CN103197634B

CN103197634B - 用于自动化制造加工系统的在线预测与在线加工计划生成系统和方法

Info

Publication number: CN103197634B
Application number: CN201310082388.XA
Authority: CN
Inventors: 费敏锐; 瞿俊俊; 邓丽; 陈息坤; 王朝夕; 杨文强
Original assignee: University of Shanghai for Science and Technology
Current assignee: University of Shanghai for Science and Technology
Priority date: 2013-03-15
Filing date: 2013-03-15
Publication date: 2015-05-06
Anticipated expiration: 2033-03-15
Also published as: CN103197634A

Abstract

本发明涉及一种用于自动化制造加工系统的在线预测与在线加工计划生成系统和方法。本系统包括用于存储现场实时状态的数据库服务器，用于实时预测的数据库服务器，用于存储离散事件仿真模型参数的数据库服务器，用于生成加工计划的服务器，对加工过程进行预测服务器，用于现场数据采集的数据采集接口和用于和用户交互的用户接口。本发明通过实时分析预测出的未来设备使用情况，根据加工等待约束条件进行在线加工时间搜索，有效的避开设备使用的高峰期，减少加工等待时间。

Description

用于自动化制造加工系统的在线预测与在线加工计划生成系统和方法

技术领域

本发明涉及一类自动化制造加工系统生产排产和调度系统和方法，尤其是一种用于自动化制造加工系统的在线预测与在线加工计划生成系统和方法。

背景技术

在制造、加工等行业中，广泛存在着一类加工工序事先确定，加工过程中部分工序需要使用的设备数量有限，且不同的加工工序可能使用同一类设备，在加工量较大时会出现因为设备分配完而导致部分工件产生加工等待时间的情况。而存在一类加工流程，需要尽可能减少加工等待时间，甚至不允许出现加工等待时间。

上述问题属于流水车间调度问题，理论上的研究给出了一些求解方法，但是目前还没有一种能够广泛适用于各种制造加工系统，并且能够用于实时或准实时计算的算法。尤其是由于该问题是一类NP难问题，随着问题规模的增大，计算所需的时间将大量增加。

对于这类自动化制造加工系统及加工流程需求，目前一般采用根据经验确定较合理的加工周期和加工量避免出现加工等待。然而随着加工流程的复杂度以及加工量的增加，人工制定加工计划的难度增加，根据经验制定加工计划的有效性及生产效率得不到保证，人工静态制定的加工计划在面临突发情况（如设备出现故障、产品加工与计划产生较大偏差）时，生产管理者难以及时根据当前状况重新制定加工计划，从而影响生产效率及产品质量。

另外根据经验确定加工周期与加工量的方法制定加工计划，对于未来加工过程的预测相对稳定，没有体现对加工状态实时预测的迫切需求，当加工过程中出现突发情况时，无法及时充分考虑对未来的影响，也无法对前序环节（如原料配送）和后续环节（如物流配送）进行及时调整，将对整个企业产生巨大影响。

发明内容

本发明的目的在于针对现有技术的上述缺陷，提供一种用于自动化制造加工系统的在线预测与在线加工计划生产系统和方法，根据自动化加工系统的当前情况自动进行加工状态的在线预测以及在线加工计划的生成。

为了解决以上技术问题，本发明是通过以下技术方案实现的：

一种用于自动化制造加工系统的在线预测与在线加工计划生成系统，包括现场设备，其特征在于：有现场实时状态数据库服务器、实时预测数据库服务器、离散事件仿真模型数据库服务器、加工计划生成服务器、加工过程预测服务器、现场数据采集接口和用户接口通过以太网与所述现场设备连接并彼此之间相互连接；

所述现场实时状态数据库服务器存储了从现场数据采集接口采集到的实时加工状态信息；

所述实时预测数据库服务器存储了由加工计划预测服务器基于现场实时状态数据库服务器中的数据运用离散事件仿真模型预测出的未来加工状态信息；

所述离散事件仿真模型数据库服务器存储加工过程预测服务器用到的所有离散事件仿真模型的参数信息，并由加工过程预测服务器或用户接口根据需要进行调整；

所述加工计划生成服务器负责根据现场实时状态数据库服务器和实时预测数据库服务器中的数据生成加工计划，提供多种加工计划生成策略可供选择；

所述加工过程预测服务器负责根据现场实时状态数据库服务器中的数据运用离散事件仿真模型数据库服务器中的离散事件仿真模型对未来的加工状态进行预测，并将预测结果存储到实时预测数据库服务器；

所述现场数据采集接口负责获取现场各个工件与设备状态信息，并负责更新现场实时状态数据库服务器中的加工状态数据；

所述用户接口负责完成所有与用户进行交互的功能。

所述现场实时状态数据库服务器、实时预测数据库服务器、离散事件仿真模型数据库服务器、加工计划生成服务器、加工过程预测服务器、现场数据采集接口、用户接口集中于一台或多台计算机以降低成本。

所述实时加工状态信息包括工件完整的加工流程、加工状态、加工开始时间与加工结束时间等工件信息，各种设备数量、设备状态、设备

所述实时加工状态信息包括工件完整的加工流程、加工状态、加工开始时间与加工结束时间等工件信息，各种设备数量、设备状态和设备使用情况。

所述用户接口提供访问接口以方便使用各种手持终端移动访问。

所述用户接口负责手工输入加工计划、确认自动生成的加工计划、选择加工计划生成策略、修改系统参数、查看/打印现场实时状态信息、查看/打印加工过程预测信息。

所述用户接口使用C/S架构的方式使用各种编程语言开发的客户端程序进行访问，也可以使用B/S架构的方式，使用网页浏览器的方式进行访问。

此外，本发明提供了一种用于自动化制造加工系统的在线预测与在线加工计划生成方法，步骤如下：

① 启动系统，使用用户接口进行参数配置；

② 使用现场数据采集接口对现场数据定时采集，并将结果保存到现场实时状态数据库服务器；

③ 通过加工过程预测服务器将现场实时状态数据库服务器中的数据与实时预测数据库服务器中的数据进行对比，计算离散事件仿真模型补偿参数，并将结果保存到离散事件仿真模型数据库服务器；

④ 通过加工过程预测服务器根据基于离散事件仿真模型的在线预测方法对未来状态信息进行预测，并将结果保存到实时预测数据库服务器，该步骤既可以定时执行，也可以由用户接口触发执行，当选择由用户接口触发方式时，如用户没有触发则跳过该步骤；

⑤ 根据实时预测数据库服务器中的未来状态信息，利用加工计划生成服务器进行加工计划生成，并将结果返回给用户接口，该步骤既可以定时执行，也可以由用户接口触发执行，当选择由用户接口触发方式时，如用户没有触发则返回所述步骤②。

进一步地，所述步骤④中所述基于离散事件仿真模型的在线预测方法，步骤如下：

1) 根据现场实时状态数据库服务器中的数据初始化离散事件仿真模型状态；

2) 计算下一仿真时刻；

3) 计算设备资源分配情况；

4) 根据设备资源分配情况更新工件的加工工序、加工状态；

5) 更新设备资源使用情况；

6) 更新工件加工工序的开始时间与结束时间；

7) 判断仿真运行结束；如果仿真尚未结束返回步骤2)。

更进一步地，一种自动学习现场生产设备和工件的统计特征并自动调整离散事件仿真模型参数实现对预测结果的动态补偿的方法，步骤如下：

1) 对现场实时状态数据库服务器中的已加工数据进行统计特性分析；

2) 将统计特性分析结果转换为补偿参数；

3) 将补偿参数保存到离散事件仿真模型数据库服务器中。

进一步的所述步骤⑤中加工计划生成服务器进行加工计划生成方法步骤如下：

1) 获取加工计划生成的起始与结束时间；

2) 获取所要生成的加工流程数据；

3) 获取实时预测数据库服务器中的设备使用预测数据；

4) 搜索下一个可插入新加工计划的时间点；

5) 加工计划生成结束判断；如果步骤4）中搜索得到时间点超过了设定的结束时间则结束加工计划生成过程；否则执行步骤6）；

6) 将当前时间点加入加工计划；

7) 预测新加入的加工计划未来的加工过程并返回步骤4）。

本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著优点：

本发明的自动化制造加工系统的在线预测与在线加工计划生成系统和方法通过实时分析预测出的未来设备使用情况，根据加工等待约束条件进行在线加工时间搜索，有效的避开设备使用的高峰期减少加工等待时间，从而改善目前较落后的生产管理现状，即根据经验确定加工周期和加工量的静态加工计划生成方法，以及面对突发情况无法及时充分预测对未来加工产生的影响并调整加工计划、前序及后续环节的计划的现状。因此，针对这一类自动化制造加工系统及加工流程，根据当前系统的情况自动进行加工过程的在线预测以及在线加工计划生成具有重要意义。

附图说明

图1是用于自动化制造加工系统的在线预测与在线加工计划生成系统的硬件结构示意图。

图2是本发明中基于离散事件仿真模型的在线预测方法的流程示意图。

图3是本发明中对设备与工件加工统计特征进行模型学习的流程示意图。

图4是本发明中在线加工计划生成方法的流程示意图。

图5是本发明中自动化制造加工系统的在线预测与在线加工计划生成流程图示意图。

具体实施方式

以下结合附图详细说明本发明的优选实施例：

实例一：

参见图1，本用于自动化制造加工系统的在线预测与在线加工计划生成系统，包括现场设备（8），其特征在于：有现场实时状态数据库服务器（1）、实时预测数据库服务器（2）、离散事件仿真模型数据库服务器（3）、加工计划生成服务器（4）、加工过程预测服务器（5）、现场数据采集接口（6）和用户接口（7）通过以太网与所述现场设备（8）连接并彼此之间相互连接；

所述现场实时状态数据库服务器（1）存储了从现场数据采集接口（6）采集到的实时加工状态信息；

所述实时预测数据库服务器（2）存储了由加工过程预测服务器（5）基于现场实时状态数据库服务器（1）中的数据运用离散事件仿真模型预测出的未来加工状态信息；

所述离散事件仿真模型数据库服务器（3）存储加工过程预测服务器（5）用到的所有离散事件仿真模型的参数信息，并由加工过程预测服务器（5）或用户接口（7）根据需要进行调整；

所述加工计划生成服务器（4）负责根据现场实时状态数据库服务器（1）和实时预测数据库服务器（2）中的数据生成加工计划，提供多种加工计划生成策略可供选择；

所述加工过程预测服务器（5）负责根据现场实时状态数据库服务器（1）中的数据运用离散事件仿真模型数据库服务器（3）中的离散事件仿真模型对未来的加工状态进行预测，并将预测结果存储到实时预测数据库服务器（2）；

所述现场数据采集接口（6）负责获取现场各个工件与设备状态信息，并负责更新现场实时状态数据库服务器（1）中的加工状态数据；

所述用户接口（7）负责完成所有与用户进行交互的功能。

实施例二：

参见图5，本用于自动化制造加工系统的在线预测与在线加工计划生成方法，步骤如下：

① 启动系统，使用用户接口（7）进行参数配置；

② 使用现场数据采集接口（6）对现场数据定时采集，并将结果保存到现场实时状态数据库服务器（1）；

③ 通过加工过程预测服务器（5）将现场实时状态数据库服务器（1）中的数据与实时预测数据库服务器（2）中的数据进行对比，计算离散事件仿真模型补偿参数，并将结果保存到离散事件仿真模型数据库服务器（3）；

④ 通过加工过程预测服务器（5）根据基于离散事件仿真模型的在线预测方法对未来状态信息进行预测，并将结果保存到实时预测数据库服务器（2），该步骤既可以定时执行，也可以由用户接口触发执行，当选择由用户接口触发方式时，如用户没有触发则跳过该步骤；

⑤ 根据实时预测数据库服务器（2）中的未来状态信息，利用加工计划生成服务器（4）进行加工计划生成，并将结果返回给用户接口（7），该步骤既可以定时执行，也可以由用户接口（7）触发执行，当选择由用户接口（7）触发方式时，如用户没有触发则返回所述步骤②。

实施例三：

本实施例的实现基于图1所示的系统硬件结构，现场网络是数据交互的主干，所有的数据库服务器、现场设备、接口均通过该现场网络进行数据交互。

现场实时状态数据库服务器（1）用于存储包括工件完整的加工流程、加工状态、加工开始时间与加工结束时间等工件信息，各种设备数量、设备状态、设备使用情况等设备信息。加工流程信息主要包括加工流程号、工序顺序、加工类型、加工使用设备、加工等待约束条件（主要指最大的等待时间或不允许出现等待时间，等待时间是从上一工序结束到该工序开始执行的时间）、加工异常处理等信息。加工状态可以使用单个变量（如1、2、3、4……n等）对整个加工流程的状态进行描述，也可以对同一个加工流程中的各个加工工序运用几类状态（如等待加工、进行加工、加工完成等）进行分别描述。加工开始时间和加工结束时间信息可以使用绝对时间进行描述，也可以使用相对于整个流程开始（即第一个加工工序的加工开始时间）的相对时间进行描述，根据具体加工类型的不同可以选择不同的时间单位（如k毫秒、k微秒、k秒、k分钟、k小时、k天等）。设备数量信息主要包括各种设备类型当前可以使用的数量以及总数量。设备状态信息主要包括正常、异常、维护等状态。设备使用情况主要包括空闲、使用等。

实时预测数据库服务器（2）用于存储基于现场实时状态数据库服务器（1）中的数据使用离散事件仿真模型预测出的未来完整的加工状态信息。主要包括对于每个工件其加工流程信息（如各个工序的加工开始时间与加工结束时间）、各种设备在各个时间段内的使用数或空闲数。

离散事件仿真模型数据库服务器（3）用于存储所有离散事件仿真模型的参数信息，包括每个模型预测统计信息、模型学习和补偿参数。模型预测统计信息可以包括过去执行预测的总工件数、预测误差在各个范围段内的数目、预测误差的平均值、标准差等。模型学习和补偿参数主要包括设备、工件、加工流程（或加工类型）之间的统计关系，具体来讲可以包括加工时间（或实际加工时间相对用户设定的加工时间的偏离值）关于设备、工件、加工流程的统计分布，可以以数据表的形式进行存储，也可以使用各种线性、非线性回归或人工智能方法实现映射的方式对统计分布进行分析、学习，并将结果存于离散事件仿真模型数据库服务器（3）。

加工计划生成服务器（4）用于运行在线加工计划生成的算法，根据现场实时状态数据库服务器（1）和实时预测数据库服务器（2）中的数据生成加工计划。

加工过程预测服务器（5）负责运行离散事件仿真模型的算法，根据现场实时状态数据库服务器（1）中的数据运用离散事件仿真模型数据库服务器（3）中的离散事件仿真模型对未来的加工状态进行预测，并将预测结果存储到实时预测数据库服务器中（2）。

现场数据采集接口（6）负责获取现场各个工件与设备状态信息，并负责更新现场实时状态数据库服务器（1）中的加工状态数据。现场数据采集接口（6）获取信息的方式主要通过通信方式（串口、现场总线、以太网、无线网络、光纤网络等）实现。

用户接口（7）负责完成所有与用户进行交互的功能，包括手工输入加工计划、确认自动生成的加工计划、选择加工计划生成策略、选择加工等待约束条件、修改系统参数、查看/打印现场实时状态信息、查看/打印加工过程预测信息等功能。用户接口（7）可以使用C/S架构的方式使用各种编程语言开发的客户端程序进行访问，也可以使用B/S架构的方式，使用网页浏览器的方式进行访问。

其中现场实时状态数据库服务器（1）、实时预测数据库服务器（2）、离散事件仿真模型数据库服务器（3）可以储存在同一台计算机内，也可分布式的使用多台计算机，数据库采用常见的商业数据库软件（如SQL Server、Oracle、DB2、Sybase等），在数据量不大的情况下也可以使用轻量级的数据库（如Access、SQLite、FoxPro、PostgreSQL、MySQL等）。

现场设备（8）直接对工件进行操作以及采集操作产生的数据，现场设备（8）一般由PLC、IPC、单片机控制/数据采集板等进行直接控制，PLC、IPC、单片机控制/数据采集板通过现场网络接受控制信号以及返回生产数据，本发明中主所述的现场设备（8）包括直接对工件进行操作的设备以及通过现场网络进行通信的PLC、IPC、单片机控制/数据采集板等设备。

加工计划生成服务器（4）、加工过程预测服务器（5）、现场数据采集接口（6）、用户接口（7）可以是同一台计算机，也可分布式地在不同计算机上运行。此外在条件允许的情况下，用户接口（7）也可以是各种手持终端之上以方便移动访问。

当加工规模不大时，可将上述服务器集中到一台或少数几台计算机上运行，以减少成本。但建议采用分布式的服务器架构以适应大规模的加工，服务器与PC的基本要求是：

运算性能。单核或多核CPU主频2.0GHz以上。

数据存储能力。内存在2G以上，硬盘在80G以上。

③ 网络传输能力。100M以上以太网、光纤通信、现场总线或无线通信。

④ 操作系统。常见的通用操作系统，如Windows系列操作系统、Linux/Unix及其衍生出的操作系统等。

运用离散事件仿真模型的预测方法，如图2所示，包括以下步骤：

1. 根据现场实时状态数据库服务器（1）中的数据初始化仿真模型状态。需要初始化的模型状态主要包括：a) 所有工件当前的加工工序；b) 所有工件当前加工工序的开始时间；c)所有设备的当前状态。

2. 计算下一仿真时刻。通过使用活动扫描方法计算动态仿真步长，获取下一个存在工件加工工序完成的时刻，从而跳过所有状态没有发生改变的仿真周期，大大缩短了完成仿真所需要的时间。

3. 计算设备资源分配情况。先获取需要使用设备的工件，如果需求设备的数目少于当前可用设备总数（可用设备仅仅指处于空闲状态的设备，当一个空闲设备出现故障或在进行维护时处于不可用状态），则所有的工件都成功获得设备使用权，否则对其使用设备分配策略进行排序并取排序靠前的工件获得设备使用权。设备分配策略决定了当出现设备无法同时满足所有的工件请求时，哪些工件可以优先获得设备的使用权。设备分配策略由用户制定，默认可以为先到先服务策略。

4. 根据设备资源分配情况更新工件的加工工序、加工状态。如果工件前一个时刻的加工状态为开始并且在当前时刻达到当前工序的加工结束时间，则当前工序加工状态变为等待，当前工序转移到加工流程中的下一道加工工序。如果工件在前一时刻加工状态为等待并在当前时刻分配到设备使用权，则当前工序的加工状态变为开始。其余的情况下工件的加工状态以及加工工序保持不变。

5. 更新设备资源使用情况。根据步骤3计算出的设备资源分配情况，更新设备使用状态表。

6. 更新工件加工工序的加工开始时间与加工结束时间。如果工件的当前工序是在当前时刻开始进行加工的，则加工开始时间为当前时刻，加工结束时间=加工开始时间+加工流程中设置的加工时间+模型补偿。

7. 判断仿真运行结束。采用通过指定时间长度和通过所有工件是否全部完成加工两种方法之一对仿真结束进行判断。如果判断仿真运行结束则结束仿真预测过程，否则返回步骤2。

自动学习现场生产设备和工件的统计特征并自动调整离散事件仿真模型参数实现对预测结果的动态补偿的方法，如图3所示，包括以下步骤：

1. 现场实时状态数据库服务器（1）中的已加工数据进行统计特性分析。统计特性分析主要包括历史预测数据的统计特性和实际加工统计特性分析。历史预测数据的统计特性可以包括过去执行预测的总工件数、预测误差在各个范围段内的数目、预测误差的平均值、标准差等。加工统计特性主要包括加工时间（或实际加工时间相对用户设定的加工时间的偏离值）关于设备、工件、加工流程的统计分布，可以以数据表的形式进行存储，也可以使用各种线性、非线性回归方法或人工智能方法实现映射的方式对统计分布进行分析、学习，并将结果进行存储。

2. 将统计特性分析结果转换为补偿参数。根据步骤1的统计特性，分别计算出设备进行特定工序加工时间相对于用户输入加工时间的偏差值，作为模型补偿值。

3. 将补偿参数保存到离散事件仿真模型数据库服务器（3）中。通过现场网络将步骤2中获取的模型补偿值存储到离散事件仿真模型数据库服务器（3）中，用于在今后进行预测时进行补偿提高预测结果的准确性。

基于预测信息的在线加工计划生成方法，如图4所示，包括以下步骤：

1. 获取加工计划生成的起始与结束时间。通过用户接口（7）读取用户设定的加工计划生成的起始和结束时间。

2. 获取所要生成的加工流程数据。通过用户接口（7）读取用户设定的需要进行加工的加工流程数据。加工流程数据主要包括：加工流程编号、工序的顺序、工序需要使用的设备、工序平均加工时间等。

3. 获取实时预测数据库服务器（2）中的设备使用预测数据。通过现场网络访问实时预测数据库服务器（2），获取预测的设备使用情况。设备使用情况主要包括在某个时间段内某一类设备的使用量与可用总数。

4. 搜索下一个可插入新加工计划的时间点。根据加工流程的特点使用适当的搜索策略在满足加工等待约束条件的情况下搜索下一个可插入新加工计划的时间点。加工等待约束条件一般可以有：零加工等待时间约束（工序不允许出现加工等待时间）、有限加工等待时间约束（工序允许出现在限定范围内的加工等待时间）。根据加工流程中是否所有的工序都存在加工等待约束又可分为：全部工序加工等待约束与部分工序加工等待约束。

5. 加工计划生成结束判断。如果步骤4中搜索得到时间点超过了设定的结束时间则结束加工计划生成过程。否则执行步骤6。

6. 将当前时间点加入加工计划。将步骤4搜索得到的时间点加入到加工计划列表中。

7. 预测新加入的加工计划未来的加工过程。根据步骤4搜索得到的时间点，进行加工过程预测，计算新加入的加工计划所有工序的开始时间与结束时间，并计算对设备使用情况的影响。

结合离散事件仿真模型的在线预测方法、自动学习现场生产设备和工件的统计特征并自动调整离散事件仿真模型参数实现对预测结果的动态补偿的方法、基于预测信息的在线加工计划生成方法，在线预测与加工计划生产系统工作方式为：

① 启动系统，使用用户接口（7）进行参数配置；

根据实时预测数据库服务器（2）中的未来状态信息，利用加工计划生成服务器（4）进行加工计划生成，并将结果返回给用户接口（7），该步骤既可以定时执行，也可以由用户接口（7）触发执行，当选择由用户接口（7）触发方式时，如用户没有触发则返回所述步骤②。

综上所述仅为本发明的较佳实施例而已，并非用以限定本发明的保护范围。即凡依本发明申请专利范围的内容所做的等效变化与修饰，都应为本发明的技术范畴。

Claims

1.一种用于自动化制造加工系统的在线预测与在线加工计划生成系统，包括现场设备（8），其特征在于：有现场实时状态数据库服务器（1）、实时预测数据库服务器（2）、离散事件仿真模型数据库服务器（3）、加工计划生成服务器（4）、加工过程预测服务器（5）、现场数据采集接口（6）和用户接口（7）通过以太网与所述现场设备（8）连接并彼此之间相互连接；

所述用户接口（7）负责完成所有与用户进行交互的功能。

2.根据权利要求1所述用于自动化制造加工系统的在线预测与在线加工计划生成系统，其特征在于：所述现场实时状态数据库服务器（1）、实时预测数据库服务器（2）、离散事件仿真模型数据库服务器（3）、加工计划生成服务器（4）、加工过程预测服务器（5）、现场数据采集接口（6）、用户接口（7）集中于一台或多台计算机以降低成本。

3.根据权利要求1用于自动化制造加工系统的在线预测与在线加工计划生成系统，其特征在于：所述实时加工状态信息包括工件完整的加工流程、加工状态、加工开始时间与加工结束时间工件信息，各种设备数量、设备状态和设备使用情况。

4.根据权利要求1所述用于自动化制造加工系统的在线预测与在线加工计划生成系统，其特征在于：所述用户接口（7）提供访问接口以方便使用各种手持终端移动访问。

5.根据权利要求1所述用于自动化制造加工系统的在线预测与在线加工计划生成系统，其特征在于：所述用户接口（7）负责手工输入加工计划、确认自动生成的加工计划、选择加工计划生成策略、修改系统参数、查看/打印现场实时状态信息、查看/打印加工过程预测信息。

6.根据权利要求1所述用于自动化制造加工系统的在线预测与在线加工计划生成系统，其特征在于：所述用户接口（7）使用C/S架构的方式使用各种编程语言开发的客户端程序进行访问，也可以使用B/S架构的方式，使用网页浏览器的方式进行访问。

7.一种用于自动化制造加工系统的在线预测与在线加工计划生成方法，步骤如下：

① 启动系统，使用用户接口（7）进行参数配置；

8.根据权利要求7所述一种用于自动化制造加工系统的在线预测与在线加工计划生成方法，其中所述步骤④中所述基于离散事件仿真模型的在线预测方法，步骤如下：

1) 根据现场实时状态数据库服务器（1）中的数据初始化离散事件仿真模型状态；

2) 计算下一仿真时刻；

3) 计算设备资源分配情况；

4) 根据设备资源分配情况更新工件的加工工序、加工状态；

5) 更新设备资源使用情况；

6) 更新工件加工工序的开始时间与结束时间；

7) 判断仿真运行结束；如果仿真尚未结束返回步骤2)。

9.根据权利要求7所述一种用于自动化制造加工系统的在线预测与在线加工计划生成方法，其特征在于：一种自动学习现场生产设备和工件的统计特征并自动调整离散事件仿真模型参数实现对预测结果的动态补偿的方法，步骤如下：

1) 对现场实时状态数据库服务器（1）中的已加工数据进行统计特性分析；

2) 将统计特性分析结果转换为补偿参数；

3) 将补偿参数保存到离散事件仿真模型数据库服务器（3）中。

10.根据权利要求7所述一种用于自动化制造加工系统的在线预测与在线加工计划生成方法，其特征在于：所述步骤⑤中加工计划生成服务器（4）进行加工计划生成方法步骤如下：

1) 获取加工计划生成的起始与结束时间；

2) 获取所要生成的加工流程数据；

3) 获取实时预测数据库服务器（2）中的设备使用预测数据；

4) 搜索下一个可插入新加工计划的时间点；

6) 将当前时间点加入加工计划；

7) 预测新加入的加工计划未来的加工过程并返回步骤4）。