發(fā)布時間：2020-04-02 00:18

【摘要】：得益于云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)與人工智能等新一代信息技術的發(fā)展、融合與應用,在制造業(yè)領域中,一種新的模式—“云制造”被提出。云制造正推動著傳統(tǒng)的制造執(zhí)行系統(tǒng)(Manufacturing Execution System,MES)向智能制造系統(tǒng)轉化。特別是我國全面實施“中國制造2025”重大戰(zhàn)略以來,制造業(yè)企業(yè)不斷地將新技術融入到制造過程,逐步解決了傳統(tǒng)MES的許多難題,從而MES也得到了迅速發(fā)展,但是新技術應用于傳統(tǒng)MES也產(chǎn)生了一系列新的問題。為此,從以下三方面對制造執(zhí)行系統(tǒng)進行深入的研究。首先,為使MES系統(tǒng)適應制造大數(shù)據(jù)環(huán)境,從數(shù)據(jù)存儲方面對其進行了改進,提出了適應大數(shù)據(jù)環(huán)境的存儲方案。針對MES系統(tǒng)對生產(chǎn)過程的管理建立在大量的制造數(shù)據(jù)基礎之上的特點,將非關系型數(shù)據(jù)庫和內存數(shù)據(jù)庫進行結合,共同作為MES系統(tǒng)的存儲介質。這種優(yōu)化的數(shù)據(jù)存儲方式,既解決了半結構化和非結構化特征數(shù)據(jù)的存儲問題,又具有高效的數(shù)據(jù)訪問能力和高擴展性。通過對實時數(shù)據(jù)的高效存儲,可以實現(xiàn)系統(tǒng)對數(shù)據(jù)的快速訪問,提高系統(tǒng)處理速度和響應時間。同時對海量歷史生產(chǎn)數(shù)據(jù)的存儲,也使得企業(yè)可以從更加宏觀的角度對生產(chǎn)進行管理,使車間的數(shù)據(jù)統(tǒng)計和分析更加有意義。其次,為了有效地解決制造企業(yè)中車間生產(chǎn)異常難以有效管控的問題,提出了基于深度神經(jīng)網(wǎng)絡的車間生產(chǎn)異常發(fā)現(xiàn)方法。并對導致生產(chǎn)異常的影響因素,建立了高效合理的分類體系,根據(jù)各個影響因素的具體特征,給出了相應的量化方法。通過對各種影響因素和生產(chǎn)異常的分析,以優(yōu)化的數(shù)據(jù)存儲方式為基礎,建立了生產(chǎn)異常預測模型,使其可以對質量和交付期異常進行實時預測。該模型以深度神經(jīng)網(wǎng)絡為預測核心,使用數(shù)據(jù)庫中的影響因素和生產(chǎn)異常信息作為訓練數(shù)據(jù),實時生產(chǎn)信息作為預測數(shù)據(jù)。該方法可以在加工生產(chǎn)過程中對產(chǎn)品質量和交付期可能產(chǎn)生的異常進行監(jiān)控和跟蹤,為生產(chǎn)管理提供數(shù)據(jù)基礎。最后,為進一步降低各種異常影響因素對加工生產(chǎn)的影響,對影響因素與生產(chǎn)異常的相關關系,以及這種關系的強弱進行研究和分析,得出了各種異常影響因素的重要程度。并針對設備、工序、人員等主要異常影響因素關聯(lián)實體進行研究,提出了相應的影響因素處理方法。以設備為例,從關鍵切削設備入手,提出了一整套基于深度神經(jīng)網(wǎng)絡的關鍵設備刀具剩余壽命預測方法,從設備高效維護的角度降低了設備對加工生產(chǎn)的影響,同時也達到了避免異常發(fā)生的目的。綜上所述,本文從數(shù)據(jù)存儲、異常發(fā)現(xiàn)和異常處理三個方面,對現(xiàn)有MES系統(tǒng)進行了改進,并針對異常發(fā)現(xiàn)和處理提出了具體的解決方案,使用深度神經(jīng)網(wǎng)絡等方法,將人工智能技術應用到了MES系統(tǒng)中。通過對方案中所提出的模型進行測試,驗證了該方法的可行性,該方法能夠為解決制造企業(yè)的其它生產(chǎn)制造問題提供有益的借鑒和參考。
【圖文】：

第 2 章 智能車間生產(chǎn)異常發(fā)現(xiàn)與處理系統(tǒng)架構設計2.1 MES 與智能車間異常發(fā)現(xiàn)及處理系統(tǒng)智能車間異常發(fā)現(xiàn)與處理系統(tǒng)依附于 MES 系統(tǒng)中，系統(tǒng)結構如圖 2-1 所示。

支持高并發(fā)的讀寫操作。同時，系統(tǒng)使用了內存數(shù)據(jù)領域中的 Redis 數(shù)據(jù)庫，來存儲最近時刻產(chǎn)加工信息和異常預測過程中需要的加工數(shù)據(jù)。內存數(shù)據(jù)庫訪問速度，，使得數(shù)據(jù)存取不再是系統(tǒng)運行速度的瓶頸，通過實時的傳遞生產(chǎn)數(shù)發(fā)現(xiàn)系統(tǒng)，提高了系統(tǒng)的響應速度。Redis 數(shù)據(jù)庫是完全運行在內存中的數(shù)據(jù)庫，提供了豐富存儲數(shù)據(jù)類型有良好的數(shù)據(jù)同步能力，可以將數(shù)據(jù)復制到任意數(shù)量的從服務器中。的數(shù)據(jù)操作基礎上，仍能保持事務操作的原子性。在采集系統(tǒng)運行過程中，SFC 采集模塊將采集到的生產(chǎn)加工信息存儲庫中，生產(chǎn)加工信息包括生產(chǎn)加工過程中的物料信息，設備信息，人訂單信息，生產(chǎn)任務信息，生產(chǎn)異常等信息，如圖 2-2 所示。
【學位授予單位】：哈爾濱理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP183;TH18

【參考文獻】

相關期刊論文 前10條

1 何耿煌;吳沖滸;劉獻禮;張守全;鄒伶俐;;可轉位刀片斷屑槽斷屑性能及其槽構技術研究[J];哈爾濱理工大學學報;2015年03期

2 邵景峰;賀興時;王進富;白曉波;雷霞;劉聰穎;;大數(shù)據(jù)環(huán)境下的紡織制造執(zhí)行系統(tǒng)設計[J];機械工程學報;2015年05期

3 宋亞奇;周國亮;朱永利;李莉;王劉旺;王德文;;云平臺下輸變電設備狀態(tài)監(jiān)測大數(shù)據(jù)存儲優(yōu)化與并行處理[J];中國電機工程學報;2015年02期

4 陳臣;;一種基于新型存儲的數(shù)字圖書館分布式大數(shù)據(jù)存儲架構[J];現(xiàn)代情報;2015年01期

5 李青云;余文;;關系型數(shù)據(jù)庫到H Base的轉換設計[J];信息網(wǎng)絡安全;2015年01期

6 劉獻禮;劉銘;何耿煌;嚴復鋼;程耀楠;劉利;;重型切削過程硬質合金刀片的沖擊破損行為[J];機械工程學報;2014年23期

7 尹超;郭晨;趙旭;;微車后橋關鍵工序生產(chǎn)異常損失評估及預警方法[J];計算機集成制造系統(tǒng);2014年10期

8 尹超;甘德文;梁忠權;費逸超;;復雜機電產(chǎn)品關鍵裝配工序物料質量損失評估及預警方法[J];計算機集成制造系統(tǒng);2014年06期

9 閃四清;毛中慧;辛騰龍;;基于BP神經(jīng)網(wǎng)絡的飛機裝配車間異常事件預警[J];航空制造技術;2014年08期

10 凌海峰;王西山;;求解柔性作業(yè)車間調度問題的兩階段參數(shù)自適應蟻群算法[J];中國機械工程;2013年24期

相關博士學位論文 前1條

1 李威霖;車銑刀具磨損狀態(tài)監(jiān)測及預測關鍵技術研究[D];西南交通大學;2013年

相關碩士學位論文 前6條

1 袁帥;環(huán)形銑刀銑削拼接淬硬鋼模具切削性能研究[D];哈爾濱理工大學;2017年

2 何林燕;云制造環(huán)境下柔性作業(yè)車間調度算法的研究[D];哈爾濱理工大學;2017年

3 龐榮;深度神經(jīng)網(wǎng)絡算法研究及應用[D];西南交通大學;2016年

4 付文靜;基于HBase的大數(shù)據(jù)存儲查詢技術研究[D];電子科技大學;2015年

5 張華榮;基于小波熵的變形信號分析方法研究[D];山東理工大學;2012年

6 周喜壽;基于小波包分析和BP神經(jīng)網(wǎng)絡的車牌識別算法的研究[D];西南交通大學;2010年

本文編號：2611166