细粒度状态驱动的离散车间动态瓶颈识别方法

作     者：苏璇 吉卫喜 张朝阳 姜一啸 曹桢淼 SU Xuan;JI Weixi;ZHANG Chaoyang;JIANG Yixiao;CAO Zhenmiao

作者机构：江南大学机械工程学院江苏无锡214122 江苏省食品先进制造装备技术重点实验室江苏无锡214122 

出 版 物：《机械科学与技术》 (Mechanical Science and Technology for Aerospace Engineering)

年 卷 期：2024年第43卷第9期

页      面：1577-1589页

核心收录：

学科分类：0810[工学-信息与通信工程] 080202[工学-机械电子工程] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0835[工学-软件工程] 0802[工学-机械工程] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金青年基金项目(51805213) 山东省重大科技创新工程项目(2019JZZY020111) 

主　　题：离散制造 复杂事件 混合驱动 细粒度状态 动态瓶颈识别 

摘      要：针对当前瓶颈识别方法难以动态、及时、准确地响应离散制造过程的问题,结合图式推演建模方法,提出事件-数据混合驱动的资源细粒度状态监测方法(EDH),以实时识别离散制造过程中的动态瓶颈。首先,通过制造物联技术和复杂事件处理技术获取并处理复杂多变的制造过程实时信息,通过信号渐变模型提高实时位置信息的准确性;在此基础上,对制造资源的状态数据进行细粒度聚类,提出改进的数据分析算法(IFGCM)提高聚类的准确性;最后,结合建立的状态时序流图式模型和动态瓶颈识别方法实时感知制造资源瓶颈。通过在某电梯零部件制造车间的实际应用,验证了其有效性。