张恺琪;张淑丽
【摘 要】为解决单件小批车间生产受到不确定性事件的影响，而使得实际生产过程偏离作业车间计划，导致产品无法按期交付这一问题，研究并实现了智能作业车间动态调度系统。系统包含基于Zigbee与传感器等物联网技术实现的智能感知子系统、基于大数据分析技术实现的智能双驱动机制子系统和基于云计算技术实现的调度算法云服务子平台，保证了作业计划动态调度的高质量完成。最后，将哈尔滨电机厂历史生产数据作为测试用例，验证智能作业车间动态调度系统的有效性。%The single and small batch workshop production would be affected by uncertain events because of which will make the actual implementation deviate from the scheduling and lead to that the products can not be delivered on schedule .For solving this problem ,this paper studies and implements an intelligent system of job shop dynamic scheduling .The intelligence of the system contains the intellisense subsystem based on Zigbee , sensors and other Internet of T hing technologies , intelligent dual drive mechanism subsystem and scheduling algorithm of cloud services sub‐platform .This intelli gent system of job shop dynamic scheduling will make job shop dynamic scheduling complete in high quality .Finally ,this paper selects historical production data from Harbin Electrical Machinery Plant as test cases to verify the validity .
【期刊名称】《黑龙江工程学院学报（自然科学版）》
【年(卷),期】2016(030)004
【总页数】5页(P36-40)
【关键词】作业车间计划;Zig bee;生产异常;大数据分析;算法云服务
【作 者】张恺琪;张淑丽
【作者单位】空调风叶二氧化碳制冷哈尔滨理工大学 软件学院，黑龙江 哈尔滨 150080;哈尔滨理工大学 软件学院，黑龙江 哈尔滨 150080
【正文语种】中 文
【中图分类】TP315
在单件小批制造企业中，作业车间计划的执行总会受到内部和外部、主观和客观、技术和管理等随机事件的影响[1-2]。因此，单件小批型的制造企业车间生产过程存在许多的不确定性因素，例如：订单随机到达，客户个性化需求增多，交货期要求越来越短，订单变更现象日益频繁，生产过程中出现废品和设备故障，以及产品制造进度拖期等。这些不确定性因素会导致实际的生产过程与预期计划偏离，原有的作业车间计划方案就不再可行，影响生产的有序性，降低生产效率，导致产品无法按期交付，给制造企业带来不必要的经济损失[3]。本文针对这一问题，设计并实现了智能作业车间动态调度系统。作业车间动态调度作为制造企业生产管理的核心内容和关键技术，其目标是在不过分影响车间有限生产资源的情况下，将生产过程中产生的复杂异常事件通过更改作业计划的方式来解决，并保证车间生产目标的最优化[4]。
在设计与实现该系统时，首先，采用基于Zigbee、传感器等物联网技术实现的智能感知子系统，使得车间管理人员能够在最短的时间内掌握订单和生产现场的变化；然后，利用基于大数据分析技术实现的智能双驱动机制子系统，保证了作业车间中生产异常的及时、准确发现。最后，采用基于云计算技术实现的调度算法云服务子平台，高质量地实现了作业车间动态调度，从而最终保证了生产过程中随机出现的异常情况可以获得及时、准确和高
效的响应与处理，最终实现了作业车间计划与作业执行的同步，达到车间稳定生产、资源均衡利用、及时满足客户需求等多目标，降低了不确定性因素给企业带来的损失，使企业提高其业务掌控能力和调控能力，适应日益不确定的市场环境。
智能感知子系统是基于Zigbee与传感器等物联网技术实现车间智能数据采集，即对产品生产全生命周期的各类要素信息实现同步采集，建立尽可能全的多维数据环境，改善作业车间动态调度系统的数据分析能力和效率。
1.1 全生命周期多维数据模型
为建立互联互通的数据环境，解决数据接口标准化问题，使得数据分析能够在一个统一的平台上进行，本文提出了产品生产全生命周期多维数据模型，该模型包括以下6个维度的数据：
1)设备运行状态参数：用来反映生产设备运行的健康状态，此类数据具有采样频率高、采样变量(温度、压力、加速度等)繁杂的特点。
2)设备运行工况数据：主要指生产设备的负载、转速、运行模式等工作条件的设定信息，
此类数据是进行设备健康分析的参考。
气门绞刀3)作业车间的环境参数：主要指可能影响设备、生产人员健康和安全的环境信息，例如，温度、噪音、粉尘浓度等。环境数据有助于更好地分析设备运行状态受环境影响的规律。
4)设备的维护保养记录：主要指全生命周期内的点检、维护、维修和保养更换记录，此类数据有助于建立高质量的设备健康预测模型。
5)绩效类数据：主要指与设备运行状态相关的绩效类指标数据，例如，能耗、生产质量、加工精度等。
6)生产过程类数据：主要指产品的工件工序在设备上的加工进度数据，例如，工件工序的实际开始加工时间和结束加工时间。
为了同步获取多维数据，在作业车间进行数据采集时，采集手段是多元化的，一部分可以从PLC控制器、RFID读写器等提供的读写接口获取，另一部分则需要通过与ERP、EAM、BOM等系统建立通讯接口获取。此外，更为重要的是在作业车间部署传感器以实现底层车间海量数据的实时获取。
在部署传感器时，针对数据传输效率以及信息共享要求的基础上采用Zigbee技术作为采集关键技术，Zigbee技术作为促进物联网发展的核心技术是一种近距离、低复杂度、低能耗、低速率以及低成本的无线通信技术，有着使用方便、应用范围广、可嵌入性强等优点[5]。
间戊二烯1.2 Zigbee 网络设计
在考虑数据可靠性、无线传输距离以及生产环境等关键指标的基础上，Zigbee网络采用簇状网络结构，该结构中包含简单功能设备及全功能设备，其中全功能设备具有收发数据及数据处理等功能；而简单设备具有数据采集及发送等功能。
根据簇状网络模型，该系统的工作流程为自底向上，其中由底层Zigbee节点通过传感器获取底层数据，进行初始处理后发送到上层汇聚节点，汇聚节点对数据进行再加工，并发送给顶层上位机，如图1所示。
载体构建1.3 智能感知子系统的实现
智能感知子系统以现有Zigbee产品为基础，采用cc2530基础主板，搭载最新Zigbee的模块
及传感器，其中传感器主要包含有DS18B20防水型温度探测器、DHT11温湿度传感器、MQ-2气体传感器、HC-SR501人体红外传感器以及光敏传感器等传感器，具备了温度、湿度、气体、光亮等5项基本要素的采集功能。
实际工作中整个系统以神经网络的调控方式进行，即数据源向上层发送信息，控制端向下层发送指令的方式。
作业车间动态调度是一种基于车间生产异常驱动的生产管理响应行为，因此，作业车间动态调度驱动机制主要分为两部分：①对车间异常事件进行定义并根据异常事件的来源进行大致分类。②对分类后的异常事件进行分类捕获，通过相关决策分析后给出相应的处理方案。
2.1 异常事件的定义与分类
异常事件是指超出了正常计划范围的加工任务、工件加工状态、设备运行状态以及资源使用情况。按照异常事件的来源，可以将异常事件分为两大类，如表1所示。
T1类型是指来自于ERP系统的异常加工任务，主要包括变更订单和加急订单；T2类型是指
来自于SFC系统的异常事件。其中对于T2类的事件，又可以细分为两类：加工准备阶段的异常事件和加工执行阶段的异常事件。
2.2 智能双驱动机制子系统的设计
智能作业车间动态调度驱动机制基于大数据分析技术，需要具备感知异常事件的能力与对捕获异常事件进行决策分析的能力，以衡量是否需要执行动态调度。合理的智能驱动机制不但能够快速有效地响应异常事件，而且能够减少因频繁进行作业调度动态调节而导致的系统振荡。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议