一种工序等待窗口压缩方法及系统与流程
本发明涉及自动化,具体涉及一种工序等待窗口压缩方法及系统。
背景技术:
1、在智能制造生产线中,工件通常需要按照预设工艺路线依次经过多个工序,相邻两个工序之间受设备占用、生产节拍、输送过程以及工艺要求等因素影响,通常存在一定的工序等待时间。对于部分生产过程,工件完成前一工序后自身物理状态仍会随等待时间持续发生变化,例如工件温度、湿度、黏度、含水量或表面活性等状态会受到等待环境影响而逐渐改变,因此,工件进入后一工序的时间不仅影响生产节拍,还会进一步影响后一工序的加工结果和产品质量。
2、现有生产控制方式通常根据工艺规范或者历史生产经验预先设置相邻工序之间的等待窗口,并根据前一工序完成时刻、预设等待时限以及后一工序的生产计划确定工件的转序时间,部分生产调度方式还会结合后一工序设备是否空闲、生产任务优先级以及产线负载等信息对工件进入后一工序的时间进行调整,但是,此类方式主要将等待窗口作为预先给定的时间约束进行使用,关注的是工件已经等待的时间以及后一工序在调度层面是否具备接收条件,未能充分反映工件在实际等待环境下随时间发生的状态演化情况,因此,即使某一时刻仍然处于预设等待窗口内,工件的实际状态或者未来可能达到的状态也可能已经不再适合进入后一工序。
技术实现思路
1、本发明通过在统一的状态采样时间基准下获取工件状态数据、环境状态数据和第二工序对应的设备状态数据,使工件等待过程中的工件侧状态、环境侧状态和设备侧状态形成时间对应关系,为工序等待窗口的动态确定提供实时数据基础;通过结合工件状态数据、环境状态数据和工件状态演化模型对原始等待窗口内各分析时间点的工件状态进行时序演化分析,确定各分析时间点对应的未来工件状态域,使工序等待时间的确定由单纯依据预设等待时限转变为考虑待处理工件在等待过程中的实际状态演化,并通过以状态域表征未来工件状态降低采用单一预测状态判断工序进入时机产生的偏差;通过结合第二工序当前的设备状态数据、质量映射模型和输出质量约束数据反向确定入口允许状态域,使第二工序加工后的质量要求转换为当前设备运行状态下对入口工件状态的约束条件,从而使工件进入条件能够随第二工序实际加工状态变化而调整;通过将各分析时间点对应的未来工件状态域与入口允许状态域进行状态域匹配,并根据匹配结果确定有效进入时间集合,使待处理工件未来可能达到的状态范围与第二工序当前能够接受的入口状态范围建立对应关系,从而筛除原始等待窗口中工件状态与第二工序入口条件不适配的时间位置;通过根据有效进入时间集合中的时间连续关系形成压缩等待窗口,使原始等待窗口中不满足状态域匹配要求的时间区间被剔除,同时保留满足第二工序进入条件的连续有效时间区间,并利用最新确定的压缩等待窗口控制待处理工件进入第二工序,实现从工件状态条件和第二工序加工质量条件向工序进入时间的反向确定,在保证待处理工件进入第二工序时与第二工序实际加工条件相适配的基础上压缩无效等待时间,提高智能制造生产线中工件转序时机与实际生产状态之间的适配性。
2、本发明提供一种工序等待窗口压缩方法,应用于智能制造生产线,待处理工件按照预设工艺路线依次执行第一工序和第二工序,第一工序的完成时刻至第二工序的开始时刻之间形成工序等待阶段,所述方法包括以下步骤:
3、将第一工序的完成时刻至第二工序的开始时刻之间的工序等待阶段对应的原始等待窗口按照预设状态采样周期进行时间离散,得到若干个状态采样时刻,且第一工序的完成时刻作为第一个状态采样时刻,在当前的状态采样时刻获取待处理工件的工件状态数据、待处理工件所处环境对应的环境状态数据以及第二工序对应的设备状态数据,将当前的状态采样时刻之后且位于原始等待窗口内的状态采样时刻记为分析时间点;
4、基于当前的状态采样时刻对应的工件状态数据、环境状态数据和工件状态演化模型,对待处理工件在分析时间点的工件状态进行时序演化分析,确定分析时间点对应的未来工件状态域;
5、获取第二工序对应的输出质量约束数据,根据当前的状态采样时刻对应的设备状态数据、质量映射模型和输出质量约束数据,对进入第二工序时的工件状态进行反向求解,确定第二工序对应的入口允许状态域;
6、将各分析时间点对应的未来工件状态域与入口允许状态域进行状态域匹配,根据状态域匹配结果确定有效进入时间集合,并基于有效进入时间集合对原始等待窗口中晚于当前的状态采样时刻的时间区间进行压缩,得到当前的状态采样时刻对应的压缩等待窗口,根据最新确定的压缩等待窗口控制待处理工件进入第二工序。
7、作为优选的一个方面,基于当前的状态采样时刻对应的工件状态数据、环境状态数据和工件状态演化模型,对待处理工件在分析时间点的工件状态进行时序演化分析,确定分析时间点对应的未来工件状态域,具体包括如下步骤
8、将当前的状态采样时刻对应的工件状态数据和环境状态数据拼接组成分析向量,再将当前的分析向量和前n-1个分析向量组成时序分析序列,;
9、遍历所有分析时间点,针对选择的分析时间点,根据选择的分析时间点到当前的状态采样时刻之间的间隔的状态采样时刻的个数确定预测跨度,并获取预测跨度对应的工件状态预测子模型,将时序分析序列送入预测跨度对应的工件状态预测子模型进行处理,输出分析时间点对应的基准预测工件状态数据;直至所有分析时间点均被遍历完成,输出每个分析时间点对应的基准预测工件状态数据,工件状态演化模型由不同预测跨度对应的工件状态预测子模型组成;
10、获取当前的状态采样时刻对应的若干个基准预测工件状态数据,遍历工件状态数据对应的工件状态参数,针对选择的工件状态参数,依次计算基准预测工件状态数据中的选择的工件状态参数对应的数据与当前的状态采样时刻对应的工件状态数据中的选择的工件状态参数对应的数据之间的差值,记为预测偏差值,再基于所有预测偏差值进行高斯拟合操作,得到工件状态参数对应的高斯拟合参数向量,高斯拟合参数向量包括预测偏差平均值和预测偏差标准差;直至工件状态数据对应的工件状态参数均被遍历完成,输出所有工件状态参数对应的高斯拟合参数向量;
11、将分析时间点对应的基准预测工件状态数据中的工件状态参数对应的数据通过工件状态参数对应的高斯拟合参数向量进行处理,得到分析时间点对应的工件状态参数对应的预测数值区间,再将所有工件状态参数对应的预测数值区间组成分析时间点对应的未来工件状态域。
12、作为优选的一个方面,根据当前的状态采样时刻对应的设备状态数据、质量映射模型和输出质量约束数据,对进入第二工序时的工件状态进行反向求解,确定第二工序对应的入口允许状态域,具体包括如下步骤:
13、质量映射模型的输入包括进入第二工序时的工件状态数据和第二工序对应的设备状态数据,质量映射模型的输出为第二工序完成后的预测输出质量数据,预测输出质量数据中各项数据的排列顺序与输出质量约束数据中各项数据的排列顺序相对应;
14、按照预设状态离散间隔分别对工件状态数据中各项工件状态参数对应的输入范围进行离散,并对各项工件状态参数对应的离散数值进行组合,得到若干个候选入口工件状态数据;
15、将每项工件状态参数对应的离散数值从大到小进行排列,在所有候选入口工件状态数据中,若是两个候选入口工件状态数据仅有一项工件状态参数对应的数据不同,且不同数据在排列后的工件状态参数的离散数值排列顺序中前后连续,将两个候选入口工件状态数据确定为相邻的候选入口工件状态数据;
16、遍历候选入口工件状态数据,针对选择的候选入口工件状态数据,将选择的候选入口工件状态数据与当前的状态采样时刻对应的设备状态数据共同输入质量映射模型,得到选择的候选入口工件状态数据对应的预测输出质量数据,若是预测输出质量数据中的各项工件状态参数对应的数据均符合输出质量约束数据,将选择的候选入口工件状态数据确定为合格入口工件状态数据;直至候选入口工件状态数据均被遍历完成,将所有合格入口工件状态数据组成合格入口工件状态数据集合;
17、遍历相邻的候选入口工件状态数据,若是相邻的候选入口工件状态数据分别属于合格入口工件状态数据集合和不属于合格入口工件状态数据集合,将相邻的候选入口工件状态数据中不同数据对应的工件状态参数记为待细化状态参数,若是相邻的候选入口工件状态数据中的待细化状态参数对应的数据之间的差值小于状态边界精度,无操作,若是相邻的候选入口工件状态数据中的待细化状态参数对应的数据之间的差值不小于状态边界精度,将相邻的候选入口工件状态数据中的待细化状态参数对应的数据的平均值记为细化数据,再将细化数据对候选入口工件状态数据中的待细化状态参数对应的数据进行替换,形成新的候选入口工件状态数据;直至相邻的候选入口工件状态数据遍历完成,将所有新的候选入口工件状态数据继续进行是否为合格入口工件状态数据的分析操作,对合格入口工件状态数据集合进行更新;
18、直至不存在待细化状态参数对应的数据之间的差值不小于状态边界精度的相邻的候选入口工件状态数据,将合格入口工件状态数据集合确定为第二工序对应的入口允许状态域。
19、作为优选的一个方面,将各分析时间点对应的未来工件状态域与入口允许状态域进行状态域匹配,根据状态域匹配结果确定有效进入时间集合,并基于有效进入时间集合对原始等待窗口中晚于当前的状态采样时刻的时间区间进行压缩,得到当前的状态采样时刻对应的压缩等待窗口,具体包括如下步骤:
20、针对每个分析时间点,获取选择的分析时间点对应的未来工件状态域,按照预设状态离散间隔分别对未来工件状态域中各项工件状态参数对应的预测数值区间进行离散,再将各工件状态参数对应的离散数值进行组合,得到选择的分析时间点对应的若干组拟合未来工件状态数据;
21、针对每个分析时间点,遍历分析时间点对应的所有拟合未来工件状态数据,针对选择的一组拟合未来工件状态数据,在入口允许状态域中查找与选择的一组拟合未来工件状态数据对应的合格入口工件状态数据,若选择的一组拟合未来工件状态数据中各工件状态参数对应的数据与合格入口工件状态数据中相同工件状态参数对应的数据之间的差值均小于状态边界精度,选择的一组拟合未来工件状态数据与入口允许状态域满足状态域匹配;直至分析时间点对应的所有拟合未来工件状态数据均被遍历完成,若是所有拟合未来工件状态数据均与入口允许状态域满足状态域匹配,将分析时间点确定为有效进入时刻,若是存在拟合未来工件状态数据与入口允许状态域不满足状态域匹配,不将分析时间点确定为有效进入时刻;
22、将所有有效进入时刻按照时间顺序排列,组成有效进入时间集合,在有效进入时间集合中,若是相邻的两个有效进入时刻之间的时间差值等于预设状态采样周期,将两个有效进入时刻划分至同一连续有效时间组;
23、针对连续有效时间组,基于连续有效时间组左侧的有效进入时刻与右侧的有效进入时刻构建压缩等待子窗口;
24、将所有压缩等待子窗口组成当前的状态采样时刻对应的压缩等待窗口。
25、作为优选的一个方面,工件状态演化模型通过如下步骤构建:
26、根据原始等待窗口内的状态采样时刻的数量设置若干个预测跨度,针对每个预测跨度构建一个工件状态预测子模型;
27、针对每个预测跨度,选择预测跨度对应的工件状态预测子模型,获取工件状态预测训练样本,工件状态预测训练样本中包括n个按照时间排列的分析向量,以与工件状态预测训练样本中最后一个分析向量对应的状态采样时刻之间间隔的状态采样时刻的数量为预测跨度的状态采样时刻对应的工件状态数据对工件状态预测训练样本进行标注,并将所有标注好的工件状态预测训练样本组成工件状态预测训练集,通过工件状态预测训练集对工件状态预测子模型进行训练;
28、将所有预测跨度对应的工件状态预测子模型组成工件状态演化模型。
29、作为优选的一个方面,质量映射模型通过如下方式训练:
30、获取若干份质量映射训练样本,质量映射训练样本中包括送入工序时的工件状态数据以及工序对应的设备状态数据,通过输出质量数据对质量映射训练样本进行标注,将所有标注好的质量映射训练样本组成质量映射训练集,通过质量映射训练集对质量映射模型进行训练。
31、本发明还提供一种工序等待窗口压缩系统,包括:
32、工序数据采集模块,用于将第一工序的完成时刻至第二工序的开始时刻之间的工序等待阶段对应的原始等待窗口按照预设状态采样周期进行时间离散,得到若干个状态采样时刻,且第一工序的完成时刻作为第一个状态采样时刻,在当前的状态采样时刻获取待处理工件的工件状态数据、待处理工件所处环境对应的环境状态数据以及第二工序对应的设备状态数据,将当前的状态采样时刻之后且位于原始等待窗口内的状态采样时刻记为分析时间点;
33、工件状态时序演化分析模块,用于基于当前的状态采样时刻对应的工件状态数据、环境状态数据和工件状态演化模型,对待处理工件在分析时间点的工件状态进行时序演化分析,确定分析时间点对应的未来工件状态域;
34、入口允许状态反向求解模块,用于获取第二工序对应的输出质量约束数据,根据当前的状态采样时刻对应的设备状态数据、质量映射模型和输出质量约束数据,对进入第二工序时的工件状态进行反向求解,确定第二工序对应的入口允许状态域;
35、工序等待窗口压缩模块,用于将各分析时间点对应的未来工件状态域与入口允许状态域进行状态域匹配,根据状态域匹配结果确定有效进入时间集合,并基于有效进入时间集合对原始等待窗口中晚于当前的状态采样时刻的时间区间进行压缩,得到当前的状态采样时刻对应的压缩等待窗口,根据最新确定的压缩等待窗口控制待处理工件进入第二工序。
36、本发明具有以下优点:
37、本发明通过在统一的状态采样时间基准下获取工件状态数据、环境状态数据和第二工序对应的设备状态数据,使工件等待过程中的工件侧状态、环境侧状态和设备侧状态形成时间对应关系,为工序等待窗口的动态确定提供实时数据基础;通过结合工件状态数据、环境状态数据和工件状态演化模型对原始等待窗口内各分析时间点的工件状态进行时序演化分析,确定各分析时间点对应的未来工件状态域,使工序等待时间的确定由单纯依据预设等待时限转变为考虑待处理工件在等待过程中的实际状态演化,并通过以状态域表征未来工件状态降低采用单一预测状态判断工序进入时机产生的偏差;通过结合第二工序当前的设备状态数据、质量映射模型和输出质量约束数据反向确定入口允许状态域,使第二工序加工后的质量要求转换为当前设备运行状态下对入口工件状态的约束条件,从而使工件进入条件能够随第二工序实际加工状态变化而调整;通过将各分析时间点对应的未来工件状态域与入口允许状态域进行状态域匹配,并根据匹配结果确定有效进入时间集合,使待处理工件未来可能达到的状态范围与第二工序当前能够接受的入口状态范围建立对应关系,从而筛除原始等待窗口中工件状态与第二工序入口条件不适配的时间位置;通过根据有效进入时间集合中的时间连续关系形成压缩等待窗口,使原始等待窗口中不满足状态域匹配要求的时间区间被剔除,同时保留满足第二工序进入条件的连续有效时间区间,并利用最新确定的压缩等待窗口控制待处理工件进入第二工序,实现从工件状态条件和第二工序加工质量条件向工序进入时间的反向确定,在保证待处理工件进入第二工序时与第二工序实际加工条件相适配的基础上压缩无效等待时间,提高智能制造生产线中工件转序时机与实际生产状态之间的适配性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com