CN108345999B - 一种基于动态规划的制造系统生产过程信息约简方法 - Google Patents
一种基于动态规划的制造系统生产过程信息约简方法 Download PDFInfo
- Publication number
- CN108345999B CN108345999B CN201810133177.7A CN201810133177A CN108345999B CN 108345999 B CN108345999 B CN 108345999B CN 201810133177 A CN201810133177 A CN 201810133177A CN 108345999 B CN108345999 B CN 108345999B
- Authority
- CN
- China
- Prior art keywords
- value
- production process
- ijt
- ijc
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 119
- 230000009467 reduction Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000005540 biological transmission Effects 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000013507 mapping Methods 0.000 claims abstract description 9
- 238000011946 reduction process Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000012935 Averaging Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 8
- 230000004044 response Effects 0.000 abstract description 5
- 230000001603 reducing effect Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 13
- 238000011160 research Methods 0.000 description 8
- 238000012546 transfer Methods 0.000 description 4
- 230000014759 maintenance of location Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
- G06F17/175—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method of multidimensional data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明针对基于粗糙集的信息约简方法存在不足，结合动态规划方法的有效性，公开了一种基于动态规划的复杂系统生产过程业务主线信息约简方法，能够在信息失真度较低的前提下，实现快速响应和业务主线优化，达到提高生产过程的工作效率的目的，较好解决了复杂制造系统生产过程优化问题。本方法包括以下步骤：步骤1.基于信息传递方向的生产过程信息约简方法，包括：步骤1.1建立一级约简模型；步骤1.2一级约简过程；步骤2.基于业务主线的生产过程信息约简方法，包括：步骤2.1建立二级约简模型；步骤2.2二级约简过程；步骤3.基于hash函数的业务主线的计算方法，包括：步骤3.1hash函数的建立；步骤3.2hash映射的约简效果。
Description
技术领域
本发明涉及一种制造系统生产过程信息约简方法，特别是涉及一种基于动态规划的制造系统生产过程信息约简方法。
背景技术
现有技术存在的问题是：
近40年来，发达国家在制造系统领域先后提出智能制造、大规模定制、可持续制造等一系统新的制造模式，旨在提高制造系统的生产效率和生产质量，降低生产成本。但因制造系统的系统复杂性问题十分突出，生产过程信息繁琐，许多的制造系统迷失在这些紊乱的信息中，约简有效信息、实现资源优化成为企业提高制造系统效率的核心问题。
作为制造企业的关键环节，制造系统生产过程反映了制造计划的具体执行方式、进度、效率，同时也反映得到各要素制造信息的反馈，更是大量实时信息的集散地。生产过程中信息系统的高效性在很大程度上决定着整个企业的生产效率。根据上层下达的生产计划和实时现场信息，能够做出快速反映，能够低成本地制造出高质量的产品，是本文研究的重点内容。对生产过程中信息的约简，对制造系统优化问题进行研究是提升我国制造企业生产效率的重点内容，有着显著的经济价值和社会意义。
从目前的研究现状来看，研究生产过程中的信息系统是十分必要的而且具有十分现实的意义。信息条件下的制造车间生产过程中存在着很多因素，智能信息处理方法为我们研究不确定信息提供了的必要工具。国内外专家和学者为解决这些问题，付出了艰辛的努力，取得显著研究成果，与本课题相关的分为两方面。
现有的信息约简方法大多都是以粗糙集为基础而进行的，粗糙近似精度有待提高，信息约简后的业务主线效率有待提高，信息约简后失真度有待降低。
发明内容
本发明的目的在于针对基于粗糙集的信息约简方法存在不足，结合动态规划方法的有效性，提供一种基于动态规划的复杂系统生产过程业务主线信息约简方法，能够在信息失真度较低的前提下，实现快速响应和业务主线优化，达到提高生产过程的工作效率的目的，较好解决了复杂制造系统生产过程优化问题。
本发明的目的是这样实现的：
一种基于动态规划的制造系统生产过程信息约简方法，本方法包括以下步骤：
步骤1.基于信息传递方向的生产过程信息约简方法
步骤1.1建立一级约简模型
将生产过程信息进行分层管理，将生产过程中涉及到的部门作为分层，将各部门的生产信息作为节点，将生产过程中任务的下派定义为信息正向传递，将生产过程中任务的反馈定义为信息反向传递，按信息传递方向将每两个节点之间通过一个有向线段连接起来，形成生产过程信息网络；
定义1：
W＝(N,C,V)表示一个生产过程节点的有向网络；
C＝{ci|i＝1,2,...,n}表示图中层数的集合；
N＝{nj|j＝1,2,...n}表示每层中节点的集合；
V＝{vij|i,j＝1,2...n}表示有向线段权值的集合，vij>0表示有向线段为正向，vij<0则表示有向线段为反向；
步骤1.2一级约简过程
针对各节点间的有向线段的连接方向，只保留信息正向传递，将节点之间反向传递的有向线段从生产过程信息网络中删去；
步骤2.基于业务主线的生产过程信息约简方法
步骤2.1建立二级约简模型
详细化有向线段权值的集合V，包括：第i层第j个结点的工时值vijt、基本成本值vijc、生产质量值vijq，建立一个新的基于有向线段权值的数学模型，
定义2：
V＝vij(vijt，vijc，vijq)，i，j＝1，2...n
vij＝(vijt)r+(vijc)k+(vijq)w，r+k+w＝1
vij表示第i层第j个节点的标准成本值；
vijt表示第i层第j个节点所用的工时值；
vijc表示第i层第j个节点所用的基本成本值；
vijq表示第i层第j个节点完成任务的生产质量值；
r,k，w为和为1随机指数；
path[1,n]表示最终路径矩阵；
iMax[1,n]表示最终路径矩阵中节点相对应的最大标准成本值；
步骤2.2二级约简过程
在步骤1形成生产过程信息网络中，通过动态规划方法把当前一段和未来各段分开，选取节点N和最优标准成本值V，把一个大问题化成一族同类型的子问题，然后逐个求解，即从边界条件开始，逐层递推寻优，在求解整个生产过程最优时，由于输入、输出都只为一个节点，是已知状态，每层的标准成本值都是该层的函数，故最优方法所经过的每层标准成本值可逐次变换得到，从而确定最优路线；
经过基于最优标准成本值的动态规划方法约简后，生产过程的业务主线产生，有效线段减少，数据量也减少，得到每一层的最优标准成本值；
将每一层的节点最优标准成本值提取保存至新的矩阵中，对其进行求和计算，将计算后C值称为总体标准成本值，如下：
步骤3.基于hash函数的业务主线的计算方法
通过Hash函数对业务主线中仍存在的多维数据进行压缩映射，保存在新的矩阵newpath[1,n]中，矩阵中的值只保留所需要的参数类型，然后对数据进行处理计算，计算所得生产过程约简后的完成效率；
步骤3.1hash函数的建立
定义3：
V＝vij(vijtvijc，vijq)→H(vijt，vijc)
在定义2的基础上，定义hash函数H(vijt,vijc)，将多维数据结构V通过hash函数变换后，降维为二维数据结构H(vijt,vijc)，保留比例系数较大的属性值：成本值vijt和时间值vijc，通过对两个参数的计算，从而算出生产过程的耗损值，
步骤3.2hash映射的约简效果
定义4：
定义一种列表，列表长度为32位，前8位为i的值，第二个8位为j的值，第三个8位为vijt的值，第四个8位为vijc的值，将所有参数压缩映射在列表里，根据压缩映射后的散列，保留[0-255,0-255,x-y,w-z]的节点，此处第三个8位vijt值取x-y是通过计算平均vijt值后所保留的区间；第四个8位vijc值取w-z是通过计算平均vijc值后所保留的区间；
将业务主线中所有节点的vijt、vijc值提取保留后进行计算，将计算后hash函数值称为业务主线的节点耗损值，将两级约简前的所有节点的耗损值求出后，进行失真度计算，最终得出业务主线信息失真度得出结论，业务主线的总体耗损值即目标函数计算公式如下：
Hmain＝∑(o*vijt+c*vijc),{vijt,vijc∈path[1,n]}
Htotal＝∑(o*vijt+c*vijc),{vijt,vijc∈all[1,n]}
其中o和c为和为1的随机系数，Hmain表示业务主线的耗损值；为平均一条主线的耗损值；Htotal表示全部节点的耗损值；P即为两级约简后业务主线的信息失真度。
优选地，步骤1中，各部门的生产信息包括生产线、工序、机器。
由于采用了上述技术方案，本发明具有如下有益效果：
本专利申请提出的基于动态规划的信息约简算法拥有较快的运行速度和较好的信息保留度，高效地将信息约简应用至本领域且达到较好的效果。实验结果表明，本文提出的算法是有效、可行的。
附图说明
图1为生产过程包含正向、反向信息传递的节点图。
图2为删除反向传递后的节点图；
图3为根据每层的最优标准成本值进行约简后的节点图
图4为约简前全连通节点图；
图5为一级约简后节点连接图；
图6为二级约简后节点连接图。
具体实施方式
一种基于动态规划的制造系统生产过程信息约简方法
1.基于信息传递方向的生产过程信息约简方法
1.1一级约简模型的建立
制造系统生产过程涉及到了不同的部门、人员、时间、车间、任务等，整个生产过程中产生的信息非常繁多且复杂。为优化整个生产流程，本文提出一种约简方法，该方法将生产过程信息网进行分层管理，将生产过程中涉及到的部门作为分层，将生产线、工序、机器等作为节点，定义各节点之间的信息传递性质，在同一种信息传递性质下讨论节点的保留性，从而达到一级约简生产过程信息网的目的。
从上述问题描述可知，该函数已出现维数灾，无法进行计算，下图为模拟生产过程的连通图，将不同部门作为不同层，不同层里有不同个节点均匀分布。在生产过程中，不同层之间的不同节点实现了随机互联。
针对图1，从上图中我们可以看到生产过程极为复杂，不仅存在着多层的现场，每层中节点数也存在多种选择的情况，使得连线变得多维化。为了更好的表示一级约简方法，给图1做出定义。
定义1：
W＝(N,C,V)表示一个生产过程节点的有向网络；
C＝{ci|i＝1,2,...,n}表示图中层数的集合；
N＝{nj|j＝1,2,...n}表示每层中节点的集合；
V＝{vij|i,j＝1,2...n}表示有向线段权值的集合，vij>0表示有向线段为正向，vij<0则表示有向线段为反向。
如图1所示，复杂制造系统生产过程信息非常复杂且数据量多，不同节点之间存在不同的关系，每两个节点通过一个有向的线段连接起来，其中箭头指向宿点。从图1可以看出，主要存在两种不同性质的信息传递，右向箭头连线定义为信息正向传递，左向箭头连线定义为信息反向传递。在生产过程中，信息正向传递即为任务的下派，信息反向传递为任务的反馈。
1.2一级约简过程
针对各节点间的有向线段的连接方向，只保留信息正向传递，即节点之间反向传递的有向线段要从网络中删去。约简后节点图如图2。
这样做的目的虽不会减少数据的维数，但是会减少数据量，只保留正向线段使得数据处理变得稍为简单，数据处理响应速度变快，且因为在只考虑正方向的线段的情况下删除反方向的有向线段，仍保留的所需要的信息，故信息并不会因为反向线段的减少而产生失真的现象，从而进一步达到了我们所求的目的。将约简后的生产过程节点网结合二级约简，则会取得更好的效果。
2.针对业务主线的生产过程约简方法
2.1二级约简模型建立
虽然针对信息的传递方向进行一级约简，数据处理速度变快，但模型仍为高维函数，且信息分布为多支化，仍存在杂乱的现象，因此需要对生产过程进行二级约简。本文的二级约简是基于生产过程的业务主线进行约简，根据第一级的定义，详细化其中的权值集合V值，其中包含有第i层第j个结点的工时值vijt、基本成本值vijc、生产质量值vijq等参数，建立一个新的基于节点权值的数学模型(VM：Value Model)具体如下：
定义2：
V＝vij(vijt，vijc，vijq)
vij＝(vijt)r+(vijc)k+(vijq)w，r+k+W＝1
vij表示第i层第j个节点的标准成本值；
vijt表示第i层第j个节点所用工时的值；
vijc表示第i层第j个节点所用基本成本的值；
vijq表示第i层第j个节点完成任务的质量值；
r,k,w为和为1随机指数；
path[1,n]表示最终路径矩阵；
iMax[1,n]表示最终路径矩阵中节点相对应的最大标准成本值。
2.2二级约简过程
从图2中可以看出，存在多个环节，存在多层结点，每一层至少含有1个包含信息正向传递的节点，即在最终路径中必含有每层中的一条路径(正向线段)，故在研究动态规划时，本文不涉及研究路径线段数最少问题，又由于本文是基于业务主线的约简，所以侧重于研究路径的权值最大的问题。
在多层节点的生产流程节点图中，动态规划方法把当前一段和未来各段分开，选取节点N和最优标准成本值V，把一个大问题化成一族同类型的子问题，然后逐个求解，即从边界条件开始，逐层递推寻优。在求解整个生产过程最优时，由于输入、输出都只为一个节点，是已知状态，每层的标准成本值都是该层的函数，故最优方法所经过的每层标准成本值可逐次变换得到，从而确定最优路线，如图3。
经过基于最优标准成本值的动态规划方法约简后，生产过程的业务主线已经产生，此时有效线段明显减少，数据量也明显减少，在二级约简时就对节点的高维数据进行了降维，得到每一层的最优标准成本值。
将每一层的节点最优标准成本值提取保存至新的矩阵中，对其进行求和计算，将计算后C值称为总体标准成本值，如下：
边界条件：此时，j＝1。
3.基于hash函数的业务主线的计算方法
上述针对标准成本值进行业务主线的提取过后，需要对业务主线的信息失真度进行计算。本章是对数据进行基于hash函数的业务主线信息失真度计算。本文用到Hash函数对业务主线中仍存在的多维数据进行压缩映射，保存在新的矩阵newpath[1,n]中，矩阵中的值只保留所需要的参数类型，然后对数据进行处理计算，计算所得生产过程约简后的完成效率。这样使计算变得较为简单，响应速度变得更快。
3.1 hash函数的建立
从定义2可知，一个节点存在多个属性，多个属性构成多维数据，尽管我们在第三、四章对数据进行了两级约简，但仅是对选择量较少的数据进行约简，选择数据量大的数据仍没达到降维的效果。
定义3：
V＝vij(vijt，vijc)→H(vijt，vijc)
在定义2的基础上，定义hash函数H(vijt,vijc)，将多维数据结构V通过hash函数变换后，降维为二维数据结构H(vijt,vijc)，保留比例系数较大的属性值(成本值vijt和时间值vijc)。本文将生产过程中的节点的多个参数进行映射，在本文中只保留节点的执行任务时间值和执行成本值两个参数，通过对两个参数的计算，从而算出生产过程的耗损值。
3.2 hash映射的约简效果
定义4，我们定义一种列表，列表长度为32位，前8位为i的值，第二个8位为j的值，第三个8位为vijt的值，第四个8位为vijc的值，如下图所示：
| # | 8bit | 8bit | 8bit | 8bit |
| value | i | k | V<sub>i</sub>j<sub>c</sub> | V<sub>i</sub>j<sub>t</sub> |
将所有参数压缩映射在列表里，即为：
根据压缩映射后的散列，我们保留[0-255,0-255,x-y,w-z]的节点，此处第三个8位vijt值取x-y是通过计算平均vijt值后所保留的区间；第四个8位vijc值取x-z是通过计算平均vijc值后所保留的区间。一般的这种计算方法我们只针对车间任务-机器根据成本-时间调度时采用，将比较极端化的节点直接删去，不仅较少了计算量，同时使得数据变得更平均化，更便于计算。
将业务主线中所有节点的vijt、vijc值提取保留后，就可进行计算。将计算后hash函数值称为业务主线的节点耗损值。将两级约简前的所有节点的耗损值求出后，进行失真度计算，最终得出业务主线信息失真度得出结论。业务主线的总体耗损值即目标函数计算公式如下：
Hmain＝∑(o*vijt+c*vijc),{vijt,vijc∈path[1,n]}
Htotal＝∑(o*vijt+c*vijc),{vijt,vijc∈all[1,n]}
其中o和c为和为1的随机系数，Hmain表示业务主线的耗损值；为平均一条主线的耗损值；Htotal表示全部节点的耗损值；P即为两级约简后业务主线的信息失真度。
实施例
4.1实验结果
本次仿真实验数据为随机数据，随机产生一个1行c列的矩阵tier[1,c]，c为随机产生节点图的层数，在矩阵tier[1,c]的每1列随机产生每层的节点数mi，并生成相应的矩阵Ai[mi,mi]，表示第i层的所有节点组成的矩阵是A，A中包括结点的坐标以及相对应的权值(工时值、基本成本值、质量值)。
本次实验数据中c＝10，tier(1,10)＝(1,5,8,10,6,9,6,8,1,1)，表示第1层只有1个节点，第2层有5个节点，第3层有8个节点，第4层有10个节点，第5层有6个节点，第6层有9个节点，第7层有6个节点，第8层有8个节点，第9层有1个节点，第10层有1个节点。生成连通图为图4，即约简之前的节点图。
生成原始图的同时，每个节点生成对应的权值V，V的取值范围为(-1,1)，其中V值在(-1,0)的有向线段认为是反向线段，V值在(0,1)的有向线段认为是正向线段。图4中因为图像呈现问题没有标明线段的权值。原始图为全连通图，此时线段数为338条，节点个数为55个。
一级约简时，将权值V取值范围在(-1,0)的值置0，即删除反向线段。生成图5。
图5为一级约简后的节点连接图，图中可以看到相比起原始图来说，线段的数量有所减少，经过一级约简反向传递线(V值属于(-1,0)的连接线)已被删除，即约简后生产只考虑正向信息传递的生产过程流程图。此时，还剩的线段数为90条，节点个数为29个。
二级约简时，根据所求的标准成本值进行最优选择，生成的图6。
图6为二级约简后的节点连接图，经过二级约简，寻找到每层标准成本值最优的节点进行正向连接，生成最终最优业务主线。此时图中线段数为9条，节点个数为10个。输出的业务主线保存至path[]＝[1,3,8,2,1,3,5,1,1,1]，输出的每层最优标准成本值为V[]＝[0,0.894822749,0.277564259,0.807581813,0.472018732,0.830027988,0.73909978,0.780550911,0.956448068,0]。
4.2业务主线信息失真度分析
过程中在二级约简前，由原始数据的正权值Mij(Mij＝o*vijt+c*vijc)形成的矩阵F，如下表1：
表1：原始数据的正权值形成的矩阵F
| 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 0 | 0.413469772 | 0.894822749 | 0 | 0.38581711 | 0 | 0 | 0 | 0 | 0 |
| 0.055934768 | 0 | 0 | 0 | 0 | 0 | 0.115729923 | 0.277564259 | 0 | 0 |
| 0.625631302 | 0.807581813 | 0.080751468 | 0.635726624 | 0.416833291 | 0 | 0 | 0 | 0 | 0 |
| 0.472018732 | 0.144608791 | 0 | 0.436560927 | 0 | 0.319233538 | 0 | 0 | 0 | 0 |
| 0.194121577 | 0.309504287 | 0.830027988 | 0 | 0 | 0.263764601 | 0 | 0.244057581 | 0 | 0 |
| 0 | 0 | 0 | 0 | 0.73909978 | 0.195880738 | 0 | 0 | 0 | 0 |
| 0.780550911 | 0 | 0.678069984 | 0.01453345 | 0 | 0 | 0.19888344 | 0 | 0 | 0 |
| 0.956448068 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
根据矩阵F，我们计算得出总体耗损值为：
Htotal＝∑Mij＝11.48722747
根据6.1得出的最终路径：
V[]＝[0,0.894822749,0.277564259,0.807581813,0.472018732,0.830027988,0.73909978,0.780550911,0.956448068,0]，可计算得出业务主线耗损值为：
Hmain＝∑V[]＝5.7581143
平均业务主线耗损值为：
由此计算业务主线信息失真度为：
从失真度为17.21％，信息保留度为82.79％，我们认为信息保留度在75％-99％内属于合理范围内。即业务主线约简后仍可保证信息的传递的完整度。
最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。
Claims (2)
1.一种基于动态规划的制造系统生产过程信息约简方法，其特征在于，本方法包括以下步骤：
步骤1.基于信息传递方向的生产过程信息约简方法
步骤1.1建立一级约简模型
将生产过程信息进行分层管理，将生产过程中涉及到的部门作为分层，将各部门的生产信息作为节点，将生产过程中任务的下派定义为信息正向传递，将生产过程中任务的反馈定义为信息反向传递，按信息传递方向将每两个节点之间通过一个有向线段连接起来，形成生产过程信息网络；
定义1：
W＝(N,C,V)表示一个生产过程节点的有向网络；
C＝{ci|i＝1,2,...,n}表示图中层数的集合；
N＝{nj|j＝1,2,...n}表示每层中节点的集合；
V＝{vij|i,j＝1,2...n}表示有向线段权值的集合，vij>0表示有向线段为正向，vij<0则表示有向线段为反向；
步骤1.2一级约简过程
针对各节点间的有向线段的连接方向，只保留信息正向传递，将节点之间反向传递的有向线段从生产过程信息网络中删去；
步骤2.基于业务主线的生产过程信息约简方法
步骤2.1建立二级约简模型
详细化有向线段权值的集合V，包括：第i层第j个结点的工时值vijt、基本成本值vijc、生产质量值vijq，建立一个新的基于有向线段权值的数学模型，
定义2：
V＝vij(vijt，vijc，vijq)，i，j＝1，2…n
vij＝(vijt)r+(vijc)k+(vijq)w，r+k+w＝1
vij表示第i层第j个节点的标准成本值；
vijt表示第i层第j个节点所用的工时值；
vijc表示第i层第j个节点所用的基本成本值；
vijq表示第i层第j个节点完成任务的生产质量值；
r，k，w为和为1随机指数；
path[1，n]表示最终路径矩阵；
iMax[1，n]表示最终路径矩阵中节点相对应的最大标准成本值；
步骤2.2二级约简过程
在步骤1形成生产过程信息网络中，通过动态规划方法把当前一段和未来各段分开，选取节点N和最优标准成本值V，把一个大问题化成一族同类型的子问题，然后逐个求解，即从边界条件开始，逐层递推寻优，在求解整个生产过程最优时，由于输入、输出都只为一个节点，是已知状态，每层的标准成本值都是该层的函数，故最优方法所经过的每层标准成本值可逐次变换得到，从而确定最优路线；
经过基于最优标准成本值的动态规划方法约简后，生产过程的业务主线产生，有效线段减少，数据量也减少，得到每一层的最优标准成本值；
将每一层的节点最优标准成本值提取保存至新的矩阵中，对其进行求和计算，将计算后C值称为总体标准成本值，如下：
步骤3.基于hash函数的业务主线的计算方法
通过Hash函数对业务主线中仍存在的多维数据进行压缩映射，保存在新的矩阵newpath[1，n]中，矩阵中的值只保留所需要的参数类型，然后对数据进行处理计算，计算所得生产过程约简后的完成效率；
步骤3.1hash函数的建立
定义3：
V＝vij(vijt，vijc，vijq)→H(vijt，vijc).
在定义2的基础上，定义hash函数H(vijt，vijc)，将多维数据结构V通过hash函数变换后，降维为二维数据结构H(vijt，vijc)，保留比例系数较大的属性值：成本值vijt和时间值vijc，通过对两个参数的计算，从而算出生产过程的耗损值，
步骤3.2hash映射的约简效果
定义4：
定义一种列表，列表长度为32位，前8位为i的值，第二个8位为j的值，第三个8位为vijt的值，第四个8位为vijc的值，将所有参数压缩映射在列表里，根据压缩映射后的散列，保留[0-255，0-255，x-y，w-z]的节点，此处第三个8位vijt值取x-y是通过计算平均vijt值后所保留的区间；第四个8位vijc值取w-z是通过计算平均vijc值后所保留的区间；
将业务主线中所有节点的vijt、vijc值提取保留后进行计算，将计算后hash 函数值称为业务主线的节点耗损值，将两级约简前的所有节点的耗损值求出后，进行失真度计算，最终得出业务主线信息失真度得出结论，业务主线的总体耗损值即目标函数计算公式如下：
Hmain＝∑(o*vijt+c*vijc),{vijt,vijc∈path[1,n]}
Htotal＝∑(o*vijt+c*vijc),{vijt,vijc∈all[1,n]}
其中o和c为和为1的随机系数，Hmain表示业务主线的耗损值；为平均一条主线的耗损值；Htotal表示全部节点的耗损值；P即为两级约简后业务主线的信息失真度。
2.根据权利要求1所述的一种基于动态规划的制造系统生产过程信息约简方法，其特征在于，步骤1中，各部门的生产信息包括生产线、工序、机器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810133177.7A CN108345999B (zh) | 2018-02-09 | 2018-02-09 | 一种基于动态规划的制造系统生产过程信息约简方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810133177.7A CN108345999B (zh) | 2018-02-09 | 2018-02-09 | 一种基于动态规划的制造系统生产过程信息约简方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108345999A CN108345999A (zh) | 2018-07-31 |
| CN108345999B true CN108345999B (zh) | 2021-09-28 |
Family
ID=62959510
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810133177.7A Active CN108345999B (zh) | 2018-02-09 | 2018-02-09 | 一种基于动态规划的制造系统生产过程信息约简方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108345999B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101477370A (zh) * | 2009-01-15 | 2009-07-08 | 重庆大学 | 一种基于复杂网络的制造系统生产进度的提取方法 |
| CN104318423A (zh) * | 2014-11-25 | 2015-01-28 | 广东工业大学 | 一种成品入库流程的动态规划方法及执行系统 |
| CN105630800A (zh) * | 2014-10-29 | 2016-06-01 | 杭州师范大学 | 一种节点重要性排序的方法和系统 |
| CN106598743A (zh) * | 2016-12-30 | 2017-04-26 | 重庆邮电大学 | 一种基于mpi并行求信息系统属性约简的方法 |
-
2018
- 2018-02-09 CN CN201810133177.7A patent/CN108345999B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101477370A (zh) * | 2009-01-15 | 2009-07-08 | 重庆大学 | 一种基于复杂网络的制造系统生产进度的提取方法 |
| CN105630800A (zh) * | 2014-10-29 | 2016-06-01 | 杭州师范大学 | 一种节点重要性排序的方法和系统 |
| CN104318423A (zh) * | 2014-11-25 | 2015-01-28 | 广东工业大学 | 一种成品入库流程的动态规划方法及执行系统 |
| CN106598743A (zh) * | 2016-12-30 | 2017-04-26 | 重庆邮电大学 | 一种基于mpi并行求信息系统属性约简的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108345999A (zh) | 2018-07-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109669934B (zh) | 一种切合电力客服业务的数据仓库系统及其构建方法 | |
| CN108921472B (zh) | 一种多车型的两阶段车货匹配方法 | |
| CN109359322B (zh) | 基于Omniclass分类技术的新型水利工程BIM唯一编码方法 | |
| CN109191052B (zh) | 一种多车型车辆路径优化方法、服务器及系统 | |
| CN105808553A (zh) | 数据库迁移方法及其装置 | |
| CN108090179A (zh) | 一种Spark并发子图查询的方法 | |
| CN115497272A (zh) | 一种基于数字化建造的工期智能化预警系统及方法 | |
| CN109345158A (zh) | 企业风险识别方法、装置和计算机可读存储介质 | |
| CN106910140B (zh) | 一种基于svg格式电力系统接线图网络拓扑分析的方法 | |
| CN105471893B (zh) | 一种分布式等值数据流连接方法 | |
| CN101697174B (zh) | 面向稳态热分析的零件模型自动简化及评价方法 | |
| CN113487276B (zh) | 一种电气装备制造生产过程协同管理平台 | |
| CN108345999B (zh) | 一种基于动态规划的制造系统生产过程信息约简方法 | |
| CN110275868A (zh) | 一种智能工厂中多模态制造数据预处理的方法 | |
| CN117035837B (zh) | 一种电力用户购电需求预测及零售合同定制方法 | |
| CN111695701B (zh) | 基于联邦学习实现数据集构建处理的系统及其构建生成方法 | |
| CN110990907B (zh) | 基于特征-资源知识的船用柴油机关重件可制造性三级优化方法 | |
| CN106055690B (zh) | 一种基于属性匹配的快速检索与获取数据特征方法 | |
| CN117010666A (zh) | 一种汽修工具生产工作站智能管理方法及系统 | |
| CN100573511C (zh) | 产生分析数据结构的自定义等级体系的系统和方法 | |
| CN108647321B (zh) | 一种树形智能车间制造大数据集成建模与语义计算方法 | |
| CN112734010B (zh) | 一种适用于图像识别的卷积神经网络模型压缩方法 | |
| CN107577880A (zh) | 一种基于多视图的工艺结构建模方法 | |
| CN114692403A (zh) | 一种基于二元决策图的复杂系统可靠性高效评估方法 | |
| CN103748578B (zh) | 数据分布的方法、装置及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |