关键词:
智能制造
知识图谱技术
数据管理
改进的NSGA-Ⅱ算法
动态排产
摘要:
柔性作业车间调度既是传统离散制造系统的研究热点,也是智能制造系统的瓶颈难点。一方面,尽管目前已有的调度优化算法或数学模型求解的调度方案很多,但均与实际生产存在差异,仍需要对调度方案进行人工调整,无法保证方案的生产效率和稳定性;另一方面,由于企业生产车间缺少统一的数据管理模型,导致生产过程产生的大量数据共享不及时、数据关系不明确和数据知识利用不足等,无法有效管理和利用数据知识指导生产,这些现状已不满足制造企业信息化和智能化发展趋势。
针对上述问题,本文提出采用知识图谱技术,对制造企业历史数据和人工排产调整经验进行管理和应用,结合改进的NSGA-Ⅱ算法,直接获得可行且符合实际生产的调度方案。本文主要研究工作如下:
1.离线车间知识图谱模式层和数据层的构建。首先,分析现有车间数据管理系统的数据管理能力;其次,以W企业为研究对象,根据知识图谱构建流程,以结构化形式整理人工排产调整经验和车间历史数据,构建离线车间知识图谱的模式层:然后,将整理好的结构化三元组数据存储在Neo4j图形数据库中,完成离线车间知识图谱数据层的构建,获得统一的数据与知识管理模型。最后,利用Cypher语句,在离线车间知识图谱数据层中查询相关工件的工艺和可选设备等离线加工信息。
2.基于改进的NSGA-Ⅱ的调皮算法设计。本文针对传统NSGA-Ⅱ算法求解调度问题存在的缺陷进行改进。首先,交叉、变异算子的确定采用随机自适应策略,使随机产生的交叉、变异算子随迭代次数变化,保证算法的局部寻优和全局搜索能力;其次,非支配排序采用累积排序的方法,改善个体密度信息估计,保证了种群多样性;然后,精英保留策略采用分布变比精英保留策略,避免陷入局部最优;最后,基于改进的NSGA-Ⅱ完成调度优化算法的设计,利用测试算例分析证明改进算法的有效性。
3.在线车间知识图谱的构建和动态排产问题的解决。为了使调度方案更符合车间生产实际,利用数据监测系统对生产在线数据进行采集,获得各类生产资源的实际状态,完成在线车间知识图谱的构建。将动态排产问题分为任务未下达前的动态调整和任务下达后的动态扰动。对于动态调整而言,利用离线图谱模式层的人工排产经验和在线图谱,对基于模型算法求解的调度方案进行调整,直接获得可行且符合实际生产的调度方案,摆脱对人工调整的依赖;对于动态扰动而言,利用在线车间知识图谱和知识推理的方法,对动态扰动问题迅速做出反应,提高动态排产质量和效率。
本文研究表明,利用知识图谱技术,不仅可以对生产数据与知识进行统一管理,而且可以利用数据知识代替人工调整,获得符合实际生产的调度方案,验证数据知识对生产指导的可行性和有效性。