[发明专利]一种智能车间加工任务自治分配模型的创成方法

说明书

本发明提供一种智能车间加工任务自治分配模型的创成方法，属于智能制造与生产系统工程领域，目的是解决车间智能加工设备在自治分配订单加工任务时缺乏决策模型支撑的问题。本发明包括初始理论模型建立和最优模型参数创成两个部分。在初始理论模型建立部分，基于隐马尔科夫方法，由订单信息、生产状态、加工设备、加工工艺信息等建立初始的加工任务自治分配模型；在最优模型参数创成部分，基于车间历史订单数据和当前订单数据，通过期望最大化，创成出适应当前车间生产状态的最优加工任务自治分配模型，使用本方法创成的模型来预测与订单加工工艺过程相适应的加工设备序列，可实现与理想的加工设备序列的偏差显著减小。

技术领域

本发明属于智能制造与生产系统工程领域，具体涉及一种智能车间加工任务自治分配模型的创成方法。

背景技术

随着物联网、智能机器人、大数据、人工智能、机器视觉等新兴技术的迅速兴起，为制造企业推进智能工厂的建设提供了良好的技术支撑。然而，目前制造企业工厂的智能化还处于较低水平，原因在于缺少与工厂/车间生产状态相吻合的理论模型来指导其生产过程，且伴随生产过程产生的历史数据得不到合理的利用，导致企业在接到新的生产订单时需要投入大量的精力重新建立生产计划模型，降低了生产效率，成为制造车间自治化、智能化生产与管理的主要障碍。

针对智能加工设备在自治分配订单加工任务时缺乏决策模型支撑的问题，已知智能车间的历史订单数据和当前订单数据，如何建立与智能车间实时生产状态相适应的加工任务自治分配模型至关重要。

发明内容

针对上述智能加工设备在自治分配订单加工任务时缺乏决策模型支撑的问题，本发明提供了一种智能车间加工任务自治分配模型的创成方法，该方法能够在已知智能车间历史订单数据和当前订单数据的基础上，创成出最适应当前车间生产状态的加工任务自治分配模型，为实现智能加工设备自治完成订单加工任务规划与排程提供支撑。

为实现上述目的，本发明采用如下技术方案：

一种智能车间加工任务自治分配模型的创成方法，包括以下步骤：

(1)初始理论模型建立：

基于隐马尔科夫方法，由智能车间加工信息建立初始的加工任务自治分配模型，将历史制造数据和当前订单信息统一到模型中，据此将初始理论模型建立为：λ＝(π，A，B)，其中：A为工件在各加工设备间的流转概率矩阵，B为各加工设备加工工件的某加工特征的概率矩阵，π为工件的第一个加工特征o₁在各加工设备上进行加工的概率矩阵；

(2)最优模型参数创成：

2.1)由历史订单数据中工件加工过程中的加工特征序列、加工设备序列、以及两者之间的对应关系，统计计算出初始理论模型的三个参数作为模型初始化参数；

2.2)求出联合分布P(O，I|λ)基于条件概率分布的期望模型，并极大化期望模型，得到n次更新后的模型参数A⁽ⁿ⁺¹⁾、B⁽ⁿ⁺¹⁾、π⁽ⁿ⁺¹⁾；

2.3)设置误差ε，当满足条件：时结束算法并输出否则重复步骤2.2)，直到满足上述结束条件时为止。

优选的，步骤(1)中，与初始理论模型相关的属性与参数定义如下：

1)车间内所有加工设备集合Q＝{q₁，q₂，...，q_N}；

2)订单内所有零件加工特征集合V＝{v₁，v₂，...，v_M}；

3)工件在加工设备间流转序列I＝{i₁，i₂，...，i_T}；