CN112805644A - 控制生产系统的方法、计算机程序、机器可读的存储介质、电子控制单元以及生产系统 - Google Patents
控制生产系统的方法、计算机程序、机器可读的存储介质、电子控制单元以及生产系统 Download PDFInfo
- Publication number
- CN112805644A CN112805644A CN201980067669.3A CN201980067669A CN112805644A CN 112805644 A CN112805644 A CN 112805644A CN 201980067669 A CN201980067669 A CN 201980067669A CN 112805644 A CN112805644 A CN 112805644A
- Authority
- CN
- China
- Prior art keywords
- production
- units
- buffer
- production system
- task
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 378
- 238000000034 method Methods 0.000 title claims abstract description 114
- 238000004590 computer program Methods 0.000 title claims description 14
- 238000003860 storage Methods 0.000 title claims description 11
- 239000000872 buffer Substances 0.000 claims abstract description 104
- 230000008569 process Effects 0.000 claims abstract description 59
- 230000006870 function Effects 0.000 claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 230000007704 transition Effects 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 26
- 230000001276 controlling effect Effects 0.000 claims description 12
- 230000001105 regulatory effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000007257 malfunction Effects 0.000 claims description 2
- 239000003795 chemical substances by application Substances 0.000 description 12
- 230000008859 change Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 230000002950 deficient Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000005553 drilling Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- RKWPMPQERYDCTB-UHFFFAOYSA-N ethyl n-[4-[benzyl(2-phenylethyl)amino]-2-(4-nitrophenyl)-1h-imidazo[4,5-c]pyridin-6-yl]carbamate Chemical compound N=1C(NC(=O)OCC)=CC=2NC(C=3C=CC(=CC=3)[N+]([O-])=O)=NC=2C=1N(CC=1C=CC=CC=1)CCC1=CC=CC=C1 RKWPMPQERYDCTB-UHFFFAOYSA-N 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005243 fluidization Methods 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
-
- 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)
Abstract
用于控制生产系统（1）的方法，其中生产系统（1）具有起始缓冲区3a,b、终端缓冲区（4）和多个具有过程功能的生产单元2a‑e，其中用于产品运输的运输路程随着产品流从起始缓冲区3a,b伸展至终端缓冲区（4），其中生产单元2a‑e布置在运输路程上，其中在两个生产单元2a‑e之间的运输路程分别形成产品缓冲区，其中至少两个生产单元2a‑e具有相同的过程功能，该方法具有方法步骤：‑确定生产任务，其中所述生产任务包括生产步骤，并且所述生产步骤可通过过程功能中的至少一个过程功能来实施，‑选择生产单元2a‑e，用于执行生产步骤，其中所述选择基于生产任务的优化，‑操控生产单元2a‑e。
Description
技术领域
建议了一种用于控制生产系统（Produktionsanlage）的方法，其中所述生产系统具有起始缓冲区（Startpuffer）、终端缓冲区（Endpuffer）和多个具有过程功能（Prozessfunktionen）的生产单元，其中用于产品运输的运输路程随着产品流在起始缓冲区与终端缓冲区之间伸展。
背景技术
为了制造产品，多个机器和过程装置经常被联接成生产网络。各个机器和/或过程装置的耦合在此通常通过流水线或者运输装置实现。在这些机器之间，尤其是运输同一处理状态的产品。但是，在运输路程期间，也可以取出产品或者添加产品，例如在执行质量检查时取出产品或者添加产品。此外可能的是，机器出故障，或者机器的生产速度改变，使得产品流在运输路程中改变。随后的机器必须能够对这种改变快速地做出反应。对此做出反应的可能性是采用模型预测控制（MPC）。这种模型预测控制例如经常在化学工艺学中得以采用。
可能形成最接近的现有技术的出版文献DE 10 2010 039 313 A1描述了一种用于控制生产线的方法，所述生产线具有工作站，所述工作站经由运输系统TS一个接一个地被供给有要加工的工件，并且所述生产线具有用于在每个工作站中加工工件的控制装置，其中在一个或者多个工作站中可生成静止状态，当在工件加工之后不存在随后的工件时，所述控制装置可以进入所述静止状态中。
发明内容
建议了一种具有权利要求1的特征的用于控制生产系统的方法。此外，建议了一种计算机程序、一种机器可读的存储介质、一种电子控制单元和一种生产系统。优选的和/或有利的构建方案从说明书、从属权利要求和所附上的图中得出。
建议了一种用于控制生产系统的方法。尤其是，该方法可实施为计算机程序，和/或在控制单元和/或生产系统上是可实施的。生产系统例如是生产线。借助生产系统，可以制造、加工和/或处理产品。术语“产品”、“对象”和/或“工件”在下文尤其是等值地被使用。尤其是，可以借助生产系统来实施多级的生产规划。特别地，借助控制装置可以将工作步骤分布在生产系统中，将生产系统投入运行，适配生产系统和/或关断生产系统。
生产系统包括起始缓冲区、终端缓冲区和多个具有过程功能的生产单元。优选地，生产系统包括恰好一个起始缓冲区和/或恰好一个终端缓冲区。替选地，生产系统可以具有多个起始缓冲区和/或终端缓冲区。起始缓冲区尤其是构造为源，并且例如由收货仓库（Eingangslager）形成。借助起始缓冲区，可提供和/或可获取坯料和/或对象。起始缓冲区尤其是形成针对在生产系统中的生产的起点。终端缓冲区例如构造为出货仓库和/或形成汇点（Senke）。在终端缓冲区处，尤其是可以交出和/或存放完成的工件、产品和/或对象。终端缓冲区尤其是形成利用生产系统生产的终点。尤其是，起始缓冲区的特征在于，唯一地从所述起始缓冲区中取出；其中终端缓冲区尤其是特征在于，唯一地被放入到该终端缓冲区中。
生产系统具有多个、尤其是多于五个的并且特别地多于十个的生产单元。生产单元例如由工作站形成。尤其是，每个生产单元都具有一个过程功能和/或多个过程功能。过程功能例如是生产单元可以执行的工作步骤和/或活动。针对过程功能的例子例如是钻孔、锯割、拧旋或者测量。特别是，生产系统以日常用语也被称作机器。
从起始缓冲区到终端缓冲区，限定运输，和/或运输在那里伸展。运输路程构造用于运输产品、工件和/或对象。沿着运输路程，可以将产品、工件和/或对象从起始缓冲区运输到终端缓冲区。产品运输尤其是随着产品流进行。产品流例如说明，每单位时间运输哪个数目的产品、对象和/或工件。尤其是，产品流可考虑用于表征生产系统的生产速度。生产流特别地可以经由生产单元的节拍时间来定义，其中尤其是产品流通过生产单元的最长节拍时间来确定。运输路程可以是未经分支的运输路程，例如直接从起始缓冲区到终端缓冲区，替选地运输路程是具有并行的路段、分岔和/或绕道的经分支的运输路程。特别地，运输路程可以由流水线和/或另外的运输单元来构造。
生产单元尤其是布置在运输路程上，和/或沿着运输路程来布置。各个生产单元尤其是通过运输路程相互连接。借助运输路程来连接运输单元可以直接地（例如线性地）不经分支地或者经分支地发生。例如，优选地如果生产单元要实施相同的活动，则可以并行地引导运输路程。生产单元在运输路程上尤其是被供给有产品，被供给有对象和/或工件。运输路程用于使各个生产单元耦合。
在两个生产单元之间的运输路程分别形成产品缓冲区。产品缓冲区（尤其是也有起始缓冲区和终端缓冲区）仅仅始终包含同一处理状态的产品。尤其是，在两个生产单元和/或生产缓冲区之间的运输路程形成边，其中这种边要被理解为在Petri网意义下的边，其中这种边尤其是特征在于，进入生产单元的边向该生产单元供应产品、工件或者对象，其中从生产单元中出来的边从该生产单元中取出对象、工件和/或产品。此外，产品缓冲区尤其是特征在于，从该产品缓冲区中被取出和被放入到该产品缓冲区中。
生产系统包括至少两个生产单元，所述至少两个生产单元具有相同的过程功能。尤其是，多于两个和/或五个的生产单元可以具有相同的过程功能。此外，特别地，由不同的生产单元可以包括更多个相同的过程功能。这尤其是要被理解为，至少两个生产单元冗余地存在，和/或相同的过程功能冗余地出现在生产系统中。优选地，并行地布置具有冗余的过程功能的生产单元。
本方法设置了，确定生产任务。尤其是，生产任务可以通过用户来确定和/或编制（anlegen）。为了确定生产任务，例如规定生产步骤和/或接连排列生产步骤。生产任务和/或生产任务的确定用于规定相继要执行的生产步骤，所述生产步骤是为了制造产品而必需的。例如，生产任务以从起始缓冲区中取出对象开始，紧接着之后是加工步骤，并且紧接着经过加工的对象和/或工件在终端缓冲区处被交出和/或被存放在终端缓冲区处。生产步骤尤其是可通过过程功能来实施。例如，过程功能描述了生产步骤。例如，生产步骤内容是，在该位置处钻孔，这样该过程步骤可以通过过程功能“钻孔”来实施。特别地，生产步骤可以与确定类型的生产单元关联（zugeordnet）和/或可关联。尤其是，生产任务也可以通过如下方式而是可确定的：从数据库中调用和/或在计算机程序中被输入。
本方法设置了，基于生产任务的优化，选择生产单元来执行各个生产步骤。选择例如基于的是，维持生产，使产品流最大化和/或能够节能地生产。在本方法中，生产任务的生产步骤与生产单元关联，使得特别好地执行生产任务。
在本方法的其他步骤中，那么基于所作出的选择来操控（angesteuert）生产单元。例如，通知生产单元：所述生产单元必须和/或应当执行所述生产步骤。此外，操控可以包括：进行运输流，使得相对应的生产单元按正确的顺序和/或在正确的时间被供给有产品、对象和/或工件。
尤其是，基于针对冗余地出现的生产单元的优化任务，进行生产单元的选择和/或生产单元与生产步骤的关联。例如，可以更高效和/或成本更低廉的是，使用具有相同的过程功能的一个生产单元或者另一个生产单元。通过解决优化问题，可以选择如下生产单元：所述生产单元更好地适合于相同的过程功能。
本发明基于如下思考，提供一种方法和/或一种算法，所述算法可以将冗余地出现的过程功能关联用于执行相同的任务。例如，这样可以使生产单元均匀地满载。尤其是，这样也可以通过冗余的配对物来替代有缺陷的生产单元。尤其是，与模型预测控制相反，所建议的本发明能够实现调节和调节量分布的分开设计。本方法由此适合作为中间缓冲区的特别能容错的调节。
此外，本发明基于如下思考，提供一种方法，该方法控制生产系统并且承担机器和/或过程装置关联，其中关联尤其是实时地和/或在生产系统运行期间进行。因此，能够实现高效的关联。
本发明的构建方案设置了，过程任务的优化包括和/或考虑辅助条件。辅助条件例如可以是生产单元（尤其是冗余的生产单元）的尽可能均匀的满载、满足特别的质量要求、节能的工作或者故障安全的（ausfallsicheres）生产。尤其是，也可以同时优化多个辅助条件和所述生产任务。在同时优化时，例如定义如下价值：应当占优先地位地优化哪个条件，和/或哪个条件是次级的。该构建方案基于如下思考：由于存在冗余的生产单元，过程功能和/或生产步骤的不同分布是可能的，使得不必存在用于能够实现生产系统的明确的解决方案。通过引进辅助条件，可以优选关联。
可选地设置了，生产单元具有至少一个调节量。调节量尤其是适合用于描述和/或设定（Einstellung）过程功能。例如，调节量定义过程功能的生产速度和/或节拍时间。尤其是设置了，在针对生产任务选择生产单元时，基于调节量进行优化。例如，针对过程功能的调节量要从区间中取出，例如调节量是u∈[Umin,Umax]。特别地，也可以设置，在选择生产单元和/或过程功能时，在优化中确定针对调节量的期望值。期望值在此例如优化为使得，优化生产任务，和/或满足和/或考虑辅助条件。在此，那么可以设置，在操控生产单元时，根据期望值设定调节量。
特别优选地，调节量是连续的调节量。尤其是，通过归一化到在0到1之间的区间可缩放调节量，其中所述调节量例如被称作u，其中尤其是u=1描述了所属的生产系统的最大生产速度。而如果给生产系统加载调节量u=0，则所述生产系统以最小可能的生产速度来生产。该生产速度可以等于零。在该情况下，生产系统不生产。只要需要最小生产速度以便保障必要的产品质量，最小的生产速度就也可以受过程决定地大于零，其中u=0的经过归一化的调节量在该情况下（由于归一化）而得到大于零的生产速度。通过将调节量线性地/仿射地映射到真实的过程速度上，可以理解该形式的归一化。因而，区间边界0和1是可任意选择的。如果生产系统损坏，则这例如不能从其调节量而被识别出，而是从其离散状态被识别出。
特别优选的是，选择将生产任务、生产单元、过程功能和/或中间缓冲区作为产品参数进行监控。尤其是，也可以将调节量作为产品参数进行监控。优选地，产品参数循环地被调用，可是尤其是在选择生产任务之前被调用。特别地，探测到生产参数的改变，其中根据生产参数的改变，重新选择和/或关联生产单元，以执行过程步骤。换言之，如果生产参数已被改变，则本方法的该构建方案可以执行生产单元到生产步骤的再分配。例如，生产单元出故障，其中调节量那么尤其是从1改变到0，使得为了维持生产任务而将生产单元重新关联给生产任务和/或步骤。此外，生产参数的改变可导致，从中间缓冲区中取出或者添加对象，使得随后的生产单元必须和/或能够对此做出反应。
尤其是设置了，生产参数描述生产单元的故障和/或状态。例如，生产参数1描述了，该生产单元处于运行中和/或完好地运转；其中生产参数0描述了，生产单元出故障和/或停止运行。因此如果生产参数中的一个生产参数改变，则尤其是当生产单元出故障时在生产系统中必须对此做出反应。利用本方法，因此在生产参数改变之后立即重新选择和/或关联生产单元和生产步骤。该构建方案基于如下思考：提供一种用于控制生产系统的方法，所述方法能够实现生产系统的特别故障安全的运行。
特别优选的是，生产单元的选择基于Petri网。尤其是设置了，生产系统被模型化和/或被描述为Petri网。例如，生产任务本身也可以在Petri网中被模型化和/或被示出。在此设置了，生产单元被描述为变迁（Transitionen），并且中间缓冲区被描述为库所（Plaetze）。中间缓冲区的状态和/或库所被称作标记。这些标记例如描述运输路程的填充状态，例如是否可以提供和/或取出产品。在此，例如设置了，根据Petri网的评价、评定和/或优化来优化生产任务。特别地，过程功能被称作变迁的活动。该构建方案基于如下思考：提供了一种可简单地和/或以机器方式解决的用于控制生产系统的方法，所述方法可以良好地描述和/或反映现实。
本发明的构建方案设置了，生产系统的选择基于控制分配（Control Allocation）的方法。控制分配基于如下思考：作为主要目标，提供调节算法，所述调节算法计算控制输入和/或调节量u，所述调节量u确保实现期望的任务，尤其是利用生产系统实现生产任务，并且尤其是在可能性的范围内利用过程功能。尤其是设置了，如果不能找到可行的调节量，则借助该控制算法来减小产品流和/或生产任务，那就是说降低效率目标，并且寻找能够实现尽可能小地偏离期望的调节量u。此外，可以涉及优先级，使得也可以设置辅助条件。这种加权例如可以借助加权矩阵进行。
特别地设置了，优化可描述为数学问题。特别地，优化的数学问题可以被定义为最小值（
）量，其中同时适用umin小于umax。在此，M是矩阵。矩阵M特别地具有。特别地，适用的是，矩阵M不是二次的，并且优选地是秩亏的。矩阵M优选地具有与行相比更多的列。特别地，可以设置，为了实施本方法和/或优化，使用牛顿步和/或具有QR分解的牛顿法。尤其是，为了在存在秩亏（randefiziaeren）矩阵M的情况下解决优化问题，可以使用最速下降法。矩阵M尤其是可以是与时间有关的矩阵M，并且描述了生产系统的动态。所使用的范数优选地是欧几里得范数，可是替选地可以通过另外的范数来替代。作为用于解决优化问题的起始点和/或起始值，尤其是使用来自Petri网的状态向量，所述状态向量在开始时例如通过轨迹确定模块来确定。
本发明的特别优选的构建方案设置了，在优化时，呈（u0的）矩阵J形式的辅助条件描述被用于选择和/或将生产单元与生产步骤关联。尤其是，可以以数据模型的形式来描述优化
u0的矩阵J尤其是描述应当被满足的辅助条件。u0的矩阵J可以包括各个辅助条件的加权。特别地，u0的矩阵J是与时间有关的。
特别优选的是，针对调节量u0和生产任务的特征数US适用：
。该构建方案基于如下思考：这里生产单元和/或过程功能冗余地出现，并且该描述可以以数学方式这样被集成到该模型中。
计算机程序形成本发明的其他主题。计算机程序尤其是用于在计算机、生产系统或者电子控制单元上进行执行和/或实施。计算机程序构造为，如果在计算机、生产单元或者电子控制单元上实施计算机程序，则（尤其是如先前所描述的那样）执行本方法的所有步骤。
机器可读的存储介质形成本发明的其他主题。例如，机器可读的存储介质是CD、USB棒、DVD或者另外的数据载体。在机器可读的存储介质上存储有用于执行本方法的计算机程序。
电子控制单元形成本发明的其他主题，其中所述控制单元设立为，如先前所描述的那样执行本方法的所有步骤。例如，电子控制单元是计算机单元、处理器单元或者微控制器。例如，在电子控制单元上，如先前所描述的那样执行计算机程序。
用于生产和/或加工产品的生产系统形成本发明的其他主题。生产系统具有起始缓冲区、终端缓冲区和多个具有生产功能的生产单元。运输路程在起始缓冲区与终端缓冲区之间延伸，其中沿着运输路程布置生产单元。生产单元经由运输路程相互连接，其中在两个生产单元之间的运输路程分别形成产品缓冲区。在生产系统中的至少两个生产单元具有相同的过程功能，并且由此冗余地存在。生产系统具有电子控制单元，其中所述电子控制单元构造为，基于生产任务规定、提取和/或确定生产任务的生产步骤，所述生产任务例如被确定或者可以通过用户来寄存或者来实施。电子控制单元此外还构造为，基于生产任务和生产任务的优化将生产单元关联给生产步骤。此外，控制单元可以构造为，基于选择和/或关联来操控生产单元。尤其是，生产系统构造用于执行本方法。
附图说明
本发明的其他优点、特征和作用从随后对所附上的图的描述中得出。在此：
图1示出了作为实施例的生产系统；
图2示出了生产系统的示意性视图；
图3示出了在所仿真的生产系统中的调节量和输出量；
图4示出了生产系统的其他Petri网；
图5示出了具有并行的冗余的生产单元的生产系统。
具体实施方式
图1示出了生产系统1。生产系统1包括五个生产单元2a、2b、2c、2d和2e。此外，生产系统1包括两个起始缓冲区3a和3b，以及包括一个终端缓冲区4。运输路程在起始缓冲区3a和3b朝向终端缓冲区4之间延伸。起始缓冲区3a、3b分别与至少一个生产单元2a、2b或者2d连接。终端缓冲区4同样与至少一个生产单元2c、2d、2e连接。从起始缓冲区3a中取得原材料、产品或者对象，所述原材料、产品或者对象那么可以被提供给生产单元2a、2b、2c中的一个。运输路程经由流水线来限定和/或规定，其中流水线和/或运输路程被称作边5。边5尤其是对应于Petri网中的边。运输路程和/或边5要么将两个生产单元2要么将一个生产单元2与起始缓冲区3或者终端缓冲区4连接。在两个生产单元2之间的运输路程和/或边5形成中间缓冲区6。因此，从中间缓冲区6中添加和取出产品、对象或者工件。中间缓冲区6因此形成中间存储器。中间缓冲区6尤其是仅具有同一处理状态的对象、产品和/或工件。
生产单元2a-2e分别具有调节量。调节量u例如是速度，其中该速度来自在umin和umax之间的区间。尤其是，在不限制一般性的情况下可以假设，每个生产单元都具有至少一个这种调节量u。每个生产单元2因此都可以如阀门那样来解释，其中通过设定调节量u可以调整生产网络和/或生产系统1中的产品流。从调节技术角度来看，生产系统1由此具有与存在的生产单元2a-2e一样多的调节量u。此外，生产系统1具有与存在的缓冲区（尤其是起始缓冲区3a、3b、终端缓冲区4和/或中间缓冲区6）一样多的状态。
生产系统1具有两个生产单元2a、2b，所述两个生产单元2a、2b形成冗余的生产单元。尤其是具有同一过程功能的生产单元被理解为冗余的生产单元2a、2b。过程功能例如是借助生产单元2可实施的活动。
所建议的本发明基于如下思考：提供一种生产系统1和/或一种用于控制生产系统1的方法，所述方法阻止或者至少降低中间缓冲区的空载运转或者全负荷运转。该方法和/或算法的输入量是来自生产单元控制装置（或者一般为机器控制装置）的已经存在的状态信息。状态信息被用于实时影响和/或实时调节整个生产系统1。利用该方法，因此也基于生产单元2a-e中的另一生产单元的状态信息，可适配生产单元2a-e的生产行为。以算法方式进行对以这种方式在生产单元2a-e之间社会化的信息的利用，并且该利用提供简单的可能性，以在生产系统内部再分配生产开销和/或生产任务。借助该方法，无经验的机器操作员也可以保证这种再分配。此外，借助该方法，通过使用闲置的生产单元1，可以实时地使得能够减小生产系统中的资金占用。
所使用的用于控制生产系统1的方法在此基于控制分配的策略。例如为了冗余地控制飞行器中的执行器，要找到控制分配的方案。在控制分配中，预先给定的调节量u被划分到现存的执行器上，并且在生产系统1的情况下被划分到现存的生产单元2a-2e上。这样，可以使生产单元2a-2e均匀地满载，并且通过冗余的配对物来替代有缺陷的生产单元。
所建议的方法尤其是可以被用于容错地调整中间缓冲区6，如这些中间缓冲区6在图1中能看到的那样。在此，生产系统1具有至少与存在的中间缓冲区6和除此以外其他调节量u一样多的独立的调节量u。例如，在电子控制单元上实施该方法。那么，冗余例如可以如下地被使用。电子控制单元在此规定调节量u，使得可以对突发的干扰、如例如生产单元故障或者未规划的产品取出尽可能快地做出反应，并且补偿所述突发的干扰。如果例如生产单元2a-2e出故障，则并行工作的和/或冗余地存在的生产单元2a-2e可以承担工作的部分，其方式是所述生产单元更快速地生产。此外，位于上游的生产单元2a-2e例如可以减小他们的速度，并且这样例如可以节约如能量之类的资源。此外，由此尤其是通过应用该方法，不多于所必需地填满位于下游的中间缓冲区。对于检查和再配置任务所需的故障诊断尤其是通过如下方式来保证：在生产系统中所使用的生产单元2a-2e已经可以自己识别出故障情况、如维护状态，并且例如可以提供这些故障情况作为生产参数。
图2示意性地示出了生产系统1的例子。这里所示出的生产系统1是流水线生产。在流水线生产的情况下的目的是，将两个中间缓冲区6a和6b调节到期望值上。通过采用控制分配，即使在离散事件、如例如生产单元故障的情况下，也可以能够实现这一点。
生产系统1尤其是可以可示为和/或可描述为Petri网。起始缓冲区3可以被理解为库所7a。库所7也称作存储部件。库所7可以描述物体或者数据元素，并且包括其图示。库所7a与机器M1、M和M3连接，所述机器M1、M和M3可以被理解为变迁8a。变迁8a在此描述了生产层级。变迁8a与库所7经由边9连接。
生产层级尤其是包括一个或者多个生产单元2、优选地冗余的生产单元2。变迁8可以改变存储内容。尤其是，存储内容的改变描述了活动，所述活动例如描述了过程功能。变迁8a向中间缓冲区6a提供确定的处理状态的产品。中间缓冲区6a在作为Petri网的描述中示为库所7b。边9又从库所7b指向随后的变迁8b，其中随后的变迁8b包括作为生产单元2的其他机器M4、M5和M6，并且形成其他生产层级。在机器M4、M5和M6或变迁8b之后是中间缓冲区6b，所述中间缓冲区6b又可以被理解为库所7c。在该库所7c之后又是变迁8c，并且接着是库所7c，库所7c描述终端缓冲区。库所7a、7b、7c和7d尤其是具有标记。标记10例如描述物体和/或数据集。特别地，标记10描述了确定的处理状态的产品、对象或者工件。
图3示出了图2中的生产系统1的部段的所属的调节量变化过程和输出量变化过程。在第一曲线图中，表征了第一变迁8a中的三个生产单元或机器M1、M2和M3的调节量u。例如，在该生产层级中的生产单元2之一较频繁地出故障和/或必须等待，使得那么该生产单元2在该时间没有制造或者加工产品。生产单元2的故障可以通过另外两个生产单元2来补偿，其方式是这两个生产单元2生产更多和补偿故障。通过更快速的生产和通过两个另外的生产单元2来补偿，在第二生产层级（变迁8b）的输出处，在调节量中这不再可识别出。在第二曲线图中，示出了针对第二变迁8的调节量变化过程，所述针对第二变迁8的调节量变化过程不具有尖端或者中断，而是具有平滑的曲线变化过程。通过应用该方法，因此可以在冗余的生产系统中对生产故障和/或调节量改变做出反应。
尤其是，可以如下地描述实施例：
定义：通过5元组
来定义经过初始化的Petri网，其中
标明库所，并且
标明相应的变迁。网络矩阵
检测在
和
之间的边。最初的特征向量通过
给出，而
描述该部位的最大令牌容量。Petri网的基本方程通过：
给出，其中
描述在事件k的情况下的发射向量，其中当适用
时，它可以发射变迁ti。
此外，
描述了线性状态空间模型，其中适用
、
、
，并且x0描述了初始状态。在下文，MATLAB符号被用于索引，其中例如
标明矩阵A的列向量2至5。
复杂的生产系统1常常包括多个生产单元2，所述多个生产单元2可以彼此相互作用。在下文描述了如下形式化方式（ein formaler Weg）：如何利用离散的事件行为可描述和/或可模型化这种生产系统1。依据图4中的生产系统1的实施例来描述模型化方法。
MADES模型（Multi-agent discrete event systems（多智能体离散事件系统））的建立以复合方式（kompositorisch）进行。因此，首先考虑独立的智能体，所述智能体这里通过生产装置2来表示。紧接着，引进连接，以便创建生产系统1。
定义：单独的智能体
是DES（离散事件系统），该DES可以实施至少一个过程或动作。单独的智能体因而可以在具有非空的变迁集合的Petri网中被模型化
。相反，可能不存在不属于智能体的变迁，因为经由定义可以仅由智能体执行过程。过程尤其是可以通过过程功能来表示。
图4示出了作为其他实施例的生产系统1的简化的Petri网模型。在正常运行期间，形成变迁8a的生产单元2a从输入缓冲区3a中取出多个工件，借助过程功能对这些工件进行加工，并且向中间缓冲区6a交出经过加工的工件。状态9a对如下状态进行模型化：在所述状态中，生产单元2a实施为它准备的过程功能。生产单元2b从中间缓冲区6a中取出经过加工的工件。生产单元2b可以描述和/或具有变迁8b，其中经过加工的工件在这里完成并且向输出缓冲区4交出该经过加工的工件。
为了进行维护，生产单元2a切换到状态“停止运行”，这可以被理解和/或被描述为变迁8c并且可通过状态9b来模型化。变迁8d描述了生产单元2a的再次投入运行，使得可以起动新的生产周期。变迁8e是空的变迁，所述空的变迁没有对机器状态产生影响。可以假设的是，生产单元2可以改变作为调节量的它的加工速度。
与示例性的生产系统1对应的网络矩阵通过
来给出。
定义：连接（也称为边）描述了，智能体可以如何和/或哪些智能体可以彼此相互作用。 关于Petri网，仅仅库所可以描述连接。这归因于，变迁始终对应于如下过程，所述过程经由定义可仅仅由智能体实施。如果适用
，则智能体
和
（其中
）应该通过库所p连接，其中
和
标明p的前变迁集合和后变迁集合。详细而言，这意味着，不仅存在至少一个将p与
的变迁连接的边，而且存在至少一个将p与
连接的边。
生产系统1的建立：在引进了MADES的最重要的组成部分之后，在下文并合这些组成部分。考虑生产系统1，所述生产系统1如下定义。
定义：生产系统通过具有节点分区
和
的二分图来描述。在此，
的元素描述缓冲区，其中
的元素是生产单元2的实例，如在图1中所示。此外，必须满足如下条件：生产单元2有不多于一个的输入缓冲区和不多于一个的输出缓冲区。
这两个分区
和
标明在生产网络的图表中的不同节点类型的组，尤其是根据生产单元或缓冲区的组。对节点(
)进行编号导致具有如下结构的生产系统的邻接矩阵：
图5示例性地示出了生产系统1作为二分图，该二分图包括三个机器节点
和三个缓冲区节点
。机器节点
在此配备有附图标记2并且形成生产单元，其中缓冲区节点
在此具有附图标记3、6和4并且形成缓冲区。相对应的子邻接矩阵通过
来给出。
在图5中所示的生产系统完全通过先前的方程来描述。在第j部位的生产装置与共同的资源之间的边被定义为
总系统的网络矩阵通过
来给出。
在该例子中，应存在结构上均匀的智能体，其中
。
在Petri网描述如交通灯颜色或者离散机器状态之类的抽象状态的情况下，流体模型常常缺乏重要性，因为放松了严格的逻辑条件。另一方面，在没有这些问题的情况下，可以使描述如工件数目之类的定量值的库所流体化（fluidisiert）。这原因在于，最终得到的连续的模型表示在整数之间的插值，在这些库所处的（令牌的）种群（Population）越大，则所述插值就越好地匹配。对于成功的流体化所需的特性是，进行标记与欧几里得度量的有说服力的可比性是可能的。出于该原因，描述定性状态的Petri网位置被称作逻辑状态。替代于此，描述数量并且因此可通过欧几里得度量可测量的库所被称作存储状态，并且在Petri网中被示为划成虚线的圆。在接下来的部段中，使用存储状态，以便从Petri网描述得到ODE模型。
ODE模型可以从矩阵NN中导出。所考虑的系统输入通过针对生产单元的可变的加工速度来给出。生产单元的整个生产周期通过发射前两个变迁来给出。由于加边的区块对角线结构，确定的生产单元的生产周期的效率影响下式中的自己的调节量
对共同使用的资源进行标记得出
显然，生产单元可以被起动以进行加工，或者也可以被结束。出现的独特的改变处于存储库所处，所述存储库所在我们的情况下检测通过网络的工件流。存储库所描述了在调节原理和/或系统原理控制原理的意义下的状态信息。因而，可以集中到这些存储库所上，以便导出针对调节器设计的流体化的ODE模型。
由于DES不包含时间信息，所以必须并入所述时间信息，以便得到ODE模型。最简单的是，将持续时间ΔT与Petri网的变迁关联。由于我们考虑多智能体系统，所以智能体可以并行地实施操作。为了正确地对待时间方面，得出（非线性）向量时间方案或者分级的必需性。在本例子中，生产周期持续两个变迁，并且由此持续
。如已经提及的那样，只要对经过流体化的库所进行标记同欧几里得度量有有意义的联系，流体化就对应于整数之间的插值。在存储库所的情况下，情况始终如此。关于无穷小的小时间实例dt，状态改变可以被描述为
。通过引进所有调节量的向量u，状态空间模型得出为
输入缓冲区3在此被忽略，并且仅仅对生产网络的处于图5中的系统边界之内的部分进行模型化。对在缓冲区中的工件的数目的测量是现有技术，或者可以按照现有技术来执行，因为仅仅涉及工件的计数。因此，假设
。
在生产单元之间的边的增加的复杂度让工件穿过生产网络的流程变得越来越漫无头绪。这尤其是适用于生产单元故障的情况，所述生产单元故障主要改变网络结构。为了补偿干扰和遵循所计算的参考曲线，调节器被构建为解耦调节器。解耦调节器可以如下地来构建：
定义：根据输出
的差分阶数
（其中
）是最小正整数，其中
，对于该最小正整数适用
。总系统的差分阶数
给出为
。在本例子中，解耦方程的一般性导出如下地被简化。差分阶数描述，必须多频繁地区分系统输出，直至该系统输出受到系统输入影响。对于我们的系统适用
。因而，该顺序的系统差是
。
遵循
其中
标明经典的解耦矩阵，所述经典的解耦矩阵在我们的情况下对应于输入矩阵。借助
形式的检查法则，闭合的调节回路得出为
。为了将输出输入信号彼此解耦，引进具有闭合的调节回路的特征值，在此必须满足
，并且BF必须具有对角化形式。为了保证固定的精度，必须适用F=K。由此，针对解耦控制的反馈法则通过
给出，其中
是B的伪逆矩阵。
此处，状态空间模型是具有秩(B)=n的输入矩阵，而在超编的情况下，存在附加的自由度，所述附加的自由度可以被利用。在本例子中，通过选择伪逆矩阵，最终得到的K和F具有2范数，也就是说其最大奇异值被最小化（为此我们的附加自由度被使用）。这导致对输入值uc1和uc2的加权，这指明通过控制使并行的生产单元均匀地满载。
Claims (15)
1.用于控制生产系统（1）的方法，
其中所述生产系统（1）具有起始缓冲区（3a，b）、终端缓冲区（4）和多个具有过程功能的生产单元（2a-e），
其中用于产品运输的运输路程随着产品流从所述起始缓冲区（3a，b）伸展至所述终端缓冲区（4），
其中所述生产单元（2a-e）布置在所述运输路程上，
其中在两个生产单元（2a-e）之间的所述运输路程尤其是分别形成产品缓冲区，
其中至少两个生产单元（2a-e）具有相同的过程功能，
其特征在于如下方法步骤：
- 确定生产任务，其中所述生产任务包括生产步骤，并且所述生产步骤能够通过所述过程功能中的至少一个过程功能来实施，
- 选择生产单元（2a-e），用于执行所述生产步骤，其中所述选择基于所述生产任务的优化，
- 操控所述生产单元（2a-e）。
2.根据权利要求1所述的方法，其特征在于，过程任务的所述优化包括和/或考虑辅助条件。
3.根据权利要求1或者2所述的方法，其特征在于，所述生产单元（2a-e）具有针对所述过程功能的调节量（u），其中所述生产单元（2a-e）的所述选择基于所述调节量（u）进行，和/或在所述选择的情况下确定所述调节量（u）的期望值。
4.根据权利要求3所述的方法，其特征在于，所述调节量（u）描述连续的调节量（u）。
5.根据上述权利要求中任一项所述的方法，其特征在于, 所述生产任务、所述生产单元（2a-e）、过程功能和/或中间缓冲区（6）作为生产参数而被监控，其中在至少一个生产参数改变时，重新选择生产单元（2a-e），以执行所述生产步骤和/或再分配。
6.根据上述权利要求中任一项所述的方法，其特征在于, 所述生产参数描述了所述生产单元（2a-e）的故障和/或状态。
7.根据上述权利要求中任一项所述的方法，其特征在于，所述生产单元（2a-e）的所述选择基于Petri网，其中所述生产系统（1）被模型化和/或被描述为Petri网，其中所述生产单元（2a-e）被描述为变迁（8a，b），并且所述中间缓冲区（6）被描述为库所（7a，b）。
8.根据上述权利要求中任一项所述的方法，其特征在于，所述生产系统（1）的所述选择基于控制分配。
9.根据上述权利要求中任一项所述的方法，其特征在于，所述优化能够描述为
其中us是针对所述生产任务的特征数，uo是所述过程功能的调节量（u），
是针对调节量uo的下限，
是针对所述调节量uo的上限，并且M是矩阵。
10.根据上述权利要求中任一项所述的方法，其特征在于, 所述优化能够描述为
其中us是针对所述生产任务（1）的特征数，uo是所述过程功能的调节量（u），
是针对所述调节量uo的下限，
是针对所述调节量uo的上限，M是矩阵并且J(uo)是用于进行辅助条件描述的矩阵。
11.根据权利要求9或者10所述的方法，其特征在于，适用
。
12.计算机程序，其特征在于，如果在计算机或者生产系统（1）上实施所述计算机程序，则执行根据上述权利要求中任一项所述的方法的所有步骤。
13.机器可读的存储介质，其特征在于，在所述存储介质上存储有计算机程序。
14.电子控制单元，所述电子控制单元设立为，实施根据权利要求1至11中任一项所述的方法的所有步骤。
15.用于生产和/或加工产品的生产系统（1），所述生产系统（1）具有起始缓冲区（3）、终端缓冲区（4）、多个具有生产功能的生产单元（2a-e），并且所述生产系统（1）尤其是具有根据权利要求14所述的电子控制单元，其中在所述起始缓冲区（3）和所述终端缓冲区（4）之间布置有运输路程，其中沿着所述运输路程布置有所述生产单元（2a-e），其中至少两个生产单元（2a-e）具有相同的过程功能，所述生产系统（1）具有电子控制单元，其中所述电子控制单元构造为，基于生产任务，规定、提取和/或确定生产任务的生产步骤，并且基于所述生产任务和所述生产任务的优化将所述生产步骤与生产单元（2a-e）关联。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102018217581.0 | 2018-10-15 | ||
| DE102018217581.0A DE102018217581A1 (de) | 2018-10-15 | 2018-10-15 | Verfahren zur Steuerung einer Produktionsanlage, Computerprogramm, maschinenlesbares Speichermedium, elektronische Steuereinheit sowie Produktionsanlage |
| PCT/EP2019/075890 WO2020078680A1 (de) | 2018-10-15 | 2019-09-25 | Verfahren zur steuerung einer produktionsanlage, computerprogramm, maschinenlesbares speichermedium, elektronische steuereinheit sowie produktionsanlage |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112805644A true CN112805644A (zh) | 2021-05-14 |
| CN112805644B CN112805644B (zh) | 2024-05-14 |
Family
ID=68084813
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980067669.3A Active CN112805644B (zh) | 2018-10-15 | 2019-09-25 | 控制生产系统的方法及装置 |
Country Status (3)
| Country | Link |
|---|---|
| CN (1) | CN112805644B (zh) |
| DE (1) | DE102018217581A1 (zh) |
| WO (1) | WO2020078680A1 (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1527962A (zh) * | 2001-07-13 | 2004-09-08 | 西门子公司 | 通过数据通信连接为机器电子地提供服务的方法和系统 |
| CN1538296A (zh) * | 2003-02-18 | 2004-10-20 | 图形处理单元的多线程内核 | |
| US20050021164A1 (en) * | 2002-11-11 | 2005-01-27 | Axxon Software Ag. | Method for the optimizing of a production process |
| US20050096770A1 (en) * | 2003-10-30 | 2005-05-05 | Chua Tay J. | Job release with multiple constraints |
| CN101807265A (zh) * | 2008-09-30 | 2010-08-18 | 洛克威尔自动控制技术股份有限公司 | 机器选择、集成和使用的动态多目标优化的系统和方法 |
| CN102395930A (zh) * | 2009-04-17 | 2012-03-28 | 罗伯特·博世有限公司 | 用于处理机床的过程状态数据和/或机器状态数据的方法 |
| CN103389704A (zh) * | 2013-07-18 | 2013-11-13 | 重庆大学 | 基于Petri网控制流程建模的创建石膏砌块成型生产线方法 |
| CN104361182A (zh) * | 2014-11-21 | 2015-02-18 | 中国人民解放军国防科学技术大学 | 基于Petri网的微处理器微体系结构参数优化方法 |
| CN106168769A (zh) * | 2016-07-19 | 2016-11-30 | 同济大学 | 一种多耦合混杂流程工业过程的建模及仿真方法 |
| CN106663229A (zh) * | 2014-07-07 | 2017-05-10 | 西门子公司 | 用于确定用于制造产品的最优制造替代方案的方法和设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102010039313A1 (de) | 2010-08-13 | 2012-02-16 | Robert Bosch Gmbh | Verfahren und Anordnung zur Steuerung einer Fertigungslinie |
-
2018
- 2018-10-15 DE DE102018217581.0A patent/DE102018217581A1/de active Pending
-
2019
- 2019-09-25 WO PCT/EP2019/075890 patent/WO2020078680A1/de active Application Filing
- 2019-09-25 CN CN201980067669.3A patent/CN112805644B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1527962A (zh) * | 2001-07-13 | 2004-09-08 | 西门子公司 | 通过数据通信连接为机器电子地提供服务的方法和系统 |
| US20050021164A1 (en) * | 2002-11-11 | 2005-01-27 | Axxon Software Ag. | Method for the optimizing of a production process |
| CN1538296A (zh) * | 2003-02-18 | 2004-10-20 | 图形处理单元的多线程内核 | |
| US20050096770A1 (en) * | 2003-10-30 | 2005-05-05 | Chua Tay J. | Job release with multiple constraints |
| CN101807265A (zh) * | 2008-09-30 | 2010-08-18 | 洛克威尔自动控制技术股份有限公司 | 机器选择、集成和使用的动态多目标优化的系统和方法 |
| CN102395930A (zh) * | 2009-04-17 | 2012-03-28 | 罗伯特·博世有限公司 | 用于处理机床的过程状态数据和/或机器状态数据的方法 |
| CN103389704A (zh) * | 2013-07-18 | 2013-11-13 | 重庆大学 | 基于Petri网控制流程建模的创建石膏砌块成型生产线方法 |
| CN106663229A (zh) * | 2014-07-07 | 2017-05-10 | 西门子公司 | 用于确定用于制造产品的最优制造替代方案的方法和设备 |
| CN104361182A (zh) * | 2014-11-21 | 2015-02-18 | 中国人民解放军国防科学技术大学 | 基于Petri网的微处理器微体系结构参数优化方法 |
| CN106168769A (zh) * | 2016-07-19 | 2016-11-30 | 同济大学 | 一种多耦合混杂流程工业过程的建模及仿真方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020078680A1 (de) | 2020-04-23 |
| DE102018217581A1 (de) | 2020-04-16 |
| CN112805644B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kimemia et al. | Flow optimization in flexible manufacturing systems | |
| Nabi et al. | Performance evaluation of a carousel configured multiple products flexible manufacturing system using Petri net | |
| Göppert et al. | Automated scenario analysis of reinforcement learning controlled line-less assembly systems | |
| Kost et al. | Modeling of manufacturing systems and robot motions | |
| Wang et al. | Designing function blocks for distributed process planning and adaptive control | |
| Gola et al. | Simulation based analysis of reconfigurable manufacturing system configurations | |
| Miriyala et al. | Reliability analysis of flexible manufacturing systems | |
| CN112805644A (zh) | 控制生产系统的方法、计算机程序、机器可读的存储介质、电子控制单元以及生产系统 | |
| Lee et al. | An open scheduling architecture for cluster tools | |
| Jiang et al. | Improved heuristic algorithm for modern industrial production scheduling | |
| Rogalla et al. | Automated process planning for cyber-physical production systems | |
| Paprocka et al. | On Pareto optimal solution for production and maintenance jobs scheduling problem in a job shop and flow shop with an immune algorithm | |
| Alkhalefah et al. | Development of an efficient prediction model for optimal design of serial production lines | |
| Maropoulos et al. | A theoretical framework for the integration of resource aware planning with logistics for the dynamic validation of aggregate plans within a production network | |
| Salsabila et al. | Throughput Analysis on a Multi-state Manufacturing System by Considering Availability | |
| Keung et al. | An intelligent hierarchical workstation control model for FMS | |
| Serrano-Ruiz et al. | Toward smart manufacturing scheduling from an ontological approach of job-shop uncertainty sources | |
| Muehlbauer et al. | Decision Support for Production Control based on Machine Learning by Simulation-generated Data. | |
| CN112686591A (zh) | 制造控制系统和用于控制矩阵单元生产工厂的方法 | |
| D'SOUZA et al. | A Petri net approach for modelling controls of a computer-integrated assembly cell | |
| Wagner et al. | Automated generation of material flow network models with cluster structures using random walks | |
| JP7437366B2 (ja) | セルベースのモビリティ生産システムの運営方法 | |
| Zairi et al. | A generic generalized stochastic Petri nets model for the performance analysis of FMS considering the resources failures | |
| Boffadossi et al. | Safeguarded optimal policy learning for a smart discrete manufacturing plant | |
| CN106527149A (zh) | 一种可重构制造单元重构点决策方法 |
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 |