CN112668862A - 一种生产线的适应性量化评估方法 - Google Patents
一种生产线的适应性量化评估方法 Download PDFInfo
- Publication number
- CN112668862A CN112668862A CN202011544761.5A CN202011544761A CN112668862A CN 112668862 A CN112668862 A CN 112668862A CN 202011544761 A CN202011544761 A CN 202011544761A CN 112668862 A CN112668862 A CN 112668862A
- Authority
- CN
- China
- Prior art keywords
- production line
- adaptability
- interference
- index
- production
- 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.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 315
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000011158 quantitative evaluation Methods 0.000 title claims description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 55
- 238000004088 simulation Methods 0.000 claims abstract description 31
- 238000009826 distribution Methods 0.000 claims abstract description 29
- 238000013461 design Methods 0.000 claims abstract description 19
- 238000007619 statistical method Methods 0.000 claims abstract description 11
- 238000011084 recovery Methods 0.000 claims description 36
- 239000000872 buffer Substances 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 238000012423 maintenance Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 13
- 230000003139 buffering effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 25
- 230000003044 adaptive effect Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 13
- 238000013139 quantization Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 230000001447 compensatory effect Effects 0.000 description 5
- 230000004927 fusion Effects 0.000 description 5
- 230000008439 repair process Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 238000011002 quantification Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000036632 reaction speed Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于生产线生产技术领域，具体涉及一种生产线的适应性量化评估方法，包括：根据待评估生产线生产参数及各种生产参数统计分布信息，建立生产线离散事件仿真模型；根据生产线每种干扰环境及其应对措施对模型进行多次仿真实验，得到该干扰环境下各评价指标的多个值；对各干扰环境下每种评价指标的多个值之间统计分析，得到各干扰环境下该评价指标的适应性数值；基于各种评价指标的权重，对每种干扰环境下各评价指标适应性数值之间进行加权求和，得到该干扰环境下生产线总适应性数值；由各干扰环境的总适应性数值，量化确定待评估生产线的适应性。本发明评估方法可在设计和运行阶段使用，使产线在实际生产中具有更好的适应性，通用性强。
Description
技术领域
本发明属于生产线生产技术领域，更具体地，涉及一种生产线的适应性量化评估方法。
背景技术
在生产线的生产过程中，会不可避免地受到各种干扰的影响，如设备故障、加工刀具崩坏、操作人员操作失误、供应链的故障导致物料到达时间延后或不确定等，这些干扰将对生产线生产造成各种影响，甚至这些影响相互叠加，对生产过程造成破坏，并最终体现在生产效率、生产成本和生产质量等方面。
为了应对这些干扰，降低干扰对产线生产的影响，有必要提升产线的适应性，即系统在运行阶段发生不可预计的变更因素场景(干扰)下，基于通用调整策略或人工干涉，改变系统结构与功能以适应新需求与新场景的特征与能力。要提高产线的适应性这一抗干扰能力，首先需要将适应性量化表示，然而，目前对于生产线适应性如何进行量化评估没有统一的指标与方法。
发明内容
本发明提供一种生产线的适应性量化评估方法，用以解决现有没有统一有效的量化评估方法来对生产线适应性进行量化以指导提升生产线的适应性的技术问题。
本发明解决上述技术问题的技术方案如下：一种生产线的适应性量化评估方法，包括：
根据待评估生产线的生产参数以及各种生产参数的统计分布信息，建立生产线离散事件仿真模型；
根据预先确定的生产线每种干扰环境及其应对措施，对所述仿真模型进行多次仿真实验，得到该干扰环境下各生产线适应性评价指标的多个值；
对各干扰环境下每种适应性评价指标的多个值之间进行统计分析，得到各干扰环境下该适应性评价指标的适应性数值；
基于各种适应性评价指标的权重，对每种干扰环境下各适应性评价指标适应性数值之间进行加权求和，得到该干扰环境下生产线总适应性数值；
由各干扰环境的总适应性数值，量化确定待评估生产线的适应性。
本发明的有益效果是：本发明评估方法通过根据生产参数相关数值建立生产线离散事件仿真模型，并对各种干扰环境和对应的应对措施在所述仿真模型上进行仿真实验，以记录或统计每种干扰环境下各评价指标的多次实验所对应的多个数值，通过对每种干扰环境下每个评价指标的多个数值进行统计分析，得到该干扰环境下该评价指标的适应性数值，在对每种干扰环境下各评级指标之间的适应性数值进行融合，进一步基于各干扰环境对应的融合数值进行生产线适应性的量化，本发明评估方法可以在设计阶段和运行阶段进行使用，在设计阶段应用本发明评估方法，可以在产线建立前得到对产线适应性的一个大概认识，根据适应性的评估结果，可以对产线的设计方案做出一定调整，以使其具有更好的适应性；在产线的运行阶段，对产线运用本发明评估方法，可以对产线的生产方案的调整作出指导，以使产线在实际生产中具有更好的适应性，通用性强。
上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述适应性评价指标从以下指标中选择：
属于生产线动态性能的生产效率指标和生产线缓冲能力指标；
属于生产线可维护性的干扰检测速度指标、干扰平均恢复时间指标、代偿能力指标和维护成本指标；其中，所述干扰平均恢复时间指标包括生产线性能恢复时间指标、代偿设备转换时间指标和工位功能恢复时间指标。
本发明的进一步有益效果是：生产线动态性能指标，反映生产线的生产线能力，通过该维度指标的变化情况，可以看出产线所受干扰及所作出的相应应对措施的影响下，产线生产性能的变化情况，变化越小，即指标的数值越大，说明产线的适应性越好；生产线可维护性维度的指标，反映出生产线在受到干扰的情况下，对干扰作出反应的能力，作出反应的能力越强，说明产线的抗干扰能力越好，适应性也就越好。具体的，生产效率是实际产线生产中最为通用，也是最重要的评估生产线生产能力的指标；生产线缓冲能力反映生产线在生产过程中的容错能力，当干扰发生时，缓冲能力降低，生产线容错能力也就随之降低，抵御干扰的能力也随之降低；干扰检测速度反映产线对干扰的反应速度，反应速度越快，产线越可能及时维护；干扰平均恢复时间指标反映产线在受到干扰后，作出相应的应对措施，到恢复正常的生产的时间，平均恢复时间越短，说明产线生产维护得越好，根据所受干扰的类别和严重程度，又分为了产线性能恢复时间指标、代偿设备转换时间指标和工位功能恢复时间指标这三个具体指标；代偿能力是拥有代偿设备的产线，在使用代偿设备的情况下比不使用代偿设备所体现出来的更高的生产能力，这部分能力就是其更好的干扰情况下的可维护性的体现；维护成本，是产线对各类干扰作出的应对措施所对应的折算的成本，成本越高，维护阻力就越大，可维护性就越低。采用上述指标能够全面有效地对生产线适应性进行量化评估。
进一步，所述生产线缓冲能力指标表示生产线中缓冲区所能容纳的产品总数与所述缓冲区平均在制品数量的比值；
所述干扰检测速度指标表示生产线检测出各类干扰的检测速度平均值；
所述代偿能力指标采用生产效率相对代偿差表征，所述生产效率相对代偿差表示同一生产线在没有代偿能力和有代偿能力的两种情况生产效率的差值与没有代偿能力下的生产线的生产效率的比值；
所述维护成本表示生产线对各类干扰做出的应对措施所产生的加权成本；
所述代偿设备转换时间指标表示所有具有代偿功能的设备的总转换时间与代偿设备总转换次数的比值；
所述工位功能恢复时间指标表示非设备故障的加工停止到恢复加工的时间。
进一步，当待评估生产线处于设计阶段，则所述适应性评价指标包括：
属于生产线动态性能的生产效率指标和生产线缓冲能力指标；
属于生产线可维护性的代偿能力指标。
本发明的进一步有益效果是：由于在生产线设计阶段，生产线还未投入运行，因此，只能选择能够从仿真中获得的指标。
进一步，所述量化确定待评估生产线的适应性，具体为：
确定各干扰环境的总适应性数值中最大值和最小值，将该最大值和该最小值构成的区间作为生产线的适应性分布范围，完成生产线的适应性量化评估。
本发明的进一步有益效果是：适应性值区间的最大和最小值是在考虑了常出现的各种可能干扰情况下得出的所有适应性评估结果中数值的最大和最小值，生产线的适应性在具体不同的条件和环境下，各个指标会表现出不同的结果，导致在不同情况下产线的实时适应性评估数值可能是在动态变化的，以最大和最小值构成的区间的形式，将各种情况下产线的适应数值变化情况都囊括在这个区间内，以便产线设计者能把握产线的总体适应性变化情况。
进一步，当待评估生产线处于运行阶段，则所述适应性评价指标包括：
属于生产线动态性能的生产效率指标和生产线缓冲能力指标；
属于生产线可维护性的干扰检测速度指标、干扰平均恢复时间指标、代偿能力指标和维护成本指标。
进一步，所述量化确定待评估生产线的适应性，具体为：
确定各干扰环境的总适应性数值中最大值和最小值，将该最大值和该最小值构成的区间作为生产线的适应性分布范围，完成生产线的适应性量化评估；或者，
统计历史运行情况中各干扰环境出现的频次，按频次大小对各干扰环境分配权重，以对各干扰环境的总适应性数值进行加权求和，作为生产线的适应性大小，完成生产线的适应性量化评估。
本发明的进一步有益效果是：在实际运行阶段，产线的各种干扰情况出现的实际情况可以通过统计历史运行情况得到，这在设计阶段是无法准确做到的，因此在设计阶段不采取这种形式；通过实际产线的运行情况得出的频次分布相对比较可靠，出现频次高的干扰情况，对产线的影响也就相对比较大，因此赋予相对大的权值，通过这样对各干扰情况加权得到的产线融合适应性数值将更能准确地反映出产线整体适应性情况。
进一步，所述对各干扰环境下每种适应性评价指标的多个值之间进行统计分析，具体为对各干扰环境下每种适应性评价指标的多个值之间进行在险值分析，得到各干扰环境下该适应性评价指标的在险值，作为各干扰环境下该适应性评价指标的适应性数值。
本发明的进一步有益效果是：在险值分析需要给一个置信度，如95％，通过这一置信度在适应性数值的统计分布图上可以得到一个该置信度下对应的一个适应性值，该值的意义是，适应性数值在统计上有95％的概率不会低于这一数值，因此可以认为这个值是一个相对保险的值，保证不会高估，因此采用在险值分析能够准确进行适应性量化评估。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如上所述的一种生产线的适应性量化评估方法。
附图说明
图1为本发明实施例提供的一种生产线的适应性量化评估方法流程框图；
图2为本发明实施例提供的一种生产线的适应性量化评估方法框架示意图；
图3为本发明实施例提供的生产线在设计阶段和运行阶段的生产线适应性量化评估中的一种各指标融合方式示意图；
图4为本发明实施例提供的在险值分析示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例一
一种生产线的适应性量化评估方法，如图1所示，包括：
根据待评估生产线的生产参数以及各种生产参数的统计分布信息，建立生产线离散事件仿真模型；
根据预先确定的生产线每种干扰环境及其应对措施，对仿真模型进行多次仿真实验，得到该干扰环境下各生产线适应性评价指标的多个值；
对各干扰环境下每种适应性评价指标的多个值之间进行统计分析，得到各干扰环境下该适应性评价指标的适应性数值；
基于各种适应性评价指标的权重，对每种干扰环境下各适应性评价指标适应性数值之间进行加权求和，得到该干扰环境下生产线总适应性数值；
由各干扰环境的总适应性数值，量化确定待评估生产线的适应性。基于本实施例评估方法，在实际实施时，流程可为：根据生产线适应性的特点，提出生产线适应性的评价指标(KPI，Key Point Indicators)；确定产线的生产参数(如设备的准备时间，故障率，故障时间，加工时间，刀具、刷轮等的更换时间，AGV数量，AGV速度，AGV容量，缓冲区容量，产线班次等)及其统计分布(该统计分布包括确定参数的统计类型及其具体参数，如正态分布、埃尔朗分布、三角分布、均匀分布等，对于不能确定的也可以采用常数，这些分布数据将用作建立产线仿真模型时的输入参数)；设立产线中常出现的不同的干扰环境(干扰指设备故障、刀具崩坏、供应链供应不及时、工作人员操作失误等，通过在建立的模型中更改参数设置来构建不同的干扰环境)，及其相应的应对措施(每种干扰都有对应的应对措施，如设备故障的应对措施为派人维修，如果有代偿设备则同时转换为代偿设备进行加工，刀具崩坏则更换刀具)；建立(例如应用Plant Simulation软件来建立)产线的离散事件仿真模型(前面生产参数及其统计分布以及干扰环境及其应对措施的确定都是为这一步建模作准备)，利用模型对产线的每种干扰环境进行重复多次的仿真实验，并记录实验结果(这些结果为能够在软件中直接仿真得到的评价指标数据)，对于不能够在软件中直接仿真得到的评价指标的数据，通过记录产线建成后的运行情况来得到产线的这部分评价指标的统计数据；对上述通过仿真得到的结果以及通过统计得到的结果进行统一统计分析(需要说明的是，对设计阶段的生产线进行的适应性量化过程只需对仿真结果进行统计分析)，得到每种干扰环境下的各评价指标的适应性数值；可应用层次分析法确定各个指标权值，应用得到的权值，对每种干扰环境下的各指标适应性数值之间进行加权求和，得到每种干扰环境下的一融合适应性数值；进一步基于各干扰环境对应的融合适应性数值确定产线整体的适应性。
优选的，上述适应性评价指标从以下指标中选择：
面向生产线动态性能和生产线可维护性两个维度的指标；生产线动态性能指标包括：生产效率和生产线缓冲能力，生产效率为产线单位时间内的生产的产品数量，生产线缓冲能力表示产线中缓冲区所能容纳的产品总数与产线平均在制品数量的比值；生产线可维护性指标包括：干扰检测速度、干扰平均恢复时间、代偿能力和维护成本，干扰检测速度表征产线检测出干扰的速度，干扰平均恢复时间表征产线从干扰中恢复过来的时间，代偿能力表征产线的代偿设备在产线生产中起到的作用，具体指标为生产效率相对代偿差，维护成本是产线对干扰做出的应对措施所产生的成本；具体地，干扰平均恢复时间指标包括：产线性能恢复时间、代偿设备转换时间和工位功能恢复时间。
优选的，生产效率是单位时间内离开产线的产品数，公式如式(1)：
P＝PN/Ttotal (1)
其中，PN表示生产的产品总数，Ttotal表示生产时间。
生产线缓冲能力是产线中缓冲区所能容纳的产品总数与产线内缓冲区的平均在制品数量的比值，公式如式(2)：
W＝Nbuffer/WIPbuffer-mean (2)
其中，Nbuffer表示缓冲区所能容纳的产品总数，WIPbuffer-mean表示产线内缓冲区的平均在制品数量。
缓冲区的容量越大，生产线缓冲能力越好；产线内缓冲区的平均在制品数量越少，产线越不“拥挤”，生产线缓冲能力越好。
在生产线实际生产中，加工设备有一定的故障率和修复率，设备故障或其他原因引起的生产中断或阻塞，通过在加工设备间设置缓冲区来存储中间的在制品，可以在一定程度上保障生产线在这些情况下的生产线的正常作业。
干扰检测速度是各类干扰的检测速度指标的平均值，对于每种类型干扰设定一个检测时间的阈值，在阈值内的可以视为是正常的检测时间，实际检测时间与阈值的比值作为该类干扰的检测速度指标，公式如式(3)：
其中，N表示干扰出现的总次数，Vi表示每次干扰的干扰检测速度，如下所示：
其中，ti表示每次干扰的检测时间，tlimit,i表示每个干扰对应的检测时间阈值。
干扰检测速度反映出产线对干扰的反应速度，速度越快越好。
产线性能恢复时间，表示当无代偿工位上的设备或有代偿设备工位上所有的设备都故障停机时，产线恢复过来的平均时间。公式表示如下：
其中，
表示所有具有代偿功能的设备的总转换时间，N表示代偿设备转换次数。
代偿设备指的是产线上某些工位上，有不止一个设备，其中一个设备用于产线的正常加工，另一设备平时处于不加工状态，当加工设备出现故障，不能加工时，就由另一设备，即代偿设备代为加工，以防止产线长时间中断生产。
代偿设备转换时间，表示生产线上具有代偿功能的工位，当正在工作的设备出现需要维修的故障时，使用另一台代偿设备代替原设备，这一过程所花费的时间。公式表示如下：
其中，
表示所有具有代偿功能的设备的总转换时间，N表示代偿设备转换次数。
对于工位功能恢复时间，生产线上的工位由于一些原因出现非设备故障的加工停止情况(如刀具换刀，对刀；刷轮调整角度，更换刷轮，刷轮试刷；更换砂轮；物料更换等)，对于这种情况只需要进行简单的调整操作就可以恢复正常工作情况，从情况发生到恢复加工的这段时间就叫工位功能恢复时间。公式表示如下：
其中，
表示生产过程中的总恢复时间，N表示生产过程中出现的非故障的加工停止情况的次数。
生产效率相对代偿差，表示同一产线在没有代偿能力和有代偿能力的两种情况生产效率的差值，与没有代偿能力下的产线的生产效率的比率。公式表示如下：
其中，E1表示没有代偿能力的产线的生产效率，E2表示有代偿能力的产线的生产效率。
对于维护成本，是指对每种干扰情况，都作出相应的维护措施，这些措施都会产生相应的成本(如人工成本、维修成本等)，这些成本可以转换成相应的金钱成本。对较常出现的各类干扰的对应措施的成本进行加权，权值为对应干扰出现的频率，得到的成本值即为产线的维护成本。
其中，ki表示权重，Ci表示每种维护措施对应的成本。
需要说明的是，生产效率相对代偿差中的“生产效率”即为公式(1)中所定义的生产效率。
如图2与图3所示，为应对产线在设计和运行两种不同的阶段下对适应性量化的要求，分别提出了产线设计时适应性量化方法和产线运行时适应性量化方法。其中，
优选的，当待评估生产线处于设计阶段时，评估方法可按以下流程：
S1，确定评价指标。根据生产线适应性生产的特点，提出生产线适应性的评价指标，并根据产线的实际特点对这些指标进行选择。其中，所述适应性评价指标包括：面向生产线动态性能和生产线可维护性两个维度的指标；生产线动态性能指标包括：生产效率和生产线缓冲能力；生产线可维护性指标包括：干扰检测速度、干扰平均恢复时间、代偿能力和维护成本，其中，代偿能力的具体指标为生产效率相对代偿差，干扰平均恢复时间指标包括：产线性能恢复时间、代偿设备转换时间和工位功能恢复时间。
上述指标中，一部分可以由Plant Simulation软件进行仿真得到，如生产效率、生产线缓冲能力、代偿能力等；另一部分则需要通过对产线的运行情况进行记录和统计才能获取，如干扰检测速度、干扰平均恢复时间和维护成本。产线设计阶段只能获取由仿真得到的数据，因此假设产线选择上述适应性指标中的以下一些指标作为其适应性量化指标：
动态性能KPI1：生产效率KPI11,生产线缓冲能力KPI12；
可维护性KPI2：代偿能力KPI2。
S2，确定产线的相关参数及其统计分布。由于是在产线设计阶段对各参数进行设置，许多参数只能进行粗略估计。可以通过各设备的生产商提供的设备能力参数、对比类似产线的工作状况等，预估各设备的启动时间、加工时间、故障率、换刀时间等的统计分布(如正态分布，三角分布等)。如汽车厂利用厂内其他已有产线的历史生产数据，作为参考，得出正在设计的新产线的各参数的统计分布。
S3，设立不同的干扰环境和相应的应对措施。假设常出现的干扰环境有M种，每种干扰情况下施以相应的调整应对措施，如出现设备故障则派遣修理员工进行修理，刀具崩刀或磨损则进行换刀，有代偿设备的工位故障则进行代偿设备转换等。
S4，建立产线的离散事件仿真模型。应用Plant Simulation建立产线的离散事件仿真模型，给模型中的各设备输入需要的各参数，建立各设备间的产品转运关系、物料供应设置等。对每种干扰环境进行仿真实验，每种干扰环境下产线作出相应的应对措施，每种干扰环境下重复N次实验，记录各KPI的统计结果。
S5，对仿真结果进行统计分析。对得到的每种干扰场景下的各KPI的值作在险值分析(取置信度为95％，如图4所示)(在险值分析，Value at Risk)，得到每个KPI的在险值，分别为：V11,V12,V2(分别对应生产效率KPI11、生产线缓冲能力KPI12和代偿能力KPI2的在险值)。
S6，确定各个类别KPI的权值。运用层次分析法，确定各个类别的KPI权值：K1,K2。对于同一类别的KPI，确定其中的各KPI的权值为：K11,K12。其中：
K1+K2＝1
K11+K12＝1
S7，确定每种干扰环境下的KPI数值。对于每种干扰环境，分别将各个KPI进行归一化处理，得到：v11，v12，v2。如图3，将归一化后的数值进行加权，得到同一类别的KPI值为：
V1＝K11v11+K12v12
V2＝v2
再将这两类KPI融合，得到最终的融合性能指标aKPI(aggregated KPI)：
V＝K1V1+K2V2
S8，确定产线整体的适应性。将M种不同干扰场景下的计算得到的aKPI的数值进行比较，得到其中的最大值VMax和最小值VMin，得到产线的适应性区间为[VMin,VMax]。此适应性区间代表的即为产线的整体的适应性的分布范围。
以上是产线在设计阶段进行的生产线适应性量化的方法步骤。产线在运行阶段的适应性量化的过程与设计阶段有所不同，主要体现在上述提出的指标中有一部分只能通过记录和统计产线的实际运行情况得到，且运行时通过各设备的生产商提供的设备能力参数、对比类似产线的工作状况等方法确定的产线参数与产线的实际情况必然存在偏差，在运行阶段则可以通过记录、统计产线的实际运行情况而得到准确的参数数据，因此量化精度也将较设计时有所提高。优选的，以下为生产线运行阶段的适应性量化的方法步骤：
S1，根据产线的实际特点对上述中的指标进行选择。假设产线选择上述适应性指标中的以下指标作为其适应性量化指标：
动态性能KPI1：生产效率KPI11,生产线缓冲能力KPI12；
可维护性KPI2：干扰检测速度KPI21，干扰平均恢复时间KPI22，生产能力相对代偿差KPI23，维护成本KPI24。
其中，干扰平均恢复时间KPI22由这三个指标确定：产线性能恢复时间KPI221，代偿设备转换时间KPI222，工位功能自动恢复时间KPI223。
S2，确定产线的相关参数及其统计分布。通过记录和统计产线一段时间的历史运行数据，得到各设备的启动时间、加工时间、故障率、换刀时间等的统计分布(如正态分布，三角分布等)。
S3，设立不同的干扰环境和相应的应对措施。假设常出现的干扰环境有M种，每种干扰情况下施以相应的调整应对措施，如出现设备故障则派遣修理员工进行修理，刀具崩刀或磨损则进行换刀，有代偿设备的工位故障则进行代偿设备转换等。
S4，建立产线的离散事件仿真模型。应用Plant Simulation建立产线的离散事件仿真模型，给模型中的各设备输入需要的各参数，建立各设备间的产品转运关系，物料供应设置等。对每种干扰环境进行仿真实验，每种干扰环境下产线作出相应的应对措施，每种干扰环境下重复N次实验，记录KPI11，KPI12，KPI23的统计结果。
S5，对仿真结果和运行情况进行统计分析。首先，对得到的每种干扰场景下的KPI11，KPI12，KPI23的值作在险值分析(取置信度为95％)，得到KPI11，KPI12，KPI23的在险值，分别为：V11,V12,V23；
其次，根据对产线的历史运行数据进行统计分析，得到KPI21，KPI221，KPI222，KPI223，KPI24对应的各数据分布，并作在险值分析(取置信度为95％)，分别为：V21，V221，V222，V223，V24。
S6，确定各个类别的KPI的权值。运用层次分析法，确定各个类别的KPI权值：K1,K2。对于同一类别的KPI，确定其中的各KPI的权值为：K11，K12，K21，K22，K23，K24。其中，K22由K221，K222，K223以同样的方式确定。各权值之间的关系为：
K1+K2＝1
K221+K222+K223＝1
S7，确定每种干扰环境下的KPI数值。对于每种干扰环境，分别将各个KPI进行归一化处理，得到：v11，v12，v21，v221，v222，v223，v23，v24。如图3将归一化后的数值进行加权，得到同一类别的KPI值为：
V1＝K11v11+K12v12
其中，v2为：
再将两类KPI的值进行加权求和，得到：V＝K1V1+K2V2；
S8，确定产线整体的适应性。将M种不同干扰场景下的计算得到的aKPI的数值进行比较，得到其中的最大值VMax和最小值VMin，得到产线的适应性区间为[VMin,VMax]。此适应性区间代表的即为产线的整体的适应性的分布范围。
或统计历史运行情况中各干扰环境出现的频次，按频次大小分配权重k1,k2,k3,…kM，然后加权计算得出产线整体的适应性大小：
其中，V‘表示产线整体的适应性，Vi ′表示各干扰情况下的KPI数值。
实施例二
一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如上所述的一种生产线的适应性量化评估方法。
相关技术方案同实施例一，在此不再赘述。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种生产线的适应性量化评估方法，其特征在于，包括：
根据待评估生产线的生产参数以及各种生产参数的统计分布信息，建立生产线离散事件仿真模型；
根据预先确定的生产线每种干扰环境及其应对措施，对所述仿真模型进行多次仿真实验，得到该干扰环境下各生产线适应性评价指标的多个值；
对各干扰环境下每种适应性评价指标的多个值之间进行统计分析，得到各干扰环境下该适应性评价指标的适应性数值；
基于各种适应性评价指标的权重，对每种干扰环境下各适应性评价指标适应性数值之间进行加权求和，得到该干扰环境下生产线总适应性数值；
由各干扰环境的总适应性数值，量化确定待评估生产线的适应性。
2.根据权利要求1所述的一种生产线的适应性量化评估方法，其特征在于，所述适应性评价指标从以下指标中选择：
属于生产线动态性能的生产效率指标和生产线缓冲能力指标；
属于生产线可维护性的干扰检测速度指标、干扰平均恢复时间指标、代偿能力指标和维护成本指标；其中，所述干扰平均恢复时间指标包括生产线性能恢复时间指标、代偿设备转换时间指标和工位功能恢复时间指标。
3.根据权利要求2所述的一种生产线的适应性量化评估方法，其特征在于，所述生产线缓冲能力指标表示生产线中缓冲区所能容纳的产品总数与所述缓冲区平均在制品数量的比值；
所述干扰检测速度指标表示生产线检测出各类干扰的检测速度平均值；
所述代偿能力指标采用生产效率相对代偿差表征，所述生产效率相对代偿差表示同一生产线在没有代偿能力和有代偿能力的两种情况生产效率的差值与没有代偿能力下的生产线的生产效率的比值；
所述维护成本表示生产线对各类干扰做出的应对措施所产生的加权成本；
所述代偿设备转换时间指标表示所有具有代偿功能的设备的总转换时间与代偿设备总转换次数的比值；
所述工位功能恢复时间指标表示非设备故障的加工停止到恢复加工的时间。
4.根据权利要求2所述的一种生产线的适应性量化评估方法，其特征在于，当待评估生产线处于设计阶段，则所述适应性评价指标包括：
属于生产线动态性能的生产效率指标和生产线缓冲能力指标；
属于生产线可维护性的代偿能力指标。
5.根据权利要求4所述的一种生产线的适应性量化评估方法，其特征在于，所述量化确定待评估生产线的适应性，具体为：
确定各干扰环境的总适应性数值中最大值和最小值，将该最大值和该最小值构成的区间作为生产线的适应性分布范围，完成生产线的适应性量化评估。
6.根据权利要求2所述的一种生产线的适应性量化评估方法，其特征在于，当待评估生产线处于运行阶段，则所述适应性评价指标包括：
属于生产线动态性能的生产效率指标和生产线缓冲能力指标；
属于生产线可维护性的干扰检测速度指标、干扰平均恢复时间指标、代偿能力指标和维护成本指标。
7.根据权利要求6所述的一种生产线的适应性量化评估方法，其特征在于，所述量化确定待评估生产线的适应性，具体为：
确定各干扰环境的总适应性数值中最大值和最小值，将该最大值和该最小值构成的区间作为生产线的适应性分布范围，完成生产线的适应性量化评估；或者，
统计历史运行情况中各干扰环境出现的频次，按频次大小对各干扰环境分配权重，以对各干扰环境的总适应性数值进行加权求和，作为生产线的适应性大小，完成生产线的适应性量化评估。
8.根据权利要求1至7任一项所述的一种生产线的适应性量化评估方法，其特征在于，所述对各干扰环境下每种适应性评价指标的多个值之间进行统计分析，具体为对各干扰环境下每种适应性评价指标的多个值之间进行在险值分析，得到各干扰环境下该适应性评价指标的在险值，作为各干扰环境下该适应性评价指标的适应性数值。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如权利要求1至8任一项所述的一种生产线的适应性量化评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011544761.5A CN112668862A (zh) | 2020-12-23 | 2020-12-23 | 一种生产线的适应性量化评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011544761.5A CN112668862A (zh) | 2020-12-23 | 2020-12-23 | 一种生产线的适应性量化评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112668862A true CN112668862A (zh) | 2021-04-16 |
Family
ID=75408152
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011544761.5A Pending CN112668862A (zh) | 2020-12-23 | 2020-12-23 | 一种生产线的适应性量化评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112668862A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113537753A (zh) * | 2021-07-08 | 2021-10-22 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种智能组件环境适应性评估方法 |
| CN114119268A (zh) * | 2022-01-24 | 2022-03-01 | 科大智能物联技术股份有限公司 | 一种用于印刷包装生产线的协同制造系统 |
| CN114997842A (zh) * | 2022-07-18 | 2022-09-02 | 国网浙江省电力有限公司 | 一种数字化采购数据智能评审方法及系统 |
| CN115860510A (zh) * | 2022-10-31 | 2023-03-28 | 浙江淏瀚信息科技有限公司 | 一种基于大数据的生产效率分析评估方法 |
| CN117148803A (zh) * | 2023-10-27 | 2023-12-01 | 深圳市磐锋精密技术有限公司 | 一种用于自动居中调宽流水线的调节控制方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108510180A (zh) * | 2018-03-28 | 2018-09-07 | 电子科技大学 | 一种生产设备所处性能区间的计算方法 |
| CN109902931A (zh) * | 2019-01-28 | 2019-06-18 | 北京航空航天大学 | 一种基于运行数据融合的多态制造系统运行风险建模方法 |
| CN110276126A (zh) * | 2019-06-20 | 2019-09-24 | 北京机械设备研究所 | 基于缓存区容量计算的自动化生产线优化方法 |
| CN111832913A (zh) * | 2020-06-28 | 2020-10-27 | 华中科技大学 | 一种生产线的柔性量化评估方法及设备 |
-
2020
- 2020-12-23 CN CN202011544761.5A patent/CN112668862A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108510180A (zh) * | 2018-03-28 | 2018-09-07 | 电子科技大学 | 一种生产设备所处性能区间的计算方法 |
| CN109902931A (zh) * | 2019-01-28 | 2019-06-18 | 北京航空航天大学 | 一种基于运行数据融合的多态制造系统运行风险建模方法 |
| CN110276126A (zh) * | 2019-06-20 | 2019-09-24 | 北京机械设备研究所 | 基于缓存区容量计算的自动化生产线优化方法 |
| CN111832913A (zh) * | 2020-06-28 | 2020-10-27 | 华中科技大学 | 一种生产线的柔性量化评估方法及设备 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113537753A (zh) * | 2021-07-08 | 2021-10-22 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种智能组件环境适应性评估方法 |
| CN114119268A (zh) * | 2022-01-24 | 2022-03-01 | 科大智能物联技术股份有限公司 | 一种用于印刷包装生产线的协同制造系统 |
| CN114119268B (zh) * | 2022-01-24 | 2022-04-12 | 科大智能物联技术股份有限公司 | 一种用于印刷包装生产线的协同制造系统 |
| CN114997842A (zh) * | 2022-07-18 | 2022-09-02 | 国网浙江省电力有限公司 | 一种数字化采购数据智能评审方法及系统 |
| CN114997842B (zh) * | 2022-07-18 | 2022-10-25 | 国网浙江省电力有限公司 | 一种数字化采购数据智能评审方法及系统 |
| CN115860510A (zh) * | 2022-10-31 | 2023-03-28 | 浙江淏瀚信息科技有限公司 | 一种基于大数据的生产效率分析评估方法 |
| CN115860510B (zh) * | 2022-10-31 | 2023-08-15 | 浙江淏瀚信息科技有限公司 | 一种基于大数据的生产效率分析评估方法 |
| CN117148803A (zh) * | 2023-10-27 | 2023-12-01 | 深圳市磐锋精密技术有限公司 | 一种用于自动居中调宽流水线的调节控制方法 |
| CN117148803B (zh) * | 2023-10-27 | 2024-01-26 | 深圳市磐锋精密技术有限公司 | 一种用于自动居中调宽流水线的调节控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112668862A (zh) | 一种生产线的适应性量化评估方法 | |
| US7558638B2 (en) | Applying real-time control to a production system | |
| US11861739B2 (en) | Programmable manufacturing advisor for smart production systems | |
| US20090228129A1 (en) | Yield prediction feedback for controlling an equipment engineering system | |
| KR102097953B1 (ko) | 고장 리스크 지표 추정 장치 및 고장 리스크 지표 추정 방법 | |
| TW201642147A (zh) | 具取樣率決定機制的量測抽樣方法 與其電腦程式產品 | |
| CN111160741B (zh) | 一种复杂工况下再制造车间多层级任务配置的扰动响应方法 | |
| KR20050119168A (ko) | 예방 유지보수 절차의 통계적 분석 및 제어 | |
| CN105824304A (zh) | 一种考虑机加工设备可用性的柔性作业车间动态调度方法 | |
| Psarommatis et al. | Identification of the critical reaction times for re-scheduling flexible job shops for different types of unexpected events | |
| CN113762604B (zh) | 一种工业互联网大数据服务系统 | |
| CN108038599B (zh) | 一种基于检测间隔的预防性维护周期多目标控制方法 | |
| CN109409780B (zh) | 变更处理方法、装置、计算机设备和存储介质 | |
| CN117950380B (zh) | Mes驱动的工位终端生产过程控制系统及方法 | |
| US7257502B1 (en) | Determining metrology sampling decisions based on fabrication simulation | |
| CN117172482A (zh) | 一种基于订单追踪的门窗生产调节方法及系统 | |
| US7937177B2 (en) | Manufacturing work in process management system | |
| CN111427330A (zh) | 一种基于设备维护数据的设备故障模式及规律分析方法 | |
| US8340800B2 (en) | Monitoring a process sector in a production facility | |
| US7398132B2 (en) | Method and system for analyzing throughput | |
| US6947801B2 (en) | Method and system for synchronizing control limit and equipment performance | |
| US8549012B2 (en) | Processing exception handling | |
| CN108062718B (zh) | 半导体制造信息的处理方法和处理系统 | |
| CN114647951A (zh) | 一种基于模糊运算的fms可靠性动态量化评价方法 | |
| KR20120042528A (ko) | 계측 방법 및 이를 이용한 계측 시스템 |
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 |