一种多层多状态网络的智能制造系统可靠性评估方法

本技术涉及智能制造系统可靠性评估，特别是涉及一种多层多状态网络的智能制造系统可靠性评估方法。

背景技术：

1、现有智能制造系统可靠性评估方法通常面向单一设备、单层产线或静态二状态系统，难以同时刻画上层决策/控制/通信链路退化对底层制造设备可用产能的跨层影响；传统多状态网络算法又多假设节点完美或组件相互独立，不能直接适配物理层“节点受控/失控、组件多状态产能”的二元节点-多状态组件（bn-msc）结构。

2、因此，本发明要解决的技术问题是：如何建立一种能够统一刻画ims多层耦合、多状态异质组件、跨层指令传递与反馈闭环、组件时变退化及物理层bn-msc结构的可靠性评估方法，并在保证评估精确性的前提下，通过剪枝、最小割集搜索、递归不交和及并行计算降低动态评估计算量，输出服务可靠度与整体可靠度的全周期演化结果。

3、智能制造系统是融合生产决策软件、工业控制系统、通信网络和制造装备的典型工业信息物理系统。典型ims自上而下包括决策层、控制层、网络层和物理层：决策层由erp、aps、wms、成本/能碳分析模块、mes等构成，承担订单分解和调度优化；控制层由scada、边缘计算节点、plc、dcs等构成，承担过程监控和设备控制；网络层由核心交换机、工业交换机、工业网关、现场总线网关、5g无线ap等构成，承担数据、控制和反馈流传输；物理层由原料仓、agv、机械臂、加工中心、工业机器人、成品仓等构成，直接完成物流与制造任务。

4、与传统制造系统相比，ims中的组件不仅存在正常/失效两种状态，还存在带宽下降、时延增加、丢包率上升、算法响应变慢、产能降低等多等级性能退化状态；不同层组件的退化机理也不同，例如决策层更符合数据处理波动，控制层受丢包率和时延约束，网络层受随机拥塞或通信介质劣化影响，物理层受磨损、老化和负载变化影响。

5、与本发明相近的已有实现方案包括：第一，传统二状态或多状态制造系统可靠性方法，通常把设备或产线建模为串并联网络或随机流网络，关注产能满足概率，但多局限于物理层；第二，传统多状态网络（msn）可靠性算法，通过多状态最小路集（

d-mp）/多状态最小割集（

d-mc）、状态空间分解（ssd）或递归不交和（rsdp）方法计算二端可靠度，但通常假设节点完美或组件状态独立；第三，多层网络可靠性方法，可描述电力、交通、装备保障等系统中的层间依赖，但尚未形成适配ims“决策—控制—网络—物理”闭环和异构组件容量语义的统一模型；第四，基于马尔可夫链或非齐次马尔可夫链的退化建模方法，可描述组件状态随时间演化，但现有方法多停留于单设备或单产线层面，未与多层多状态网络可靠性精确计算深度结合。

6、现有技术至少存在如下不足：

7、1）建模框架不系统。现有方法多聚焦单层产线或物理设备，缺少对决策层、控制层、网络层和物理层的统一多层建模，难以描述非对应节点之间的控制映射、信息交互和失效传导关系。

8、2）评价指标不完整。现有指标多从需求侧关注产能满足率，忽略供给侧指令下发、控制执行、通信中转和运行数据反馈的闭环可靠性，不能全面刻画ims整体运行质量。

9、3）算法与物理层结构不匹配。ims物理设备是否可运行高度依赖上层指令能否到达，其节点呈受控/失控二元特征；设备自身的多级产能退化又体现在相连组件容量上，形成bn-msc结构。传统msn算法不能直接处理该类节点状态诱导组件有效容量变化的网络。

10、4）动态演化能力不足。组件退化概率随服役时间改变，传统静态可靠性评估无法反映可靠度随任务周期持续下降的过程，也难以揭示局部退化向系统级失效扩散的跨层级联放大效应。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够对局部退化经跨层传导放大的级联失效效应的精确量化，克服了传统模型对系统可靠性的系统性乐观偏差，为智能制造系统全生命周期运维决策提供了符合工程实际的可靠度依据的一种多层多状态网络的智能制造系统可靠性评估方法。

2、一种多层多状态网络的智能制造可靠性评估方法，所述方法包括：

3、建立智能制造系统的多层多状态网络模型，多层多状态网络模型包括决策层多状态网络、控制层多状态网络、网络层多状态网络和物理层多状态网络，以及各层之间的层间耦合组件。

4、分别为决策层多状态网络、控制层多状态网络、网络层多状态网络和物理层多状态网络中的各组件定义容量状态，其中，不同层组件的容量状态具有不同的物理含义。

5、根据决策层多状态网络的可靠度、决策层至控制层的跨层传输可靠度、控制层内控制传递可靠度以及控制层至物理层的跨层传输可靠度，计算物理层设备的受控概率。

6、基于物理层设备的受控概率，采用将节点状态嵌入组件有效容量判断的评估算法计算物理层多状态网络的服务可靠度，服务可靠度用于表征物理层在设备受控概率约束下满足产能需求的概率。

7、根据决策层多状态网络的可靠度、控制层多状态网络的可靠度、网络层多状态网络的可靠度、服务可靠度以及反馈链路的可靠度，聚合得到整体可靠度，整体可靠度用于表征智能制造系统供给侧各层协同满足需求的概率。

8、上述一种多层多状态网络的智能制造系统可靠性评估方法，首先，通过建立覆盖决策层、控制层、网络层和物理层的多层多状态网络模型及层间耦合组件，将智能制造系统从传统的“单层产线或设备集合”抽象提升为“四层双向闭环信息物理耦合网络”，解决了传统方法因建模框架不系统而无法刻画上层决策与控制链路退化向底层物理产能传导的技术难题，使系统级可靠性评估首次具备了全架构统一建模能力，为后续精确计算奠定了拓扑基础。其次，通过为不同层组件定义具有不同物理含义的容量状态，而非将所有组件简单归为正常或失效二态，使决策层信息完整性下降、控制层时延恶化、网络层带宽拥塞和物理层产能磨损等异构退化模式能够在同一随机流网络框架下被真实表征，解决了传统多状态算法“节点完美假设”和“组件状态独立假设”与工业实际严重脱节的问题，从根本上提升了评估模型与工程现场的一致性。然后，通过根据决策层可靠度、跨层传输可靠度、控制传递可靠度和控制至物理层跨层可靠度的乘积计算物理层设备的受控概率，首次在可靠性评估中建立了“上层指令下发质量决定底层设备可运行性”的量化传导机制，解决了现有方法仅从需求侧关注产能而忽略供给侧指令可达性约束的缺陷，使物理层节点“受控/失控”二元特征获得了可计算的上游输入依据。进而，基于设备受控概率，采用将节点状态嵌入组件有效容量判断的评估算法求解服务可靠度，通过节点失控状态对相邻组件有效容量置零的强制约束，攻克了传统msn算法无法直接适配物理层“二元节点-多状态组件”结构性难题的技术瓶颈，同时通过全概率公式累加各节点状态组合下的条件可靠度，确保了服务可靠度计算在工程复杂条件下的精确性，避免了传统模型因忽略节点受控约束而对产能满足能力的系统性乐观高估。最后，过聚合决策层可靠度、控制层可靠度、网络层可靠度、服务可靠度及反馈链路可靠度得到整体可靠度，使评价指标体系同时覆盖需求侧产能满足能力和供给侧闭环协同能力，解决了传统单一产能指标无法反映系统整体运行质量的评价不完整问题，为智能制造系统的排产优化、维护决策和瓶颈识别提供了同时兼顾“上游神经中枢”与“下游执行器官”双重维度的可靠度量化依据，在保证评估精确性的前提下有效支撑了中大型智能制造系统全生命周期的运维决策。