數(shù)據(jù)驅(qū)動的智能車間適應(yīng)性調(diào)度與優(yōu)化
定 價:78 元
叢書名:工業(yè)智能化創(chuàng)新之路叢書
- 作者:喬非,馬玉敏,劉鵑著
- 出版時間:2023/1/1
- ISBN:9787122426383
- 出 版 社:化學(xué)工業(yè)出版社
- 中圖法分類:F406.2
- 頁碼:233
- 紙張:
- 版次:1
- 開本:24cm
本書聚焦于智能制造環(huán)境下的車間調(diào)度問題,探討一種旨在增強(qiáng)調(diào)度應(yīng)變能力的適應(yīng)性調(diào)度及其相關(guān)理論和技術(shù)方法。首先介紹了智能車間調(diào)度基本概念和需求挑戰(zhàn)、新興工業(yè)大數(shù)據(jù)技術(shù)和信息物理生產(chǎn)系統(tǒng)等對智能調(diào)度求解的支撐能力,然后提出了一種多級聯(lián)動適應(yīng)性調(diào)度體系框架,分別從魯棒調(diào)度、實時調(diào)度、重調(diào)度和閉環(huán)優(yōu)化四方面論述適應(yīng)性調(diào)度的關(guān)鍵技術(shù)方法,最后結(jié)合案例給出系統(tǒng)實現(xiàn)及應(yīng)用驗證。
1.聚焦于智能車間這一制造強(qiáng)國建設(shè)的關(guān)鍵維度,探討增強(qiáng)其決策自適應(yīng)能力的調(diào)度優(yōu)化技術(shù)與方法。 2.以工業(yè)大數(shù)據(jù)和信息物理生產(chǎn)系統(tǒng)為支撐,為智能車間在新型環(huán)境中的調(diào)度提供了一整套解決方案。 3.所提出的智能車間多級聯(lián)動適應(yīng)性調(diào)度體系框架,由數(shù)據(jù)的循環(huán)流動為內(nèi)驅(qū)動力,以知識的增值更新為牽引,探究新型的基于深度學(xué)習(xí)的調(diào)度求解算法,實現(xiàn)覆蓋調(diào)度執(zhí)行全流程的閉環(huán)優(yōu)化。 4.所形成的智能車間調(diào)度理論與技術(shù)成果對供應(yīng)鏈管理等問題具有共性借鑒意義,能夠為智能制造運(yùn)營管理的智能化提升提供新的解決思路。
伴隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新興技術(shù)與制造領(lǐng)域的高度融合和全面滲透,制造業(yè)已進(jìn)入“智能制造”新時代。對于制造系統(tǒng)中的“智能”,也經(jīng)歷了由狹義“數(shù)字化”到“數(shù)字化網(wǎng)絡(luò)化”再到“數(shù)字化網(wǎng)絡(luò)化智能化”的概念提升過程。當(dāng)下,新一代制造系統(tǒng)的智能性可以從結(jié)構(gòu)層面的自組織性、優(yōu)化層面的自適應(yīng)性、決策層面的自學(xué)習(xí)性得到突出體現(xiàn),是一個內(nèi)涵豐富、外延寬廣的綜合性領(lǐng)域。本書聚焦于智能制造環(huán)境下的生產(chǎn)調(diào)度問題,探討增強(qiáng)智能車間調(diào)度優(yōu)化的適應(yīng)性能力的相關(guān)技術(shù)方法。
生產(chǎn)調(diào)度作為車間控制與管理中的核心問題之一,解決的是生產(chǎn)資源的規(guī)劃分配。自20 世紀(jì)50 年代以來,雖然已有大量學(xué)者致力于車間調(diào)度問題的研究并已取得了相當(dāng)豐富的研究成果,但由于實用性和有效性的問題一直存在,制約了已有成果的實際應(yīng)用。在實用性方面,大量調(diào)度研究專注于調(diào)度算法的創(chuàng)新探索,重在解決調(diào)度尋優(yōu)問題,但由于優(yōu)化算法的計算成本和模型偏差等因素,研究與應(yīng)用間始終存在著較大鴻溝;在有效性方面,實際制造系統(tǒng)所處環(huán)境的復(fù)雜性和動態(tài)不確定性,往往使得尋優(yōu)得到的調(diào)度方案被頻繁發(fā)生的各類干擾所沖擊甚至失效。
筆者致力于生產(chǎn)調(diào)度領(lǐng)域的研究多年,在此基礎(chǔ)上,以突出實用性和有效性為目標(biāo),提出一種旨在增強(qiáng)車間調(diào)度對復(fù)雜動態(tài)制造系統(tǒng)環(huán)境應(yīng)變能力的適應(yīng)性調(diào)度,并帶領(lǐng)研究團(tuán)隊,借助新一代信息技術(shù),特別是以工業(yè)大數(shù)據(jù)和信息物理生產(chǎn)系統(tǒng)為支撐,進(jìn)行相關(guān)理論和方法的研究探索,本書即為近年來研究工作的總結(jié)。
全書分為10章。第1章緒論,從智能制造到智能車間,再到智能車間的生產(chǎn)調(diào)度,引出本書的智能車間調(diào)度問題,并分析其面臨的需求和挑戰(zhàn);第2~3章介紹新興技術(shù)對智能車間調(diào)度問題求解的支撐能力,包括工業(yè)大數(shù)據(jù)與數(shù)據(jù)驅(qū)動技術(shù)和信息物理生產(chǎn)系統(tǒng)環(huán)境與構(gòu)建技術(shù);第4章提出智能車間調(diào)度的整體解決方案,即多級聯(lián)動適應(yīng)性調(diào)度體系框架;第5~8章分別針對體系框架中的四個關(guān)鍵技術(shù)展開論述,即針對前攝適應(yīng)能力提升的魯棒調(diào)度、針對在線適應(yīng)力提升的實時調(diào)度、針對適應(yīng)性調(diào)整的重調(diào)度,以及基于調(diào)度知識管理的閉環(huán)優(yōu)化;第9章和第10章分別是適應(yīng)性調(diào)度方法的系統(tǒng)實現(xiàn)及應(yīng)用驗證。
本書面向從事智能制造車間管理和生產(chǎn)調(diào)度等相關(guān)領(lǐng)域工作的科研和工程技術(shù)人員,力圖在面向智能制造的適應(yīng)性調(diào)度與閉環(huán)優(yōu)化技術(shù)、方法及系統(tǒng)等方面,為讀者提供有價值的參考和幫助。
與本書內(nèi)容相關(guān)的研究工作得到了科技部科技創(chuàng)新2030“新一代人工智能”重大項目子課題(2018AAA0101704)、國家自然科學(xué)基金重點(diǎn)項目(編號:62133011)、國家自然科學(xué)基金面上項目(編號:61873191 和61973237)等的支持,也得到了團(tuán)隊創(chuàng)始人吳啟迪教授的指導(dǎo)和幫助。在本書編寫過程中,谷翔、孔維暢、房溪、王巧玲、曹秋實、肖楓、吳文靖、馬麗萌、章凌威、陸曉玉、沈一路、黎聲益、高陳媛等參與了研究工作,關(guān)柳恩、蔡靜雯、王冬源、王怡琳、陳心一等協(xié)助了書稿整理,在此一并表示感謝。
限于筆者水平和能力有限,加之時間倉促,書中難免有不當(dāng)之處,歡迎各位讀者不吝批評指正。
著者
第1章 緒論 001
1.1 智能制造與智能車間 002
1.1.1 智能制造 002
1.1.2 智能車間 003
1.2 生產(chǎn)調(diào)度 004
1.2.1 生產(chǎn)調(diào)度基本問題描述 004
1.2.2 生產(chǎn)調(diào)度國內(nèi)外研究現(xiàn)狀 007
1.3 智能車間生產(chǎn)調(diào)度面臨的需求與挑戰(zhàn) 013
第2章 工業(yè)大數(shù)據(jù)與數(shù)據(jù)驅(qū)動技術(shù) 021
2.1 工業(yè)大數(shù)據(jù)與智能制造 022
2.1.1 大數(shù)據(jù)與工業(yè)大數(shù)據(jù) 022
2.1.2 工業(yè)大數(shù)據(jù)特性分析 023
2.1.3 工業(yè)大數(shù)據(jù)技術(shù)架構(gòu) 025
2.1.4 工業(yè)大數(shù)據(jù)在智能制造中的應(yīng)用 026
2.1.5 工業(yè)大數(shù)據(jù)應(yīng)用面臨的挑戰(zhàn) 028
2.2 工業(yè)大數(shù)據(jù)質(zhì)量管理 029
2.2.1 工業(yè)大數(shù)據(jù)質(zhì)量問題 030
2.2.2 領(lǐng)域知識無關(guān)的工業(yè)大數(shù)據(jù)質(zhì)量管理 031
2.2.3 領(lǐng)域知識相關(guān)的工業(yè)大數(shù)據(jù)質(zhì)量管理 034
2.2.4 工業(yè)大數(shù)據(jù)整體質(zhì)量評價指標(biāo) 040
2.3 工業(yè)大數(shù)據(jù)驅(qū)動的生產(chǎn)調(diào)度使能技術(shù) 043
2.3.1 生產(chǎn)特征選擇 044
2.3.2 生產(chǎn)性能預(yù)測 046
2.3.3 調(diào)度知識挖掘 047
第3章 信息物理生產(chǎn)系統(tǒng)(CPPS) 051
3.1 信息物理系統(tǒng)(CPS) 052
3.1.1 CPS 概述 052
3.1.2 CPS 的技術(shù)內(nèi)核及運(yùn)行方式 053
3.1.3 CPS 的組織架構(gòu) 054
3.1.4 CPS 的特征 057
3.1.5 CPS 在制造領(lǐng)域的應(yīng)用 059
3.2 面向智能制造的CPPS 060
3.2.1 CPPS 概述 060
3.2.2 CPPS 的組成 061
3.2.3 CPPS 的特征 062
3.2.4 CPPS 的多層次體系架構(gòu) 063
3.3 面向智能車間生產(chǎn)調(diào)度的CPPS 環(huán)境構(gòu)建 067
3.3.1 生產(chǎn)調(diào)度對CPPS 的需求分析 067
3.3.2 面向智能車間生產(chǎn)調(diào)度的CPPS 框架 068
3.3.3 面向半導(dǎo)體生產(chǎn)線的CPPS 環(huán)境構(gòu)建案例 070
第4章 智能車間適應(yīng)性調(diào)度解決方案 079
4.1 智能車間多級聯(lián)動適應(yīng)性調(diào)度體系框架 080
4.1.1 需求分析 080
4.1.2 智能車間多級聯(lián)動適應(yīng)性調(diào)度體系框架 082
4.2 多級聯(lián)動適應(yīng)性調(diào)度體系的運(yùn)行演化 084
4.2.1 體系運(yùn)行演化中的多級聯(lián)動 085
4.2.2 體系運(yùn)行演化中的數(shù)據(jù)循環(huán)增值 086
第5章 多目標(biāo)魯棒調(diào)度方法 089
5.1 多目標(biāo)魯棒調(diào)度問題描述 090
5.1.1 魯棒調(diào)度概述 090
5.1.2 多目標(biāo)魯棒調(diào)度問題描述和魯棒性定義 092
5.1.3 魯棒性度量 093
5.2 多目標(biāo)魯棒調(diào)度方法框架 097
5.2.1 調(diào)度策略表達(dá) 097
5.2.2 多目標(biāo)魯棒調(diào)度方法框架 101
5.3 確定環(huán)境下的多目標(biāo)調(diào)度策略解集生成 102
5.3.1 多目標(biāo)優(yōu)化方法 102
5.3.2 基于仿真的優(yōu)化方法 104
5.3.3 SBO-NSGA-Ⅱ算法設(shè)計 105
5.4 不確定環(huán)境下的多目標(biāo)魯棒調(diào)度策略選擇 108
5.4.1 基于場景規(guī)劃的生產(chǎn)數(shù)據(jù)獲取 108
5.4.2 基于熵權(quán)法的多目標(biāo)魯棒調(diào)度模型 109
第6章 適應(yīng)性的實時調(diào)度方法 115
6.1 實時調(diào)度問題描述 116
6.2 調(diào)度策略推薦方法 117
6.2.1 調(diào)度策略推薦問題描述 117
6.2.2 調(diào)度策略推薦方法框架 118
6.3 基于K-NN 的調(diào)度規(guī)則推薦 120
6.3.1 算法框架 120
6.3.2 基于GA 的生產(chǎn)屬性特征子集選擇 122
6.3.3 基于K-NN 的調(diào)度規(guī)則推薦模型 125
6.4 基于SVR 的調(diào)度參數(shù)推薦 126
6.4.1 算法框架 126
6.4.2 基于響應(yīng)曲面法的最優(yōu)樣本獲取 127
6.4.3 基于SVR 的調(diào)度參數(shù)推薦模型 128
第7章 適應(yīng)性的重調(diào)度方法 133
7.1 重調(diào)度問題描述及方法框架 134
7.1.1 重調(diào)度問題描述 134
7.1.2 適應(yīng)性重調(diào)度方法 136
7.2 數(shù)據(jù)驅(qū)動的擾動在線識別與預(yù)測 138
7.2.1 擾動分類 138
7.2.2 漸變型擾動識別方法 139
7.2.3 突發(fā)型擾動識別方法 143
7.3 全數(shù)據(jù)驅(qū)動的重調(diào)度方法 148
7.3.1 基于長短期記憶神經(jīng)網(wǎng)絡(luò)的重調(diào)度方法框架 149
7.3.2 LSTM 神經(jīng)網(wǎng)絡(luò)離線訓(xùn)練 151
7.3.3 在線調(diào)度 152
7.4 增強(qiáng)學(xué)習(xí)能力的重調(diào)度方法 152
7.4.1 基于DRL 的重調(diào)度問題描述 154
7.4.2 基于DQN 的重調(diào)度方法 156
7.4.3 基于改進(jìn)異步優(yōu)勢行動者評論家算法的重調(diào)度方法 158
第8章 適應(yīng)性調(diào)度閉環(huán)優(yōu)化方法 165
8.1 調(diào)度知識 166
8.1.1 調(diào)度知識概念 166
8.1.2 調(diào)度知識的表達(dá) 167
8.2 調(diào)度知識管理 168
8.2.1 調(diào)度知識管理概述 168
8.2.2 調(diào)度知識生成 170
8.2.3 調(diào)度知識評估與更新 171
8.3 調(diào)度知識在線評估 172
8.3.1 基于質(zhì)量控制的調(diào)度知識評估方法 172
8.3.2 基于生產(chǎn)狀態(tài)變化的調(diào)度知識在線評估 176
8.4 基于增量學(xué)習(xí)的調(diào)度知識更新方法 178
8.4.1 基于OS-ELM 的調(diào)度知識更新方法 178
8.4.2 基于Online SVR 的調(diào)度知識更新方法 180
第9章 智能車間適應(yīng)性調(diào)度原型系統(tǒng) 187
9.1 智能車間適應(yīng)性調(diào)度原型系統(tǒng)架構(gòu) 188
9.1.1 需求分析 188
9.1.2 系統(tǒng)架構(gòu)設(shè)計 189
9.2 關(guān)鍵層級設(shè)計 192
9.2.1 數(shù)據(jù)層設(shè)計 192
9.2.2 分析層設(shè)計 193
9.2.3 服務(wù)層設(shè)計 193
9.2.4 表示層設(shè)計 193
9.3 智能車間適應(yīng)性調(diào)度原型系統(tǒng)實現(xiàn) 194
9.3.1 系統(tǒng)開發(fā) 194
9.3.2 系統(tǒng)界面 197
9.3.3 運(yùn)行設(shè)置 199
9.3.4 結(jié)果展示 204
第10章 適應(yīng)性調(diào)度與優(yōu)化方法驗證與實施案例 209
10.1 基于適應(yīng)性調(diào)度原型系統(tǒng)的方法驗證 210
10.1.1 單級調(diào)度方法驗證 210
10.1.2 多級聯(lián)動適應(yīng)性調(diào)度方法的綜合驗證 217
10.2 以某企業(yè)航空發(fā)動機(jī)裝配線AEAL 為對象的案例研究 222
10.2.1 航空發(fā)動機(jī)裝配線AEAL 介紹 222
10.2.2 多級聯(lián)動適應(yīng)性調(diào)度方法的案例研究 226
縮略詞索引 231