面向車(chē)間制造過(guò)程的實(shí)時(shí)生成性能主動(dòng)感知與異常分析方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種面向車(chē)間制造過(guò)程的實(shí)時(shí)生成性能主動(dòng)感知與異常分析方法，用于解決現(xiàn)有方法實(shí)用性差的技術(shù)問(wèn)題。技術(shù)方案是通過(guò)應(yīng)用物聯(lián)技術(shù)于關(guān)鍵制造資源，形成多源制造信息的實(shí)時(shí)感知，并建立關(guān)鍵生產(chǎn)性能與各分散實(shí)時(shí)制造數(shù)據(jù)之間的關(guān)系；針對(duì)生產(chǎn)過(guò)程的異常建立異常評(píng)價(jià)規(guī)則庫(kù)，進(jìn)而當(dāng)感知到制造過(guò)程的關(guān)鍵生產(chǎn)性能時(shí)，基于決策樹(shù)方法進(jìn)行增值處理，以更好地輔助生產(chǎn)管理者及時(shí)、精確地獲取生產(chǎn)異常信息并快速地做出最優(yōu)的決策，縮短優(yōu)化時(shí)間。該方法在生產(chǎn)異常來(lái)臨時(shí)，快速地獲取生產(chǎn)異常狀態(tài)及異常原因，及時(shí)將異常信息發(fā)布給生產(chǎn)管理者，節(jié)省了異常排查時(shí)間，減少異常發(fā)生對(duì)生產(chǎn)過(guò)程的影響，保障生產(chǎn)過(guò)程穩(wěn)定可靠地運(yùn)行，實(shí)用性好。
【專(zhuān)利說(shuō)明】面向車(chē)間制造過(guò)程的實(shí)時(shí)生成性能主動(dòng)感知與異常分析方 法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種面向車(chē)間制造過(guò)程的實(shí)時(shí)生成性能主動(dòng)感知與異常分析方法。

【背景技術(shù)】
[0002] 工業(yè)生產(chǎn)過(guò)程規(guī)模的日益復(fù)雜與大型化和生產(chǎn)環(huán)境因素的隨機(jī)多變，導(dǎo)致現(xiàn)代生 產(chǎn)過(guò)程中的信息呈現(xiàn)多源且海量的特征，然而，由于缺乏對(duì)實(shí)時(shí)多源信息有效的獲取方法 和處理方法，導(dǎo)致制造信息在獲取時(shí)存在采集費(fèi)時(shí)而不增值、滯后嚴(yán)重、易出錯(cuò)等現(xiàn)象，使 得企業(yè)上層管理系統(tǒng)難于及時(shí)把握制造場(chǎng)所的實(shí)時(shí)多源制造信息，難于及時(shí)、精確感知生 產(chǎn)異常，進(jìn)而導(dǎo)致制造企業(yè)經(jīng)常面臨生產(chǎn)訂單頻變、生產(chǎn)計(jì)劃與制造執(zhí)行脫節(jié)嚴(yán)重、實(shí)時(shí)響 應(yīng)生產(chǎn)異常慢等問(wèn)題，致使制造執(zhí)行系統(tǒng)的整體效率低下。
[0003] 隨著物聯(lián)網(wǎng)技術(shù)、傳感器技術(shù)等的迅猛發(fā)展，實(shí)時(shí)采集制造資源的狀態(tài)信息逐漸 變的容易。物聯(lián)網(wǎng)技術(shù)可實(shí)現(xiàn)物與物、物與人的泛在連接，達(dá)到對(duì)物品和過(guò)程的智能化感 知、識(shí)別與管理，為多源制造信息的主動(dòng)感知與傳輸，異常的快速預(yù)警及處理提供了技術(shù)支 持。
[0004] 近年來(lái)，在制造過(guò)程實(shí)時(shí)生產(chǎn)性能的主動(dòng)感知和異常診斷方面的研究主要有：
[0005] 香港大學(xué)制造系統(tǒng)及工程系George Huang教授等提出采用RFID技術(shù)實(shí)現(xiàn)對(duì)生產(chǎn) 過(guò)程的實(shí)時(shí)物料信息的跟蹤和監(jiān)控的體系構(gòu)架；西北工業(yè)大學(xué)機(jī)電學(xué)院的中國(guó)專(zhuān)利《嵌入 式多源制造信息感知裝置及方法》提出一種嵌入式多源制造信息感知裝置及方法，對(duì)生產(chǎn) 執(zhí)行過(guò)程中多源信息進(jìn)行采集、加工處理與標(biāo)準(zhǔn)化封裝，實(shí)現(xiàn)對(duì)制造過(guò)程重要信息的主動(dòng) 感知；廣東工業(yè)大學(xué)信息工程學(xué)院采用為傳統(tǒng)制造設(shè)備安置無(wú)線(xiàn)閱讀器的方式以獲取發(fā)生 在制造設(shè)備上的員工信息等；中國(guó)專(zhuān)利《生產(chǎn)輔助監(jiān)控系統(tǒng)及其方法》公開(kāi)了一種生產(chǎn)輔 助監(jiān)控系統(tǒng)及方法，通過(guò)配置呼叫裝置、監(jiān)控裝置和應(yīng)答裝置，使得生產(chǎn)線(xiàn)異常得到及時(shí)解 決，合理配置生產(chǎn)輔助人員，優(yōu)化生產(chǎn)管理。
[0006] 上述研究和發(fā)明都對(duì)制造過(guò)程實(shí)時(shí)生產(chǎn)性能的主動(dòng)感知和異常診斷系統(tǒng)的發(fā)展 起到了巨大的推動(dòng)作用，但是在實(shí)現(xiàn)高效率，高精度的生產(chǎn)性能評(píng)估方面，還存在以下問(wèn) 題：1)由于缺乏對(duì)采集信息的進(jìn)一步處理，生產(chǎn)管理者不能直接獲取其所關(guān)心的生產(chǎn)性能 狀態(tài)及異常情況，當(dāng)異常來(lái)臨時(shí)，不能直接獲取導(dǎo)致該生產(chǎn)異常的原因，致使生產(chǎn)異常處理 有一定的滯后。2)生產(chǎn)異常的提取過(guò)程使用人工發(fā)布/處理異常信息的機(jī)制，過(guò)于依賴(lài)工 作人員的經(jīng)驗(yàn)及反應(yīng)速度，不能主動(dòng)高效地獲取制造過(guò)程的實(shí)時(shí)異常信息，致使生產(chǎn)異常 診斷有一定的局限性與滯后性。


【發(fā)明內(nèi)容】

[0007] 為了克服現(xiàn)有方法實(shí)用性差的不足，本發(fā)明提供一種面向車(chē)間制造過(guò)程的實(shí)時(shí)生 成性能主動(dòng)感知與異常分析方法。該方法通過(guò)應(yīng)用物聯(lián)技術(shù)于關(guān)鍵制造資源，形成多源制 造信息的實(shí)時(shí)感知，并建立關(guān)鍵生產(chǎn)性能（如制造成本、生產(chǎn)進(jìn)度、產(chǎn)品質(zhì)量等）與各分散 實(shí)時(shí)制造數(shù)據(jù)之間的關(guān)系；同時(shí)，針對(duì)生產(chǎn)過(guò)程的異常建立異常評(píng)價(jià)規(guī)則庫(kù)，進(jìn)而當(dāng)感知到 制造過(guò)程的關(guān)鍵生產(chǎn)性能時(shí)，基于決策樹(shù)方法進(jìn)行增值處理，以更好地輔助生產(chǎn)管理者及 時(shí)、精確地獲取生產(chǎn)異常信息并快速地做出最優(yōu)的決策，縮短優(yōu)化時(shí)間，實(shí)用性好。
[0008] 本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：一種面向車(chē)間制造過(guò)程的實(shí)時(shí)生成 性能主動(dòng)感知與異常分析方法，其特點(diǎn)是采用以下步驟：
[0009] 步驟1 :基于現(xiàn)有的物聯(lián)傳感技術(shù)，構(gòu)建可感知其周?chē)h(huán)境變化和自身運(yùn)行狀態(tài) 的智能制造資源，并向上層管理系統(tǒng)傳遞制造資源的實(shí)時(shí)狀態(tài)，具體包括：
[0010] 步驟1.1:依據(jù)關(guān)鍵生產(chǎn)性能信息，選擇要采集信息的關(guān)鍵制造資源，包括生產(chǎn)人 員、關(guān)鍵物料和關(guān)鍵零部件，托盤(pán)、制造設(shè)備；
[0011] 步驟1. 2 :為制造資源配置所需的物聯(lián)傳感設(shè)備，使得制造資源具有邏輯行為能 力，能主動(dòng)感知周?chē)h(huán)境的變化，同時(shí)，能夠基于傳感網(wǎng)向信息系統(tǒng)傳遞自身的實(shí)時(shí)運(yùn)行狀 態(tài)和環(huán)境變化數(shù)據(jù)；
[0012] 步驟1. 3 :依據(jù)XML的信息描述方法，構(gòu)建信息描述模板，根據(jù)實(shí)時(shí)采集的制造資 源動(dòng)態(tài)信息種類(lèi)及時(shí)更新XML信息節(jié)點(diǎn)的屬性，實(shí)現(xiàn)數(shù)據(jù)的高效傳遞；
[0013] 步驟2 :對(duì)步驟1采集而來(lái)的原始離散數(shù)據(jù)進(jìn)行分析，主動(dòng)獲取制造過(guò)程關(guān)鍵生產(chǎn) 性能，具體包括：
[0014] 步驟2. 1 :依據(jù)生產(chǎn)管理關(guān)心的關(guān)鍵生產(chǎn)性能和產(chǎn)品的加工工藝信息，對(duì)產(chǎn)品生 產(chǎn)性能的組成進(jìn)行建模，建立針對(duì)關(guān)鍵生產(chǎn)性能的多層次事件模型，并分析事件之間的層 級(jí)、時(shí)序及邏輯約束關(guān)系；
[0015] 步驟2. 2 :依據(jù)多層次事件模型和Petri網(wǎng)技術(shù)，建立與多層次事件模型相對(duì)應(yīng)的 分層Petri網(wǎng)模型；
[0016] 步驟2.3 :基于多層次事件模型和Petri網(wǎng)模型，調(diào)用當(dāng)前傳感器采集事件，捕獲 廣品的關(guān)鍵生廣性能：
[0017] 步驟2. 3. 1 :通過(guò)數(shù)據(jù)預(yù)處理的技術(shù)，對(duì)傳感器采集的實(shí)時(shí)信息中零碎、重復(fù)和多 余的數(shù)據(jù)進(jìn)行組合、篩選和過(guò)濾處理，提供可供上層應(yīng)用的高質(zhì)量的原始事件，進(jìn)而基于 Petri網(wǎng)分析模型獲取制造資源的基本事件；
[0018] 步驟2. 3. 2 :依據(jù)基本事件間約束關(guān)系，基于實(shí)時(shí)生產(chǎn)情況和Petri網(wǎng)分析模型， 進(jìn)行復(fù)雜事件處理，獲取生產(chǎn)線(xiàn)級(jí)或單元級(jí)的生產(chǎn)復(fù)雜事件；
[0019] 步驟2.3.3 :基于Petri網(wǎng)分析模型，依據(jù)復(fù)雜事件之間的約束關(guān)系，獲取反映車(chē) 間制造過(guò)程實(shí)時(shí)性能的關(guān)鍵事件狀態(tài)；
[0020] 步驟3 :針對(duì)步驟2采集的實(shí)時(shí)關(guān)鍵生產(chǎn)性能信息，運(yùn)用決策樹(shù)分析方法進(jìn)行評(píng) 估，及時(shí)診斷出生產(chǎn)異常狀態(tài)，并獲取可能導(dǎo)致該異常的原因：
[0021] 步驟3. 1 :利用歷史生產(chǎn)性能信息庫(kù)中的樣本信息，基于連續(xù)值屬性決策樹(shù)歸納 學(xué)習(xí)算法，得到生產(chǎn)異常提取決策樹(shù)，進(jìn)而構(gòu)建生產(chǎn)性能異常提取規(guī)則庫(kù)，具體包括：
[0022] 步驟3. I. 1 :選擇擴(kuò)展屬性，分為以下兩步：
[0023] a.對(duì)每個(gè)屬性A，根據(jù)Gini增益最大的標(biāo)準(zhǔn)度量它的所有割點(diǎn)，選擇該屬性上最 好的割點(diǎn)加入候選割點(diǎn)集合；
[0024] 設(shè)樣例集S = {ei，e2, . . .，eN}，N個(gè)樣例分為m類(lèi)，第i類(lèi)Gi樣例所占比例為

【權(quán)利要求】
1. 一種面向車(chē)間制造過(guò)程的實(shí)時(shí)生成性能主動(dòng)感知與異常分析方法，其特征在于包括 以下步驟： 步驟1:基于現(xiàn)有的物聯(lián)傳感技術(shù)，構(gòu)建可感知其周?chē)h(huán)境變化和自身運(yùn)行狀態(tài)的智 能制造資源，并向上層管理系統(tǒng)傳遞制造資源的實(shí)時(shí)狀態(tài)，具體包括： 步驟1.1:依據(jù)關(guān)鍵生產(chǎn)性能信息，選擇要采集信息的關(guān)鍵制造資源，包括生產(chǎn)人員、 關(guān)鍵物料和關(guān)鍵零部件，托盤(pán)、制造設(shè)備； 步驟1. 2 :為制造資源配置所需的物聯(lián)傳感設(shè)備，使得制造資源具有邏輯行為能力，能 主動(dòng)感知周?chē)h(huán)境的變化，同時(shí)，能夠基于傳感網(wǎng)向信息系統(tǒng)傳遞自身的實(shí)時(shí)運(yùn)行狀態(tài)和 環(huán)境變化數(shù)據(jù)； 步驟1. 3 :依據(jù)XML的信息描述方法，構(gòu)建信息描述模板，根據(jù)實(shí)時(shí)采集的制造資源動(dòng) 態(tài)信息種類(lèi)及時(shí)更新XML信息節(jié)點(diǎn)的屬性，實(shí)現(xiàn)數(shù)據(jù)的高效傳遞； 步驟2 :對(duì)步驟1采集而來(lái)的原始離散數(shù)據(jù)進(jìn)行分析，主動(dòng)獲取制造過(guò)程關(guān)鍵生產(chǎn)性 能，具體包括： 步驟2. 1 :依據(jù)生產(chǎn)管理關(guān)心的關(guān)鍵生產(chǎn)性能和產(chǎn)品的加工工藝信息，對(duì)產(chǎn)品生產(chǎn)性 能的組成進(jìn)行建模，建立針對(duì)關(guān)鍵生產(chǎn)性能的多層次事件模型，并分析事件之間的層級(jí)、時(shí) 序及邏輯約束關(guān)系； 步驟2. 2 :依據(jù)多層次事件模型和Petri網(wǎng)技術(shù)，建立與多層次事件模型相對(duì)應(yīng)的分層Petri網(wǎng)模型； 步驟2.3 :基于多層次事件模型和Petri網(wǎng)模型，調(diào)用當(dāng)前傳感器采集事件，捕獲產(chǎn)品 的關(guān)鍵生產(chǎn)性能： 步驟2. 3. 1 :通過(guò)數(shù)據(jù)預(yù)處理的技術(shù)，對(duì)傳感器采集的實(shí)時(shí)信息中零碎、重復(fù)和多余的 數(shù)據(jù)進(jìn)行組合、篩選和過(guò)濾處理，提供可供上層應(yīng)用的高質(zhì)量的原始事件，進(jìn)而基于Petri 網(wǎng)分析模型獲取制造資源的基本事件； 步驟2. 3. 2 :依據(jù)基本事件間約束關(guān)系，基于實(shí)時(shí)生產(chǎn)情況和Petri網(wǎng)分析模型，進(jìn)行 復(fù)雜事件處理，獲取生產(chǎn)線(xiàn)級(jí)或單元級(jí)的生產(chǎn)復(fù)雜事件； 步驟2. 3. 3 :基于Petri網(wǎng)分析模型，依據(jù)復(fù)雜事件之間的約束關(guān)系，獲取反映車(chē)間制 造過(guò)程實(shí)時(shí)性能的關(guān)鍵事件狀態(tài)； 步驟3 :針對(duì)步驟2采集的實(shí)時(shí)關(guān)鍵生產(chǎn)性能信息，運(yùn)用決策樹(shù)分析方法進(jìn)行評(píng)估，及 時(shí)診斷出生產(chǎn)異常狀態(tài)，并獲取可能導(dǎo)致該異常的原因： 步驟3. 1 :利用歷史生產(chǎn)性能信息庫(kù)中的樣本信息，基于連續(xù)值屬性決策樹(shù)歸納學(xué)習(xí) 算法，得到生產(chǎn)異常提取決策樹(shù)，進(jìn)而構(gòu)建生產(chǎn)性能異常提取規(guī)則庫(kù)，具體包括： 步驟3. 1. 1 :選擇擴(kuò)展屬性，分為以下兩步： a.對(duì)每個(gè)屬性A，根據(jù)Gini增益最大的標(biāo)準(zhǔn)度量它的所有割點(diǎn)，選擇該屬性上最好的 割點(diǎn)加入侯選割點(diǎn)集合； 設(shè)樣例集S= {ei，e2，...，eN}，N個(gè)樣例分為m類(lèi)，第i類(lèi)（^樣例所占比例為
，集合S的Gini指數(shù)定義為
設(shè)屬性A的割點(diǎn)T將樣例集合S分割為Si和S2兩個(gè)子集，那么用割點(diǎn)T劃分S的Gini 指數(shù)定義為
因此，使用割點(diǎn)T劃分樣例集合S的Gini增益為
b.選擇侯選割點(diǎn)集合中Gini增益最大的割點(diǎn)對(duì)應(yīng)的屬性作為擴(kuò)展屬性； 步驟3. 1. 2:分割樣例集； 使用步驟3. 1. 1中選擇的擴(kuò)展屬性來(lái)分割樣例集；對(duì)劃分得到的各個(gè)樣例子集遞歸選 擇擴(kuò)展屬性進(jìn)行劃分，直到滿(mǎn)足停止條件，最終生成決策樹(shù)； 步驟3. 1. 3:由決策樹(shù)生成規(guī)則； 由樹(shù)的根節(jié)點(diǎn)到葉節(jié)點(diǎn)的每條路徑對(duì)應(yīng)一條規(guī)則； 步驟3. 2 :采用模糊決策樹(shù)的方法獲取異常精確溯源規(guī)則庫(kù)，采用Fuzzy-ID3算法，具 體包括： 步驟3. 2. 1 :將制造資源的狀態(tài)數(shù)據(jù)用模糊集表示，模糊集描述方法如下： 考慮一個(gè)生產(chǎn)關(guān)鍵性能分析樣例集合X= {ei，e2, . . .，eN}，X表示為{1，2,…，N};設(shè)A(1)，…，A(n)和A(n+1)是描述樣例的模糊屬性，其中A(1)，…，A(n)為制造資源的狀態(tài)，A(n+1)表 示生產(chǎn)異常事件狀態(tài)，即分類(lèi)屬性； 每個(gè)模糊屬性A(k)的模糊語(yǔ)言值為
，所有的模糊語(yǔ) 言值定義在相同的論域X上；uik是定義在T(A(k))，i=l，2，...，N，k=l，2，...，n上的模 糊集合，即模糊集合uik表示為
-的形式，其中<、/ = 1，2, 表示相應(yīng) 的隸屬度； 步驟3. 2. 2:選擇擴(kuò)展屬性，分為以下三步： a. 對(duì)每個(gè)屬性A(k), 1彡k彡n; ① .對(duì)A(k)的每一個(gè)屬性值凡&)，i= 1，2,. . .，mk，計(jì)算它相對(duì)于類(lèi)別
的相對(duì)頻率if1 ; ② .對(duì)A(k)的每一個(gè)屬性值凡&)，i= 1，2,. . .，mk，計(jì)算它的模糊分類(lèi)熵
b. 對(duì)每個(gè)屬性A(k)，1 <k<n，計(jì)算它的平均模糊分類(lèi)熵；
c. 選擇Ek取最小值的屬性作為擴(kuò)展屬性，即選取&，使得
步驟3. 2. 3 :分割模糊樣例集； 當(dāng)節(jié)點(diǎn)的真實(shí)度小于給定閾值時(shí)，分割模糊樣例集；其中，一個(gè)節(jié)點(diǎn)的真實(shí)度是該 節(jié)點(diǎn)中的樣例隸屬于各個(gè)類(lèi)的可能性中的最大可能性；模糊分割中的元素依然是模糊集， 遞歸地計(jì)算他們的平均模糊分類(lèi)熵，選擇擴(kuò)展節(jié)點(diǎn)，最終生成模糊決策樹(shù)； 步驟3. 2. 4 :由模糊決策樹(shù)生成模糊規(guī)則； 同步驟3. 1. 3,決策樹(shù)中每一條從根節(jié)點(diǎn)到葉節(jié)點(diǎn)的路徑都能轉(zhuǎn)化為一條模糊規(guī)則； 步驟3.3 :針對(duì)實(shí)時(shí)獲取的關(guān)鍵生產(chǎn)性能事件，調(diào)出生產(chǎn)性能分析規(guī)則庫(kù)中與之相應(yīng) 的異常提取規(guī)則，從而依據(jù)實(shí)時(shí)生產(chǎn)性能的屬性信息，通過(guò)規(guī)則匹配提取出生產(chǎn)異常，并對(duì) 檢測(cè)到的異常事件，標(biāo)識(shí)異常標(biāo)簽； 步驟3. 4:對(duì)標(biāo)識(shí)了異常標(biāo)簽的異常事件，依據(jù)異常精確溯源規(guī)則庫(kù)中的原因定位模 糊規(guī)則，獲取不同異常原因規(guī)則下的隸屬度與真實(shí)度；然后依據(jù)各規(guī)則的隸屬度與真實(shí)度 分析出異常原因，具體步驟如下： 步驟3. 4. 1 :對(duì)每一條分類(lèi)規(guī)則，計(jì)算實(shí)例與條件部分匹配的隸屬度，作為實(shí)例屬于某 類(lèi)的隸屬度； 步驟3. 4. 2 :如果針對(duì)分類(lèi)屬性，有多個(gè)規(guī)則以不同的隸屬度將此實(shí)例分為幾個(gè)不同 的類(lèi)，則取最高隸屬度的規(guī)則； 步驟3. 4. 3 :如果有多個(gè)規(guī)則以相同的隸屬度將此實(shí)例分為同一類(lèi)，則取最高真實(shí)度 的規(guī)則； 步驟4 :針對(duì)不同生產(chǎn)管理者的信息需求，基于訂閱/發(fā)布機(jī)制的實(shí)時(shí)信息主動(dòng)推送方 法，為生產(chǎn)管理者提供其所關(guān)心的量化信息。
【文檔編號(hào)】G05B19/418GK104407589SQ201410699286
【公開(kāi)日】2015年3月11日 申請(qǐng)日期:2014年11月26日 優(yōu)先權(quán)日:2014年11月26日
【發(fā)明者】張映鋒, 王文波, 劉思超, 司書(shū)賓 申請(qǐng)人:西北工業(yè)大學(xué)