第5章 底层制造资源的智能化建模.pptVIP

3.设备端制造活动智能导航的应用服务 实时生产指导服务 该服务以客户的需求为基础，通过实时信息采集方法采集装配过程中的信息，以XML文件为数据的主要承载和传输方式，并结合工业环境中的实时生产信息，生成针对需求的工业制造具体流程，为相关人员和设备提供指导服务。 3.设备端制造活动智能导航的应用服务 工序间协同服务 工序间协作生产信息服务是用于及时获取与本装配站当前装配工序相关联的上下游工序所在的装配站的实时信息，进而为任务队列的局部优化调整提供协作服务。 3.设备端制造活动智能导航的应用服务 任务队列优化服务 操作引导服务中的智能决策运用 4.智能决策方法在底层制造资源智能化建模中的设计与应用 Petri网模型 p1 、p2 、p3分别表示零件A、B、C 到达该装配站原料区，t1 、t2 、t3表示搬运操作， p4 、p5 、p7分别表示零件A、B、C 到达工作台，等待装配， t4表示对零件A 和B 进行装配， p6表示零件A、B 装配完成，等待后续装配， t5表示装配零件C， p8表示装配完成，得到成品 面向工序协同的智能决策方案 4.智能决策方法在底层制造资源智能化建模中的设计与应用 为了使工作站能够透明共享生产信息，每个工作站有表达和存储自身信息的数据库。还具有接受上下游信息的数据缓存模块I上和I下用于实时监控来自约束环节的信息。 在实际生产过程中，系统根据以Petri网为主的需求订单确定上下游工序，并利用信息配置服务，动态建立约束中各元素的会话关系。该工作站通过建立的接口请求上下游的实时信息作为输入，并结合四项输出信息来优化任务队列，减少系统的拥堵和等待时间。 任务队列优化决策算法 任务队列优化服务是针对在装配过程中所发生的的异常状况（如原料不足、设备故障、交货期变动、新任务插单等），做出及时快速的响应。 对于无法在局部处理的异常，及时提交上层管理决策系统。 对于能够通过局部调整处理的异常，采用下面的启发式算法。 pj--任务j的装配时间； dj--任务j的工序交货期； sj--任务j的开始时间； cj--任务j的实际完工时间； j-1--任务j的上游工序； j+1--任务j的下游工序； Tj=max（cj- dj,0）--任务j的滞后时间； 4.智能决策方法在底层制造资源智能化建模中的设计与应用 任务队列优化决策算法 Ej=max（dj- cj,0）--任务j的提前时间； w’--任务的提前惩罚； w”--任务的滞后惩罚； Tj,j+1=sj+1-cj--任务j完工到任务j+1开始的间隔时间； △j--任务j向后移动一个单位使得惩罚的变化； 定义1：工序的交货期为 dj=max{cj-1+pj，sj+1}； 基于上述符号定义，以最小化加权总提前时间和总滞后时间为优化目标，建立目标函数： minF=min(∑w’Ej+∑w”Tj) 约束： cj -cj-1 ≥ pj （cj - ci ≥ pj)∨(ci - cj≥ pj) 4.智能决策方法在底层制造资源智能化建模中的设计与应用 任务队列优化决策算法 4.智能决策方法在底层制造资源智能化建模中的设计与应用 5.基于云计算信息架构的加工资源制造服务的云端化接入方法 底层智能加工资源服务化需求分析 粗犷式开发具有多系统间平台异构性突出、代码层耦合度高、系统扩展和兼容度低和“信息孤岛”等问题。同时由于底层编程语言多样化在不同系统间形成了双向通信的壁垒，造成资源和服务重复建设的局面。 在这样的应用背景下，面向服务的体系架构（Service Oriented Architecture, SOA）应运而生。它将分布式环境下各个节点的功能和逻辑接口以服务描述语言的形式统一封装，将不同体系下的系统进行整合，以服务流程化的思想实现业务灵活性。 以上汇报提纲供参考 * * * * * * * * * * * * * * * * * * * * * 第五章 底层制造资源的智能化建模 智能制造系统与决策 提 纲 加工制造资源智能化建模需求分析 3 2 1 实时信息驱动的装配活动 智能导航服务的体系架构 4 5 设备端制造活动智能导航的 应用服务 基于云计算信息架构的加工资源 制造服务的云端化接入方法 智能决策方法在底层制造资源 智能化建模中的设计与应用 1.加工制造资源智能化建模需求分析 当前制造企业在装配过程中存在的主要问题 1）操作引导问题：装配时缺乏实时生产信息，难以对当前装配给予正确引导 2）生产协作问题：当某一个装配站出现异常，难于及时协调与其相关的上下游装配站的装配活动，会使得异常进一步扩散 3）任务优化问题：产品装配过程所涉及的任务与装配站较多，从整个