【摘要】：良好的生產(chǎn)調(diào)度規(guī)則是保證車間得以有序、高效生產(chǎn)的重要前提。當(dāng)前制造技術(shù)正朝著基于知識(shí)和信息的智能制造方向邁進(jìn),這對(duì)調(diào)度規(guī)則在適用范圍、響應(yīng)速度、智能化等方面提出了進(jìn)一步要求。解決這些問(wèn)題的重要途徑之一是基于數(shù)據(jù)的啟發(fā)式生產(chǎn)調(diào)度方法。該方法依托數(shù)據(jù)挖掘技術(shù),利用企業(yè)生產(chǎn)制造過(guò)程所產(chǎn)生的大量實(shí)例數(shù)據(jù)提取調(diào)度規(guī)則,并通過(guò)對(duì)挖掘到的規(guī)則進(jìn)行進(jìn)一步的泛化和優(yōu)化,最終得到適用于企業(yè)自身需要的調(diào)度規(guī)則。本文根據(jù)企業(yè)現(xiàn)有管理系統(tǒng)和生產(chǎn)的現(xiàn)狀,深入研究了基于數(shù)據(jù)挖掘技術(shù)的啟發(fā)式生產(chǎn)調(diào)度的工作流程、內(nèi)容和關(guān)鍵技術(shù),并提供了解決方案。針對(duì)家具企業(yè)對(duì)于生產(chǎn)調(diào)度的客觀要求,結(jié)合利用數(shù)據(jù)挖掘技術(shù)進(jìn)行生產(chǎn)調(diào)度的特點(diǎn),建立了基于數(shù)據(jù)挖掘技術(shù)的生產(chǎn)調(diào)度規(guī)則提取與應(yīng)用系統(tǒng)的體系結(jié)構(gòu)與業(yè)務(wù)模型。該系統(tǒng)可以整合來(lái)自于多個(gè)管理系統(tǒng)的業(yè)務(wù)數(shù)據(jù),并對(duì)數(shù)據(jù)集進(jìn)行離散處理與屬性提取。隨后從數(shù)據(jù)源中挖掘調(diào)度規(guī)則,并應(yīng)用于車間調(diào)度工作。為了使生產(chǎn)實(shí)例數(shù)據(jù)的獲取機(jī)制具有較高的柔性、降低其耦合性并實(shí)現(xiàn)數(shù)據(jù)語(yǔ)義上的統(tǒng)一,建立了一種基于本體的生產(chǎn)調(diào)度數(shù)據(jù)多源異構(gòu)融合方法。首先針對(duì)離散制造的過(guò)程和特點(diǎn)進(jìn)行分析,將生產(chǎn)所涉及的對(duì)象以影響生產(chǎn)調(diào)度結(jié)果的程度以及在生產(chǎn)中發(fā)揮的作用為依據(jù),采用分層劃分的方法,為生產(chǎn)實(shí)例數(shù)據(jù)建立了統(tǒng)一的對(duì)象模型——生產(chǎn)事件信息元以及生產(chǎn)調(diào)度事件信息元。之后,分別建立了全局本體和局部本體。最后,利用上述技術(shù)成果建立數(shù)據(jù)融合系統(tǒng),實(shí)現(xiàn)多種管理系統(tǒng)的語(yǔ)義統(tǒng)一和數(shù)據(jù)融合。針對(duì)融合后的生產(chǎn)實(shí)例數(shù)據(jù)中普遍存在的屬性值連續(xù)問(wèn)題,提出了基于單維度多半徑聚類算法的動(dòng)態(tài)離散算法。首先根據(jù)生產(chǎn)實(shí)例屬性值的密度分布不均勻及粗糙性的特點(diǎn),設(shè)計(jì)了單維度多半徑的數(shù)據(jù)聚類算法,較好的實(shí)現(xiàn)了屬性值的聚類處理。此后,為該聚類算法的聚類參數(shù)添加動(dòng)態(tài)調(diào)整規(guī)則,并設(shè)計(jì)了數(shù)據(jù)離散目標(biāo)函數(shù),實(shí)現(xiàn)了屬性值的離散過(guò)程自動(dòng)化。最后通過(guò)數(shù)組實(shí)驗(yàn)數(shù)據(jù)的對(duì)比,證明了該算法的有效性及高效性。針對(duì)生產(chǎn)實(shí)例數(shù)據(jù)屬性維度過(guò)多所造成的維度災(zāi)難問(wèn)題,構(gòu)建了基于重要度與關(guān)聯(lián)系數(shù)的屬性提取算法。首先根據(jù)生產(chǎn)數(shù)據(jù)的特點(diǎn),利用模糊熵建立了屬性重要程度的度量函數(shù),并利用模糊熵的增量程度建立了關(guān)聯(lián)屬性的搜索方法。接著通過(guò)考察屬性組合對(duì)于提升數(shù)據(jù)挖掘準(zhǔn)確性的效果,建立了屬性重構(gòu)函數(shù),利用屬性間的線性組合進(jìn)一步減少屬性數(shù)量。最后通過(guò)實(shí)驗(yàn)證明本文的屬性選擇算法可以有效的減少屬性維度,并提高數(shù)據(jù)挖掘算法的準(zhǔn)確性。為實(shí)現(xiàn)家具產(chǎn)品在生產(chǎn)過(guò)程中的實(shí)時(shí)調(diào)度,研究了基于仿真優(yōu)選與數(shù)據(jù)挖掘技術(shù)的啟發(fā)式調(diào)度方法。首先分析了家具產(chǎn)品在生產(chǎn)過(guò)程中的假設(shè)條件和約束條件,建立了基于生產(chǎn)齊套差額度的生產(chǎn)調(diào)度數(shù)學(xué)模型。此后,針對(duì)生產(chǎn)實(shí)例數(shù)據(jù)存在的覆蓋面不足問(wèn)題,建立了生產(chǎn)過(guò)程仿真環(huán)境,并整合了生產(chǎn)調(diào)度智能算法,用于產(chǎn)生豐富、有價(jià)值的仿真實(shí)例數(shù)據(jù)。在利用數(shù)據(jù)挖掘技術(shù)進(jìn)行規(guī)則提取前,對(duì)生產(chǎn)實(shí)例數(shù)據(jù)進(jìn)行擇優(yōu)處理,以確保所提取出的調(diào)度規(guī)則的質(zhì)量。最后利用C4.5算法進(jìn)行調(diào)度規(guī)則提取,并進(jìn)行剪枝處理,為每個(gè)加工單元獲取其個(gè)性化的調(diào)度規(guī)則,以應(yīng)用于生產(chǎn)實(shí)時(shí)調(diào)度工作。在上述研究成果的基礎(chǔ)上,本文針對(duì)某家具生產(chǎn)企業(yè)開展了技術(shù)落地應(yīng)用。首先,本文建立了企業(yè)的全局本體及各個(gè)管理系統(tǒng)所對(duì)應(yīng)的局部本體,開發(fā)了基于數(shù)據(jù)挖掘技術(shù)的生產(chǎn)調(diào)度規(guī)則提取與應(yīng)用系統(tǒng)。該系統(tǒng)可以將多種管理系統(tǒng)中與生產(chǎn)和生產(chǎn)調(diào)度相關(guān)的數(shù)據(jù)進(jìn)行融合,形成統(tǒng)一的生產(chǎn)事件信息元實(shí)例數(shù)據(jù);并可針對(duì)實(shí)例數(shù)據(jù)進(jìn)行自動(dòng)、高效的數(shù)據(jù)離散處理和關(guān)鍵屬性提取工作;可結(jié)合仿真系統(tǒng)和生產(chǎn)實(shí)例數(shù)據(jù),提取良好的調(diào)度規(guī)則知識(shí),并有效的進(jìn)行生產(chǎn)實(shí)時(shí)調(diào)度工作。驗(yàn)證結(jié)果表明,通過(guò)上述技術(shù)的綜合應(yīng)用,該系統(tǒng)能夠有效提高車間生產(chǎn)調(diào)度工作的效果,從而最終提升企業(yè)自身的生產(chǎn)能力。
【圖文】：

圖 45 本體配置在完成了本體的建立工作后，各本體對(duì)象僅在某一類本體的內(nèi)部具備關(guān)聯(lián)，，此時(shí)還需要為全局本體與局部本體建立各類關(guān)聯(lián)關(guān)系，以實(shí)現(xiàn)不同體系下本體間的互通。與全局本體和局部本體庫(kù)的建立類似，本體之間的映射關(guān)系也主要依托領(lǐng)域?qū)＜液推髽I(yè)內(nèi)部資深員工手工

圖 46 數(shù)據(jù)整合規(guī)則維護(hù)在語(yǔ)義解析規(guī)則維護(hù)功能中，用于建立全局本體與局部本體之間的關(guān)聯(lián)關(guān)系和映射方法，用于解決本體間所出現(xiàn)的語(yǔ)義沖突、一對(duì)多等沖突。屬性映射規(guī)則維護(hù)功能可以提供屬性間的映射關(guān)系、全局本體的屬性值來(lái)源以及屬性值域的投影。關(guān)系與層次橋接規(guī)則維護(hù)提供了
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP311.13;TH186

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 肖瑩瑩;李伯虎;柴旭東;公靜;;云制造中的制造能力服務(wù)形式化描述方法[J];系統(tǒng)仿真學(xué)報(bào);2015年09期

2 張培;黃智源;陳琨;范營(yíng)營(yíng);崔冰華;于艷鵬;;數(shù)字化車間多源異構(gòu)質(zhì)量數(shù)據(jù)集成方案研究[J];現(xiàn)代制造工程;2015年01期

3 劉淑芬;孟冬雪;王曉燕;;基于網(wǎng)格單元的DBSCAN算法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2014年04期

4 張繼福;李鑫;楊海峰;;基于模糊C均值聚類的天文光譜特征線軟離散化[J];光譜學(xué)與光譜分析;2012年05期

5 胡峰;王國(guó)胤;代勁;;基于動(dòng)態(tài)聚類的Rough集快速離散化算法[J];西南交通大學(xué)學(xué)報(bào);2010年06期

6 張順琦;秦現(xiàn)生;鄧瑞君;白晶;;組件化的裝配生產(chǎn)線快速設(shè)計(jì)[J];中國(guó)機(jī)械工程;2010年21期

7 葉建芳;潘曉弘;王正肖;唐任仲;;基于免疫離散粒子群算法的調(diào)度屬性選擇[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2009年12期

8 熊忠陽(yáng);吳林敏;張玉芳;;針對(duì)非均勻數(shù)據(jù)集的DBSCAN過(guò)濾式改進(jìn)算法[J];計(jì)算機(jī)應(yīng)用研究;2009年10期

9 劉民;;基于數(shù)據(jù)的生產(chǎn)過(guò)程調(diào)度方法研究綜述[J];自動(dòng)化學(xué)報(bào);2009年06期

10 田志強(qiáng);黃孝彬;;工業(yè)生產(chǎn)過(guò)程的數(shù)據(jù)挖掘技術(shù)[J];控制工程;2009年S1期

相關(guān)博士學(xué)位論文 前3條

1 陳學(xué)海;基于語(yǔ)義網(wǎng)關(guān)的離散制造執(zhí)行系統(tǒng)可重構(gòu)體系與關(guān)鍵技術(shù)研究[D];重慶大學(xué);2014年

2 葉蓮;基于免疫算法的分類方法及其應(yīng)用研究[D];重慶大學(xué);2012年

3 陶春;半結(jié)構(gòu)化數(shù)據(jù)集成系統(tǒng)中的查詢處理研究[D];復(fù)旦大學(xué);2004年

本文編號(hào)：2689142