CN112526953B - 一种装配生产线脆性时间窗度量方法与弹性控制系统 - Google Patents

一种装配生产线脆性时间窗度量方法与弹性控制系统 Download PDF

Info

Publication number
CN112526953B
CN112526953B CN202011518609.XA CN202011518609A CN112526953B CN 112526953 B CN112526953 B CN 112526953B CN 202011518609 A CN202011518609 A CN 202011518609A CN 112526953 B CN112526953 B CN 112526953B
Authority
CN
China
Prior art keywords
assembly line
machine
assembly
disturbance event
time window
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
CN202011518609.XA
Other languages
English (en)
Other versions
CN112526953A (zh
Inventor
张定
邓彦锋
刘强
裴瑜
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202011518609.XA priority Critical patent/CN112526953B/zh
Publication of CN112526953A publication Critical patent/CN112526953A/zh
Application granted granted Critical
Publication of CN112526953B publication Critical patent/CN112526953B/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]
    • G05B19/41865—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 job scheduling, process planning, material flow
    • 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
    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Human Resources & Organizations (AREA)
  • Algebra (AREA)
  • Automation & Control Theory (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种装配生产线脆性时间窗度量方法与弹性控制系统，涉及工业自动化技术领域。一种装配生产线脆性时间窗度量方法，通过弹性控制系统得出装配生产线的状态方程，并根据装配生产线的状态方程获取每个潜在的扰动事件下机器的脆性时间窗口，即算出扰动事件的发生时刻与装配生产线造成永久性生产损失的时刻之间的时间间隔，再通过判断扰动事件的持续时间是否在脆性时间窗口内，实现对装配生产线的脆性进行数学量化，并对装配生产线的脆性作出评估，进而实现对装配生产线作出合理维修决策，对装配生产线实际中的维护、节能和换产具有重要意义。

Description

一种装配生产线脆性时间窗度量方法与弹性控制系统
技术领域
本发明涉及工业自动化技术领域，特别是一种装配生产线脆性时间窗度量方法与弹性控制系统。
背景技术
现有技术聚焦在生产线正常工作情况下的效能评估，这种技术接近于静态设计，而生产系统的动态性能分析受到的重视较少。此外，现有技术通常是从统计角度，通过绩效指标例如利用率、生产总量等对产线进行衡量，大多忽略对产线故障情况的衡量和对故障之后的控制决策。因此，现有技术最大的缺点在：
1、现有的技术方案建模过程中，大多缺乏对产线设备发生故障或者需要预防性维修等离散事件这一方面的考虑，因此所得模型大多缺乏对产线的脆性评估。
2、现有技术面对设备故障或者预防性维修时，大多缺乏对产线的脆性进行数学量化，因此难以对产线的故障进行分析评估和弹性控制决策。
发明内容
针对上述缺陷，本发明的目的在于提出一种装配生产线脆性时间窗度量方法与弹性控制系统，以实现对装配生产线的脆性进行数学量化，并对装配生产线的脆性作出评估，进而实现对装配生产线作出合理维修决策。
为达此目的，本发明采用以下技术方案：
一种装配生产线脆性时间窗度量方法，装配生产线为N(N≥1)个机器和N-1个缓冲区交替设置的串联生产线，所述方法包括以下步骤：
步骤1：物理车间和虚拟车间之间进行虚实同步；
步骤2：在装配生产线开始作业之前，初始化弹性控制系统中装配生产线状态的各参数，并计算出装配生产线中断状态方程和装配生产线无中断状态方程；并根据装配生产线两个状态方程获取每个潜在的扰动事件下机器的脆性时间窗口；其中，脆性时间窗口是指在扰动事件的发生时刻与装配生产线造成永久性生产损失的时刻之间的时间间隔；
步骤3：在装配生产线开始作业的任何时候检查装配生产线是否发生扰动事件；若是，则转到步骤4；若否，则转到步骤8；
步骤4：判断扰动事件的持续时间是否在脆性时间窗口内；若是，则在脆性时间窗口内，在原有的装配生产线上对发生扰动事件的机器进行纠正维护，然后转到步骤7；若否，则转到步骤5；
步骤5：判断是否有备用机器替换发生扰动事件的机器以重组装配生产线；若是，则对装配生产线进行重组，然后转到步骤7；若否，则转到步骤6；
步骤6：判断是否有备用工人代替发生扰动事件的机器工作；若是，则用备用工人代替故障机器进行工作，然后转到步骤7；若否，则等待故障机器的维修结束，转到步骤7；
步骤7：将扰动事件导致的中断记录在故障数据库中；
步骤8：利用统计的故障数据库对装配生产线进行预防性维护。
本发明还提供一种装配生产线弹性控制系统，应用在上述的一种装配生产线脆性时间窗度量方法，包括物理车间和数字孪生系统，还包括建立在数字孪生系统的弹性控制决策模块以及与物理车间相对应的装配生产线模型；
数字孪生系统用于装配生产线模型与物理车间的装配生产线虚实同步；
弹性控制决策模块用于根据装配生产线模型计算出装配生产线中断状态方程和装配生产线无中断状态方程；并根据装配生产线两个状态方程获取每个潜在的扰动事件下机器的脆性时间窗口；
弹性控制决策模块还用于对装配生产线进行预防性维护和用于扰动事件发生后作出对应的维修决策。
进一步，在装配生产线模型中，扰动事件数字量化为E(mi,te,di)，其中mi表示第i个机器,te表示扰动事件发生的时刻，di表示扰动事件的持续时间；
装配生产线造成永久性生产损失是指扰动事件E(mi,te,di)引起瓶颈机器mk饥饿或堵塞。
进一步，弹性控制决策模块运用极大代数的方法计算脆性时间窗口，包括极大加法，其公式为：
Figure GDA0003058841600000031
还包括极大乘法，其公式为：
Figure GDA0003058841600000032
另外，引入参数ε和参数e，参数ε相当于-∞；参数e相当于0，则有公式：
Figure GDA0003058841600000033
Figure GDA0003058841600000034
其中，公式(1)、(2)、(3)和(4)中的a表示为一个数值，b表示为一个数值；
首先，弹性控制决策模块运用极大代数对装配生产线模型建立状态方程式，并且考虑装配生产线扰动事件发生的情况；
其中，发生扰动事件机器mi的中断输入wi(r)表示为：
Figure GDA0003058841600000041
公式(5)表示，第i台机器发生扰动事件后，中断输入wi(r)为扰动事件的发生时刻te；其他情况如没有扰动事件发生时，中断输入wi(r)则为空，即ε；
对于任意的第i台机器(1≤i≤N)，开始处理第r个作业，需要满足以下条件：
1)第r个作业可被第i台机器用于加工，且第i-1台机器已完成第r个作业；
2)第i台机器已完成第r-1个作业；
3)如果因为扰事件导致第i台机器停机，则第i台机器必须在te+di时刻恢复以处理第r个作业；
因此，装配生产线模型中机器的极大代数方程式表达为：
Figure GDA0003058841600000042
公式(6)中，Xi(r)表示第r个作业在第i台机器上的作业开始时刻，ti表示第i台机器的作业时间；
则第一台机器的极大代数方程式表示为：
Figure GDA0003058841600000043
假定第一台机器永远不会饥饿，则X0(r)可省略，因此第一台机器的极大代数方程式表达为：
Figure GDA0003058841600000044
基于公式(6)和公式(7)，得出所有机器组装第r个作业的开始时刻的统一矩阵形式：
Figure GDA0003058841600000045
其中，X(r)＝[X1(r)，X2(r)，…，XN(r)]T，W(r)＝[w1(r)，w2(r)，…，wN(r)]T，
Figure GDA0003058841600000051
考虑串联装配生产线带有缓冲区的情况，则第i台机器必须基于一个额外的假设才能开始处理第r个作业：第i+1台机器必须已经开始组装第r-Bi+1-1个作业，以便在下游缓存区中至少保留一个空缺。其中Bi+1表示第i+1个缓冲区的矩阵；
因此，基于考虑串联装配生产线带有缓冲区的情况，对公式(6)进行优化，得出考虑缓冲区的装配生产线模型中机器的极大代数方程式：
Figure GDA0003058841600000052
根据公式(10)，得出所有机器组装第r个作业的开始时刻的统一矩阵形式：
Figure GDA0003058841600000053
其中，公式(11)中的B为公式(9)中的矩阵B，公式(11)中的B1、B2、…BN-1为对应缓冲区的矩阵；
基于
Figure GDA0003058841600000054
计算得出
Figure GDA0003058841600000055
用于简化等式(11)；因此，简化后的公式(11)为：
Figure GDA0003058841600000056
其中，
Figure GDA0003058841600000057
Figure GDA0003058841600000061
Figure GDA0003058841600000062
Figure GDA0003058841600000063
Figure GDA0003058841600000064
基于公式(12)，计算出装配生产线中断状态方程：
Figure GDA0003058841600000065
其中，C＝[ε，...，ε，tN]，E＝[ε，...，ε，dN]；
假设装配生产线没有任何中断，则可以通过消除中断输入来表示所有机器组装第r个作业的开始时刻的统一矩阵形式：
Figure GDA0003058841600000066
基于公式(14)，计算出装配生产线无中断状态方程：
Figure GDA0003058841600000067
其中，公式(15)中的C为公式(13)中的矩阵C；
根据公式(13)和(15)得到计算脆性时间窗口的公式：
Figure GDA0003058841600000068
其中，VTWi(te)表示为扰动事件发生不会造成装配生产线永久性生产损失的时间间隔的最大值，即脆性时间窗口。
在本发明中，通过弹性控制系统得出装配生产线的状态方程，并根据装配生产线的状态方程获取每个潜在的扰动事件下机器的脆性时间窗口，即算出扰动事件的发生时刻与装配生产线造成永久性生产损失的时刻之间的时间间隔，再通过判断扰动事件的持续时间是否在脆性时间窗口内，实现对装配生产线的脆性进行数学量化，并对装配生产线的脆性作出评估，进而实现对装配生产线作出合理维修决策，对装配生产线实际中的维护、节能和换产具有重要意义。
附图说明
图1是本发明的一个实施例的流程示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
参照图1所示，一种装配生产线脆性时间窗度量方法，装配生产线为N(N≥1)个机器和N-1个缓冲区交替设置的串联生产线，所述方法包括以下步骤：
步骤1：物理车间和虚拟车间之间进行虚实同步；
步骤2：在装配生产线开始作业之前，初始化弹性控制系统中装配生产线状态的各参数，并计算出装配生产线中断状态方程和装配生产线无中断状态方程；并根据装配生产线两个状态方程获取每个潜在的扰动事件下机器的脆性时间窗口；其中，脆性时间窗口是指在扰动事件的发生时刻与装配生产线造成永久性生产损失的时刻之间的时间间隔；
步骤3：在装配生产线开始作业的任何时候检查装配生产线是否发生扰动事件；若是，则转到步骤4；若否，则转到步骤8；
步骤4：判断扰动事件的持续时间是否在脆性时间窗口内；若是，则在脆性时间窗口内，在原有的装配生产线上对发生扰动事件的机器进行纠正维护，然后转到步骤7；若否，则转到步骤5；
步骤5：判断是否有备用机器替换发生扰动事件的机器以重组装配生产线；若是，则对装配生产线进行重组，然后转到步骤7；若否，则转到步骤6；
步骤6：判断是否有备用工人代替发生扰动事件的机器工作；若是，则用备用工人代替故障机器进行工作，然后转到步骤7；若否，则等待故障机器的维修结束，转到步骤7；
步骤7：将扰动事件导致的中断记录在故障数据库中；
步骤8：利用统计的故障数据库对装配生产线进行预防性维护。具体地，所述预防性维护是指通过故障数据库，以及通过内部算法，对设备何时发生故障进行预测，从而实现在某个时刻即便设备是正常情况下也进行预防性的检查以及保养等措施。
在本发明中，通过弹性控制系统得出装配生产线的状态方程，并根据装配生产线的状态方程获取每个潜在的扰动事件下机器的脆性时间窗口，即算出扰动事件的发生时刻与装配生产线造成永久性生产损失的时刻之间的时间间隔，再通过判断扰动事件的持续时间是否在脆性时间窗口内，实现对装配生产线的脆性进行数学量化，并对装配生产线的脆性作出评估，进而实现对装配生产线作出合理维修决策，对装配生产线实际中的维护、节能和换产具有重要意义。
本发明还提供一种装配生产线弹性控制系统，应用在上述的一种装配生产线脆性时间窗度量方法，包括物理车间和数字孪生系统，还包括建立在数字孪生系统的弹性控制决策模块以及与物理车间相对应的装配生产线模型；
数字孪生系统用于装配生产线模型与物理车间的装配生产线虚实同步；实现对物理车间中装配生产线的机器的工作状态、物流的物料位置以及缓冲区在制品的占用情况进行实时监控。
弹性控制决策模块用于根据装配生产线模型计算出装配生产线中断状态方程和装配生产线无中断状态方程；并根据装配生产线两个状态方程获取每个潜在的扰动事件下机器的脆性时间窗口；
弹性控制决策模块还用于对装配生产线进行预防性维护和用于扰动事件发生后作出对应的维修决策。即弹性控制决策模块用于实现上述一种装配生产线脆性时间窗度量方法中的步骤2至步骤8。
在本发明中提供的弹性控制系统中，利用数字孪生系统实现对物理车间中装配生产线的机器的工作状态、物流的物料位置以及缓冲区在制品的占用情况进行实时监控。通过弹性控制决策模块得出装配生产线的状态方程，并根据装配生产线的状态方程获取每个潜在的扰动事件下机器的脆性时间窗口，即算出扰动事件的发生时刻与装配生产线造成永久性生产损失的时刻之间的时间间隔，再通过判断扰动事件的持续时间是否在脆性时间窗口内，实现对装配生产线的脆性作出评估，进而实现对装配生产线作出合理维修决策，对装配生产线实际中的维护、节能和换产具有重要意义。
值得说明的是，在装配生产线模型中，扰动事件数字量化为E(mi,te,di)，其中mi表示第i个机器,te表示扰动事件发生的时刻，di表示扰动事件的持续时间；
装配生产线造成永久性生产损失是指扰动事件E(mi,te,di)引起瓶颈机器mk饥饿或堵塞。
具体地，当i≤k时，即在装配生产线中，发生扰动事件机器mi在瓶颈机器mk的上游，扰动事件E(mi,te,di)发生后，在发生扰动事件的机器mi的维修过程中，存在一个机会窗口，使维修后的第一个在制品在流入瓶颈机器mk前赶上扰动事件发生前的最后一个在制品，则不引起瓶颈机器mk饥饿；若维修后的第一个在制品在流入瓶颈机器mk前不能赶上扰动事件发生前的最后一个在制品，则扰动事件引起瓶颈机器mk饥饿，导致装配生产线造成永久性损失；
当i＞k时，即在装配生产线中，发生扰动事件的机器mi在瓶颈机器mk的下游，扰动事件E(mi,te,di)发生后，在发生扰动事件的机器mi的维修过程中，存在一个机会窗口，使维修后第一个在制品仍能正常流出瓶颈机器mk，则不引起瓶颈机器mk堵塞；若维修后的第一个在制品不能流出瓶颈机器mk，则扰动事件引起瓶颈机器mk堵塞，导致装配生产线造成永久性损失；
因此，脆性时间窗口为扰动事件E(mi,te,di)发生后机会窗口的最大值。
更进一步地说明，弹性控制决策模块运用极大代数的方法计算脆性时间窗口，包括极大加法，其公式为：
Figure GDA0003058841600000101
还包括极大乘法，其公式为：
Figure GDA0003058841600000102
另外，引入参数ε和参数e，参数ε相当于-∞；参数e相当于0，则有公式：
Figure GDA0003058841600000103
Figure GDA0003058841600000104
其中，公式(1)、(2)、(3)和(4)中的a表示为一个数值，b表示为一个数值；
首先，弹性控制决策模块运用极大代数对装配生产线模型建立状态方程式，并且考虑装配生产线扰动事件发生的情况；
其中，发生扰动事件机器mi的中断输入wi(r)表示为：
Figure GDA0003058841600000111
公式(5)表示，第i台机器发生扰动事件后，中断输入wi(r)为扰动事件的发生时刻te；其他情况如没有扰动事件发生时，中断输入wi(r)则为空，即ε；
对于任意的第i台机器(1≤i≤N)，开始处理第r个作业，需要满足以下条件：
1)第r个作业可被第i台机器用于加工，且第i-1台机器已完成第r个作业；
2)第i台机器已完成第r-1个作业；
3)如果因为扰事件导致第i台机器停机，则第i台机器必须在te+di时刻恢复以处理第r个作业；
因此，装配生产线模型中机器的极大代数方程式表达为：
Figure GDA0003058841600000112
公式(6)中，Xi(r)表示第r个作业在第i台机器上的作业开始时刻，ti表示第i台机器的作业时间；
则第一台机器的极大代数方程式表示为：
Figure GDA0003058841600000113
假定第一台机器永远不会饥饿，则X0(r)可省略，因此第一台机器的极大代数方程式表达为：
Figure GDA0003058841600000114
基于公式(6)和公式(7)，得出所有机器组装第r个作业的开始时刻的统一矩阵形式：
Figure GDA0003058841600000115
其中，X(r)＝[X1(r)X2(r)，…·XN(r)]T，W(r)＝[w1(r)，w2(r)·…，wN(r)]T，
Figure GDA0003058841600000121
考虑串联装配生产线带有缓冲区的情况，则第i台机器必须基于一个额外的假设才能开始处理第r个作业：第i+1台机器必须已经开始组装第r-Bi+1-1个作业，以便在下游缓存区中至少保留一个空缺。其中Bi+1表示第i+1个缓冲区的矩阵；
因此，基于考虑串联装配生产线带有缓冲区的情况，对公式(6)进行优化，得出考虑缓冲区的装配生产线模型中机器的极大代数方程式：
Figure GDA0003058841600000122
根据公式(10)，得出所有机器组装第r个作业的开始时刻的统一矩阵形式：
Figure GDA0003058841600000123
其中，公式(11)中的B为公式(9)中的矩阵B，公式(11)中的B1、B2、…BN-1为对应缓冲区的矩阵；
基于
Figure GDA0003058841600000124
计算得出
Figure GDA0003058841600000125
用于简化等式(11)；因此，简化后的公式(11)为：
Figure GDA0003058841600000126
其中，
Figure GDA0003058841600000127
Figure GDA0003058841600000131
Figure GDA0003058841600000132
Figure GDA0003058841600000133
Figure GDA0003058841600000134
基于公式(12)，计算出装配生产线中断状态方程：
Figure GDA0003058841600000135
其中，C＝[ε，...，ε，tN]，E＝[ε，...，ε，dN]；
假设装配生产线没有任何中断，则可以通过消除中断输入来表示所有机器组装第r个作业的开始时刻的统一矩阵形式：
Figure GDA0003058841600000136
基于公式(14)，计算出装配生产线无中断状态方程：
Figure GDA0003058841600000137
其中，公式(15)中的C为公式(13)中的矩阵C；
根据公式(13)和(15)得到计算脆性时间窗口的公式：
Figure GDA0003058841600000138
其中，VTWi(te)表示为扰动事件发生不会造成装配生产线永久性生产损失的时间间隔的最大值，即脆性时间窗口。公式(16)为脆性时间窗口VTWi(te)等于di在该集合中取出最小上界，也就是装配生产线中断和装配生产线无中断两种状态相同时允许的最大中断持续时间。
在本实施例中，弹性控制决策模块通过考虑装配生产线的中断状态、无中断状态、以及缓冲区的情况算出脆性时间窗口，综合考虑装配生产线的实际情况，实现对装配生产线不同实际情况下的脆性进行数学量化，以利于对装配生产线的脆性作出评估，进而实现对装配生产线作出合理维修决策，对装配生产线实际中的维护、节能和换产具有重要意义。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (4)

1.一种装配生产线脆性时间窗度量方法，装配生产线为N(N≥1)个机器和N-1个缓冲区交替设置的串联生产线，其特征在于，所述方法包括以下步骤：
步骤1：物理车间和虚拟车间之间进行虚实同步；
步骤2：在装配生产线开始作业之前，初始化弹性控制系统中装配生产线状态的各参数，并计算出装配生产线中断状态方程和装配生产线无中断状态方程；并根据装配生产线两个状态方程获取每个潜在的扰动事件下机器的脆性时间窗口；其中，脆性时间窗口是指在扰动事件的发生时刻与装配生产线造成永久性生产损失的时刻之间的时间间隔；
步骤3：在装配生产线开始作业的任何时候检查装配生产线是否发生扰动事件；若是，则转到步骤4；若否，则转到步骤8；
步骤4：判断扰动事件的持续时间是否在脆性时间窗口内；若是，则在脆性时间窗口内，在原有的装配生产线上对发生扰动事件的机器进行纠正维护，然后转到步骤7；若否，则转到步骤5；
步骤5：判断是否有备用机器替换发生扰动事件的机器以重组装配生产线；若是，则对装配生产线进行重组，然后转到步骤7；若否，则转到步骤6；
步骤6：判断是否有备用工人代替发生扰动事件的机器工作；若是，则用备用工人代替故障机器进行工作，然后转到步骤7；若否，则等待故障机器的维修结束，转到步骤7；
步骤7：将扰动事件导致的中断记录在故障数据库中；
步骤8：利用统计的故障数据库对装配生产线进行预防性维护。
2.一种装配生产线弹性控制系统，应用在权利要求1所述的一种装配生产线脆性时间窗度量方法，包括物理车间和数字孪生系统，其特征在于，还包括建立在数字孪生系统的弹性控制决策模块以及与物理车间相对应的装配生产线模型；
数字孪生系统用于装配生产线模型与物理车间的装配生产线虚实同步；
弹性控制决策模块用于根据装配生产线模型计算出装配生产线中断状态方程和装配生产线无中断状态方程；并根据装配生产线两个状态方程获取每个潜在的扰动事件下机器的脆性时间窗口；
弹性控制决策模块还用于对装配生产线进行预防性维护和用于扰动事件发生后作出对应的维修决策。
3.根据权利要求2所述的一种装配生产线弹性控制系统，其特征在于：在装配生产线模型中，扰动事件数字量化为E(mi,te,di)，其中mi表示第i个机器,te表示扰动事件发生的时刻，di表示扰动事件的持续时间；
装配生产线造成永久性生产损失是指扰动事件E(mi,te,di)引起瓶颈机器mk饥饿或堵塞。
4.根据权利要求3所述的一种装配生产线弹性控制系统，其特征在于，弹性控制决策模块运用极大代数的方法计算脆性时间窗口，包括极大加法，其公式为：
Figure FDA0003058841590000021
还包括极大乘法，其公式为：
Figure FDA0003058841590000022
另外，引入参数ε和参数e，参数ε相当于-∞；参数e相当于0，则有公式：
Figure FDA0003058841590000023
Figure FDA0003058841590000024
其中，公式(1)、(2)、(3)和(4)中的a表示为一个数值，b表示为一个数值；
首先，弹性控制决策模块运用极大代数对装配生产线模型建立状态方程式，并且考虑装配生产线扰动事件发生的情况；
其中，发生扰动事件机器mi的中断输入wi(r)表示为：
Figure FDA0003058841590000031
公式(5)表示，第i台机器发生扰动事件后，中断输入wi(r)为扰动事件的发生时刻te；其他情况如没有扰动事件发生时，中断输入wi(r)则为空，即ε；
对于任意的第i台机器(1≤i≤N)，开始处理第r个作业，需要满足以下条件：
1)第r个作业可被第i台机器用于加工，且第i-1台机器已完成第r个作业；
2)第i台机器已完成第r-1个作业；
3)如果因为扰事件导致第i台机器停机，则第i台机器必须在te+di时刻恢复以处理第r个作业；
因此，装配生产线模型中机器的极大代数方程式表达为：
Figure FDA0003058841590000032
公式(6)中，Xi(r)表示第r个作业在第i台机器上的作业开始时刻，ti表示第i台机器的作业时间；
则第一台机器的极大代数方程式表示为：
Figure FDA0003058841590000033
假定第一台机器永远不会饥饿，则X0(r)可省略，因此第一台机器的极大代数方程式表达为：
Figure FDA0003058841590000034
基于公式(6)和公式(7)，得出所有机器组装第r个作业的开始时刻的统一矩阵形式：
Figure FDA0003058841590000041
其中，X(r)＝[X1(r)，X2(r)，…，XN(r)]T，W(r)＝[w1(r)，w2(r)，…，wN(r)]T，
Figure FDA0003058841590000042
考虑串联装配生产线带有缓冲区的情况，则第i台机器必须基于一个额外的假设才能开始处理第r个作业：第i+1台机器必须已经开始组装第r-Bi+1-1个作业，以便在下游缓存区中至少保留一个空缺；其中Bi+1表示第i+1个缓冲区的矩阵；
因此，基于考虑串联装配生产线带有缓冲区的情况，对公式(6)进行优化，得出考虑缓冲区的装配生产线模型中机器的极大代数方程式：
Figure FDA0003058841590000043
根据公式(10)，得出所有机器组装第r个作业的开始时刻的统一矩阵形式：
Figure FDA0003058841590000044
其中，公式(11)中的B为公式(9)中的矩阵B，公式(11)中的B1、B2、…BN-1为对应缓冲区的矩阵；
基于
Figure FDA0003058841590000045
计算得出
Figure FDA0003058841590000046
用于简化等式(11)；因此，简化后的公式(11)为：
Figure FDA0003058841590000047
其中，
Figure FDA0003058841590000051
Figure FDA0003058841590000052
Figure FDA0003058841590000053
Figure FDA0003058841590000054
Figure FDA0003058841590000055
基于公式(12)，计算出装配生产线中断状态方程：
Figure FDA0003058841590000056
其中，C＝[ε，...，ε，tN]，E＝[ε，...，ε，dN]；
假设装配生产线没有任何中断，则可以通过消除中断输入来表示所有机器组装第r个作业的开始时刻的统一矩阵形式：
Figure FDA0003058841590000057
基于公式(14)，计算出装配生产线无中断状态方程：
Figure FDA0003058841590000058
其中，公式(15)中的C为公式(13)中的矩阵C；
根据公式(13)和(15)得到计算脆性时间窗口的公式：
Figure FDA0003058841590000061
其中，VTWi(te)表示为扰动事件发生不会造成装配生产线永久性生产损失的时间间隔的最大值，即脆性时间窗口。
CN202011518609.XA 2020-12-21 2020-12-21 一种装配生产线脆性时间窗度量方法与弹性控制系统 Active CN112526953B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011518609.XA CN112526953B (zh) 2020-12-21 2020-12-21 一种装配生产线脆性时间窗度量方法与弹性控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011518609.XA CN112526953B (zh) 2020-12-21 2020-12-21 一种装配生产线脆性时间窗度量方法与弹性控制系统

Publications (2)

Publication Number Publication Date
CN112526953A CN112526953A (zh) 2021-03-19
CN112526953B true CN112526953B (zh) 2021-06-29

Family

ID=75002078

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011518609.XA Active CN112526953B (zh) 2020-12-21 2020-12-21 一种装配生产线脆性时间窗度量方法与弹性控制系统

Country Status (1)

Country Link
CN (1) CN112526953B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113408750A (zh) * 2021-05-18 2021-09-17 同济大学 一种基于节能时间窗的串行生产系统机会维护方法
CN117215198B (zh) * 2023-10-23 2024-05-28 广东工业大学 一种混流生产系统的脆性调控方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784581A (zh) * 2019-01-30 2019-05-21 北京航空航天大学 一种考虑弹性的系统预防性维修周期优化方法
CN110427712A (zh) * 2019-08-07 2019-11-08 广东工业大学 一种基于故障影响分析的预防性维修方法及车间制造系统
CN110472196A (zh) * 2019-08-19 2019-11-19 广东工业大学 一种生产线多态可靠性分析与评估方法
CN110765589A (zh) * 2019-09-10 2020-02-07 上海大学 一种基于数字孪生的智能车间虚实同步监测系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784581A (zh) * 2019-01-30 2019-05-21 北京航空航天大学 一种考虑弹性的系统预防性维修周期优化方法
CN110427712A (zh) * 2019-08-07 2019-11-08 广东工业大学 一种基于故障影响分析的预防性维修方法及车间制造系统
CN110472196A (zh) * 2019-08-19 2019-11-19 广东工业大学 一种生产线多态可靠性分析与评估方法
CN110765589A (zh) * 2019-09-10 2020-02-07 上海大学 一种基于数字孪生的智能车间虚实同步监测系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
串联生产线脆性评估及预防性维修决策方法;胡江飞;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20200215;全文 *

Also Published As

Publication number Publication date
CN112526953A (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
CN112526953B (zh) 一种装配生产线脆性时间窗度量方法与弹性控制系统
CN108197845B (zh) 一种基于深度学习模型lstm的交易指标异常的监测方法
Lu et al. Quality and reliability oriented maintenance for multistage manufacturing systems subject to condition monitoring
CN109033499B (zh) 一种多阶段一致性检验的航空发动机剩余寿命预测方法
CN103345209B (zh) 生产监控方法及系统
CN115526482A (zh) 一种基于数字孪生的车间排产与动态调度平台
CN105913124A (zh) 基于贝叶斯网络及基层数据的系统健康状态预测方法
CN106249709A (zh) 动态的过程质量控制图和定龄维修联合设计优化控制方法
CN113762604A (zh) 一种工业互联网大数据服务系统
JP3054039B2 (ja) プラントの保全支援装置
CN116468427A (zh) 一种基于大数据的设备运维智能监管系统及方法
CN106570200A (zh) 一种虚拟仿真测试方法
US7398132B2 (en) Method and system for analyzing throughput
CN113632025B (zh) 用于评估工业环境中的能量消耗的方法、系统和计算机程序产品
Deliman et al. Optimization of process improvement and inspection location for serial manufacturing
CN111768080A (zh) 一种在制产品完工进度的评估方法与系统
CN113283089B (zh) 一种基于双变阈值的产品可靠性评估方法
Zahedi-Hosseini et al. Optimisation of inspection policy for multi-line production systems
CN116595657A (zh) 一种发动机质量预测系统
Huynh et al. On the construction of mean residual life for maintenance decision-making
JP2018005715A (ja) 製造プロセスの異常状態診断方法及び異常状態診断装置
Jiang Analysis of a clearing queueing system with server maintenance after N negative feedbacks
Shin et al. Development of smart condition monitoring and diagnosis system for tandem cold rolling mills in iron and steel manufacturing processes (ICCAS 2018)
Maged et al. Anomaly Detection via Real-Time Monitoring of High-Dimensional Event Data
Marcellus Performance Measures for―X Charts with Asymmetric Control Limits

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