CN113408760A - 一种基于sir的不可逆恢复车间关键制造资源的识别方法 - Google Patents
一种基于sir的不可逆恢复车间关键制造资源的识别方法 Download PDFInfo
- Publication number
- CN113408760A CN113408760A CN202110795451.9A CN202110795451A CN113408760A CN 113408760 A CN113408760 A CN 113408760A CN 202110795451 A CN202110795451 A CN 202110795451A CN 113408760 A CN113408760 A CN 113408760A
- Authority
- CN
- China
- Prior art keywords
- manufacturing
- manufacturing resources
- resources
- production
- workshop
- 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 283
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000002427 irreversible effect Effects 0.000 title claims abstract description 7
- 238000011084 recovery Methods 0.000 title claims abstract description 7
- 208000035473 Communicable disease Diseases 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims abstract description 6
- 208000015181 infectious disease Diseases 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 5
- 239000013589 supplement Substances 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000008520 organization Effects 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002860 competitive effect Effects 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
- 238000010586 diagram Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Geometry (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于SIR的不可逆恢复车间关键制造资源的识别方法,将离散生产车间制造资源按照传染病SIR模型的理论,将制造资源与生产订单中所需求的工件关联在一起构建离散生产车间制造网络,求解初始已经发生故障制造资源造成其他制造资源发生瓶颈的数量随时间的变化,并通过瓶颈资源数量的峰值和达到峰值的时间长短的加权结果用来标记初始已经发生故障制造资源的重要度;通过重要度的排序,最终选择出离散车间中关键制造资源节点,梳理出制造车间中生产管理中需要关注的次关键制造资源,并提前做好预案,提高生产组织的柔性。
Description
技术领域
本发明涉及生产过程控制技术领域,特别涉及一种基于SIR的不可逆恢复车间关键制造资源的识别方法。
背景技术
随着产品多样性和复杂性不断增加,生产设备不断更新换代,传统车间里各种各样的机床现在都可以由一台加工中心代替;这就造成了生产过程变得更加复杂,各个生产系统、生产单元间有着极其复杂的互斥、耦合关系,如何让复杂系统的各单位都能稳定高效的作业是一个值得研究的问题。
传统的生产管理主要聚焦在生产排程的优化,而优化中考虑的因素只涉及到加工设备。但是在离散型制造车间中,生产过程的顺利进行,不仅取决于加工设备是否可以及时获得,还取决于一些专用的辅助夹具、刀具、甚至量具等。为了保证生产计划的可执行性,在生产排程之后,需要对生产计划进行评估。提前找出生产车间中制造资源的瓶颈节点或者关键制造资源,并做好预案,对于提高生产订单的准时交付率,保持企业的竞争优势具有重要的意义。
而目前在生产实践中,大部分企业都是依靠人工经验,在生产中已经发现产能下降后,才意识到生产系统中可能存在瓶颈,然后再去寻找瓶颈资源,这不但有可能造成当前订单不能按期交付,更有可能影响到企业后续生产计划的顺利进行。
目前对生产车间中关键制造资源和瓶颈制造节点的研究或者识别方法,主要集中在通过构建制造资源的网络,并利用复杂网络理论对网络的本身特点进行分析,进而找出关键制造资源。但这种方法对于静态的制造网络比较有效,而对于后续生产过程中不断变化的动态过程无法进行定量的分析。
此外,生产车间中制造资源故障比较复杂,有些故障发生后很难在较短时间内处理,形成不可恢复故障,现有的关键制造资源识别方法很难进行区分。
发明内容
针对上述问题,本发明的目的在于提供一种基于SIR的不可逆恢复车间关键制造资源的识别方法,将离散生产车间制造资源按照传染病SIR模型的理论,将制造资源与生产订单中所需求的工件关联在一起,构建离散生产车间制造网络,求解初始已经发生故障制造资源造成其他制造资源发生瓶颈的数量随时间的变化,并通过瓶颈资源数量的峰值和达到峰值的时间长短的加权结果用来标记初始已经发生故障制造资源的重要度;通过重要度的排序,最终选择出离散车间中关键制造资源节点,梳理出制造车间中生产管理中需要关注的次关键制造资源,并提前做好预案,提高生产组织的柔性。
为达到上述目的,本发明采用的技术方案是:
一种基于SIR的不可逆恢复车间关键制造资源的识别方法,包括以下步骤:
步骤一、基于传染病中的SIR模型,将离散生产车间制造资源按照可补充的数量和及时性,分为受限型制造资源和不受限型制造资源,受限型制造资源又分为三个部分:初始易受故障影响制造资源,又称为易感染者;初始发生故障后修复的制造资源,又称为康复者;初始已经发生故障制造资源,又称为已感染者;时间的计量刻度按照分钟计算,生产车间中制造资源的总数量保持不变,记为N,在开始时刻,初始易受故障影响制造资源和已经发生故障制造资源分别记为:S(t0)和I(t0),初始发生故障后修复的制造资源记为:R(t0):
用关系代数表示S(t0)和I(t0)为:
S(t0)={s1(t0),s2(t0),s3(t0),…,sj(t0)}
I(t0)={i1(t0),i2(t0),i3(t0),…,ik(t0)}
R(t0)={r1(t0),r2(t0),r3(t0),…,rm(t0)}
其中:
sj(t0)为开始时刻第j个易受故障影响制造资源;
ik(t0)为开始时刻第k个已经发生故障制造资源;
rm(t0)为开始时刻第m个初始发生故障后修复的制造资源。
不受限型制造资源:是指生产车间可以按照生产实际需要随时补充新的同类制造资源。
受限型制造资源:是指生产车间在一定时期内,不能按照生产实际需要补充新的同类制造资源。
步骤二、利用工件的生产工艺信息和制造车间在周期内的生产计划,将车间所有制造资源与生产订单中所需求的工件信息关联在一起,并按照生成计划安排的生产工序时间和生产工艺逻辑关系确定制造资源之间是否有协作关系,协作关系抽象成制造网络中的连接边,边的权重为工序的加工时间,最终构建制造车间变权重生产制造网络;制造资源包括机床设备、刀具、夹具、量具和人员;
步骤三、按照步骤一的分组结果,将构建的制造车间变权重生产制造网络中的所有制造资源都抽象为传染病SIR模型中的易感染者、康复者和已感染者,设定已经发生故障制造资源导致易受故障影响制造资源最终发生故障的概率、已经发生故障制造资源对易受故障影响制造资源的单位时间内有效作用数、已修复制造资源再次发生故障数量占总发生故障制造资源总数的比率,分别为:β、γ、λ;
步骤四、相邻制造资源之间的故障传播率为连接两者之间边的权重与整个网络中最大权重的比值,βij计算为:
其中,δ为两个制造资源的接触概率,当两者之间有连接边时,接触概率为1,没有连接边时,接触概率为0;
步骤五、通过SIR模型求解初始已经发生故障制造资源造成其他制造资源发生瓶颈的数量随时间的变化:
其中,i(t)=I(t)/N为发生易故障制造资源发生瓶颈数量随时间变化的数量,
i0=I(0)/N,s0=S(0)/N,R0=λβ/γ;
步骤六、通过将瓶颈资源数量的峰值和达到峰值的时间长短的加权结果用来标记初始已经发生故障制造资源的重要度:
其中,ZYD(i)为第i组初始发生故障制造资源的重要度;
T(i)为第i组发生制造资源瓶颈数量达到峰值的时间;
K1,K2为达峰时间和峰值的权重;
步骤七、重新选取不同的初始发生故障制造资源和易受故障影响制造资源,重复执行步骤一到六,计算出所有分组情况的初始发生故障制造资源的重要度,通过从高到低对重要度进行排序,最终选择出制造车间中关键制造资源节点。
本发明将离散生产车间制造资源按照可补充的数量和及时性,分为受限型制造资源和不受限型制造资源,受限型制造资源又分为初始易受故障影响制造资源(易感染者)、初始发生故障后修复的制造资源(康复者)和初始已经发生故障制造资源(已感染者)三个部分;在利用工件的生产工艺信息和车间生产计划,将车间所有机床设备、刀具、夹具、量具和人员等制造资源,与生产订单中所需求的工件关联在一起的基础上,按照时间和逻辑关系,构建离散生产车间制造网络,通过设定已经发生故障制造资源导致易受故障影响制造资源最终发生故障的概率、已经发生故障制造资源对易受故障影响制造资源的单位时间内有效作用数、已修复制造资源再次发生故障数量占总发生故障制造资源总数的比率,通过SIR模型求解初始已经发生故障制造资源造成其他制造资源发生瓶颈的数量随时间的变化,并通过瓶颈资源数量的峰值和达到峰值的时间长短的加权结果用来标记初始已经发生故障制造资源的重要度;进而通过不断调整易损坏制造资源和已经损坏制造资源的组合,求取所有组合制造资源的重要度,通过重要度的排序,最终选择出离散车间中关键制造资源节点。
本发明的有益效果是:
1)可以对离散制造车间中针对不可恢复型故障,确定出关键制造资源。
2)可以对关键制造资源的重要度通过其传播速度进行量化描述。
3)可以准确描述制造资源之间连接关系对故障传播的影响。
4)可以通过枚举法遍历制造车间中所有初始发生故障的制造资源。
5)可以通过故障传播速度的排序,梳理出制造车间中生产管理中需要关注的次关键制造资源,并提前做好预案,提高生产组织的柔性。
附图说明
图1是生产车间制造资源的分类。
图2是车间制造资源网络构建框架。
图3是不同制造资源接触概率的取值。
图4是关键制造资源节点识别流程图。
具体实施方式
下面结合附图对本发明做详细叙述。
一种基于SIR模型制造网络不可恢复故障关键节点识别方法,包括以下步骤:
步骤一、将离散生产车间制造资源按照可补充的数量和及时性,分为受限型制造资源和不受限型制造资源,受限型制造资源又分为初始易受故障影响制造资源(易感染者)、初始发生故障后修复的制造资源(康复者)和初始已经发生故障制造资源(已感染者)三个部分,时间的计量刻度按照分钟计算,生产车间中制造资源的总数量保持不变,记为N,在开始时刻,初始易受故障影响制造资源和已经发生故障制造资源分别记为:S(t0)和I(t0),初始发生故障后修复的制造资源记为:R(t0),参照图1:
用关系代数表示S(t0)和I(t0)为:
S(t0)={s1(t0),s2(t0),s3(t0),…,sj(t0)}
I(t0)={i1(t0),i2(t0),i3(t0),…,ik(t0)}
R(t0)={r1(t0),r2(t0),r3(t0),…,rm(t0)}
其中:
sj(t0)为开始时刻第j个易受故障影响制造资源;
ik(t0)为开始时刻第k个已经发生故障制造资源;
rm(t0)为开始时刻第m个初始发生故障后修复的制造资源。
不受限型制造资源:是指生产车间可以按照生产实际需要随时补充新的同类制造资源。
受限型制造资源:是指生产车间在一定时期内,不能按照生产实际需要补充新的同类制造资源。
步骤二、参照图2,利用工件的生产工艺信息和制造车间在一定周期内的生产计划,将车间所有机床设备、刀具、夹具、量具和人员等制造资源与生产订单中所需求的工件关联在一起的基础上,并按照生成计划安排的生产工序时间和生产工艺逻辑关系确定制造资源之间是否有协作关系,协作关系抽象成制造网络中的连接边,边的权重为工序的加工时间,最终构建制造车间变权重生产制造网络;
步骤三、按照步骤一的分组结果,将构建的制造网络中的所有制造资源都抽象为传染病模型中的易感染者、康复者和已感染者,设定已经发生故障制造资源导致易受故障影响制造资源最终发生故障的概率、已经发生故障制造资源对易受故障影响制造资源的单位时间内有效作用数、已修复制造资源再次发生故障数量占总发生故障制造资源总数的比率,分别为:β、γ、λ。
步骤四、参照图3,相邻制造资源之间的故障传播率为连接两者之间边的权重与整个网络中最大权重的比值,βij计算为:
其中,δ为两个制造资源的接触概率,当两者之间有连接边时,接触概率为1,没有连接边时,接触概率为0。
步骤五、通过SIR模型求解初始已经发生故障制造资源造成其他制造资源发生瓶颈的数量随时间的变化。
其中,i(t)=I(t)/N为发生易故障制造资源发生瓶颈数量随时间变化的数量,
i0=I(0)/N,s0=S(0)/N,R0=λβ/γ。
步骤六、通过将瓶颈资源数量的峰值和达到峰值的时间长短的加权结果用来标记初始已经发生故障制造资源的重要度。
其中,ZYD(i)为第i组初始发生故障制造资源的重要度,
T(i)为第i组发生制造资源瓶颈数量达到峰值的时间。
K1,K2为达峰时间和峰值的权重。
步骤七、参照图4,重新选取不同的初始发生故障制造资源、初始发生故障后修复的制造资源和易受故障影响制造资源,重复执行步骤一到六,计算出所有分组情况的初始发生故障制造资源的重要度,通过重要度的排序,最终选择出制造车间中关键制造资源节点。
Claims (1)
1.一种基于SIR的不可逆恢复车间关键制造资源的识别方法,其特征在于,包括以下步骤:
步骤一、基于传染病中的SIR模型,将离散生产车间制造资源按照可补充的数量和及时性,分为受限型制造资源和不受限型制造资源,受限型制造资源又分为三个部分:初始易受故障影响制造资源,又称为易感染者;初始发生故障后修复的制造资源,又称为康复者;初始已经发生故障制造资源,又称为已感染者;时间的计量刻度按照分钟计算,生产车间中制造资源的总数量保持不变,记为N,在开始时刻,初始易受故障影响制造资源和已经发生故障制造资源分别记为:S(t0)和I(t0),初始发生故障后修复的制造资源记为:R(t0):
用关系代数表示S(t0)和I(t0)为:
S(t0)={s1(t0),s2(t0),s3(t0),…,sj(t0)}
I(t0)={i1(t0),i2(t0),i3(t0),…,ik(t0)}
R(t0)={r1(t0),r2(t0),r3(t0),…,rm(t0)}
其中:
sj(t0)为开始时刻第j个易受故障影响制造资源;
ik(t0)为开始时刻第k个已经发生故障制造资源;
rm(t0)为开始时刻第m个初始发生故障后修复的制造资源;
不受限型制造资源:是指生产车间可以按照生产实际需要随时补充新的同类制造资源;
受限型制造资源:是指生产车间在一定时期内,不能按照生产实际需要补充新的同类制造资源;
步骤二、利用工件的生产工艺信息和制造车间在周期内的生产计划,将车间所有制造资源与生产订单中所需求的工件信息关联在一起,并按照生成计划安排的生产工序时间和生产工艺逻辑关系确定制造资源之间是否有协作关系,协作关系抽象成制造网络中的连接边,边的权重为工序的加工时间,最终构建制造车间变权重生产制造网络;制造资源包括机床设备、刀具、夹具、量具和人员;
步骤三、按照步骤一的分组结果,将构建的制造车间变权重生产制造网络中的所有制造资源都抽象为传染病SIR模型中的易感染者、康复者和已感染者,设定已经发生故障制造资源导致易受故障影响制造资源最终发生故障的概率、已经发生故障制造资源对易受故障影响制造资源的单位时间内有效作用数、已修复制造资源再次发生故障数量占总发生故障制造资源总数的比率,分别为:β、γ、λ;
步骤四、相邻制造资源之间的故障传播率为连接两者之间边的权重与整个网络中最大权重的比值,βij计算为:
其中,δ为两个制造资源的接触概率,当两者之间有连接边时,接触概率为1,没有连接边时,接触概率为0;
步骤五、通过SIR模型求解初始已经发生故障制造资源造成其他制造资源发生瓶颈的数量随时间的变化;
其中,i(t)=I(t)/N为发生易故障制造资源发生瓶颈数量随时间变化的数量,
i0=I(0)/N,s0=S(0)/N,R0=λβ/γ;
步骤六、通过将瓶颈资源数量的峰值和达到峰值的时间长短的加权结果用来标记初始已经发生故障制造资源的重要度:
其中,ZYD(i)为第i组初始发生故障制造资源的重要度;
T(i)为第i组发生制造资源瓶颈数量达到峰值的时间;
K1,K2为达峰时间和峰值的权重;
步骤七、重新选取不同的初始发生故障制造资源和易受故障影响制造资源,重复执行步骤一到六,计算出所有分组情况的初始发生故障制造资源的重要度,通过从高到低对重要度进行排序,最终选择出制造车间中关键制造资源节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110795451.9A CN113408760B (zh) | 2021-07-14 | 2021-07-14 | 一种基于sir的不可逆恢复车间关键制造资源的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110795451.9A CN113408760B (zh) | 2021-07-14 | 2021-07-14 | 一种基于sir的不可逆恢复车间关键制造资源的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113408760A true CN113408760A (zh) | 2021-09-17 |
CN113408760B CN113408760B (zh) | 2023-04-28 |
Family
ID=77686291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110795451.9A Active CN113408760B (zh) | 2021-07-14 | 2021-07-14 | 一种基于sir的不可逆恢复车间关键制造资源的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113408760B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130326531A1 (en) * | 2012-05-30 | 2013-12-05 | International Business Machines Corporation | Automatically identifying critical resources of an organization |
CN104407589A (zh) * | 2014-11-26 | 2015-03-11 | 西北工业大学 | 面向车间制造过程的实时生成性能主动感知与异常分析方法 |
CN107742168A (zh) * | 2017-10-20 | 2018-02-27 | 西北工业大学 | 一种基于物联技术的生产车间动态瓶颈预测方法 |
CN110163436A (zh) * | 2019-05-23 | 2019-08-23 | 西北工业大学 | 基于动态瓶颈预测的智能车间生产优化方法 |
CN112990515A (zh) * | 2019-12-02 | 2021-06-18 | 中船重工信息科技有限公司 | 一种基于启发式优化算法的车间资源调度方法 |
-
2021
- 2021-07-14 CN CN202110795451.9A patent/CN113408760B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130326531A1 (en) * | 2012-05-30 | 2013-12-05 | International Business Machines Corporation | Automatically identifying critical resources of an organization |
CN104407589A (zh) * | 2014-11-26 | 2015-03-11 | 西北工业大学 | 面向车间制造过程的实时生成性能主动感知与异常分析方法 |
CN107742168A (zh) * | 2017-10-20 | 2018-02-27 | 西北工业大学 | 一种基于物联技术的生产车间动态瓶颈预测方法 |
CN110163436A (zh) * | 2019-05-23 | 2019-08-23 | 西北工业大学 | 基于动态瓶颈预测的智能车间生产优化方法 |
CN112990515A (zh) * | 2019-12-02 | 2021-06-18 | 中船重工信息科技有限公司 | 一种基于启发式优化算法的车间资源调度方法 |
Non-Patent Citations (4)
Title |
---|
MARCO LEMESSI等: "Semi-automatic simulation-based bottleneck detection approach", 《PROCEEDINGS OF THE 2012 WINTER SIMULATION CONFERENCE (WSC)》 * |
杨昊龙等: "实时定位环境下离散制造车间生产瓶颈预测", 《组合机床与自动化加工技术》 * |
江平宇 等: "一种基于射频识别技术的过程跟踪形式化图式推演建模方法及其生产应用研究", 《机械工程学报》 * |
王绍伟等: "基于动态瓶颈的启发式算法生产流程优化研究", 《计算机与数字工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113408760B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103676902A (zh) | 一种流水车间重调度方法 | |
CN104808587B (zh) | 一种基于机加工设备运行状态的稼动率统计方法 | |
CN109902954B (zh) | 一种基于工业大数据的柔性作业车间动态调度方法 | |
CN101788819B (zh) | 大规模生产过程一种基于迭代式分解和流松弛的调度方法 | |
CN109034483B (zh) | 一种基于质量功能配置的检测规划方法 | |
CN102081706A (zh) | 基于相似性理论的工艺规划方法 | |
CN111091292B (zh) | 一种核电站实时风险动态建模分析系统 | |
CN105574593A (zh) | 基于云计算和大数据的轨道状态静态检控系统及方法 | |
CN106707991A (zh) | 基于模糊层次分析的多目标作业调度中瓶颈设备识别方法 | |
CN104331837A (zh) | 电力系统暂态稳定最优切机控制策略搜索的简化方法 | |
CN108133090A (zh) | 一种可靠性敏感度驱动的高端复杂装备可靠性分析方法 | |
CN101599013A (zh) | 一种基于缺陷驱动的迭代项目量化监控方法及其系统 | |
CN106021724A (zh) | 基于ahm及熵值法的机床产品制造系统的能效评价方法 | |
CN109324264B (zh) | 一种配电网线路阻抗数据异常值的辨识方法及装置 | |
CN115953252A (zh) | 一种建工安责险保费的确定方法 | |
CN109670695A (zh) | 基于离群数据挖掘的机械产品加工工序异常并行检测方法 | |
CN113435613A (zh) | 一种面向多维修事件的机会维修决策方法 | |
CN113408760A (zh) | 一种基于sir的不可逆恢复车间关键制造资源的识别方法 | |
CN102542401A (zh) | 精工生产制造过程精细化管理方法 | |
Bai et al. | An OEE improvement method based on TOC | |
CN113159564B (zh) | 一种基于mes与cmms大数据的自动化生产线综合效能评价方法 | |
CN104933258A (zh) | 一种提高卧式加工中心可靠性的设计方法 | |
CN113408145B (zh) | 一种面向可逆恢复故障的车间关键制造资源sis识别方法 | |
Zhao et al. | MFCA-based simulation analysis for production LOT-size determination in a multi-variety and small-batch production system | |
CN101533486A (zh) | 一种实现质量机能综合展开的方法 |
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 |