CN111273624A - 具有专用缓冲区的柔性离散制造系统暂态性能预测方法 - Google Patents

具有专用缓冲区的柔性离散制造系统暂态性能预测方法 Download PDF

Info

Publication number
CN111273624A
CN111273624A CN202010122107.9A CN202010122107A CN111273624A CN 111273624 A CN111273624 A CN 111273624A CN 202010122107 A CN202010122107 A CN 202010122107A CN 111273624 A CN111273624 A CN 111273624A
Authority
CN
China
Prior art keywords
machine
bernoulli
production
auxiliary
transient performance
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.)
Granted
Application number
CN202010122107.9A
Other languages
English (en)
Other versions
CN111273624B (zh
Inventor
贾之阳
陈京川
黄龙珠
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 CN202010122107.9A priority Critical patent/CN111273624B/zh
Publication of CN111273624A publication Critical patent/CN111273624A/zh
Application granted granted Critical
Publication of CN111273624B publication Critical patent/CN111273624B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Multi-Process Working Machines And Systems (AREA)

Abstract

本发明公开的具有专用缓冲区的柔性离散制造系统暂态性能预测方法，属于生产系统分析领域。本发明实现方法为：对具有专用缓冲区的柔性离散制造系统建模，并定义六个暂态性能指标；通过构建四个辅助生产线的方式，在保证高精度的同时将预测问题简化，对系统进行高精度暂态性能解析分析，并预测暂态性能，提高暂态性能指标预测精度和效率；利用预测的暂态性能指标合理规划柔性离散制造系统生产过程，提高柔性离散制造系统生产效率和质量，节约生产成本，并解决柔性离散制造系统生产相关工程技术问题。所述暂态性能包括生产率、消耗率、在制品库存水平、机器饥饿率、机器阻塞率、批次完成时间。

Description

具有专用缓冲区的柔性离散制造系统暂态性能预测方法
技术领域
本发明属于生产系统分析领域，尤其涉及一种具有专用缓冲区的柔性离散制造系统暂态性能预测方法。
背景技术
柔性制造一直以来都被广泛的使用于各类生产车间中。特别是近年来，随着各类智能制造策略的颁布和执行，柔性制造系统更被广泛的使用。柔性制造具有小批量的特点，这使得部分，甚至全部生产过程都处于暂态的过程。因此，其暂态性能的预测至关重要。另一方面，在柔性制造系统中，有时会为不同类型的产品提供专用的缓冲区。因此，一台机器可以从它的上游专用缓冲区中取出一种特定类型的零件，并在这台机器加工结束后将其放入其下游的此类型零件的专用缓冲区中。例如，在喷油器生产线上，不同制造阶段的部件存放在中央垫圈前的专用缓冲区中等待清洗。在摩托车制造中，多机种的传动箱经由专门针对每个机种的传送带传送。在半导体制造系统中，多个专用缓冲区用于避免化学污染。在许多基于顺序的装配线上，专用缓冲区可以避免由于缺陷零件的残片而造成的顺序中断。类似的例子可以在许多其他柔性制造系统中找到。然而，目前对于柔性生产系统的研究主要局限于稳态性能的研究，暂态性能的相关研究较为初级。对于本发明所处理的具有专用缓冲区的柔性生产系统，目前没有暂态性能相关研究的报告。
发明内容
本发明公开的具有专用缓冲区的柔性离散制造系统暂态性能预测方法要解决的技术问题是：能够对具有专用缓冲区的柔性离散制造系统进行系统建模，并在系统建模的基础上实现对具有专用缓冲区的柔性离散制造系统的高精度暂态性能解析预测。所述暂态性能包括生产率、消耗率、在制品库存水平、机器饥饿率、机器阻塞率、批次完成时间。
本发明目的是通过下述技术方案实现的。
本发明公开的具有专用缓冲区的柔性离散制造系统暂态性能预测方法，对具有专用缓冲区的柔性离散制造系统(以下简称系统)进行系统建模，并定义六个暂态性能指标。通过构建四组辅助生产线的方式对具有专用缓冲区的柔性离散制造系统进行高精度暂态性能解析预测，提高暂态性能指标预测精度和效率。利用预测的暂态性能指标合理规划柔性离散制造系统生产过程，提高柔性离散制造系统生产效率和质量，节约生产成本，并解决柔性离散制造系统生产相关工程技术问题。
本发明公开的具有专用缓冲区的柔性离散制造系统暂态性能预测方法，包括如下步骤：
步骤1：对具有专用缓冲区的柔性离散制造系统(以下简称系统)进行系统建模。所述系统为专用缓冲区和伯努利机器依次串行而成的柔性生产线，所述系统建模主要包括：确定系统参数、系统状态、生产顺序。所述系统参数包括系统基本参数、系统加工周期、伯努利机器可靠性模型参数、有限缓冲区参数；系统状态包括伯努利机器饥饿状态、伯努利机器阻塞状态、系统运行状态、系统调试状态。
步骤1.1：确定生产系统基本参数。
所述系统能够生产Q种类型的产品,表示为种类j。所述系统由M台伯努利机器和Q·(M-1)个专用缓冲区组成。伯努利机器由mi表示，专用缓冲区由bi,j表示。
步骤1.2：确定系统加工周期。
所有的伯努利机器有相同且时不变的加工周期τ，以加工周期τ为单位对时间轴进行分段。
步骤1.3：确定伯努利机器可靠性模型。
所有的伯努利机器服从伯努利机器可靠性模型：如果伯努利机器mi，i＝1,2,…,M，在生产种类j，j＝1,2,…,Q，产品过程中，既不阻塞也不饥饿，所述伯努利机器在一个加工周期生产一个工件的概率为pi,j，pi,j∈(0,1)，。与此同时，没能生产一个工件的概率为1-pi,j。参数pi,j被定义为伯努利机器mi生产种类j工件的效率。
步骤1.4：确定伯努利机器饥饿状态。
在一个加工周期内，如果伯努利机器mi处于工作状态,i＝2,3,…,M，但伯努利机器mi上游专用缓冲区bi-1,j，j＝1,2,…,Q，在前一加工周期结束时为空，则该伯努利机器在所述加工周期处于饥饿状态。
步骤1.5：确定伯努利机器阻塞状态。
在一个加工周期内，如果伯努利机器mi处于工作状态，i＝1,2,…,M-1,但伯努利机器mi下游专用缓冲区bi,j，j＝1,2,…,Q，在前一加工周期为满，并且伯努利机器mi的下游伯努利机器mi+1在该加工周期开始时无法从该专用缓冲区提取工件进行加工，则该伯努利机器在所述加工周期处于阻塞状态。伯努利机器mM不会处于阻塞状态。
步骤1.6：确定专用缓冲区参数。
每一个专用缓冲区bi,j，i＝1,2,…,M-1，j＝1,2,…,Q，由专用缓冲区容量Ni,j表征，Ni,j∈(0,∞)。专用缓冲区bi,j专用于种类j的工件。
步骤1.7：确定生产顺序。
种类j，j＝1,2,…,Q，工件共有Bj个需要被加工，所有的伯努利机器在每一种类产品生产结束前，都只生产此类型的工件。所有伯努利机器都按种类序号的递增顺序进行生产：先生产种类1的工件，最后生产种类Q的工件。
步骤1.8：确定系统属于运行状态或调试转态。
在生产种类j的运行过程状态，共有Bj，j＝1,2,…,Q，个种类j的工件被生产。当种类j，j＝1,2,…,Q-1，的工件生产完成后，进入下一种类生产的调试过程状态。当种类Q的工件被生产完成后，该生产过程结束。伯努利机器mi，i＝1,2,…,M，生产种类j产品，j＝2,3,…,Q，的调试状态在种类j的运行状态之前，持续tset,i,j个加工周期。由于生产过程开始前，种类1的调试已经完成，整数j起始于2。
步骤2：根据系统模型和实际工程需要定义暂态性能指标，所述暂态性能指标包括生产率、消耗率、在制品库存水平、机器饥饿率、机器阻塞率、批次完成时间。
步骤2.1：定义生产率(PRj(n))。
在加工周期n里，伯努利机器mM生产种类j，j＝1,2,…,Q，工件数量的期望。
步骤2.2：定义消耗率(CRj(n))。
在加工周期n里，伯努利机器m1消耗种类j，j＝1,2,…,Q，工件数量的期望。
步骤2.3：定义在制品库存水平(WIPi,j(n))。
在加工周期n里，专用缓冲区bi,j，i＝1,2,…,M，j＝1,2,…,Q，中在制品个数的期望。
步骤2.4：定义机器饥饿率(STi,j(n))。
在加工周期n里，伯努利机器mi，i＝2,3,…,M，在处理种类j，j＝1,2,…,Q，工件的过程中，处于饥饿状态的概率。
步骤2.5：定义机器阻塞率(BLi,j(n))。
在加工周期n里，伯努利机器mi，i＝1,2,…,M-1，在处理种类j，j＝1,2,…,Q，工件的过程中，处于阻塞状态的概率。
步骤2.6：定义批次完成时间(CTi,j)。
伯努利机器mi，i＝1,2,…,M，完成种类j工件生产时，系统已进行加工周期数的期望。
步骤3：构建由Q个M机生产线组成的辅助生产线1。
根据步骤1建立的系统模型，此生产过程具有“无后效性”，即系统下一个加工周期的状态只与此加工周期状态有关。因此，此随机过程为马尔可夫链。令fi,j(n)∈{0,1,…,Bj}，i＝1,2,…,M，j＝1,2,…,Q，表示在加工周期n开始时，系统生产种类j工件的数量。将原始的生产线分解为Q条生产线，每条生产线只生产一个种类的产品，将所述Q条生产线称为辅助生产线1。与原始生产线相比，唯一的不同为辅助生产线1的机器效率为时变的，所述机器效率p′i,j(n)通过如下公式计算：
Figure BDA0002393273510000031
其中，工件数量P[fi,j(n)＝Bj]的计算方法见步骤6.8。
步骤4：构建由Q个M机生产线组成的辅助生产线2。
辅助生产线2由Q条生产线组成，辅助生产线2与辅助生产线1的伯努利机器与专用缓冲区参数相同，唯一的不同为辅助生产线2为无限量的原材料供应。
步骤5：构建由Q·M个单机生产线组成的辅助生产线3和由M-1个双机生产线组成的辅助生产线4，并将两组辅助生产线组合。
进一步对辅助生产线2进行分解，分解为Q·M个单机生产线，称为辅助生产线3，和M-1个双机生产线，称为辅助生产线4。其中辅助生产线3中伯努利机器效率为
Figure BDA0002393273510000041
其生产有限数量的工件，而辅助生产线4中伯努利机器的效率为
Figure BDA0002393273510000042
和
Figure BDA0002393273510000043
步骤6：根据步骤5所述的辅助生产线3、辅助生产线4及系统模型，计算所述的两条辅助生产线的参数，所述参数包括辅助生产线3中伯努利机器的效率
Figure BDA0002393273510000044
和辅助生产线4中伯努利机器的效率
Figure BDA0002393273510000045
和
Figure BDA0002393273510000046
步骤6.1：令
Figure BDA0002393273510000047
表示在加工周期n结束时，辅助生产线4中的专用缓冲区bi,j有d个工件的概率，使
Figure BDA0002393273510000048
令
Figure BDA0002393273510000049
表示在加工周期n结束时，辅助生产线3中的伯努利机器
Figure BDA00023932735100000410
完成生产d个工件的概率，使
Figure BDA00023932735100000411
Figure BDA00023932735100000412
和
Figure BDA00023932735100000413
初始条件为：
Figure BDA00023932735100000414
Figure BDA00023932735100000415
步骤6.2：令j＝1。
步骤6.3：令n＝1。
步骤6.4：令
Figure BDA00023932735100000416
对所有i＝2,3,…,M，按照如下公式计算
Figure BDA00023932735100000417
Figure BDA00023932735100000418
步骤6.5：令
Figure BDA00023932735100000419
然后，按照i＝1,2…,M-1的降序计算
Figure BDA00023932735100000420
即根据如下公式，先计算
Figure BDA00023932735100000421
最后计算
Figure BDA00023932735100000422
Figure BDA00023932735100000423
步骤6.6：令
Figure BDA00023932735100000424
然后，对所有i＝2,3,…,M，按照如下公式计算
Figure BDA00023932735100000425
Figure BDA00023932735100000426
步骤6.7：对所有i＝1,2,…,M-1，按照如下公式计算
Figure BDA0002393273510000051
Figure BDA0002393273510000052
其中，Aj是在加工周期n，辅助生产线4中的第j条生产线的转移概率矩阵，表示为：
Figure BDA0002393273510000053
其中，c1表示
Figure BDA0002393273510000054
c2表示
Figure BDA0002393273510000055
步骤6.8：对所有i＝1,2,…,M，按照如下公式计算
Figure BDA0002393273510000056
Figure BDA0002393273510000057
其中，
Figure BDA0002393273510000058
是转移概率矩阵，可以通过将Aj中所有的p′i,j(n)替换为
Figure BDA0002393273510000059
来得到。
步骤6.9：若j＝1，则进入步骤6.10。否则，对所有i＝1,2,…,M,按照如下公式计算步骤3中的P[fi,j(n)＝Bj]：
Figure BDA00023932735100000510
步骤6.10：令n＝n+1，返回步骤6.4，直至达到预测所需的加工周期数。
步骤6.11：令n＝1并且j＝j+1，返回步骤6.4，直至j＝Q。
步骤7：根据步骤1至步骤6的分析结果，对系统进行高精度暂态性能解析预测，提高暂态性能指标预测精度和效率。所述的暂态性能指标包括生产率、消耗率、在制品库存水平、机器饥饿率、机器阻塞率、批次完成时间。
令Gk表示维数为1×k的全1矩阵。
根据如下公式，基于步骤6得到的辅助生产线3中的伯努利机器效率
Figure BDA00023932735100000511
和向量
Figure BDA00023932735100000512
解析地预测生产率PRj(n)：
Figure BDA00023932735100000513
根据如下公式，基于步骤6得到的辅助生产线3中的伯努利机器效率
Figure BDA00023932735100000514
和向量
Figure BDA00023932735100000515
解析地预测消耗率CRj(n)：
Figure BDA00023932735100000516
根据如下公式，基于步骤6得到的向量
Figure BDA00023932735100000517
和概率
Figure BDA00023932735100000518
解析地预测在制品库存水平WIPi,j(n)：
Figure BDA0002393273510000061
根据如下公式，基于步骤6得到的向量
Figure BDA0002393273510000062
和概率
Figure BDA0002393273510000063
解析地预测机器饥饿率STi,j(n)：
Figure BDA0002393273510000064
根据如下公式，基于步骤3得到的辅助生产线1中伯努利机器效率p′1,1(n)、步骤6得到的向量
Figure BDA0002393273510000065
辅助生产线4中的伯努利机器效率
Figure BDA0002393273510000066
和概率
Figure BDA0002393273510000067
解析地预测机器阻塞率BLi,j(n)：
Figure BDA0002393273510000068
根据如下公式，基于步骤6得到的辅助生产线3中的伯努利机器效率
Figure BDA0002393273510000069
和概率
Figure BDA00023932735100000610
解析地预测批次完成时间CTi,j：
Figure BDA00023932735100000611
还包括步骤8：利用步骤7预测的暂态性能指标合理规划柔性离散制造系统生产过程，提高柔性离散制造系统生产效率和质量，节约生产成本，并解决柔性离散制造系统生产相关工程技术问题。
有益效果：
1.本发明公开的一种具有专用缓冲区的柔性离散制造系统暂态性能预测方法，通过对具有专用缓冲区的柔性离散制造系统进行系统建模，并在系统建模的基础上实现对具有专用缓冲区的柔性离散制造系统的高精度暂态性能解析预测，具有精度高的优点。所述暂态性能包括生产率、消耗率、在制品库存水平、机器饥饿率、机器阻塞率、批次完成时间。
2.本发明公开的一种具有专用缓冲区的柔性离散制造系统暂态性能预测方法，通过构建四组辅助生产线。在保证高精度的同时，将预测问题简化。
3.本发明公开的一种具有专用缓冲区的柔性离散制造系统暂态性能预测方法，所述方法为解析方法，具有高效、无随机误差的特点。
4.本发明公开的一种具有专用缓冲区的柔性离散制造系统暂态性能预测方法，能够利用预测的暂态性能指标合理规划柔性离散制造系统生产过程，提高柔性离散制造系统生产效率和质量，节约生产成本，并解决柔性离散制造系统生产相关工程技术问题。
附图说明
图1是本发明的具有专用缓冲区的柔性离散制造系统暂态性能预测方法流程图。
图2是本发明所考虑的生产系统示意图。其中，圆形表示伯努利机器，矩形表示专用缓冲区，梯形表示需处理的不同种类的原材料，箭头表示工件流动的方向。
图3是本发明所提出的辅助生产线1示意图。
图4是本发明所提出的辅助生产线2示意图。
图5是本发明所提出的辅助生产线3示意图。
图6是本发明所提出的辅助生产线4示意图。
图7是本发明实施例1中生产率的预测结果图。
图8是本发明实施例1中消耗率的预测结果图。
图9是本发明实施例1中在制品库存水平的预测结果图。
图10是本发明实施例1中机器饥饿率的预测结果。
图11是本发明实施例1中机器阻塞率的预测结果。
图12是本发明实施例2中生产率误差盒形图。
图13是本发明实施例2中消耗率误差盒形图。
图14是本发明实施例2中在制品库存水平误差盒形图。
图15是本发明实施例2中机器饥饿率误差盒形图。
图16是本发明实施例2中机器阻塞率误差盒形图。
图17是本发明实施例2中批次完成时间误差盒形图。
具体实施方式
为了更好的说明本发明的目的和优点，下面结合附图和实例对发明内容做进一步说明。
实施例1：
如图1所示，本实施例公开的具有专用缓冲区的柔性离散制造系统暂态性能预测方法，具体实现步骤如下：
步骤1：对具有专用缓冲区的柔性离散制造系统(以下简称系统)进行系统建模，所述系统为具有专用缓冲区和伯努利机器依次串行而成的柔性生产线，如图2所示。所述系统建模主要包括：确定系统参数、系统状态、生产顺序。所述系统参数包括系统基本参数、系统加工周期、伯努利机器可靠性模型、有限缓冲区参数；系统状态包括伯努利机器饥饿状态、伯努利机器阻塞状态、系统运行状态、系统调试状态。
步骤1.1：确定生产系统基本参数。
所述系统能够生产Q＝3种类型的产品,表示为种类j。所述系统由M＝5台伯努利机器和Q·(M-1)＝12个专用缓冲区组成。伯努利机器由mi表示，专用缓冲区由bi,j表示。
步骤1.2：确定系统加工周期。
所有的伯努利机器有相同且时不变的加工周期τ＝36s，以加工周期τ＝36s为单位对时间轴进行分段。
步骤1.3：确定伯努利机器可靠性模型。
所有的伯努利机器服从伯努利机器可靠性模型：如果伯努利机器mi，i＝1,2,…,5，在生产种类j，j＝1,2,3，产品过程中，既不阻塞也不饥饿，所述伯努利机器在一个加工周期生产一个工件的概率为pi,j，其中，p1,1＝0.8，p1,2＝0.75，p1,3＝0.85，p2,1＝0.75，p2,2＝0.78，p2,3＝0.85，p3,1＝0.85，p3,2＝0.78，p3,3＝0.95，p4,1＝0.97，p4,2＝0.85，p4,3＝0.91，p4,3＝0.91，p5,1＝0.96，p5,2＝0.86，p5,3＝0.87。与此同时，没能生产一个工件的概率为1-pi,j。参数pi,j被定义为伯努利机器mi生产种类j工件的效率。
步骤1.4：确定伯努利机器饥饿状态。
在一个加工周期内，如果伯努利机器mi处于工作状态,i＝2,3,…,5，但机器mi上游专用缓冲区bi-1,j，j＝1,2,3，在前一加工周期结束时为空，则该伯努利机器在所述加工周期处于饥饿状态。
步骤1.5：确定伯努利机器阻塞状态。
在一个加工周期内，如果伯努利机器mi处于工作状态，i＝1,2,…,4,但伯努利机器mi下游专用缓冲区bi,j，j＝1,2,3，在前一加工周期为满，并且伯努利机器mi的下游伯努利机器mi+1在该加工周期开始时无法从该专用缓冲区提取工件进行加工，则该伯努利机器在所述加工周期处于阻塞状态。伯努利机器m5不会处于阻塞状态。
步骤1.6：确定专用缓冲区参数。
每一个专用缓冲区bi,j，i＝1,…,4，j＝1,2,3，由专用缓冲区容量Ni,j表征，Ni,j∈(0,∞)。其中，N1,1＝5，N1,2＝6，N1,3＝4，N2,1＝3，N2,2＝1，N2,3＝6，N3,1＝2，N3,2＝2，N3,3＝5，N4,1＝5，N4,2＝5，N4,3＝1。专用缓冲区bi,j专用于种类j的工件。
步骤1.7：确定生产顺序。
种类j，j＝1,2,3，工件共有Bj个需要被加工，其中，B1＝30，B2＝40，B3＝50。所有的伯努利机器在每一种类产品生产结束前，都只生产此类型的工件。所有伯努利机器都按种类序号的递增顺序进行生产：先生产种类1的工件，最后生产种类Q＝3的工件。
步骤1.8：确定系统属于运行状态或调试转态。
在生产种类j的运行过程状态，共有Bj，j＝1,2,3，个种类j的工件被生产。当种类j，j＝1,2，的工件生产完成后，进入下一种类生产的调试过程状态。当种类Q＝3的工件被生产完成后，该生产过程结束。伯努利机器mi，i＝1,2,…,5，生产种类j产品，j＝2,3，的调试状态在种类j的运行状态之前，持续tset,i,j个加工周期。由于生产过程开始前，种类1的调试已经完成，整数j起始于2。
步骤2：根据系统模型和实际工程需要定义暂态性能指标，所述暂态性能指标包括生产率、消耗率、在制品库存水平、机器饥饿率、机器阻塞率、批次完成时间。
步骤2.1：定义生产率(PRj(n))。
在加工周期n里，伯努利机器m5生产种类j，j＝1,2,3，工件数量的期望。
步骤2.2：定义消耗率(CRj(n))。
在加工周期n里，伯努利机器m1消耗种类j，j＝1,2,3，工件数量的期望。
步骤2.3：定义在制品库存水平(WIPi,j(n))。
在加工周期n里，专用缓冲区bi,j，i＝1,2,…,5，j＝1,2,3，中在制品个数的期望。
步骤2.4：定义机器饥饿率(STi,j(n))。
在加工周期n里，伯努利机器mi，i＝2,…,5，在处理种类j，j＝1,2,3，工件的过程中，处于饥饿状态的概率。
步骤2.5：定义机器阻塞率(BLi,j(n))。
在加工周期n里，伯努利机器mi，i＝1,…,4，在处理种类j，j＝1,2,3，工件的过程中，处于阻塞状态的概率。
步骤2.6：定义批次完成时间(CTi,j)。
伯努利机器mi，i＝1,2,…,5，完成种类j工件生产时，系统已进行加工周期数的期望。
步骤3：构建由Q＝3个M＝5机生产线组成的辅助生产线1。所述的辅助生产线1如图3所示。
根据步骤1建立的系统模型，此生产过程具有“无后效性”，即系统下一个加工周期的状态只与此加工周期状态有关。因此，此随机过程为马尔可夫链。令fi,j(n)∈{0,1,…,Bj}，i＝1,2,…,5，j＝1,2,3，表示在加工周期n开始时，系统生产种类j工件的数量。将原始的生产线分解为Q＝3条生产线，每条生产线只生产一个种类的产品，将所述Q＝3条生产线称为辅助生产线1。与原始生产线相比，唯一的不同为辅助生产线1的机器效率为时变的，时变的辅助生产线1的机器效率为时变的，所述机器效率p′i,j(n)通过如下公式计算：
Figure BDA0002393273510000091
其中，工件数量P[fi,j(n)＝Bj]的计算方法见步骤6.8。
步骤4：构建由Q＝3个M＝5机生产线组成的辅助生产线2
辅助生产线2由Q＝3条生产线组成，辅助生产线2与辅助生产线1的伯努利机器与专用缓冲区参数相同，唯一的不同为辅助生产线2为无限量的原材料供应。所述的辅助生产线2如图5所示。
步骤5：构建由Q·M＝15个单机生产线组成的辅助生产线3和由M-1＝4个双机生产线组成的辅助生产线4，并将两组辅助生产线组合。所述辅助生产线3如图5所示，所述辅助生产线4如图6所示。
进一步对辅助生产线2进行分解，分解为Q·M＝15个单机生产线，称为辅助生产线3，和M-1＝4个双机生产线，称为辅助生产线4。其中辅助生产线3中伯努利机器效率为
Figure BDA0002393273510000101
其生产有限数量的工件，而辅助生产线4中伯努利机器的效率为
Figure BDA0002393273510000102
和
Figure BDA0002393273510000103
步骤6：根据步骤5所述的辅助生产线3、辅助生产线4及系统模型，计算所述的两条辅助生产线的参数，所述参数包括辅助生产线3中伯努利机器效率
Figure BDA0002393273510000104
和辅助生产线4中伯努利机器的效率
Figure BDA0002393273510000105
和
Figure BDA0002393273510000106
步骤6.1：令
Figure BDA0002393273510000107
表示在加工周期n结束时，辅助生产线4中的专用缓冲区bi,j有d个工件的概率，使
Figure BDA0002393273510000108
令
Figure BDA0002393273510000109
表示在加工周期n结束时，辅助生产线3中的机器
Figure BDA00023932735100001010
完成生产d个工件的概率，使
Figure BDA00023932735100001011
Figure BDA00023932735100001012
和
Figure BDA00023932735100001013
初始条件为：
Figure BDA00023932735100001014
Figure BDA00023932735100001015
步骤6.2：令j＝1。
步骤6.3：令n＝1。
步骤6.4：令
Figure BDA00023932735100001016
对所有i＝2,…,5，按照如下公式计算
Figure BDA00023932735100001017
Figure BDA00023932735100001018
步骤6.5：令
Figure BDA00023932735100001019
然后，按照i＝1,…,4的降序计算
Figure BDA00023932735100001020
即根据如下公式，先计算
Figure BDA00023932735100001021
最后计算
Figure BDA00023932735100001022
Figure BDA00023932735100001023
步骤6.6：令
Figure BDA00023932735100001024
然后，对所有i＝2,…,5，按照如下公式计算
Figure BDA00023932735100001025
Figure BDA00023932735100001026
步骤6.7：对所有i＝1,…,4，按照如下公式计算
Figure BDA0002393273510000111
Figure BDA0002393273510000112
其中，Aj是在加工周期n，辅助生产线4中的第j条生产线的转移概率矩阵，表示为：
Figure BDA0002393273510000113
其中，c1表示
Figure BDA0002393273510000114
c2表示
Figure BDA0002393273510000115
步骤6.8：对所有i＝1,2,…,5，按照如下公式计算
Figure BDA0002393273510000116
Figure BDA0002393273510000117
其中，
Figure BDA0002393273510000118
是转移概率矩阵，通过将Aj中所有的p′i,j(n)替换为
Figure BDA0002393273510000119
来得到。
步骤6.9：若j＝1，则进入步骤6.10。否则，对所有i＝1,2,…,5,按照如下公式计算步骤3中的P[fi,j(n)＝Bj]：
Figure BDA00023932735100001110
步骤6.10：令n＝n+1，返回步骤6.4，直至达到预测所需的加工周期数n＝200。
步骤6.11：令n＝1并且j＝j+1，返回步骤6.4，直至j＝Q。
步骤7：根据步骤1至步骤6的分析结果，对系统进行高精度暂态性能解析预测，提高暂态性能指标预测精度和效率。所述的暂态性能指标包括生产率、消耗率、在制品库存水平、机器饥饿率、机器阻塞率、批次完成时间。
令Gk表示维数为1×k的全1矩阵。
根据如下公式，基于步骤6得到的辅助生产线3中的伯努利机器效率
Figure BDA00023932735100001111
和向量
Figure BDA00023932735100001112
解析地预测生产率PRj(n)：
Figure BDA00023932735100001113
根据如下公式，基于步骤6得到的辅助生产线3中的伯努利机器效率
Figure BDA00023932735100001114
和向量
Figure BDA00023932735100001115
解析地预测消耗率CRj(n)：
Figure BDA00023932735100001116
根据如下公式，基于步骤6得到的向量
Figure BDA00023932735100001117
和概率
Figure BDA00023932735100001118
解析地预测在制品库存水平WIPi,j(n)：
Figure BDA0002393273510000121
根据如下公式，基于步骤6得到的向量
Figure BDA0002393273510000122
和概率
Figure BDA0002393273510000123
解析地预测机器饥饿率STi,j(n)：
Figure BDA0002393273510000124
根据如下公式，基于步骤3得到的辅助生产线1中伯努利机器效率p′1,1(n)、步骤6得到的向量
Figure BDA0002393273510000125
辅助生产线4中的伯努利机器效率
Figure BDA0002393273510000126
和概率
Figure BDA0002393273510000127
解析地预测机器阻塞率BLi,j(n)：
Figure BDA0002393273510000128
根据如下公式，基于步骤6得到的辅助生产线3中的伯努利机器效率
Figure BDA0002393273510000129
和概率
Figure BDA00023932735100001210
解析地预测批次完成时间CTi,j：
Figure BDA00023932735100001211
预测结果如图7至图11所示，此外，CT1,1＝24.63τ＝886.68，CT1,2＝74.47τ＝2680.92，CT1,3＝129.75τ＝4671，CT2,1＝28.78τ＝1036.08，CT2,2＝82.40τ＝2966.4，CT2,3＝133.28τ＝4798.08，CT3,1＝30.58τ＝1100.88，CT3,2＝83.72τ＝3013.92，CT3,3＝138.09τ＝4971.24，CT4,1＝31.68τ＝1140.48，CT4,2＝85.17τ＝3066.12，CT4,3＝143.82τ＝5177.52，CT5,1＝32.83τ＝1181.88，CT5,2＝86.76τ＝3123.36，CT5,3＝144.99τ＝5219.64。
还包括步骤8：利用步骤7预测的暂态性能指标合理规划柔性离散制造系统生产过程，提高柔性离散制造系统生产效率和质量，节约生产成本，并解决柔性离散制造系统生产相关工程技术问题。
实施例2：
通过执行如下实施例来评估本发明所提出方法的精确性。
步骤1：随机生成5 000组生产线参数。
通过如下步骤随机生产5 000组生产线参数，用于评估本发明所提出方法的精确性。所述随机生成参数包括：生产机器数M、种类数Q、系统参数。
步骤1.1随机生产机器数M
从如下集合中选择机器数M：
M∈{2,3,5,10,20}
步骤1.2：随机生成种类数Q
对于每个机器数M，随机生成1 000台机器。为了消除生产种类数对误差的影响，生产种类数Q从以下集合等可能且随机的选择：
Q∈{2,3,…,20}
步骤1.3：随机生成系统参数
系统的参数从如下集合中等概率且随机的选择：
pi,j∈(0.7,1),Ni,j∈{1,2,…,6},Bj∈{5,6,…,150},tset,i,j∈{1,2,…,10}
步骤2：对步骤1生成的每一条生产线预测暂态性能。
针对步骤1所生成的1 000条生产线分别执行如下的步骤2.1至步骤2.9，以计算所述1 000条生产线的暂态性能。
步骤2.1：对具有专用缓冲区的柔性离散制造系统(以下简称系统)进行系统建模。所述系统为专用缓冲区和伯努利机器依次串行而成的柔性生产线，所述系统建模主要包括：确定系统参数、系统状态、生产顺序。所述系统参数包括系统基本参数、系统加工周期、伯努利机器可靠性模型参数、有限缓冲区参数；系统状态包括伯努利机器饥饿状态、伯努利机器阻塞状态、系统运行状态、系统调试状态。
步骤2.1.1：确定生产系统基本参数。
所述系统能够生产Q种类型的产品,表示为种类j。所述系统由M台伯努利机器和Q·(M-1)个专用缓冲区组成。伯努利机器由mi表示，专用缓冲区由bi,j表示。
步骤2.1.2：确定系统加工周期。
所有的伯努利机器有相同且时不变的加工周期τ，以加工周期τ为单位对时间轴进行分段。
步骤2.1.3：确定伯努利机器可靠性模型。
所有的伯努利机器服从伯努利机器可靠性模型：如果伯努利机器mi，i＝1,2,…,M，在生产种类j，j＝1,2,…,Q，产品过程中，既不阻塞也不饥饿，所述伯努利机器在一个加工周期生产一个工件的概率为pi,j，pi,j∈(0,1)，。与此同时，没能生产一个工件的概率为1-pi,j。参数pi,j被定义为伯努利机器mi生产种类j工件的效率。
步骤2.1.4：确定伯努利机器饥饿状态。
在一个加工周期内，如果伯努利机器mi处于工作状态,i＝2,3,…,M，但伯努利机器mi上游专用缓冲区bi-1,j，j＝1,2,…,Q，在前一加工周期结束时为空，则该伯努利机器在所述加工周期处于饥饿状态。
步骤2.1.5：确定伯努利机器阻塞状态。
在一个加工周期内，如果伯努利机器mi处于工作状态，i＝1,2,…,M-1,但伯努利机器mi下游专用缓冲区bi,j，j＝1,2,…,Q，在前一加工周期为满，并且伯努利机器mi的下游伯努利机器mi+1在该加工周期开始时无法从该专用缓冲区提取工件进行加工，则该伯努利机器在所述加工周期处于阻塞状态。伯努利机器mM不会处于阻塞状态。
步骤2.1.6：确定专用缓冲区参数。
每一个专用缓冲区bi,j，i＝1,2,…,M-1，j＝1,2,…,Q，由专用缓冲区容量Ni,j表征，Ni,j∈(0,∞)。专用缓冲区bi,j专用于种类j的工件。
步骤2.1.7：确定生产顺序。
种类j，j＝1,2,…,Q，工件共有Bj个需要被加工，所有的伯努利机器在每一种类产品生产结束前，都只生产此类型的工件。所有伯努利机器都按种类序号的递增顺序进行生产：先生产种类1的工件，最后生产种类Q的工件。
步骤2.1.8：确定系统属于运行状态或调试转态。
在生产种类j的运行过程状态，共有Bj，j＝1,2,…,Q，个种类j的工件被生产。当种类j，j＝1,2,…,Q-1，的工件生产完成后，进入下一种类生产的调试过程状态。当种类Q的工件被生产完成后，该生产过程结束。伯努利机器mi，i＝1,2,…,M，生产种类j产品，j＝2,3,…,Q，的调试状态在种类j的运行状态之前，持续tset,i,j个加工周期。由于生产过程开始前，种类1的调试已经完成，整数j起始于2。
步骤2.2：根据系统模型和实际工程需要定义暂态性能指标，所述暂态性能指标包括生产率、消耗率、在制品库存水平、机器饥饿率、机器阻塞率、批次完成时间。
步骤2.2.1：定义生产率(PRj(n))。
在加工周期n里，伯努利机器mM生产种类j，j＝1,2,…,Q，工件数量的期望。
步骤2.2.2：定义消耗率(CRj(n))。
在加工周期n里，伯努利机器m1消耗种类j，j＝1,2,…,Q，工件数量的期望。
步骤2.2.3：定义在制品库存水平(WIPi,j(n))。
在加工周期n里，专用缓冲区bi,j，i＝1,2,…,M，j＝1,2,…,Q，中在制品个数的期望。
步骤2.2.4：定义机器饥饿率(STi,j(n))。
在加工周期n里，伯努利机器mi，i＝2,3,…,M，在处理种类j，j＝1,2,…,Q，工件的过程中，处于饥饿状态的概率。
步骤2.2.5：定义机器阻塞率(BLi,j(n))。
在加工周期n里，伯努利机器mi，i＝1,2,…,M-1，在处理种类j，j＝1,2,…,Q，工件的过程中，处于阻塞状态的概率。
步骤2.2.6：定义批次完成时间(CTi,j)。
伯努利机器mi，i＝1,2,…,M，完成种类j工件生产时，系统已进行加工周期数的期望。
步骤2.3：构建由Q个M机生产线组成的辅助生产线1。
根据步骤2.1建立的系统模型，此生产过程具有“无后效性”，即系统下一个加工周期的状态只与此加工周期状态有关。因此，此随机过程为马尔可夫链。令fi,j(n)∈{0,1,…,Bj}，i＝1,2,…,M，j＝1,2,…,Q，表示在加工周期n开始时，系统生产种类j工件的数量。将原始的生产线分解为Q条生产线，每条生产线只生产一个种类的产品，将所述Q条生产线称为辅助生产线1。与原始生产线相比，唯一的不同为辅助生产线1的机器效率为时变的，所述机器效率p′i,j(n)通过如下公式计算：
Figure BDA0002393273510000151
其中，工件数量P[fi,j(n)＝Bj]的计算方法见步骤2.6.8。
步骤2.4：构建由Q个M机生产线组成的辅助生产线2。
辅助生产线2由Q条生产线组成，辅助生产线2与辅助生产线1的伯努利机器与专用缓冲区参数相同，唯一的不同为辅助生产线2为无限量的原材料供应。
步骤2.5：构建由Q·M个单机生产线组成的辅助生产线3和由M-1个双机生产线组成的辅助生产线4，并将两组辅助生产线组合。
进一步对辅助生产线2进行分解，分解为Q·M个单机生产线，称为辅助生产线3，和M-1个双机生产线，称为辅助生产线4。其中辅助生产线3中伯努利机器效率为
Figure BDA0002393273510000152
其生产有限数量的工件，而辅助生产线4中伯努利机器的效率为
Figure BDA0002393273510000153
和
Figure BDA0002393273510000154
步骤2.6：根据步骤2.5所述的辅助生产线3、辅助生产线4及系统模型，计算所述的两条辅助生产线的参数，所述参数包括辅助生产线3中伯努利机器的效率
Figure BDA0002393273510000155
和辅助生产线4中伯努利机器的效率
Figure BDA0002393273510000156
和
Figure BDA0002393273510000157
步骤2.6.1：令
Figure BDA0002393273510000158
表示在加工周期n结束时，辅助生产线4中的专用缓冲区bi,j有d个工件的概率，使
Figure BDA0002393273510000159
令
Figure BDA00023932735100001510
表示在加工周期n结束时，辅助生产线3中的伯努利机器
Figure BDA00023932735100001511
完成生产d个工件的概率，使
Figure BDA00023932735100001512
Figure BDA00023932735100001513
和
Figure BDA00023932735100001514
初始条件为：
Figure BDA00023932735100001515
Figure BDA00023932735100001516
步骤2.6.2：令j＝1。
步骤2.6.3：令n＝1。
步骤2.6.4：令
Figure BDA0002393273510000161
对所有i＝2,3,…,M，按照如下公式计算
Figure BDA0002393273510000162
Figure BDA0002393273510000163
步骤2.6.5：令
Figure BDA0002393273510000164
然后，按照i＝1,2…,M-1的降序计算
Figure BDA0002393273510000165
即根据如下公式，先计算
Figure BDA0002393273510000166
最后计算
Figure BDA0002393273510000167
Figure BDA0002393273510000168
步骤2.6.6：令
Figure BDA0002393273510000169
然后，对所有i＝2,3,…,M，按照如下公式计算
Figure BDA00023932735100001610
Figure BDA00023932735100001611
步骤2.6.7：对所有i＝1,2,…,M-1，按照如下公式计算
Figure BDA00023932735100001612
Figure BDA00023932735100001613
其中，Aj是在加工周期n，辅助生产线4中的第j条生产线的转移概率矩阵，表示为：
Figure BDA00023932735100001614
其中，c1表示
Figure BDA00023932735100001615
c2表示
Figure BDA00023932735100001616
步骤2.6.8：对所有i＝1,2,…,M，按照如下公式计算
Figure BDA00023932735100001617
Figure BDA00023932735100001618
其中，
Figure BDA00023932735100001619
是转移概率矩阵，可以通过将Aj中所有的p′i,j(n)替换为
Figure BDA00023932735100001620
来得到。
步骤2.6.9：若j＝1，则进入步骤2.6.10。否则，对所有i＝1,2,…,M,按照如下公式计算步骤2.3中的P[fi,j(n)＝Bj]：
Figure BDA00023932735100001621
步骤2.6.10：令n＝n+1，返回步骤2.6.4，直至达到预测所需的加工周期数。
步骤2.6.11：令n＝1并且j＝j+1，返回步骤2.6.4，直至j＝Q。
步骤2.7：根据步骤2.1至步骤2.6的分析结果，对系统进行高精度暂态性能解析预测，提高暂态性能指标预测精度和效率。所述的暂态性能指标包括生产率、消耗率、在制品库存水平、机器饥饿率、机器阻塞率、批次完成时间。
令Gk表示维数为1×k的全1矩阵。
根据如下公式，基于步骤2.6得到的辅助生产线3中的伯努利机器效率
Figure BDA0002393273510000171
和向量
Figure BDA0002393273510000172
解析地预测生产率PRj(n)：
Figure BDA0002393273510000173
根据如下公式，基于步骤2.6得到的辅助生产线3中的伯努利机器效率
Figure BDA0002393273510000174
和向量
Figure BDA0002393273510000175
解析地预测消耗率CRj(n)：
Figure BDA0002393273510000176
根据如下公式，基于步骤2.6得到的向量
Figure BDA0002393273510000177
和概率
Figure BDA0002393273510000178
解析地预测在制品库存水平WIPi,j(n)：
Figure BDA0002393273510000179
根据如下公式，基于步骤2.6得到的向量
Figure BDA00023932735100001710
和概率
Figure BDA00023932735100001711
解析地预测机器饥饿率STi,j(n)：
Figure BDA00023932735100001712
根据如下公式，基于步骤2.3得到的辅助生产线1中伯努利机器效率p′1,1(n)、步骤2.6得到的向量
Figure BDA00023932735100001713
辅助生产线4中的伯努利机器效率
Figure BDA00023932735100001714
和概率
Figure BDA00023932735100001715
解析地预测机器阻塞率BLi,j(n)：
Figure BDA00023932735100001716
根据如下公式，基于步骤2.6得到的辅助生产线3中的伯努利机器效率
Figure BDA00023932735100001717
和概率
Figure BDA00023932735100001718
解析地预测批次完成时间CTi,j：
Figure BDA00023932735100001719
步骤3：使用蒙特卡洛模拟法计算步骤1生成的每条生产线的暂态性能。
通过使用蒙特卡洛模拟对每一条步骤1生成的生产线计算暂态性能指标的方式来提供比较基准，蒙特卡洛模拟的结果带有上标“sim”。
步骤4：计算误差计算的开始时间tbe,j和结束时间tfin,j。
根据如下公式，可计算误差计算的开始时间tbe,j：
Figure BDA0002393273510000181
根据如下公式，误差计算的结束时间tfin,j为满足如下不等式的最小值：
Figure BDA0002393273510000182
其中，
Figure BDA0002393273510000183
是CTi,j的概率密度函数，根据如下公式，基于步骤2.6得到的辅助生产线3中的伯努利机器效率
Figure BDA0002393273510000184
和概率
Figure BDA0002393273510000185
计算：
Figure BDA0002393273510000186
步骤5：定义如下六个误差度量公式，包括生产率的误差度量δPR、消耗率的误差度量δCR、在制品库存水平的误差度量δWIP、机器饥饿率的误差度量δST、机器阻塞率的误差度量δBL、批次完成时间的误差度量δCT：
根据如下公式，计算出生产率的误差度量δPR：
Figure BDA0002393273510000187
根据如下公式，可计算出消耗率的误差度量δCR：
Figure BDA0002393273510000188
根据如下公式，可计算出在制品库存水平的误差度量δWIP：
Figure BDA0002393273510000189
根据如下公式，可计算出机器饥饿率的误差度量δST：
Figure BDA00023932735100001810
根据如下公式，可计算出机器阻塞率的误差度量δBL：
Figure BDA00023932735100001811
根据如下公式，可计算出批次完成时间的误差度量δCT：
Figure BDA0002393273510000191
其中，PRj(∞)是生产率的稳态值，它是通过蒙特卡洛模拟得到的。
步骤6：根据步骤2所计算的利用本发明所属方法计算的暂态性能、步骤3利用蒙特卡洛模拟计算的暂态性能、步骤5定义的误差度量，计算步骤1中生成的每一条生产线的六个指标的误差度量。六个性能指标的误差盒型图如图12至图17所示。所有性能指标的误差都在10％以内，考虑到生产实际精度需要，本发明所提出方法具备高精度的特点。
以上所述的具体描述，对发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.具有专用缓冲区的柔性离散制造系统暂态性能预测方法，其特征在于：包括如下步骤，
步骤1：对具有专用缓冲区的柔性离散制造系统进行系统建模，所述系统为具有专用缓冲区和伯努利机器依次串行而成的柔性生产线；所述系统建模主要包括：确定系统参数、系统状态、生产顺序；所述系统参数包括系统基本参数、系统加工周期、伯努利机器可靠性模型、缓冲区参数；系统状态包括伯努利机器饥饿状态、伯努利机器阻塞状态、系统运行状态、系统调试状态；
步骤2：根据系统模型和实际工程需要定义暂态性能指标，所述暂态性能指标包括生产率、消耗率、在制品库存水平、机器饥饿率、机器阻塞率、批次完成时间；
步骤3：构建由Q个M机生产线组成的辅助生产线1；
步骤4：构建由Q个M机生产线组成的辅助生产线2；
步骤5：构建由Q·M个单机生产线组成的辅助生产线3和由M-1个双机生产线组成的辅助生产线4，并将两组辅助生产线组合；
步骤6：根据步骤5所述的辅助生产线3、辅助生产线4及系统模型，计算所述的两条辅助生产线的参数，所述参数包括辅助生产线3中伯努利机器效率
Figure FDA0002393273500000011
和辅助生产线4中伯努利机器的效率
Figure FDA0002393273500000012
和
Figure FDA0002393273500000013
步骤7：根据步骤1至步骤6的分析结果，对系统进行高精度暂态性能解析预测，提高暂态性能指标预测精度和效率；所述的暂态性能指标包括生产率、消耗率、在制品库存水平、机器饥饿率、机器阻塞率、批次完成时间。
2.如权利要求1所述的具有专用缓冲区的柔性离散制造系统暂态性能预测方法，其特征在于：步骤1实现方法为，
步骤1.1：确定生产系统基本参数；
所述系统能够生产Q种类型的产品,表示为种类j；所述系统由M台伯努利机器和Q·(M-1)个专用缓冲区组成；伯努利机器由mi表示，专用缓冲区由bi,j表示；
步骤1.2：确定系统加工周期；
所有的伯努利机器有相同且时不变的加工周期τ，以加工周期τ为单位对时间轴进行分段；
步骤1.3：确定伯努利机器可靠性模型；
所有的伯努利机器服从伯努利机器可靠性模型：如果伯努利机器mi，i＝1,2,…,M，在生产种类j，j＝1,2,…,Q，产品过程中，既不阻塞也不饥饿，所述伯努利机器在一个加工周期生产一个工件的概率为pi,j，pi,j∈(0,1)；与此同时，没能生产一个工件的概率为1-pi,j；参数pi,j被定义为伯努利机器mi生产种类j工件的效率；
步骤1.4：确定伯努利机器饥饿状态；
在一个加工周期内，如果伯努利机器mi处于工作状态,i＝2,3,…,M，但伯努利机器mi上游专用缓冲区bi-1,j，j＝1,2,…,Q，在前一加工周期结束时为空，则该伯努利机器在所述加工周期处于饥饿状态；
步骤1.5：确定伯努利机器阻塞状态；
在一个加工周期内，如果伯努利机器mi处于工作状态，i＝1,2,…,M-1,但伯努利机器mi下游专用缓冲区bi,j，j＝1,2,…,Q，在前一加工周期为满，并且伯努利机器mi的下游伯努利机器mi+1在该加工周期开始时无法从该专用缓冲区提取工件进行加工，则该伯努利机器在所述加工周期处于阻塞状态；伯努利机器mM不会处于阻塞状态；
步骤1.6：确定专用缓冲区参数；
每一个专用缓冲区bi,j，i＝1,2,…,M-1，j＝1,2,…,Q，由专用缓冲区容量Ni,j表征，Ni,j∈(0,∞)；专用缓冲区bi,j专用于种类j的工件；
步骤1.7：确定生产顺序；
种类j，j＝1,2,…,Q，工件共有Bj个需要被加工，所有的伯努利机器在每一种类产品生产结束前，都只生产此类型的工件；所有伯努利机器都按种类序号的递增顺序进行生产：先生产种类1的工件，最后生产种类Q的工件；
步骤1.8：确定系统属于运行状态或调试转态；
在生产种类j的运行过程状态，共有Bj，j＝1,2,…,Q，个种类j的工件被生产；当种类j，j＝1,2,…,Q-1，的工件生产完成后，进入下一种类生产的调试过程状态；当种类Q的工件被生产完成后，该生产过程结束；伯努利机器mi，i＝1,2,…,M，生产种类j产品，j＝2,3,…,Q，的调试状态在种类j的运行状态之前，持续tset,i,j个加工周期；由于生产过程开始前，种类1的调试已经完成，整数j起始于2。
3.如权利要求2所述的具有专用缓冲区的柔性离散制造系统暂态性能预测方法，其特征在于：步骤2实现方法为，
步骤2.1：定义生产率(PRj(n))；
在加工周期n里，伯努利机器mM生产种类j，j＝1,2,…,Q，工件数量的期望；
步骤2.2：定义消耗率(CRj(n))；
在加工周期n里，伯努利机器m1消耗种类j，j＝1,2,…,Q，工件数量的期望；
步骤2.3：定义在制品库存水平(WIPi,j(n))；
在加工周期n里，专用缓冲区bi,j，i＝1,2,…,M，j＝1,2,…,Q，中在制品个数的期望；
步骤2.4：定义机器饥饿率(STi,j(n))；
在加工周期n里，伯努利机器mi，i＝2,3,…,M，在处理种类j，j＝1,2,…,Q，工件的过程中，处于饥饿状态的概率；
步骤2.5：定义机器阻塞率(BLi,j(n))；
在加工周期n里，伯努利机器mi，i＝1,2,…,M-1，在处理种类j，j＝1,2,…,Q，工件的过程中，处于阻塞状态的概率；
步骤2.6：定义批次完成时间(CTi,j)；
机器mi，i＝1,2,…,M，完成种类j工件生产时，系统已进行加工周期数的期望。
4.如权利要求3所述的具有专用缓冲区的柔性离散制造系统暂态性能预测方法，其特征在于：步骤3实现方法为，
根据步骤1建立的系统模型，此生产过程具有“无后效性”，即系统下一个加工周期的状态只与此加工周期状态有关；因此，此随机过程为马尔可夫链；令fi,j(n)∈{0,1,…,Bj}，i＝1,2,…,M，j＝1,2,…,Q，表示在加工周期n开始时，系统生产种类j工件的数量；将原始的生产线分解为Q条生产线，每条生产线只生产一个种类的产品，将所述Q条生产线称为辅助线1；与原始生产线相比，唯一的不同为辅助生产线1的机器效率为时变的，所述机器效率p′i,j(n)通过如下公式计算：
Figure FDA0002393273500000031
其中，工件数量P[fi,j(n)＝Bj]的计算方法见步骤6.8。
5.如权利要求4所述的具有专用缓冲区的柔性离散制造系统暂态性能预测方法，其特征在于：步骤4实现方法为，
辅助生产线2由Q条生产线组成，辅助生产线2与辅助生产线1的伯努利机器与专用缓冲区参数相同，唯一的不同为辅助生产线2为无限量的原材料供应。
6.如权利要求5所述的具有专用缓冲区的柔性离散制造系统暂态性能预测方法，其特征在于：步骤5实现方法为，
进一步对辅助生产线2进行分解，分解为Q·M个的单机生产线，称为辅助生产线3，和M-1个双机生产线，称为辅助生产线4；其中辅助生产线3中伯努利机器效率为
Figure FDA0002393273500000032
其生产有限数量的工件，而辅助生产线4中伯努利机器的效率为
Figure FDA0002393273500000033
和
Figure FDA0002393273500000034
7.如权利要求6所述的具有专用缓冲区的柔性离散制造系统暂态性能预测方法，其特征在于：步骤6实现方法为，
步骤6.1：令
Figure FDA0002393273500000035
表示在加工周期n结束时，辅助生产线4中的缓冲区bi,j有d个工件的概率，使
Figure FDA0002393273500000036
令
Figure FDA0002393273500000037
表示在加工周期n结束时，辅助线3中的机器
Figure FDA0002393273500000038
完成生产d个工件的概率，使
Figure FDA0002393273500000039
Figure FDA0002393273500000041
Figure FDA0002393273500000042
和
Figure FDA0002393273500000043
初始条件为：
Figure FDA0002393273500000044
Figure FDA0002393273500000045
步骤6.2：令j＝1；
步骤6.3：令n＝1；
步骤6.4：令
Figure FDA0002393273500000046
对所有i＝2,3,…,M，按照如下公式计算
Figure FDA0002393273500000047
Figure FDA0002393273500000048
步骤6.5：令
Figure FDA0002393273500000049
然后，按照i＝1,2…,M-1的降序计算
Figure FDA00023932735000000410
即根据如下公式，先计算
Figure FDA00023932735000000411
最后计算
Figure FDA00023932735000000412
Figure FDA00023932735000000413
步骤6.6：令
Figure FDA00023932735000000414
然后，对所有i＝2,3,…,M，按照如下公式计算
Figure FDA00023932735000000415
Figure FDA00023932735000000416
步骤6.7：对所有i＝1,2,…,M-1，按照如下公式计算
Figure FDA00023932735000000417
Figure FDA00023932735000000418
其中，Aj是在加工周期n，辅助生产线4中的第j条生产线的转移概率矩阵，表示为：
Figure FDA00023932735000000419
其中，c1表示
Figure FDA00023932735000000420
c2表示
Figure FDA00023932735000000421
步骤6.8：对所有i＝1,2,…,M，按照如下公式计算
Figure FDA00023932735000000422
Figure FDA00023932735000000423
其中，
Figure FDA00023932735000000424
是转移概率矩阵，可以通过将Aj中所有的p′i,j(n)替换为
Figure FDA00023932735000000425
来得到；
步骤6.9：若j＝1，则进入步骤6.10；否则，对所有i＝1,2,…,M,按照如下公式计算步骤3中的P[fi,j(n)＝Bj]：
Figure FDA0002393273500000051
步骤6.10：令n＝n+1，返回步骤6.4，直至达到预测所需的加工周期数；
步骤6.11：令n＝1并且j＝j+1，返回步骤6.4，直至j＝Q。
8.如权利要求7所述的具有专用缓冲区的柔性离散制造系统暂态性能预测方法，其特征在于：步骤7实现方法为，
令Gk表示维数为1×k的全1矩阵；
根据如下公式，基于步骤6得到的辅助生产线3中的伯努利机器效率
Figure FDA0002393273500000052
和向量
Figure FDA0002393273500000053
解析地预测生产率PRj(n)：
Figure FDA0002393273500000054
根据如下公式，基于步骤6得到的辅助生产线3中的伯努利机器效率
Figure FDA0002393273500000055
和向量
Figure FDA0002393273500000056
解析地预测消耗率CRj(n)：
Figure FDA0002393273500000057
根据如下公式，基于步骤6得到的向量
Figure FDA0002393273500000058
和概率
Figure FDA0002393273500000059
解析地预测在制品库存水平WIPi,j(n)：
Figure FDA00023932735000000510
根据如下公式，基于步骤6得到的向量
Figure FDA00023932735000000511
和概率
Figure FDA00023932735000000512
解析地预测机器饥饿率STi,j(n)：
Figure FDA00023932735000000513
根据如下公式，基于步骤3得到的辅助生产线1中伯努利机器效率p′1,1(n)、步骤6得到的向量
Figure FDA00023932735000000514
辅助生产线4中的伯努利机器效率
Figure FDA00023932735000000515
和概率
Figure FDA00023932735000000516
解析地预测机器阻塞率BLi,j(n)：
Figure FDA00023932735000000517
根据如下公式，基于步骤6得到的辅助生产线3中的伯努利机器效率
Figure FDA00023932735000000518
和概率
Figure FDA0002393273500000061
解析地预测批次完成时间CTi,j：
Figure FDA0002393273500000062
9.如权利要求8所述的具有专用缓冲区的柔性离散制造系统暂态性能预测方法，其特征在于：还包括步骤8，
利用步骤7预测的暂态性能指标合理规划柔性离散制造系统生产过程，提高柔性离散制造系统生产效率和质量，节约生产成本，并解决柔性离散制造系统生产相关工程技术问题。
CN202010122107.9A 2020-02-27 2020-02-27 具有专用缓冲区的柔性离散制造系统暂态性能预测方法 Active CN111273624B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010122107.9A CN111273624B (zh) 2020-02-27 2020-02-27 具有专用缓冲区的柔性离散制造系统暂态性能预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010122107.9A CN111273624B (zh) 2020-02-27 2020-02-27 具有专用缓冲区的柔性离散制造系统暂态性能预测方法

Publications (2)

Publication Number Publication Date
CN111273624A true CN111273624A (zh) 2020-06-12
CN111273624B CN111273624B (zh) 2021-03-23

Family

ID=70999557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010122107.9A Active CN111273624B (zh) 2020-02-27 2020-02-27 具有专用缓冲区的柔性离散制造系统暂态性能预测方法

Country Status (1)

Country Link
CN (1) CN111273624B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113222446A (zh) * 2021-05-26 2021-08-06 北京理工大学 基于不可靠机器及有限缓冲区的分布式系统调度优化方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109661623A (zh) * 2016-09-09 2019-04-19 宝洁公司 用于在单条生产线上同时生产不同产品的方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109661623A (zh) * 2016-09-09 2019-04-19 宝洁公司 用于在单条生产线上同时生产不同产品的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
FENG JU等: "Transient Analysis of Serial Production Lines With Perishable Products: Bernoulli Reliability Model", 《IEEE TRANSACTIONS ON AUTOMATIC CONTROL》 *
ZHIYANG JIA等: "Performance Analysis of Assembly Systems With Bernoulli Machines and Finite Buffers During Transients", 《IEEE TRANSACTIONS ON AUTOMATION SCIENCE AND ENGINEERING》 *
ZHIYANG JIA等: "Transient Performance Analysis of Closed Production Lines With Bernoulli Machines, Finite Buffers, and Carriers", 《IEEE ROBOTICS AND AUTOMATION LETTERS》 *
刘畅 等: "有限小批量定制生产伯努利三机器装配系统实时性能分析", 《自动化学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113222446A (zh) * 2021-05-26 2021-08-06 北京理工大学 基于不可靠机器及有限缓冲区的分布式系统调度优化方法

Also Published As

Publication number Publication date
CN111273624B (zh) 2021-03-23

Similar Documents

Publication Publication Date Title
Backus et al. Factory cycle-time prediction with a data-mining approach
CN1287419C (zh) 半导体制造过程派工控制方法
EP1966664B1 (en) An automated state estimation system for cluster tools and a method of operating the same
Radhwan et al. Redesign of bahulu production layout to improve the efficiency of process flow
JP5015829B2 (ja) 設備負荷率算出システム、プログラム、及び方法
CN111273624B (zh) 具有专用缓冲区的柔性离散制造系统暂态性能预测方法
CN112906331A (zh) 一种基于对数扩展偏正态分布的标准单元延时模型构建方法
CN115455359A (zh) 小批量误差数据的自动校正与分布拟合方法
CN108171435B (zh) 一种考虑预防性维护的生产计划决策方法
CN111290360B (zh) 一种铸造生产线多目标优化方法
CN110705844B (zh) 基于非强制空闲时间的作业车间调度方案鲁棒优化方法
CN111814359A (zh) 一种面向离散制造的集成车间调度与装配序列规划方法
CN105956295A (zh) 批处理流水线性能评估方法
CN115981262A (zh) 基于imoea的液压缸零部件车间生产调度方法
US7502658B1 (en) Methods of fabricating optimization involving process sequence analysis
CN114859832A (zh) 一种t梁生产控制方法和系统
CN110298468A (zh) 一种基于蚁群算法的单尺寸链优化选配方法
CN113222446A (zh) 基于不可靠机器及有限缓冲区的分布式系统调度优化方法
CN112733281A (zh) 一种考虑截尾数据删失的机床可靠性评估方法
CN113762754A (zh) 一种混合车间低熵自适应调度方法
CN114237166A (zh) 基于改进spea2算法求解多转速节能调度问题的方法
CN114548885B (zh) 晶圆制造的配方数据收集方法和装置
CN114398782A (zh) 定制化生产下返工系统瞬态分析方法
CN113779782B (zh) 考虑工件报废的装配线建模与性能评估方法
CN117289658A (zh) 分布式柔性模糊系统暂态性能预测及其调度方法

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