[发明专利]一种云制造车间作业工时估计方法

说明书

本发明公开了一种云制造车间作业工时估计方法，基于云制造调度决策实际运营环境中随机性与不确定性共存的特点，将云制造车间作业工时分为机器加工时间与非机器加工时间两部分，基于不确定随机变量对车间作业工时建模，利用随机变量、不确定变量、不确定随机变量间的可转换关系，对异类车间作业工时因素进行全面描述，提升车间作业工时的适用性与精确性。利用二次样条函数插值可避免局部数据误差远处传播放大的特点，对车间作业工时的机会分布进行仿真，从而获取不同置信水平上更为准确的车间作业工时，为云制造调度方案的稳定性与可靠性提供支撑。

技术领域

本发明属于云制造调度优化技术领域，具体涉及一种云制造车间作业工时估计方法，用于为云制造调度优化提供支持。

背景技术

制造服务全球化对制造企业提出新的挑战，如何突破地理区域对经营范围和制造模式的束缚，通过开展大规模协同制造来应对低成本、高质量、高效率的产品需求，已经成为制造企业亟待解决的问题。云制造作为一种新的面向服务的网络化制造模式，为制造企业提供一种全新的解决方案。其利用云计算、大数据、物联网、人工智能等先进信息技术实现分布异构制造资源的集中管理与分散使用，采用“制造即服务”的方式，以较低的成本为产品提供较高的附加值。

大数据是云制造系统拥有的一种宝贵资源，制造企业在产品全生命周期各阶段产生的数据呈爆炸式增长。通过有效地利用大数据分析技术，挖掘云制造大数据中所蕴含的价值，可以实现云制造系统中海量数据的智能化应用，为云制造系统制造能力服务化、复杂任务协同调度优化、个性产品可定制化提供有效的技术支撑。

调度优化是云制造系统中的一个关键问题，调度方案的稳定性与适用性决定了整个云制造系统的鲁棒性。作业加工时间是影响调度决策的重要因素，作业加工时间的建模方法与计算方式与调度策略的优劣密切相关，直接影响调度结果。由于云制造系统自身具有分布性、异构性、动态性、自治性，导致作业加工时间受很多因素影响，具有极大的不确定性。现有对作业加工时间进行描述的方法可以分为两类，一类是以精确时间对作业加工时间进行建模，缺乏对云制造不确定环境的充分考虑；另一类大多通过随机变量或模糊数对作业加工时间进行建模，难以全面刻画作业加工时间的特性。因此，现有云制造调度方案在实际运营环境中需要频繁地进行修正，缺乏参考价值。

发明内容

为了解决上述问题，本发明提供一种符合云制造实际运营特点的作业加工时间模型及估计方法，通过分析云制造车间作业特点，将加工时间分为作业在机器上的加工时间、作业分配机器被其他作业占用所导致的等待时间、由于工艺临时调整产生的作业传输时间、及机器故障对作业加工产生的阻塞时间，构建具有随机变量与不确定变量的混合云制造车间作业不确定加工时间模型，并通过二次样条插值对作业不确定加工时间的机会分布进行估计，提升云制造调度方案的稳定性与适用性。

为了达到上述目的，本发明是通过以下技术方案来实现的：

本发明是一种云制造车间作业工时不确定模型，将云制造车间作业工时T分为机器加工时间与非机器加工时间两部分，其中，机器加工时间p指不受干扰状态下作业在制造设备上完成其工艺要求所需的加工时间，对于复杂的工艺要求往往需要技术人员的协助，技术人员的操作水平及状态对机器加工时间会造成一定的学习效应或恶化效应，表示为f(p)，非机器加工时间指由于非预期因素，除机器加工时间外，作业完成工艺要求所需的额外时间，所有非机器加工时间和表示为n为正整数，则，

本发明的进一步改进在于：T所包含的机器加工时间和非机器加工时间随机性与不确定性共存，T是不确定随机变量，由此，将T表示为：

T＝h(f(p),g(Q)) (2)

其中，