基于大数据的高精度机械零部件生产调度方法与流程

本发明涉及生产调度，尤其涉及基于大数据的高精度机械零部件生产调度方法。

背景技术：

1、高精度机械零部件广泛应用于航空航天、精密液压、数控装备、医疗器械等领域，其加工过程通常包括粗加工、半精加工、热处理、精加工、研磨、检测等多个工序。此类零部件对尺寸精度、形位精度和表面配合精度要求较高，前一工序产生的微小偏差会影响下一工序的装夹基准、加工余量和承接能力。现有生产调度方法多以交付时间、设备空闲状态、加工节拍或工序优先级作为主要依据，虽然能够满足一般排产需求，但对加工误差在相邻工序之间的传递关系考虑不足，也难以将设备热漂移、主轴振动、工装定位偏差和历史加工偏移等精度承载因素纳入路径筛选过程。在多品种、小批量和多设备混线生产场景下，容易出现低精度承载设备承接高精度工序、前序误差未被充分吸收、加工路径频繁调整以及终检返修率升高等问题，影响高精度机械零部件生产调度结果的可执行性和精度稳定性。

2、因此，如何提供基于大数据的高精度机械零部件生产调度方法是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出基于大数据的高精度机械零部件生产调度方法，本发明通过将生产调度关联数据装订为工序位，并沿零部件加工流向形成零部件工序承接链，使高精度机械零部件的生产调度能够围绕真实工序承接关系展开；通过在工序位中装载前位输入误差、工序加工偏差、检测残差、加工余量状态和工序承接范围，能够在候选调度路径形成阶段提前反映误差在相邻工序之间的传递影响；通过对设备精度关联数据执行承载状态整理，将设备精度承载状态与工序误差状态共同接入候选调度状态集合，能够减少低精度承载设备承接高精度工序的情况；通过以残量反馈链替换narx神经网络的输出反馈延迟线，并在非线性映射层输出侧嵌入余量回演算子，使模型反馈对象由普通历史输出转变为可传递误差残量，从而提高精度风险状态推演的准确性，为待选加工路径的保留、重排和剔除提供可计算依据，最终提升生产调度结果的精度保障能力和执行稳定性。

2、根据本发明实施例的基于大数据的高精度机械零部件生产调度方法，包括如下步骤：

3、s1、获取生产调度关联数据，并对生产调度关联数据执行工序位装订，形成生产调度基础数据；

4、s2、沿生产调度基础数据中的工序位追踪零部件加工流向，将加工工序串接为零部件工序承接链；

5、s3、向零部件工序承接链中的工序位装载加工误差状态，形成工序误差状态链；

6、s4、对生产调度基础数据中的设备精度关联数据执行承载状态整理，形成设备精度承载状态序列；

7、s5、围绕零部件工序承接链、工序误差状态链和设备精度承载状态序列排布待选加工路径，形成候选调度状态集合；

8、s6、将候选调度状态集合输入改进narx神经网络，改进narx神经网络以残量反馈链替换输出反馈延迟线，并在非线性映射层输出侧嵌入余量回演算子，形成误差残量递推结构；

9、s7、通过误差残量递推结构推演候选调度状态集合的精度风险状态，并按照精度风险状态筛定高精度机械零部件生产调度结果。

10、可选的，所述生产调度关联数据包括调度任务数据、零部件工艺数据、加工误差关联数据、设备精度关联数据和生产约束数据。

11、可选的，所述形成生产调度基础数据包括：

12、从调度任务数据中圈定参与生产调度的零部件，并从零部件工艺数据中提取参与生产调度的零部件对应的加工工序及工序承接关系；

13、按照加工工序及工序承接关系设置工序位，并将加工误差关联数据、设备精度关联数据和生产约束数据挂接至对应工序位，形成生产调度基础数据。

14、可选的，所述s2具体包括：

15、s21、读取生产调度基础数据中的工序位，将属于同一零部件的工序位划分为零部件工序位组；

16、s22、在零部件工序位组内核对相邻工序位之间的前后承接关系，并将前后承接关系一致的加工工序依次串接，得到串接后的加工工序；

17、s23、对串接后的加工工序执行承接断点核对，并剔除未进入当前生产调度过程的游离工序位，形成零部件工序承接链。

18、可选的，所述s3包括：

19、s31、从生产调度基础数据中读取与零部件工序承接链对应的加工误差关联数据，并将加工误差关联数据中的加工误差记录贴合至对应工序位；

20、s32、在对应工序位内划分前位输入误差、工序加工偏差、检测残差、加工余量状态和工序承接范围，并生成工序误差标记；

21、s33、将工序误差标记沿零部件工序承接链装载至对应工序位，形成工序误差状态链。

22、可选的，所述s4包括：

23、s41、从生产调度基础数据中读取设备精度关联数据，并将设备精度关联数据挂接至零部件工序承接链中的对应工序位，形成工序位设备承载关系；

24、s42、对工序位设备承载关系执行承载状态标记，形成设备精度承载标记；

25、s43、沿零部件工序承接链排列各工序位对应的设备精度承载标记，形成设备精度承载状态序列。

26、可选的，所述s5包括：

27、s51、沿零部件工序承接链圈定参与待选加工路径排布的工序位，并将圈定的工序位整理为待排工序片段；

28、s52、将工序误差状态链中的误差状态和设备精度承载状态序列中的承载状态对接至待排工序片段，形成调度状态片；

29、s53、从生产调度基础数据中的生产约束数据提取可用加工时段，并围绕调度状态片排布可选加工顺序、工序位设备承载关系和可用加工时段，串接形成待选加工路径；

30、s54、将多个待选加工路径汇集为候选调度状态集合。

31、可选的，所述改进narx神经网络包括外生输入延迟线、非线性映射层、余量回演算子、残量反馈链和风险读出层；

32、外生输入延迟线沿候选调度状态集合中的待选加工路径排列工序位，对每一工序位对应的工序误差状态和设备精度承载状态执行数值化编码，将同一工序位对应的数值化编码拼接为工序位状态向量，并沿待选加工路径中的工序位排列次序对多个工序位状态向量执行延迟展开，形成外生状态延迟向量；

33、残量反馈链替换narx神经网络的输出反馈延迟线，并按照零部件工序承接链建立工序反馈位序列；在待选加工路径的首个工序位，残量反馈链将工序误差状态中的前位输入误差写入首个工序反馈位；在待选加工路径的非首个工序位，残量反馈链将前一工序位生成的可传递误差残量写入当前工序反馈位；

34、非线性映射层接收外生状态延迟向量和当前工序反馈位中的前位反馈量，对待选加工路径中的当前工序位执行非线性映射，生成当前工序位对应的初步误差输出状态；

35、余量回演算子设置在非线性映射层输出侧，并对初步误差输出状态执行余量吸收扣减和承载偏移叠加，生成当前工序位的可传递误差残量；

36、残量反馈链将当前工序位的可传递误差残量写入下一工序反馈位；

37、风险读出层将可传递误差残量与下一工序位的工序承接范围进行边界比对，对待选加工路径执行精度风险标定，输出候选调度状态集合对应的精度风险状态。

38、可选的，所述对初步误差输出状态执行余量吸收扣减和承载偏移叠加包括：

39、对非线性映射层输出的当前工序位初步误差输出状态执行幅值拆解，得到初步误差幅值和初步误差方向；

40、将当前工序位的加工余量状态量化为余量幅值，并用初步误差幅值减去余量幅值；初步误差幅值未超过余量幅值时，将余量扣减后误差幅值置为零；初步误差幅值超过余量幅值时，将超过部分作为余量扣减后误差幅值；

41、按照初步误差方向对余量扣减后误差幅值执行方向还原，形成余量扣减后误差状态；

42、读取当前工序位设备精度承载状态中的设备承载归一值，设备承载归一值由设备精度承载状态序列生成阶段确定，取值位于0至1之间，设备承载归一值越大表示当前设备精度承载能力越弱；将设备承载归一值与初步误差幅值相乘，得到设备诱发偏移幅值；按照初步误差方向对设备诱发偏移幅值执行方向还原，形成设备诱发偏移状态；

43、将余量扣减后误差状态与设备诱发偏移状态叠加，形成当前工序位的剩余误差状态；

44、将当前工序位的剩余误差状态与下一工序位的工序承接范围进行边界比对，把超出工序承接范围的剩余误差部分确定为当前工序位的可传递误差残量。

45、可选的，所述s7包括：

46、s71、沿候选调度状态集合读取各待选加工路径对应的精度风险状态，并将精度风险状态标记为可承接风险状态、待重排风险状态和阻断风险状态；

47、s72、保留标记为可承接风险状态的待选加工路径，将标记为待重排风险状态的待选加工路径退回候选调度状态集合重新排布，将标记为阻断风险状态的待选加工路径从候选调度状态集合中剔除；

48、s73、对保留后的待选加工路径执行工序连续性核对和设备占用冲突核对，筛定满足工序连续性且不存在设备占用冲突的目标加工路径；

49、s74、将目标加工路径中的工序位、加工顺序和工序位设备承载关系写入生产调度结果，形成高精度机械零部件生产调度结果。

50、本发明的有益效果是：

51、第一，本发明通过将生产调度关联数据装订为工序位，并沿零部件加工流向形成零部件工序承接链，使生产调度过程能够以真实加工工序承接关系为基础展开；同时，将前位输入误差、工序加工偏差、检测残差、加工余量状态和工序承接范围装载至对应工序位，形成工序误差状态链，使调度对象不再仅体现加工顺序和设备占用状态，而是同步携带工序间误差传递条件。由此，能够在候选调度路径形成阶段提前识别前序误差对下一工序承接能力的影响，降低因前序偏差未被充分吸收而导致的终检超差和返修风险。

52、第二，本发明对设备精度关联数据执行承载状态整理，形成设备精度承载状态序列，并将设备精度承载状态与工序误差状态共同接入待选加工路径，使候选调度状态集合能够同时反映加工误差状态、设备精度承载能力和可用加工时段。相比仅依据设备空闲状态或交期优先规则进行排程的方式，本发明能够将主轴振动、热漂移、工装定位偏差和历史加工偏移量等设备精度因素纳入调度路径筛选过程，从而减少低精度承载设备承接高精度工序的情况，提高高精度机械零部件加工过程中的设备匹配合理性和调度执行稳定性。

53、第三，本发明对narx神经网络进行结构改进，以残量反馈链替换输出反馈延迟线，并在非线性映射层输出侧嵌入余量回演算子，使模型反馈对象由普通历史输出转变为经余量吸收扣减、设备承载偏移叠加和工序承接边界比对后得到的可传递误差残量。通过上述处理，改进narx神经网络能够沿待选加工路径逐工序位递推误差残量，并输出可承接风险状态、待重排风险状态和阻断风险状态，为待选加工路径的保留、重排和剔除提供可计算依据。由此，能够减少普通预测输出直接反馈造成的误差累积失真，提高精度风险标定准确性，并最终提升生产调度结果的精度保障能力、设备占用协调能力和准时完成能力。