基于工业大数据的柔性作业车间动态调度

为提高柔性作业车间动态调度的实际可操作性、计算效率与对车间扰动的实时响应能力,提出一种从具有工业大数据特点的调度相关历史数据中挖掘调度规则的方法。该方法在进行数据预处理时,结合开源大数据技术完成数据采集、清洗、整合与筛选。同时,考虑到动态调度问题中,扰动环境变化会改变生产属性对于调度决策的影响程度,对调度相关历史数据集合进行基于扰动属性的聚类,从而对不同扰动环境下做出的调度决策所产生的数据集合进行合理划分。此外,在调度规则挖掘中,提出了改进的随机森林算法。通过实例研究证明了该调度规则挖掘方法的可行性与有效性。

扰动累积下基于数字孪生的车间重调度

针对隐性扰动累积下车间重调度问题,搭建车间重调度决策服务,实现数字孪生驱动的扰动累积下的车间重调度。提出一种调度参数更新的方式,采用随机概率分布来描述调度参数的分布,提升调度参数的准确性;利用孪生网络搭建隐性扰动检测模型,以实时数据为输入,实现重调度的启动时刻的判定;从历史调度数据中提取用于调度知识挖掘的样本数据,利用伪孪生网络获取工序和机器的状态数据的映射关系作为调度规则,用于车间的重调度。仿真实验证明了所提数字孪生驱动的重调度模式的可行性。