[发明专利]一种生产单元不确定性条件下的重调度触发判断方法

说明书

本发明公开了一种生产单元不确定性条件下的重调度触发判断方法，先在生产前通过含不确定性扰动仿真和无不确定性扰动仿真收集样本训练深度学习模型得到数据模型；在生产过程中收集实时生产数据和不确定性扰动数据，仿真得到无不确定性扰动理想场景下标准排产方案对应的生产数据数据，预处理后输入数据模型判断是否触发重调度；采集监测到的不确定性扰动筛选得到描述不确定性输入专家系统分析是否触发重调度。本发明的重调度触发判断方法具有较好的经济性和稳定性。

技术领域

本发明涉及生产调度控制技术领域，尤其涉及一种生产单元不确定性条件下的重调度触发判断方法。

背景技术

生产调度是对生产单元的统筹规划，物流排产调度问题是生产调度的核心，而处理生产过程中的生产单元不确定性就是排产调度中的关键问题。工业生产过程中，生产单元不确定性是指由于设备故障、能源供应等因素导致生产停滞或产率波动，是一种相对频繁的不确定性因素。它对生产的影响不容忽视，轻则导致生产计划无法完成，严重时可能造成安全事故。为了抵抗生产单元不确定性的干扰，提高生产效率和稳定性，必须根据制造车间的实时工况及生产系统状态，实施科学合理的重调度。重调度框架一般由重调度因素、重调度策略、重调度方法和重调度评价组成。其中，重调度策略旨在解决重调度触发判断问题。若过早触发重调度，则会导致重调度频率过高，导致生产系统紧张度过高；反之，则导致调度方案更新的时滞，影响生产系统运行绩效。因此，合适的重调度触发判断方法对于生产重调度最终的效果至关重要。

Vieira在《Rescheduling Manufacturing Systems：A Framework ofStrategies，Policies，and Methods》中将重调度策略分为三种类型：周期性、事件驱动型以及混合型。周期性重调度策略是指每过一个周期触发重调度，可保证生产调度的稳定性，但无法及时响应突发事件。事件驱动型重调度是指只要出现了生产不确定性就触发重调度，可以保证生产调度的有效性，但是当生产不确定性频发时，会产生不必要的重调度，造成系统震荡。混合重调度驱动机制是在周期驱动的基础上，当突发生产不确定性时，也会触发重调度。张玺等在《Research on rescheduling strategy optimization inmanufacturing shop based on improved fuzzy petri Net》中指出简单的混合驱动可能增加重调度频率，降低生产系统效率。此外，刘明周在《基于损益云模型的制造车间重调度决策方法》中提出损益云模型通过比较重调度的预损失和预收益判断是否触发重调度。损益模型可解释性好，但计算复杂、实时性差。

通过评估生产系统状态，结合实时工况选择相应的重调度策略也是较为合理的一种方法。目前基于状态评估的方法有两种：基于专家知识的临界阈值和基于数据挖掘的机器学习模型。阈值判断的方法通过设计关键指标作为重调度的触发临界。Suwa在《OnlineScheduling in Manufacturing》中提出基于累积延迟判断是否重调度驱动。张洁等在《Rescheduling Algorithm Based on Rolling Horizon Procedure for aDynamicHybrid Flow Shop with Uncertain Processing Time》中提出基于交货期偏差容忍度的驱动策略。陈鸿海在《基于重调度需度驱动机制的柔性作业车间多目标动态调度研究》中针对柔性作业车间提出重调度需度参数考察生产具体状态，建立驱动机制。基于机器学习的重调度策略在设计关键指标的基础上建立数据模型，判断是否触发重调度。唐秋华等在《不确定性累积下基于机器学习的重调度方式选择》中设计多个状态参数建立机器学习模型进行重调度选择。

无论上述何种基于状态评估的重调度策略，关键指标、特征参数的设计都极其依赖专家知识，其充分性和准确性直接决定着最终的调度效果。

发明内容

本发明提供了一种生产单元不确定性条件下的重调度触发判断方法，该方法的经济性和稳定性较好。

本发明的具体技术方案如下：