁,q₂,q₃…}，所述规则为：若则任务i排在任务j之前，并采用如下步骤确定每个队列下的任务开始加工时间：

步骤4.3.1：依据机器唯一性和工件唯一性约束，以每项任务的最早可开始加工时间为初始开始加工时间；

步骤4.3.2：计算每项任务的E_j和Δ_j，其中E_j表示任务j的提前时间，Δ_j表示任务j的开始时间向后移动一个单位导致惩罚的变化；按照任务序列得到第一个E_r＞0任务r，并找出距离任务r最近的时间间隙t_s，s+1，r≤s≤m，时间间隙t_s，s+1表示任务s完工到任务s+1开始的间隔时间，任务s为任务r之后的一项任务；

步骤4.3.3：求取最小的满足的任务u，r≤u≤s，并固定任务r,r+1,…,u的开始加工时间，若u＝m，则进入步骤4.4，否则，跳转到步骤4.3.2；若不存在这样的任务u，则进行步骤4.3.4；

步骤4.3.4：将任务r,r+1,…,s的开始加工时间分别增加min{E_r,…E_u,ts，s+1}，跳转到步骤4.3.2；

步骤4.4：按确定的队列集Q{q₁,q₂,…}及每个队列的任务开始加工时间计算目标函数F＝∑w'E_i+∑w″T_j，其中w'和w'分别表示任务的提前惩罚和滞后惩罚，T_i表示任务j的滞后时间，求得目标函数的最小值minF＝min{F(q₁),F(q₂),…}，以及minF下的队列q_i；

步骤5：用优化后的加工任务队列q_i更新设备端现加工任务队列，跳转到步骤2，直到所有任务加工完成。

有益效果

本发明产生的有益效果主要体现在以下方面：

a）本发明将物联技术应用于制造系统，提供一种设备端实时制造信息采集方法，改变原有制造资源数据的获取方式，实现对制造设备上发生的动态制造信息进行采集，为设备端制造活动智能导航提供相应的实时数据支持，并且提高数据采集的时效性、规范性、准确性；

b）本发明所提供的实时操作引导服务，为操作员工提供实时信息驱动的加工过程可视化操作引导，更加直观地展示加工过程和工艺路径，大幅度减少加工环节中的操作错误，杜绝因操作不当或物料错装而引起的质量问题，提高产品的合格率；

c）本发明所提供的任务队列优化服务基于获取的本设备及其上下游关联加工设备的任务信息对待加工任务序列进行快速的调整，减少在制品的停滞等待时间，提高制造设备的生产效率，确保整个生产系统加工过程的流畅性，针对制造环境的变化做出快速响应，有效地解决原有制造系统实时响应慢、优化滞后、执行效率低等缺陷。

附图说明

图1是本发明的体系结构图；

图2是本发明的主显示界面设计；

图3是本发明的实时操作引导服务实现框架图；

图4是本发明的任务队列优化流程图。

具体实施方式

下面结合实施例和附图对本发明作进一步详细说明：

参见图1，本实施例中的由实时信息驱动的生产设备端制造活动智能导航方法，其目标是以实时信息采集方法采集的多源制造信息（包括员工信息、物料信息、在制品信息、成品信息、上游任务的完工信息、下游工序的开工信息）为输入，通过提供制造活动实时操作引导服务和任务队列优化服务，为生产设备端输出实时信息驱动的加工过程可视化引导，以减少因操作不当或物料错装而引起的质量问题；输出基于实时信息的优化队列，以减少在制品的停滞和提升生产系统的流畅性。

本发明设计的生产设备端制造活动智能导航的显示界面如图2所示。界面上方用于显示与该生产设备相关的基本信息，包括设备的ID、当前员工ID以及当前加工任务信息；界面左侧是原料区，用于动态反映该设备上的待加工物料的信息，包括物料的编号、名称、数量；界面中央是实时操作引导区，该区域通过捕获当前时刻操作进程，为操作员工提供实时信息驱动的加工过程可视化操作引导，包括与加工进程相匹配的视频、图纸、文档，直观地展示加工过程和工艺路径，减少加工环节中的操作错误；界面右侧是成品区，用于动态反映该设备上当前输出产品的信息，包括合格品和废品的编号、名称、数量；界面左下方是任务列表区，用于实时显示由队列服务优化后的加工序列的信息，包括订单编号、计划生产数量、合格品数量、废品数量、合格品率和计划完成时间，时刻提醒操作员工加工进度；界面右下方是协作信息区，用于动态显示上下游工序的相关信息，也用于展示管理员发送的系统通知。

图3所示了本发明设计的实时操作引导服务的实现方法，具体包括以下步骤：

步骤1：生产设备端接收来自车间管理层分配的任务队列，并按照队列顺序开始进行生产；生产过程中采用基于RFID技术的信息采集方法对员工、物料、在制品和成品信息进行采集，具体为在员工、零部件和承载物料的容器配备有电子标签，生产设备端安装有RFID超高频读写器，并建立电子标签与对应绑定的制造资源的注册表，采集生产过程中员工、物料、在制品和成品的实时信息，实现对制造资源的生产活动或加工过程信息的采集和记录。

步骤2：为操作员工提供实时信息驱动的加工过程可视化操作引导，具体包括以下步骤：

步骤2.1：基于当前任务的加工工艺信息和Petri网技术对生产任务的加工过程进行建模，建立生产任务在设备端操作集的时序关系和约束关系；本实施例中对生产任务的加工过程进行建模的方法采用文献“《柔性制造系统建模及仿真》，邓子琼等编著，国防工业出版社,1993.5”中公开的方法；

步骤2.2：建立与设备端上的操作集相关的多媒体信息库，多媒体信息库包括视频演示、工艺图纸、文字描述，并依据步骤2.1建立的时序关系将多媒体信息库与步骤2.1建立的加工过程Petri模型进行关联；

步骤2.3：依据采集的在制品实时信息，基于该任务的Petri网模型，捕获当前时刻操作进程，调用多媒体信息库中的该操作的多媒体信息，为操作员工提供加工过程可视化操作引导。

参照附图3，图中的所展示加工操作过程为某部件由两个零件装配而成，两个零件要在同一台机床上进行独立的生产加工，装配只能在每一个零件加工完毕后才能进行，两个零件可以同时在该机床上加工。p₁表示放置在1托盘上的工件A到达，t₁表示拆卸操作，p₂、p₃表示拆卸完成分别得到工件B和C，之后工件B和C分别进行各自的加工过程，工件B的后续加工过程由t₂和t₄表示，工件C的后续加工过程由t₃表示，当两个工件都加工完成，进行装配操作（由t₅表示），p₇表示加工完成，得到成品工件D；

然后当加工任务按Petri网所建的时序和逻辑关系进行生产时，前述信息采集方法可捕获当前时刻操作进程，并基于该任务加工过程的Petri网模型，调用与当前操作集相关的多元信息，为操作员工提供实时信息驱动的加工过程可视化操作引导，更加直观地展示加工过程和工艺路径，能够大幅度减少加工环节中的操作错误，提高产品的合格率。

参见图4，本发明设计的基于实时制造信息的设备端队列优化服务是针对在加工过程中所发生的异常状况（如原料不足、交货期变动、新任务插单等），做出及时快速的响应，实现对异常的动态优化。当系统中发生异常，队列中的任务信息会发生变化，加工设备每执行完一次任务，对设备端的任务队列进行一次优化，依据当前队列中任务的工艺过程信息，获取其上下游工序的实时信息，更新加工任务的工序交货期，并与初始计划调度结果进行比对，如与上一次计划有一定的偏离，通过规则判断能否在设备端解决，对于可通过设备端队列调整可处理的异常，以最小化加权总提前时间和总滞后时间为优化目标，对设备端待加工队列进行动态优化，减少在制品的停滞等待时间，确保整个生产系统加工过程的流畅性，对于设备端不能处理的异常，则及时提交上层管理决策系统。下面步骤实现实现对异常的动态优化：

为了便于理解，定义了如表1所示的符号及其说明：

表1

步骤3：依据当前队列中的加工任务工艺流程信息，找到每项任务上游工序和下游工序所在的设备，获取每项任务上游工序的完工时间以及下游工序的开工时间具体的：为任务j前一道工序的完工时间，当任务j没有前一道工序时 为任务j的后一道工序的开始加工时间，当任务j没有后一道工序时

当系统中出现异常状况，任务j的 可能会发生相应的变化，从而使得任务j的d_j会与初始的有一定的偏离，用Δd_j表示两次调度任务交货期的变化量系统根据队列中前m项任务交货期变化之和∑Δd_j相对于加工时间之和∑p_j的偏移度判断是否能在设备端进行处理，当任务交货期变化的偏移度超过上限（本实施例默认为20%），则提交上层管理决策系统进行处理，具体步骤如下：

步骤4：针对步骤3所采集的上游工序完工时间和下游工序的开工时间动态优化待加工任务的序列，具体包括以下步骤：

步骤4.1：初始化：依据实时数据 和每项任务的加工时间p_j，更新任务的交货期并按d_j由小到大排序，并截取排序后的前m项任务，以便快速计算结果，m≤6；

步骤4.2：计算前m项任务交货期偏移度Δd_j表示两次调度任务交货期的变化量 表示任务j初始的交货期；

步骤4.3：按照规则生成满足约束的任务队列集Q{q₁,q₂,q₃…}，所述规则为：若则任务i排在任务j之前，并采用如下步骤确定每个队列下的任务开始加工时间：

步骤4.3.1：依据机器唯一性和工件唯一性约束，以每项任务的最早可开始加工时间为初始开始加工时间；

步骤4.3.2：计算每项任务的E_j和Δ_j，其中E_j表示任务j的提前时间，Δ_j表示任务j的开始时间向后移动一个单位导致惩罚的变化，这里惩罚为惩罚因子*提前或滞后的时间，任务提前完成或滞后完成都有惩罚，开始时间推后，则会带来相应惩罚的改变；按照任务序列得到第一个E_r＞0任务r，并找出距离任务r最近的时间间隙t_s，s+1，r≤s≤m，时间间隙t_s，s+1表示任务s完工到任务s+1开始的间隔时间，任务s为任务r之后的一项任务；

步骤4.3.3：求取最小的满足的任务u，r≤u≤s，并固定任务r,r+1,…,u的开始加工时间，若u＝m，则表示所有任务的开始时间已经确定，进入步骤4.4，否则，跳转到步骤4.3.2；若不存在这样的任务u，则进行步骤4.3.4；

步骤4.3.4：将任务r,r+1,…,s的开始加工时间分别增加min{E_r,…E_u,t_s，s+1}，跳转到步骤4.3.2；

步骤4.4：按确定的队列集Q{q₁,q₂,…}及每个队列的任务开始加工时间计算目标函数F＝∑w'E_i+∑w″T_j，其中w'和w'分别表示任务的提前惩罚和滞后惩罚，T_j表示任务j的滞后时间，求得目标函数的最小值minF＝min{F(q₁),F(q₂),…}，以及minF下的队列q_i；得到的minF下的队列q_i就是调整后的队列。

这里以最小化加权总提前时间和总滞后时间为优化目标，其物理意义是通过对每一项任务的提前和滞后给予相应的惩罚，从而达到缩短在制品在各个加工设备端的等待时间，减少在制品数量，提升制造任务的按期交付能力。目标函数minF＝min(∑w'E_j+∑w″T_j)表明目标函数为最小化加权总提前时间和总滞后时间，约束保证了同一工件的一道工序必须在其前一道工序都完成后才可以开始加工，为工件唯一性约束，约束(c_j-c_i≥p_j)∨(c_i-c_j≥p_i)保证了工件加工过程不允许抢占，为机器唯一性约束。

步骤5：用优化后的加工任务队列q_i更新设备端现加工任务队列，跳转到步骤2，直到所有任务加工完成。

本实施例从制造加工的最基本执行单元——制造设备入手，从制造任务的实时操作引导、工序间协作生产、任务队列优化这三方面为设备端提供导航服务，有效地解决当前加工车间由于缺乏源自生产过程实时信息而导致的问题，在生产过程透明的基础上，运用实时数据对生产过程进行优化与决策，并为员工提供多元可视化的操作指导，从而实现数字化精确生产和生产过程管理智能化。

Claims (1)

1.一种实时信息驱动的生产设备端制造活动智能导航方法，其特征在于：采用以下步骤：

步骤1：生产设备端接收来自车间管理层分配的任务队列，并按照队列顺序开始进行生产；生产过程中的员工、零部件和承载物料的容器配备有电子标签，生产设备端安装有RFID读写器，采集生产过程中员工、物料、在制品和成品的实时信息；

步骤2：为操作员工提供实时信息驱动的加工过程可视化操作引导，具体包括以下步骤：

步骤2.1：基于当前任务的加工工艺信息和Petri网技术对生产任务的加工过程进行建模，建立生产任务在设备端操作集的时序关系和约束关系；

步骤2.2：建立与设备端上的操作集相关的多媒体信息库，多媒体信息库包括视频演示、工艺图纸、文字描述，并依据步骤2.1建立的时序关系将多媒体信息库与步骤2.1建立的加工过程Petri模型进行关联；

步骤2.3：依据采集的在制品实时信息，基于该任务的Petri网模型，捕获当前时刻操作进程，调用多媒体信息库中的该操作的多媒体信息，为操作员工提供加工过程可视化操作引导；

步骤3：依据当前队列中的加工任务工艺流程信息，找到每项任务上游工序和下游工序所在的设备，获取每项任务上游工序的完工时间c_j-1以及下游工序的开工时间s_j+1；

步骤4：针对步骤3所采集的上游工序完工时间c_j-1和下游工序的开工时间s_j+1，动态优化待加工任务的序列，具体包括以下步骤：

步骤4.1：初始化：依据实时数据c_j-1、s_j+1和每项任务的加工时间p_j，更新任务的交货期d_j＝max{c_j-1+p_j,s_j+1}，并按d_j由小到大排序，并截取排序后的前m项任务，m≤6；

步骤4.2：计算前m项任务交货期偏移度Δd_j表示两次调度任务交货期的变化量Δd_j＝|d_j-d_j ^*|，d_j ^*表示任务j初始的交货期；当超出上限，则提交上层管理决策系统进行处理，否则进入步骤4.3；

步骤4.3：按照规则生成满足约束的任务队列集Q{q₁,q₂,q₃…}，所述规则为：若c_i-1≤c_j-1,d_i≤d_j，则任务i排在任务j之前，并采用如下步骤确定每个队列下的任务开始加工时间：

步骤4.3.1：依据机器唯一性和工件唯一性约束，以每项任务的最早可开始加工时间为初始开始加工时间；

步骤4.3.2：计算每项任务的E_j和Δ_j，其中E_j表示任务j的提前时间，Δ_j表示任务j的开始时间向后移动一个单位导致惩罚的变化；按照任务序列得到第一个E_r＞0任务r，并找出距离任务r最近的时间间隙t_s,s+1，r≤s≤m，时间间隙t_s,s+1表示任务s完工到任务s+1开始的间隔时间，任务s为任务r之后的一项任务；

步骤4.3.3：求取最小的满足的任务u，r≤u≤s，并固定任务r,r+1,…,u的开始加工时间，若u＝m，则进入步骤4.4，否则，跳转到步骤4.3.2；若不存在这样的任务u，则进行步骤4.3.4；

步骤4.3.4：将任务r,r+1,…,s的开始加工时间分别增加min{E_r,…E_u,t_s,s+1}，跳转到步骤4.3.2；

步骤4.4：按确定的队列集Q{q₁,q₂,…}及每个队列的任务开始加工时间计算目标函数F＝Σw'E_j+Σw”T_j，其中w'和w”分别表示任务的提前惩罚和滞后惩罚，T_j表示任务j的滞后时间，求得目标函数的最小值minF＝min{F(q₁),F(q₂),…}，以及minF下的队列q_i；

步骤5：用优化后的加工任务队列q_i更新设备端现加工任务队列，跳转到步骤2，直到所有任务加工完成。