CN110135636B - 一种车间运行状态预测信息的获取方法、装置及系统 - Google Patents

一种车间运行状态预测信息的获取方法、装置及系统 Download PDF

Info

Publication number
CN110135636B
CN110135636B CN201910389952.XA CN201910389952A CN110135636B CN 110135636 B CN110135636 B CN 110135636B CN 201910389952 A CN201910389952 A CN 201910389952A CN 110135636 B CN110135636 B CN 110135636B
Authority
CN
China
Prior art keywords
state
workshop
index
preset
target
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
Application number
CN201910389952.XA
Other languages
English (en)
Other versions
CN110135636A (zh
Inventor
刘检华
熊辉
庄存波
赵浩然
武颖
苗田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201910389952.XA priority Critical patent/CN110135636B/zh
Publication of CN110135636A publication Critical patent/CN110135636A/zh
Application granted granted Critical
Publication of CN110135636B publication Critical patent/CN110135636B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/067—Enterprise or organisation modelling

Abstract

本发明的实施例提供了一种车间运行状态预测信息的获取方法、装置及系统，其中，应用于监控装置的获取方法，包括：获取车间历史数据；根据车间历史数据，得到连续时间马尔可夫链中系统状态变迁的实施速率，以及离散时间马尔可夫链中指标状态转移的第一转移概率；根据每一第一转移概率以及当前单位时间段内的第一状态概率矩阵，得到下一单位时间段内的第三目标指标状态以及目标单位时间段内的第四目标指标状态；获取仿真装置根据实施速率得到的关于预设车间指标的稳态数值，并输出稳态数值与第四目标指标状态的第一对比结果以及第三目标指标状态至第一显示装置。本发明的技术方案能对预设车间指标进行实时预测且保证了预测结果的代表性和实时性。

Description

一种车间运行状态预测信息的获取方法、装置及系统
技术领域
本发明涉及车间运行状态监控领域，特别涉及一种车间运行状态预测信息的获取方法、装置及系统。
背景技术
目前企业车间内的运行过程分析还是通过离线生产线仿真的方式，即调研一段时间的车间数据，将数据拟合成数学分布进而确定仿真参数，在系统仿真平台上重复仿真以评估生产性能。该方式耗时长，统计信息为某一段运行过程的车间数据，不具备代表性，且仿真分析无法实时进行。车间亟需一种能够根据车间实时状态信息进行预测的方法。
发明内容
本发明实施例要达到的目的是提供一种车间运行状态预测信息的获取方法、装置及系统，用以解决当前采用传统方法预测车间运行状态，存在操作繁琐且实时性和代表性较差的问题。
为解决上述技术问题，本发明的一优选实施例提供了一种车间运行状态预测信息的获取方法，应用于监控装置，包括：
获取数据库中物联装置采集到的车间历史数据，车间历史数据包括当前单位时间段内的车间数据；
根据第一预设算法以及车间历史数据，得到关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向一第二目标系统状态变迁的实施速率，其中，第一目标系统状态为连续时间马尔可夫链中任意一系统状态，第二目标系统状态为一个可由第一目标系统状态变迁得到的系统状态；
根据第二预设算法以及车间历史数据，得到关于预设车间指标的离散时间马尔可夫链中，每一第一目标指标状态向一第二目标指标状态转移的第一转移概率，第一目标指标状态为离散时间马尔可夫链中任意一预设车间指标的指标状态，第二目标指标状态为一个可由第一目标指标状态转移得到的指标状态；
将实施速率以及转移概率存储至数据库的一预设数据表中，并根据每一第一转移概率以及当前单位时间段内关于预设车间指标的第一状态概率矩阵，得到下一单位时间段内的第二状态概率矩阵所对应的第三目标指标状态，以及目标单位时间段内的第三状态概率矩阵所对应的第四目标指标状态，其中，所述目标单位时间段与当前单位时间段之间间隔预设数量的单位时间段；
获取仿真装置根据实施速率得到的关于预设车间指标的稳态数值，将稳态数值与第四目标指标状态进行对比，得到第一对比结果，并输出第三目标指标状态以及第一对比结果至第一显示装置。
具体地，如上所述的车间运行状态预测信息的获取方法，在获取数据库中物联装置采集到的车间历史数据的步骤之前，获取方法还包括：
根据预先输入的预设车间指标的历史数据以及专家知识，对预设车间指标进行变量离散化处理，得到离散时间马尔可夫链。
优选地，如上所述的车间运行状态预测信息的获取方法，根据第一预设算法以及车间历史数据，得到关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向一第二目标系统状态变迁的实施速率的步骤包括：
调取车间历史数据中每一单位时间段内由第一目标系统状态向第二目标系统状态变迁的第一服务时间和变迁发生的第一数量；
根据第一预设算法，将第一数量除以第一服务时间，得到实施速率。
优选地，如上所述的车间运行状态预测信息的获取方法，根据第二预设算法以及车间历史数据，得到关于预设车间指标的离散时间马尔可夫链中，每一第一目标指标状态向一第二目标指标状态转移的第一转移概率的步骤包括：
调取车间历史数据中每一单位时间段内由第一目标指标状态向第二目标指标状态转移的第二数量以及处于第一目标指标状态内的第三数量；
根据第二预设算法，将第二数量除以第三数量，得到第一转移概率。
具体地，如上所述的车间运行状态预测信息的获取方法，根据每一第一转移概率以及当前单位时间段内关于预设车间指标的第一状态概率矩阵，得到下一单位时间段内的第二状态概率矩阵所对应的第三目标指标状态的步骤包括：
根据每一第一目标指标状态向第二目标指标状态转移的第一转移概率，得到一转移概率矩阵；
从车间历史数据中调取当前单位时间段内关于预设车间指标的第一状态概率矩阵，并将第一状态概率矩阵叉乘转移概率矩阵，得到下一单位时间段内关于预设车间指标的第二状态概率矩阵；
确定第二状态概率矩阵中数值最大的状态概率对应的指标状态为第三目标指标状态；
将第一状态概率矩阵叉乘预设数量的转移概率矩阵，得到目标单位时间段内关于预设车间指标的第三状态概率矩阵；
确定第三状态概率矩阵中数值最大的状态概率对应的指标状态为第四目标指标状态。
具体地，如上所述的车间运行状态预测信息的获取方法，得到下一单位时间段内的第二状态概率矩阵所对应的第三目标指标状态，以及目标单位时间段内的第三状态概率矩阵所对应的第四目标指标状态的步骤之后，获取方法还包括：
根据车间历史数据得到当前单位时间段内关于预设车间指标的当前取值；
将当前取值与第四目标指标状态进行比较得到第二对比结果，并输出至第一显示装置。
在本发明的另一优选实施例中，还提供了一种车间运行状态预测信息的获取方法，应用于仿真装置，包括：
获取数据库的预设数据表中关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向第二目标系统状态变迁的实施速率；
根据实施速率进行仿真模拟，得到当前单位时间段内关于预设车间指标的稳态数值；
将稳态数值发送至监控装置，并输出至第二显示装置。
具体地，如上所述的车间运行状态预测信息的获取方法，在获取数据库的预设数据表中关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向第二目标系统状态变迁的实施速率的步骤之前，预测方法还包括：
根据预先输入的车间工艺流程、车间资源、车间作业逻辑得到关于预设车间流程的连续时间马尔可夫链。
优选地，如上所述的车间运行状态预测信息的获取方法，根据每一实施速率进行仿真模拟，得到当前单位时间段内关于预设车间指标的稳态数值的步骤包括：
根据每一实施速率得到一转移速率矩阵；
根据连续时间马尔可夫链中每一系统状态的稳态概率所构成的行向量，叉乘转移速率矩阵的结果为零，且所有系统状态对应的稳态概率之和为1，得到每一系统状态所对应的稳态概率；
根据第三预设算法、每一稳态概率和/或实施速率，得到与预设车间指标对应的稳态数值。
在本发明的又一实施例中，还提供了一种监控装置，包括：
第一获取模块，用于获取数据库中物联装置采集到的车间历史数据，车间历史数据包括当前单位时间段内的车间数据；
第一处理模块，用于根据第一预设算法以及车间历史数据，得到关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向一第二目标系统状态变迁的实施速率，其中，第一目标系统状态为连续时间马尔可夫链中任意一系统状态，第二目标系统状态为一个可由第一目标系统状态变迁得到的系统状态；
第二处理模块，用于根据第二预设算法以及车间历史数据，得到关于预设车间指标的离散时间马尔可夫链中，每一第一目标指标状态向一第二目标指标状态转移的第一转移概率，第一目标指标状态为离散时间马尔可夫链中任意一预设车间指标的指标状态，第二目标指标状态为一个可由第一目标指标状态转移得到的指标状态；
第三处理模块，用于将实施速率以及转移概率存储至数据库的一预设数据表中，并根据每一第一转移概率以及当前单位时间段内关于预设车间指标的第一状态概率矩阵，得到下一单位时间段内的第二状态概率矩阵所对应的第三目标指标状态；
第四处理模块，用于获取仿真装置根据实施速率得到的关于预设车间指标的稳态数值，将稳态数值与第三目标指标状态进行对比，得到第一对比结果，并输出第三目标指标状态以及第一对比结果至第一显示装置。
具体地，如上所述的监控装置，第一处理模块包括：
第一获取单元，用于调取车间历史数据中每一单位时间段内由第一目标系统状态向第二目标系统状态变迁的第一服务时间和变迁发生的第一数量；
第一处理单元，用于根据第一预设算法，将第一数量除以第一服务时间，得到实施速率。
具体地，如上所述的监控装置，第二处理模块包括：
第二获取单元，用于调取车间历史数据中每一单位时间段内由第一目标指标状态向第二目标指标状态转移的第二数量以及处于第一目标指标状态内的第三数量；
第二处理单元，用于根据第二预设算法，将第二数量除以第三数量，得到第一转移概率。
具体地，如上所述的监控装置，第三处理模块包括：
第三处理单元，用于根据每一第一目标指标状态向第二目标指标状态转移的第一转移概率，得到一转移概率矩阵；
第四处理单元，用于从车间历史数据中调取当前单位时间段内关于预设车间指标的第一状态概率矩阵，并将第一状态概率矩阵叉乘转移概率矩阵，得到下一单位时间段内关于预设车间指标的第二状态概率矩阵；
第一确定单元，用于确定第二状态概率矩阵中数值最大的状态概率对应的指标状态为第三目标指标状态；
第五处理单元，用于将第一状态概率矩阵叉乘预设数量的转移概率矩阵，得到目标单位时间段内关于预设车间指标的第三状态概率矩阵；
第二确定单元，用于确定第三状态概率矩阵中数值最大的状态概率对应的指标状态为第四目标指标状态。
具体地，如上所述的监控装置，还包括：
第五处理模块，用于根据车间历史数据得到当前单位时间段内关于预设车间指标的当前取值；
第六处理模块，用于将当前取值与第四目标指标状态进行比较得到第二对比结果，并输出至第一显示装置。
本发明的另一实施例还提供了一种仿真装置，包括：
第二获取模块，用于获取数据库的预设数据表中关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向第二目标系统状态变迁的实施速率；
第七处理模块，用于根据实施速率进行仿真模拟，得到当前单位时间段内关于预设车间指标的稳态数值；
第八处理模块，用于将稳态数值发送至监控装置，并输出至第二显示装置。
具体地，如上所述仿真装置，第七处理模块包括：
第六处理单元，用于根据每一实施速率得到一转移速率矩阵；
第七处理单元，用于根据连续时间马尔可夫链中每一系统状态的稳态概率所构成的行向量，叉乘转移速率矩阵的结果为零，且所有系统状态对应的稳态概率之和为1，得到每一系统状态所对应的稳态概率；
第八处理单元，用于根据第三预设算法、每一稳态概率和/或实施速率，得到与预设车间指标对应的稳态数值。
本发明的再一优选实施例，还提供了一种车间运行状态预测系统，包括：用于采集车间中的各种数据的物联装置、用于存储数据的数据库、第一显示装置、第二显示装置、如上所述的监控装置以及如上所述的仿真装置；
其中，数据库分别与物联装置、监控装置以及仿真装置连接，监控装置还与仿真装置和第一显示装置连接，仿真装置还与第二显示装置连接。
与现有技术相比，本发明实施例提供的一种车间运行状态预测信息的获取方法、装置及系统，至少具有以下有益效果：
本发明所提供的车间运行状态预测信息的获取方法通过获取物联装置采集到的车间历史数据，对预设车间指标进行实时预测，避免了调研车间数据所消耗的大量时间，同时由于数据采集的是车间从开始使用到当前单位时间段内的所有数据，保证了预测结果的代表性和实时性，另外由于采用了监控装置以及仿真装置分别从数据预测以及系统预测两方面进行了预测，且输出了两种预测结果的对比结果，保证了车间运行状态预测信息的准确性和完整性。
附图说明
图1为本发明应用于监控装置的车间运行状态预测信息的获取方法的流程示意图之一；
图2为本发明应用于监控装置的车间运行状态预测信息的获取方法的流程示意图之二；
图3为本发明应用于监控装置的车间运行状态预测信息的获取方法的流程示意图之三；
图4为本发明应用于监控装置的车间运行状态预测信息的获取方法的流程示意图之四；
图5为本发明的一具体实施例中的离散时间马尔可夫链的示意图；
图6为本发明应用于监控装置的车间运行状态预测信息的获取方法的流程示意图之五；
图7为本发明应用于仿真装置的车间运行状态预测信息的获取方法的流程示意图之一；
图8为本发明的一具体实施例中的ESHLEP-N模型示意图；
图9为本发明一具体实施例中的连续时间马尔可夫链的示意图；
图10为本发明应用于仿真装置的车间运行状态预测信息的获取方法的流程示意图之二；
图11为本发明所提供的车间运行状态预测系统的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。在下面的描述中，提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本发明的实施例。因此，本领域技术人员应该清楚，可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外，为了清楚和简洁，省略了对已知功能和构造的描述。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中，应理解，下述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
在本申请所提供的实施例中，应理解，“与A相应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其它信息确定B。
参见图1，本发明的一优选实施例提供了一种车间运行状态预测信息的获取方法，应用于监控装置，包括：
步骤S101，获取数据库中物联装置采集到的车间历史数据，车间历史数据包括当前单位时间段内的车间数据；
步骤S102，根据第一预设算法以及车间历史数据，得到关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向一第二目标系统状态变迁的实施速率，其中，第一目标系统状态为连续时间马尔可夫链中任意一系统状态，第二目标系统状态为一个可由第一目标系统状态变迁得到的系统状态；
步骤S103，根据第二预设算法以及车间历史数据，得到关于预设车间指标的离散时间马尔可夫链中，每一第一目标指标状态向一第二目标指标状态转移的第一转移概率，第一目标指标状态为离散时间马尔可夫链中任意一预设车间指标的指标状态，第二目标指标状态为一个可由第一目标指标状态转移得到的指标状态；
步骤S104，将实施速率以及转移概率存储至数据库的一预设数据表中，并根据每一第一转移概率以及当前单位时间段内关于预设车间指标的第一状态概率矩阵，得到下一单位时间段内的第二状态概率矩阵所对应的第三目标指标状态，以及目标单位时间段内的第三状态概率矩阵所对应的第四目标指标状态，其中，目标单位时间段与当前单位时间段之间间隔预设数量的单位时间段；
步骤S105，获取仿真装置根据实施速率得到的关于预设车间指标的稳态数值，将稳态数值与第四目标指标状态进行对比，得到第一对比结果，并输出第三目标指标状态以及第一对比结果至第一显示装置。
在本发明的实施例中，监控装置会获取数据库中存储的由物联装置采集到的车间历史数据，其中本发明中所述的车间历史数据包括当前单位时间段内的车间数据；根据车间历史数据，得到关于预设车间流程的连续时间马尔可夫链中，具有变迁关系的系统状态间的实施速率，以及关于预设车间指标的离散时间马尔可夫链中，具有转移关系的指标状态间的转移概率，并存储至数据库中的一专门设置的预设数据表中，便于后续对转移概率以及实施速率进行调取和查看。然后，监控装置直接根据计算得到的转移概率或者调用存储至预设数据表中的转移概率，以及车间历史数据中的当前单位时间段内的车间数据中关于预设车间指标的第一状态概率矩阵，得到下一单位时间段内的关于预设车间指标的第二状态概率矩阵，并根据第二状态概率矩阵得到对应的第三目标指标状态，即监控装置对车间进行预测，得到的下一单位时间段内的预设车间指标的指标状态，在将第三目标指标状态输出至第一显示装置后，便于用户获知车间下一单位时间段内的预设车间指标的指标状态，进而判断车间的运行状态是否正常或是否满足用户需求。此外，监控装置还会根据转移概率矩阵以及第一状态概率矩阵，得到目标单位时间段内的第三状态概率矩阵所对应的第四目标指标状态，其中，目标单位时间段与当前单位时间段之间间隔预设数量的单位时间段，预设数量可根据技术人员设定，用于得到车间处于稳定运行时预设车间指标的指标状态，既用于预测车间的运行趋势，之后监控装置还会直接从仿真装置或从数据库中，获取仿真装置根据实施速率得到的关于预设车间指标的稳态数值，该稳态数值用于表示车间在当前情况下，长时间运行时的预设车间指标的数值，将稳态数值与第四目标指标状态进行对比，得到第一对比结果，在将第一对比结果输出至第一显示装置进行显示后，便于用户判断通过仿真装置对预设车间指标的预测结果和通过监控装置对预设车间指标的预测结果是否一致即稳态数值位于第四目标指标状态内，若不一致则表示仿真装置或监控装置出现问题，便于用户进行修复等操作。可选地，当第一对比结果为稳态数值位于第四目标指标状态之外时，通过显示提示信息，便于用户直观的了解两种装置预测的预设车间指标不一致。
综上所述，本发明所提供的车间运行状态预测信息的获取方法通过获取物联装置采集到的车间历史数据，对预设车间指标进行实时预测，避免了调研车间数据所消耗的大量时间，同时由于数据采集的是车间从开始使用到当前单位时间段内的所有数据，保证了预测结果的代表性和实时性，另外由于采用了监控装置以及仿真装置分别从数据预测以及系统预测两方面进行了预测，且输出了两种预测结果的对比结果，保证了车间运行状态预测信息的准确性和完整性。
具体地，如上所述的车间运行状态预测信息的获取方法，在获取数据库中物联装置采集到的车间历史数据的步骤之前，获取方法还包括：
根据预先输入的预设车间指标的历史数据以及专家知识，对预设车间指标进行变量离散化处理，得到离散时间马尔可夫链。
在本发明的实施例中，监控装置在获取车间历史数据之前，会接收预先输入的预设车间指标的历史数据以及专家知识，并根据预设车间指标的特征区间以数据能达到的极限取值为总区间临界，以数据活跃分布的区间为活跃区间进行粗划分，且对活跃分布区间采用均匀划分的方式根据划分密度进行精划分，在满足预测精度需求的情况下确定区间划分方案，进而根据区间划分方案以及具有转移关系的区间之间的转移概率，建立离散时间马尔可夫链。其中，上述的区间相当于前述的指标状态，专家知识为根据同种类型的车间或具有相通性的车间的数据得到的关于区间划分的经验。
参见图2，优选地，如上所述的车间运行状态预测信息的获取方法，根据第一预设算法以及车间历史数据，得到关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向一第二目标系统状态变迁的实施速率的步骤S102，包括：
步骤S201，调取车间历史数据中每一单位时间段内由第一目标系统状态向第二目标系统状态变迁的第一服务时间和变迁发生的第一数量；
步骤S202，根据第一预设算法，将第一数量除以第一服务时间，得到实施速率。
在本发明的实施例中，获取实施速率时，会调取车间历史数据中关于预设车间流程的连续时间马尔可夫链的每一单位时间段内，由第一目标系统状态向第二目标系统状态变迁的第一服务时间和变迁发生的第一数量，并将第一数量除以第一服务时间，得到实施速率。其中，具体的处理过程可包括：
将第一服务时间除以第一数量得到平均服务时间，在根据实施速率与平均服务时间之积为1，得到实施速率，其表达式包括：
公式1：
Figure BDA0002056153820000111
公式2：
Figure BDA0002056153820000112
其中，Tij为由第一目标系统状态向第二目标系统状态变迁的平均服务时间；
Figure BDA0002056153820000115
为每一单位时间段内由第一目标系统状态向第二目标系统状态变迁的服务时间；
Pijt为每一单位时间段内由第一目标系统状态向第二目标系统状态变迁发生的数量；
T为车间历史数据中从开始计时到当前单位时间段时总的单位时间段的数量；
λij为由第一目标系统状态向第二目标系统状态变迁的实施速率。
当技术人员设定的获取数据的规则不同时，用于进行运算的公式也需要发生相应变化，例如：在获取数据时将当前单位时间段的车间数据与在此之前的车间数据分开获取，此时公式1可以表示为公式3：
Figure BDA0002056153820000113
其中，
Figure BDA0002056153820000114
为当前单位时间段内由第一目标系统状态向第二目标系统状态变迁的服务时间；
Pijk为当前单位时间段内由第一目标系统状态向第二目标系统状态变迁发生的数量；
Figure BDA0002056153820000116
为当前单位时间段之前的每一单位时间段内由第一目标系统状态向第二目标系统状态变迁的服务时间；
Pijt为当前单位时间段之前的每一单位时间段内由第一目标系统状态向第二目标系统状态变迁发生的数量。
因此可知，在本发明中第一预设算法包括公式1与公式2的组合或公式3与公式2的组合。
参见图3，优选地，如上所述的车间运行状态预测信息的获取方法，根据第二预设算法以及车间历史数据，得到关于预设车间指标的离散时间马尔可夫链中，每一第一目标指标状态向一第二目标指标状态转移的第一转移概率的步骤S103，包括：
步骤S301，调取车间历史数据中每一单位时间段内由第一目标指标状态向第二目标指标状态转移的第二数量以及处于第一目标指标状态内的第三数量；
步骤S302，根据第二预设算法，将第二数量除以第三数量，得到第一转移概率。
在本发明的实施例中，获取转移概率时，会调取车间历史数据中关于预设车间指标的离散时间马尔可夫链的每一单位时间段内，由第一目标指标状态向第二目标指标状态转移的第二数量以及处于第一目标指标状态内的第三数量，进而将第二数量除以第三数量，得到第一转移概率。其中，具体地表达式为公式4：
Figure BDA0002056153820000121
其中，amn为由第一目标指标状态向一第二目标指标状态转移的第一转移概率；
Nmnt为每一单位时间段内由第一目标指标状态向一第二目标指标状态转移的数量；
Nnt为每一单位时间段内处于第一目标指标状态内的数量；
T为车间历史数据中从开始计时到当前单位时间段时总的单位时间段的数量。
其中，关于Nmnt和Nnt，由于预设车间指标的数值一直处于第一目标指标状态内时，不可能转移到第二目标指标状态内，同时，当预设车间指标的数值由第一目标指标状态到第二目标指标状态内时，不可能一直处于第一目标指标状态，因此在同一单位时间内Nmnt和Nnt的值不可能同时为1。
与上述关于获取实施速率的方案类似，当技术人员设定的获取数据的规则不同时，用于进行运算的公式也需要发生相应变化，例如：在获取数据时将当前单位时间段的车间数据与在此之前的车间数据分开获取，此时公式4可以表示为公式5：
Figure BDA0002056153820000131
其中，Nnt为当前单位时间段之前的每一单位时间段内处于第一目标指标状态内的数量；
Nnt为当前单位时间段之前的一单位时间段内处于第一目标指标状态内的数量；
amnt为当前单位时间段之前的一单位时间段内第一目标指标状态向第二目标指标状态转移的转移概率；
Nmnk为当前单位时间段内第一目标指标状态向第二目标指标状态转移的数量；
Nnk当前单位时间段内处于第一目标指标状态内的数量；
可选地，由于Nnt与amnt的积为当前单位时间段之前的内一单位时间段内由第一目标指标状态向第二目标指标状态转移的数量，因此在直接获取到当前单位时间段之前的内一单位时间段内由第一目标指标状态向第二目标指标状态转移的数量时，可在公式5中用Nmnt代替Nntamnt。
参见图4，具体地，如上所述的车间运行状态预测信息的获取方法，根据每一第一转移概率以及当前单位时间段内关于预设车间指标的第一状态概率矩阵，得到下一单位时间段内的第二状态概率矩阵所对应的第三目标指标状态的步骤S104，包括：
步骤S401，根据每一第一目标指标状态向第二目标指标状态转移的第一转移概率，得到一转移概率矩阵；
步骤S402，从车间历史数据中调取当前单位时间段内关于预设车间指标的第一状态概率矩阵，并将第一状态概率矩阵叉乘转移概率矩阵，得到下一单位时间段内关于预设车间指标的第二状态概率矩阵；
步骤S403，确定第二状态概率矩阵中数值最大的状态概率对应的指标状态为第三目标指标状态；
步骤S404，将第一状态概率矩阵叉乘预设数量的转移概率矩阵，得到目标单位时间段内关于预设车间指标的第三状态概率矩阵；
步骤S405，确定第三状态概率矩阵中数值最大的状态概率对应的指标状态为第四目标指标状态。
在本发明的实施例中，在得到第三目标指标状态时，会根据每一第一转移概率得到一转移概率矩阵，并从车间历史数据中调取当前单位时间段内关于预设车间指标的第一状态概率矩阵，通过将第一状态概率矩阵叉乘转移概率矩阵得到下一单位时间段内关于预设车间指标的第二状态概率矩阵，根据第二状态概率矩阵中状态概率的数值大小，选取数值最大的状态概率对应的指标状态为第三目标指标状态，同理将第一状态概率矩阵叉乘预设数量的转移概率矩阵即可得到目标单位时间段内关于预设车间指标的第三状态概率矩阵，根据第三状态概率矩阵中状态概率的数值大小，选取数值最大的状态概率对应的指标状态即为第四目标指标状态。
其中，得到第二状态概率矩阵的表达式可为公式6：
Xk+1＝A×Xk
得到第三状态概率矩阵的表达式可为公式7：
Xk+g＝Ag×Xk
其中，A为根据每一第一转移概率得到的转移概率矩阵；
Xk为当前单位时间段内关于预设车间指标的第一状态概率矩阵；
Xk+1为当前单位时间段的下一单位时间段的第二状态概率矩阵；
Xk+g为目标单位时间段的第三状态概率矩阵；
g为预设数量。
具体地，
Figure BDA0002056153820000141
其中，
Figure BDA0002056153820000142
为y个指标状态中根据从小到大或从大到小的顺序排序后，当前预设车间指标的数值处于第y个指标状态的概率。
在本发明的一具体实施例中，以一机器人的设备利用率为例从车间历史数据中选取了100组数据，其中24组数据如表1所示，
表1机器人的设备利用率
Figure BDA0002056153820000151
离散时间马尔可夫链如图5所示，在建立离散时间马尔可夫链时，将设备利用率的范围在[0，30％]的记为第五指标状态S1，范围在[30％，50％]的记为第六指标状态S2，范围在[50％，60％]的记为第七指标状态S3，范围在[60％，70％]的记为第八指标状态S4，范围在[70％，100％]的记为第九指标状态S5，amn表示由指标状态n向指标状态m转移的概率。
根据前99组数据得到转移概率矩阵：
Figure BDA0002056153820000152
根据第99组数据和转移概率矩阵预测第100组数据所述的状态概率矩阵：
X100＝A×X99＝
A×[0 0 1 0 0]T＝[0.0357 0.1429 0.2143 0.4643 0.1429]T
预测第100组数据相对最大概率在第八指标状态S4，与真实数据相比，预测结果为准确地。可选地，在考虑工人因素和异常因素状况的下，可设置Xk+1为关于A×Xk+B×Uk+C×Dk的饱和函数，且当Xk+1中的某一项的数值为1时，修正其余项为0。其中，Uk为单列矩阵，表示工人因素导致的状态转移输入，如生产技术更改等，其中，Uk中每一项表示当前单位时间段内由对应工人操作导致的状态转移输入，其数值大于或等于0，且小于或等于1。B表示工人操作影响状态转移的概率矩阵，其中的每一项表示对应的工人操作导致预设车间指标进入或离开对应的状态的概率，其数值为1、-1和0中的一个。Dk为单列矩阵，表示影响预设车间指标状态转移的车间扰动事件，通过数据采集装置进行扰动信号的采集和处理，Dk中的每一项表示当前单位时间段内对应的扰动是否发生，其数值为0或1，C表示扰动事件影响预设车间指标状态的概率矩阵，C的每一项表示一扰动事件导致预设车间指标进入或离开对应状态的概率，其数值大于或等于-1，且小于或等于1，根据专家知识决定。
参见图6，具体地，如上所述的车间运行状态预测信息的获取方法，得到下一单位时间段内的第二状态概率矩阵所对应的第三目标指标状态，以及目标单位时间段内的第三状态概率矩阵所对应的第四目标指标状态的步骤S104之后，获取方法还包括：
步骤S601，根据车间历史数据得到当前单位时间段内关于预设车间指标的当前取值；
步骤S602，将当前取值与第四目标指标状态进行比较得到第二对比结果，并输出至第一显示装置。
在本发明的实施例中，在预测到预设车间指标在车间处于稳态时的第四指标状态后，会根据历史车间数据中关于当前单位时间段的数据获取预设车间指标的当前取值，并将当前取值与第四指标状态进行对比，得到第二对比结果并输出至第一显示装置进行显示，便于用户了解当前单位时间段内车间关于预设车间指标的运行状况是否正常，进而便于在车间运行异常时进行暂停维修或调整生产节拍等操作。可选地，第一显示装置在对第一对比结果进行显示时，可通过不同的颜色显示不同的对比结果，例如：当第一对比结果表示当前取值处于第四指标状态内时显示绿色，当第一对比结果表示当前取值达不到第四指标状态内时显示黄色，当第一对比结果表示当前取值超过第四指标状态内时显示红色。
参见图7，在本发明的另一优选实施例中，还提供了一种车间运行状态预测信息的获取方法，应用于仿真装置，包括：
步骤S701，获取数据库的预设数据表中关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向第二目标系统状态变迁的实施速率；
步骤S702，根据实施速率进行仿真模拟，得到当前单位时间段内关于预设车间指标的稳态数值；
步骤S703，将稳态数值发送至监控装置，并输出至第二显示装置。
在本发明的实施例中，应用于仿真装置的获取方法，会获取数据库的预设数据表中的由监控装置根据车间历史数据得到的，关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向第二目标系统状态变迁的实施速率，并根据实施速率进行仿真模拟，得到当前时间段内关于预设车间指标的稳态数值，将稳态数值发送至监控装置进行比对，并输出至第二显示装置，第二显示装置根据得到的预设车间指标的稳态数值，可通过甘特图、柱状图和/或饼状图的形式进行可视化展示，便于用户根据第二显示装置所显示的内容，获知车间在长时间运行后的预设车间指标的稳态数值，有利于保证预测结果的代表性和实时性。将稳态数值发送至监控装置进行对比验证，便于用户确定仿真结果的有效性。
具体地，如上所述的车间运行状态预测信息的获取方法，在获取数据库的预设数据表中关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向第二目标系统状态变迁的实施速率的步骤之前，预测方法还包括：
根据预先输入的车间工艺流程、车间资源、车间作业逻辑得到关于预设车间流程的连续时间马尔可夫链。
在本发明的实施例中，仿真装置在获取实施速率之前，会根据预先输入的车间工艺流程、车间资源、车间作业逻辑，建立扩展随机高级判断Petri网(Extended StochasticHigh Level Evaluation Petri Net，简称ESHLEP-N)模型，并在ESHLEP-N模型的技术上构建系统状态可达图，进而得到与系统状态可达图状态空间同构的连续时间马尔可夫链。
参见图8，在本发明的一具体实施例中，以两道工序的建模为例，其ESHLEP-N模型如图8所示，模型中的库所和变迁如表2所示。实际生产中，根据下发的生产计划开始在制品的加工，在物料抵达和工人设备空闲的情况下，经变迁t11的决策规则判定后，在满足下道工序缓存区有空位的条件下，放入库所d1开始加工；加工过程中会出现设备故障维修等异常，其维修和修复过程通过变迁t13和t14体现；经变迁t15后，进入加工完成库所p1；加工完成后经变迁t12的决策规则判定后，进行加工完成变迁，并根据输出规则输出托肯。后续工序依次类推，完成车间全流程的加工作业。
表2库所和变迁
Figure BDA0002056153820000181
在两道工序的ESHLEP-N模型地基础上构建系统状态可达图，省略加工完成库所p1、输出缓存区库所o1和中间缓存区容量库所z1对状态的影响，设定各工序设备数量、工人数量和同时在线加工产品数都为1，建立各状态可达标识如表3所示。
表3状态可达标识
Figure BDA0002056153820000182
Figure BDA0002056153820000191
根据状态可达图构建连续时间马尔可夫链，如图9所示，其中，各有向弧对应于ESHLEP-N模型中的变迁，实施速率λ11、λ13、λ14、λ15、λ21、λ23、λ24、λ25分别对应于变迁t11、t13、t14、t15、t21、t23、t24、t25。
参见图10，优选地，如上所述的车间运行状态预测信息的获取方法，根据每一实施速率进行仿真模拟，得到当前单位时间段内关于预设车间指标的稳态数值的步骤S702包括：
步骤S1001，根据每一实施速率得到一转移速率矩阵；
步骤S1002，根据连续时间马尔可夫链中每一系统状态的稳态概率所构成的行向量，叉乘转移速率矩阵的结果为零，且所有系统状态对应的稳态概率之和为1，得到每一系统状态所对应的稳态概率；
步骤S1003，根据第三预设算法、每一稳态概率和/或实施速率，得到与预设车间指标对应的稳态数值。
在本发明的实施例中，根据获取的每一实施速率得到一转移速率矩阵，由于连续时间马尔可夫链中每一系统状态的稳态概率所构成的行向量，叉乘转移速率矩阵的结果为零，且所有系统状态对应的稳态概率之和为1，得到每一系统状态所对应的稳态概率，经过运算处理可得到每一系统状态所对应的稳态概率，进而根据每一稳态概率与预设车间指标的对应关系，即可得到与预设车间直角对应的稳态数值。
在本发明的一具体实施例中，以上述两道工序的建模为例，转移速率矩阵Q中的项可由λij表示，其中当i＝j时，可根据公式8得到，公式8为：
Figure BDA0002056153820000201
其中，n为系统状态的数量。
获得每一系统状态所对应的稳态概率的表达式包括：
公式9：Y×Q＝0
公式10：
Figure BDA0002056153820000202
其中，Y为n个系统状态的稳态概率的行向量Y＝(y1，y2，…，yn)；
yi为第i个系统状态的稳态概率，i大于或等于0且小于或等于n，也可以表示为p[Mi]。
当预设车间指标为设备d1的设备利用率Fd1时，第三预设算法为：
Fd1＝∑p[Mi|m(d1＝1)]
其中，Mi|m(d1＝1)为n个系统状态中存在设备d1处于工作状态时的一所需系统状态，p[Mi|m(d1＝1)]为所需系统状态所对应的稳态概率，因此可知，设备d1的设备利用率Fd1为n个系统状态中所有设备d1处于工作状态的系统状态所对应的稳态概率之和。
可选地，当预设车间指标为其他指标时，例如生产率等，第三预设算法也相应的改变。
参见图11，在本发明的又一实施例中，还提供了一种监控装置1，包括：
第一获取模块101，用于获取数据库中物联装置采集到的车间历史数据，车间历史数据包括当前单位时间段内的车间数据；
第一处理模块102，用于根据第一预设算法以及车间历史数据，得到关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向一第二目标系统状态变迁的实施速率，其中，第一目标系统状态为连续时间马尔可夫链中任意一系统状态，第二目标系统状态为一个可由第一目标系统状态变迁得到的系统状态；
第二处理模块103，用于根据第二预设算法以及车间历史数据，得到关于预设车间指标的离散时间马尔可夫链中，每一第一目标指标状态向一第二目标指标状态转移的第一转移概率，第一目标指标状态为离散时间马尔可夫链中任意一预设车间指标的指标状态，第二目标指标状态为一个可由第一目标指标状态转移得到的指标状态；
第三处理模块104，用于将实施速率以及转移概率存储至数据库的一预设数据表中，并根据每一第一转移概率以及当前单位时间段内关于预设车间指标的第一状态概率矩阵，得到下一单位时间段内的第二状态概率矩阵所对应的第三目标指标状态；
第四处理模块105，用于获取仿真装置根据实施速率得到的关于预设车间指标的稳态数值，将稳态数值与第三目标指标状态进行对比，得到第一对比结果，并输出第三目标指标状态以及第一对比结果至第一显示装置。
具体地，如上所述的监控装置1，第一处理模块102包括：
第一获取单元1021，用于调取车间历史数据中每一单位时间段内由第一目标系统状态向第二目标系统状态变迁的第一服务时间和变迁发生的第一数量；
第一处理单元1022，用于根据第一预设算法，将第一数量除以第一服务时间，得到实施速率。
具体地，如上所述的监控装置1，第二处理模块103包括：
第二获取单元1031，用于调取车间历史数据中每一单位时间段内由第一目标指标状态向第二目标指标状态转移的第二数量以及处于第一目标指标状态内的第三数量；
第二处理单元1032，用于根据第二预设算法，将第二数量除以第三数量，得到第一转移概率。
具体地，如上所述的监控装置1，第三处理模块104包括：
第三处理单元1041，用于根据每一第一目标指标状态向第二目标指标状态转移的第一转移概率，得到一转移概率矩阵；
第四处理单元1042，用于从车间历史数据中调取当前单位时间段内关于预设车间指标的第一状态概率矩阵，并将第一状态概率矩阵叉乘转移概率矩阵，得到下一单位时间段内关于预设车间指标的第二状态概率矩阵；
第一确定单元1043，用于确定第二状态概率矩阵中数值最大的状态概率对应的指标状态为第三目标指标状态；
第五处理单元1044，用于将第一状态概率矩阵叉乘预设数量的转移概率矩阵，得到目标单位时间段内关于预设车间指标的第三状态概率矩阵；
第二确定单元1045，用于确定第三状态概率矩阵中数值最大的状态概率对应的指标状态为第四目标指标状态。
具体地，如上所述的监控装置1，还包括：
第五处理模块106，用于根据车间历史数据得到当前单位时间段内关于预设车间指标的当前取值；
第六处理模块107，用于将当前取值与第四目标指标状态进行比较得到第二对比结果，并输出至第一显示装置。
本发明的监控装置的实施例是与上述应用于监控装置的获取方法的实施例对应的装置，上述方法实施例中的所有实现手段均适用于该装置的实施例中，也能达到相同的技术效果。
参见图10，本发明的另一实施例还提供了一种仿真装置2，包括：
第二获取模块201，用于获取数据库的预设数据表中关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向第二目标系统状态变迁的实施速率；
第七处理模块202，用于根据实施速率进行仿真模拟，得到当前单位时间段内关于预设车间指标的稳态数值；
第八处理模块203，用于将稳态数值发送至监控装置，并输出至第二显示装置。
具体地，如上所述仿真装置2，第七处理模块202包括：
第六处理单元2021，用于根据每一实施速率得到一转移速率矩阵；
第七处理单元2022，用于根据连续时间马尔可夫链中每一系统状态的稳态概率所构成的行向量，叉乘转移速率矩阵的结果为零，且所有系统状态对应的稳态概率之和为1，得到每一系统状态所对应的稳态概率；
第八处理单元2023，用于根据第三预设算法、每一稳态概率和/或实施速率，得到与预设车间指标对应的稳态数值。
本发明的仿真装置的实施例是与上述应用于仿真装置的获取方法的实施例对应的装置，上述方法实施例中的所有实现手段均适用于该装置的实施例中，也能达到相同的技术效果。
本发明的再一优选实施例，还提供了一种车间运行状态预测系统，包括：用于采集车间中的各种数据的物联装置3、用于存储数据的数据库4、第一显示装置5、第二显示装置6、如上所述的监控装置1以及如上所述的仿真装置2；
其中，数据库4分别与物联装置3、监控装置1以及仿真装置2连接，监控装置1还与仿真装置2和第一显示装置4连接，仿真装置2还与第二显示装置6连接。
在本发明的实施例中，提供了一种车间运行状态预测系统，其中，物联装置3用于采集车间中的各种数据并存储至数据库4，如上所述的监控装置1，根据数据库4中的车间历史数据分别得到关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向一第二目标系统状态变迁的实施速率，以及关于预设车间指标的离散时间马尔可夫链中，每一第一目标指标状态向一第二目标指标状态转移的第一转移概率，并根据第一转移概率的下一单位时间段内的第二状态概率矩阵所对应的第三目标指标状态，如上所述的仿真装置2能根据监控装置得到实施速率得到关于预设车间指标的稳态数值，发送至监控装置1，并输出至第二显示装置6进行显示；监控装置1通过获取仿真装置2根据所述实施速率得到的关于所述预设车间指标的稳态数值，得到稳态数值与第三目标指标状态的第一对比结果，并输出第一对比结果和第三目标指标状态至第一显示装置5进行显示。
综上所述，本发明所提供的车间运行状态预测信息的获取方法通过获取物联装置3采集到的车间历史数据，对预设车间指标进行实时预测，避免了调研车间数据所消耗的大量时间，同时由于数据采集的是车间从开始使用到当前单位时间段内的所有数据，保证了预测结果的代表性和实时性。同时便于用户能获知车间在将来一段时间内的预设车间指标的趋势，以及得到两种装置预测的预设车间指标的可靠性。
此外，在本发明的实施例中，第一显示装置5可集成至监控装置1中，第二显示装置6可集成至仿真装置2中，仿真装置2得到的稳态数值可先存储至数据库4中，再由监控装置1进行获取。
此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种车间运行状态预测信息的获取方法，应用于监控装置，其特征在于，包括：
获取数据库中物联装置采集到的车间历史数据，所述车间历史数据包括当前单位时间段内的车间数据；
根据第一预设算法以及所述车间历史数据，得到关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向一第二目标系统状态变迁的实施速率，其中，所述第一目标系统状态为所述连续时间马尔可夫链中任意一系统状态，所述第二目标系统状态为一个可由所述第一目标系统状态变迁得到的系统状态；其中，第一预设算法为将第一服务时间除以第一数量得到平均服务时间，再根据实施速率与平均服务时间之积为1，得到实施速率；所述车间历史数据中每一单位时间段内由所述第一目标系统状态向所述第二目标系统状态变迁的时间是第一服务时间和变迁发生的数量是第一数量；
根据第二预设算法以及所述车间历史数据，得到关于预设车间指标的离散时间马尔可夫链中，每一第一目标指标状态向一第二目标指标状态转移的第一转移概率，包括：调取所述车间历史数据中每一单位时间段内由所述第一目标指标状态向所述第二目标指标状态转移的第二数量以及处于所述第一目标指标状态内的第三数量；根据所述第二预设算法，将所述第二数量除以所述第三数量，得到所述第一转移概率，所述第一目标指标状态为所述离散时间马尔可夫链中任意一所述预设车间指标的指标状态，所述第二目标指标状态为一个可由所述第一目标指标状态转移得到的指标状态；
将所述实施速率以及所述第一转移概率存储至所述数据库的一预设数据表中，并根据每一所述第一转移概率以及所述当前单位时间段内关于所述预设车间指标的第一状态概率矩阵，得到下一单位时间段内的第二状态概率矩阵所对应的第三目标指标状态，以及目标单位时间段内的第三状态概率矩阵所对应的第四目标指标状态，其中，所述目标单位时间段与所述当前单位时间段之间间隔预设数量的单位时间段；
获取仿真装置根据所述实施速率得到的关于所述预设车间指标的稳态数值，将所述稳态数值与所述第四目标指标状态进行对比，得到第一对比结果，并输出所述第三目标指标状态以及所述第一对比结果至第一显示装置。
2.根据权利要求1所述的车间运行状态预测信息的获取方法，其特征在于，在所述获取数据库中物联装置采集到的车间历史数据的步骤之前，获取方法还包括：
根据预先输入的所述预设车间指标的历史数据以及专家知识，对所述预设车间指标进行变量离散化处理，得到所述离散时间马尔可夫链。
3.根据权利要求1所述的车间运行状态预测信息的获取方法，其特征在于，所述根据第一预设算法以及所述车间历史数据，得到关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向一第二目标系统状态变迁的实施速率的步骤包括：
调取所述车间历史数据中每一单位时间段内由所述第一目标系统状态向所述第二目标系统状态变迁的第一服务时间和变迁发生的第一数量；
根据所述第一预设算法，将所述第一数量除以所述第一服务时间，得到所述实施速率。
4.根据权利要求1所述的车间运行状态预测信息的获取方法，其特征在于，所述根据每一所述第一转移概率以及所述当前单位时间段内关于所述预设车间指标的第一状态概率矩阵，得到下一单位时间段内的第二状态概率矩阵所对应的第三目标指标状态，以及目标单位时间段内的第三状态概率矩阵所对应的第四目标指标状态的步骤包括：
根据每一所述第一目标指标状态向所述第二目标指标状态转移的所述第一转移概率，得到一转移概率矩阵；
从所述车间历史数据中调取所述当前单位时间段内关于所述预设车间指标的所述第一状态概率矩阵，并将所述第一状态概率矩阵叉乘一个所述转移概率矩阵，得到下一单位时间段内关于所述预设车间指标的所述第二状态概率矩阵；
确定所述第二状态概率矩阵中数值最大的状态概率对应的指标状态为所述第三目标指标状态；
将所述第一状态概率矩阵叉乘所述预设数量的所述转移概率矩阵，得到所述目标单位时间段内关于所述预设车间指标的所述第三状态概率矩阵；
确定所述第三状态概率矩阵中数值最大的状态概率对应的指标状态为所述第四目标指标状态。
5.根据权利要求1所述的车间运行状态预测信息的获取方法，其特征在于，所述得到下一单位时间段内的第二状态概率矩阵所对应的第三目标指标状态，以及目标单位时间段内的第三状态概率矩阵所对应的第四目标指标状态的步骤之后，获取方法还包括：
根据所述车间历史数据得到所述当前单位时间段内关于所述预设车间指标的当前取值；
将所述当前取值与所述第四目标指标状态进行比较，得到第二对比结果，并输出至所述第一显示装置。
6.一种车间运行状态预测信息的获取方法，应用于仿真装置，其特征在于，包括：
获取数据库的预设数据表中关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向第二目标系统状态变迁的实施速率；
根据所述实施速率进行仿真模拟，得到当前单位时间段内关于预设车间指标的稳态数值，包括：根据每一所述实施速率得到一转移速率矩阵；根据所述连续时间马尔可夫链中每一系统状态的稳态概率所构成的行向量，叉乘所述转移速率矩阵的结果为零，且所有系统状态对应的所述稳态概率之和为1，得到每一系统状态所对应的所述稳态概率；根据第三预设算法、每一所述稳态概率和/或所述实施速率，得到与所述预设车间指标对应的所述稳态数值；
其中，当预设车间指标为设备d1的设备利用率Fd1时，第三预设算法为：Fd1＝∑p[Mi|m(d1＝1)]，其中，Mi|m(d1＝1)为n个系统状态中存在设备d1处于工作状态时的一所需系统状态，p[Mi|m(d1＝1)]为所需系统状态所对应的稳态概率，设备d1的设备利用率Fd1为n个系统状态中所有设备d1处于工作状态的系统状态所对应的稳态概率之和；
将所述稳态数值发送至监控装置，并输出至第二显示装置。
7.根据权利要求6所述的车间运行状态预测信息的获取方法，其特征在于，在所述获取数据库的预设数据表中关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向第二目标系统状态变迁的实施速率的步骤之前，预测方法还包括：
根据预先输入的车间工艺流程、车间资源、车间作业逻辑得到所述关于预设车间流程的所述连续时间马尔可夫链。
8.一种监控装置，其特征在于，包括：
第一获取模块，用于获取数据库中物联装置采集到的车间历史数据，所述车间历史数据包括当前单位时间段内的车间数据；
第一处理模块，用于根据第一预设算法以及所述车间历史数据，得到关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向一第二目标系统状态变迁的实施速率，其中，所述第一目标系统状态为所述连续时间马尔可夫链中任意一系统状态，所述第二目标系统状态为一个可由所述第一目标系统状态变迁得到的系统状态；其中，第一预设算法为将第一服务时间除以第一数量得到平均服务时间，再根据实施速率与平均服务时间之积为1，得到实施速率；所述车间历史数据中每一单位时间段内由所述第一目标系统状态向所述第二目标系统状态变迁的时间是第一服务时间，变迁发生的数量是第一数量；
第二处理模块，用于根据第二预设算法以及所述车间历史数据，得到关于预设车间指标的离散时间马尔可夫链中，每一第一目标指标状态向一第二目标指标状态转移的第一转移概率，包括：调取所述车间历史数据中每一单位时间段内由所述第一目标指标状态向所述第二目标指标状态转移的第二数量以及处于所述第一目标指标状态内的第三数量；根据所述第二预设算法，将所述第二数量除以所述第三数量，得到所述第一转移概率，所述第一目标指标状态为所述离散时间马尔可夫链中任意一所述预设车间指标的指标状态，所述第二目标指标状态为一个可由所述第一目标指标状态转移得到的指标状态；
第三处理模块，用于将所述实施速率以及所述第一转移概率存储至所述数据库的一预设数据表中，并根据每一所述第一转移概率以及所述当前单位时间段内关于所述预设车间指标的第一状态概率矩阵，得到下一单位时间段内的第二状态概率矩阵所对应的第三目标指标状态，以及目标单位时间段内的第三状态概率矩阵所对应的第四目标指标状态，其中，所述目标单位时间段与所述当前单位时间段之间间隔预设数量的单位时间段；
第四处理模块，用于获取仿真装置根据所述实施速率得到的关于所述预设车间指标的稳态数值，将所述稳态数值与所述第四目标指标状态进行对比，得到第一对比结果，并输出所述第三目标指标状态以及所述第一对比结果至第一显示装置。
9.一种仿真装置，其特征在于，包括：
第二获取模块，用于获取数据库的预设数据表中关于预设车间流程的连续时间马尔可夫链中，每一第一目标系统状态向第二目标系统状态变迁的实施速率；
第五处理模块，用于根据所述实施速率进行仿真模拟，得到当前单位时间段内关于预设车间指标的稳态数值，包括：根据每一所述实施速率得到一转移速率矩阵；根据所述连续时间马尔可夫链中每一系统状态的稳态概率所构成的行向量，叉乘所述转移速率矩阵的结果为零，且所有系统状态对应的所述稳态概率之和为1，得到每一系统状态所对应的所述稳态概率；根据第三预设算法、每一所述稳态概率和/或所述实施速率，得到与所述预设车间指标对应的所述稳态数值；其中，当预设车间指标为设备d1的设备利用率Fd1时，第三预设算法为Fd1＝∑p[Mi|m(d1＝1)]，其中，Mi|m(d1＝1)为n个系统状态中存在设备d1处于工作状态时的一所需系统状态，p[Mi|m(d1＝1)]为所需系统状态所对应的稳态概率，设备d1的设备利用率Fd1为n个系统状态中所有设备d1处于工作状态的系统状态所对应的稳态概率之和；
第六处理模块，用于将所述稳态数值发送至监控装置，并输出至第二显示装置。
10.一种车间运行状态预测系统，其特征在于，包括：用于采集车间中的各种数据的物联装置、用于存储数据的数据库、第一显示装置、第二显示装置、如权利要求8所述的监控装置以及如权利要求9所述的仿真装置；
其中，所述数据库分别与所述物联装置、所述监控装置以及所述仿真装置连接，所述监控装置还与所述仿真装置以及所述第一显示装置连接，所述仿真装置还与所述第二显示装置连接。
CN201910389952.XA 2019-05-10 2019-05-10 一种车间运行状态预测信息的获取方法、装置及系统 Active CN110135636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910389952.XA CN110135636B (zh) 2019-05-10 2019-05-10 一种车间运行状态预测信息的获取方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910389952.XA CN110135636B (zh) 2019-05-10 2019-05-10 一种车间运行状态预测信息的获取方法、装置及系统

Publications (2)

Publication Number Publication Date
CN110135636A CN110135636A (zh) 2019-08-16
CN110135636B true CN110135636B (zh) 2021-04-20

Family

ID=67573462

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910389952.XA Active CN110135636B (zh) 2019-05-10 2019-05-10 一种车间运行状态预测信息的获取方法、装置及系统

Country Status (1)

Country Link
CN (1) CN110135636B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111460363A (zh) * 2020-04-01 2020-07-28 丰车(上海)信息技术有限公司 一种二手车供应链选址与库存水平管理算法
CN112068519A (zh) * 2020-09-10 2020-12-11 北京理工大学 一种产品装配过程的质量管控方法和装置
CN113156859A (zh) * 2021-04-16 2021-07-23 深圳市艾赛克科技有限公司 车间数据的可视化系统及方法
CN113435794B (zh) * 2021-08-26 2021-11-19 山东大拇指喷雾设备有限公司 一种基于图像处理的喷嘴铸件后处理智能监测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103823748A (zh) * 2013-04-28 2014-05-28 电子科技大学 一种基于随机Petri网的分区软件可靠性分析方法
CN104134159A (zh) * 2014-08-04 2014-11-05 中国科学院软件研究所 一种基于随机模型预测信息最大化传播范围的方法
CN107103411A (zh) * 2017-04-08 2017-08-29 东北电力大学 基于改进马尔科夫链的模拟风电功率时间序列生成方法
CN107423554A (zh) * 2017-06-09 2017-12-01 东南大学 一种用可逆单分子反应实现马尔科夫链的设计方法
CN107506334A (zh) * 2017-07-26 2017-12-22 河海大学 一种描述电动汽车行驶行为的隐马尔可夫模型计算方法
CN107742193A (zh) * 2017-11-28 2018-02-27 江苏大学 一种基于时变状态转移概率马尔可夫链的行车风险预测方法
CN109508260A (zh) * 2018-10-31 2019-03-22 西北工业大学 一种自修复处理器对锁步系统的可靠性建模与分析方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8255251B2 (en) * 2007-10-31 2012-08-28 International Business Machines Corporation Determining composite service reliability

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103823748A (zh) * 2013-04-28 2014-05-28 电子科技大学 一种基于随机Petri网的分区软件可靠性分析方法
CN104134159A (zh) * 2014-08-04 2014-11-05 中国科学院软件研究所 一种基于随机模型预测信息最大化传播范围的方法
CN107103411A (zh) * 2017-04-08 2017-08-29 东北电力大学 基于改进马尔科夫链的模拟风电功率时间序列生成方法
CN107423554A (zh) * 2017-06-09 2017-12-01 东南大学 一种用可逆单分子反应实现马尔科夫链的设计方法
CN107506334A (zh) * 2017-07-26 2017-12-22 河海大学 一种描述电动汽车行驶行为的隐马尔可夫模型计算方法
CN107742193A (zh) * 2017-11-28 2018-02-27 江苏大学 一种基于时变状态转移概率马尔可夫链的行车风险预测方法
CN109508260A (zh) * 2018-10-31 2019-03-22 西北工业大学 一种自修复处理器对锁步系统的可靠性建模与分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《基于随机Petri网的群体性突发事件情景演变模型》;王循庆等;《管理评论》;20140831;第53-62、116页 *
《基于马尔科夫链的电力系统运行可靠性快速评估》;王勇等;《电网技术》;20130205;第37卷(第2期);第405-410页 *

Also Published As

Publication number Publication date
CN110135636A (zh) 2019-08-16

Similar Documents

Publication Publication Date Title
CN110135636B (zh) 一种车间运行状态预测信息的获取方法、装置及系统
CN110493025B (zh) 一种基于多层有向图的故障根因诊断的方法及装置
CN106951984A (zh) 一种系统健康度动态分析预测方法及装置
CN103793752B (zh) 一种基于退化建模的设备失效次数预测方法
US20100228376A1 (en) Use of prediction data in monitoring actual production targets
CN113361139B (zh) 一种基于数字孪生的产线仿真滚动优化系统及方法
US7966151B2 (en) Method for analyzing operation of a machine
JP2000176799A (ja) 生産製造計画システム
US6473721B1 (en) Factory traffic monitoring and analysis apparatus and method
Ruppert et al. Estimation of machine setup and changeover times by survival analysis
CN114169766A (zh) 一种工业产能分配的生产管理方法及系统
CN115081723A (zh) 一种智慧厂务能源管理系统及管理方法
Dotoli et al. An integrated technique for the internal logistics analysis and management in discrete manufacturing systems
CN116048023B (zh) 一种精细化能源管控方法、系统、物联网云管控服务器及其存储介质
CN112286088A (zh) 一种动力设备故障预测模型在线应用的方法及应用系统
CN116341740A (zh) 一种基于比例拆分的城市燃气逐时负荷多步预测方法和系统
CN114418177B (zh) 基于生成对抗网络的数字孪生车间的新产品物料配送预测方法
Amiri et al. Evaluating multi-objective economic-statistical design of attribute C control charts for monitoring the number of non-conformities
CN115936676A (zh) 一种基于数字孪生的设备健康管理方法及系统
TWI757843B (zh) 分析系統
CN114192583A (zh) 一种基于Scada平台的带钢轧制过程质量监控方法和系统
CN113657648A (zh) 一种多维数据融合的设备健康评估方法、装置及运维系统
Tang et al. Predicting bottlenecks in manufacturing shops through capacity and demand observations from multiple perspectives
CN113240358B (zh) 一种超大跨斜拉桥梁型施工徐变数据自动记录方法
CN117522418B (zh) 一种基于SaaS模式的学员信息数据管理系统及方法

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