智能工厂设计仿真 课件全套 刘怀兰 第1-6章 智能工厂设计仿真概述-智能工厂的同步运行技术

智能工厂设计仿真第1章智能工厂设计仿真概述第2章智能工厂知识库的构建第3章智能工厂3D组态建模与离散事件系统仿真第4章智能工厂任务的调度与优化技术第5章智能工厂的网络化技术第6章智能工厂的同步运行技术第1章智能工厂设计仿真概述1.1智能工厂发展综述1.1智能工厂发展综述1.1.1智能工厂的发展背景1.1.2智能工厂的国内外发展现状1.1.3智能工厂的发展趋势1.2智能工厂设计仿真技术介绍1.2.1智能工厂设计仿真技术的重要意义1.2.2智能工厂设计仿真技术的关键因素成熟的智能工厂设计仿真技术主要涉及以下几个关键因素：1.设施布局规划和运行优化2.车间调度3.生产线设计与抗扰动评估4.生产计划与排产验证的优化技术5.智能工厂数字孪生数据互通互联和同步运行技术6.智能工厂数字孪生的虚拟验证和闭环反馈技术1.2智能工厂设计仿真技术介绍7.三维布局可视化仿真与数字孪生实时监控1.3国内外的智能工厂设计仿真软件介绍1.3国内外的智能工厂设计仿真软件介绍1.3.1西门子的智能工厂设计仿真软件1.3.2达索的智能工厂设计仿真软件1.3.3FlexSim的智能工厂设计仿真软件1.3.4国内的智能工厂设计仿真软件第2章智能工厂知识库的构建2.1智能工厂知识库概述2.2语义建模与知识库系统2.2.1语义建模的基本概念2.2.2本体建模的基本概念及相关理论（1）本体定义本体论（Ontology）原本是一个哲学概念，源自哲学之中称力“形而上学”的分支，研究的是“什么是存在的本质？”这一哲学问题，即最能准确描述该事物的特征是什么，该事物与其他事物的最本质区别是什么。（2）本体建模语言本体建模语言是指用来描述和表达本体内涵信息的一系列建模语言的统称。（3）本体构建方法本体对于某一个领域或项目的重要性不言而喻，因此需要遵循一定的方法来构建。2.2语义建模与知识库系统2.2语义建模与知识库系统①确定本体的专业领域和范畴。②考查复用现有本体的可能性。③列出本体中的重要术语。④利用自顶向下法、自底向上法、综合法等方法定义并完善类和类的等级体系。⑤定义类的属性。⑥定义属性的分面。⑦创建实例。2.2.3知识建模与知识库系统（1）知识建模知识建模（KnowledgeModeling）与知识表示（KnowledgeRepresentation）是对知识进行管理和应用的前提和基础。（2）知识库与知识库系统知识库即“知识的仓库”，是在数据库的基础上发展而来的，是人工智能技术中知识模型与数据库的结合。2.2语义建模与知识库系统①有利于知识的有序化组织。②有利于知识的交流和共享。③有利于增强沟通与协作。④有利于实现隐性知识的管理。2.3智能工厂知识库的构建体系与标准2.3智能工厂知识库的构建体系与标准2.3.1基础共性标准①术语和定义标准，用于规范领域内专业术语、定义及相互之间的关联关系，为知识本体构建打下基础。②参考框架标准，作构建知识模型数据结构时的参考。③管理标准，用于指导知识模型在构建、应用、维护等方面的规范化和有效管理。④数据标准，用于限定知识库的输入和输出数据的类型和标注等。⑤测试评估标准，用于确定对构建的知识模型进行质量评估、性能测试等方面的标准，为知识模型的优化升级指明方向。2.3智能工厂知识库的构建体系与标准2.3.2数字基础设施标准2.3智能工厂知识库的构建体系与标准2.3.3关键技术标准2.3.4应用与服务标准2.3智能工厂知识库的构建体系与标准2.3智能工厂知识库的构建体系与标准2.3.5运维与安全标准2.4智能工厂关键要素的分类方法与本体构建2.4智能工厂关键要素的分类方法与本体构建2.4智能工厂关键要素的分类方法与本体构建2.4.1资源需求分析（1）人员从管理学的角度看，人员是影响产品质量的重要因素。（2）机器设备机器设备是工厂进行生产的最基本要素，所有的生产计划、工艺方法最终都要通过机器设备来实现。（3）物料物料一般是指生产所需的原料、辅料、半成品、零部件以及成品等。（4）工艺方法工艺方法一般是指设计和生产过程中涉及的知识、方法、原理、工业机理、各类标准等，是知识库的重要组成部分。2.4智能工厂关键要素的分类方法与本体构建（5）工作环境工作环境会直接或间接影响到人员和机器设备，甚至会影响工艺方法的执行，进而影响到产品质量。2.4.2信息需求分析（1）物料流物料流是指企业保证生产过程的进行，以物料中心进行的实物物流活动，包括供应商到工厂之间的物料流和工厂内部的物料流两个方面。1）设计物料清单（EBOM）和制造物料清单（MBOM）。＞基础信息，例如原材料编号、原材料名称、单件产品用量、适用产品型号等。＞包装信息，例如包装形式、包装容量、包装的长宽高及重量、输送形式等。＞存储信息，例如堆垛方式、堆垛层数、存储周期等。2）物流标准操作工时指导数据。3）人员及输送设备的工作负荷指导标准。4）物流操作流程。2.4智能工厂关键要素的分类方法与本体构建5）信息流流程及能量流流程。6）相关的物流规划方案。7）车间的生产计划和工艺流程。（2）信息流物料流是物理空间中的主要仿真对象，而伴随着物料流动进行的生产过程会产生大量的数据和信息，从而会产生虚拟世界中的信息流动。1）基础支持，主要包括各类基础数据库、知识库、三维模型库等，是信息流动的载体和指引。2）信息建模，是指根据信息的收集和流动需求的规模和形式，把信息构建成信息点、2.4智能工厂关键要素的分类方法与本体构建信息链、信息块、信息区、信息网和信息包的建模过程。3）信息处理，是指在基础设施的支持下对信息进行感知、清洗、分析、决策、执行、反馈、优化、预测等的过程。4）三维场景，是指将信息处理的过程从仿真运行时间和空间内三维模型两个维度上进行呈现，使设计仿真人员可以直观地看到仿真分析过程，从而判断是否存在物料堆积、物流路径交叉、设备开动率低、工作量分配不合理等阶段性问题，进而指导优化改进。5）信息展示，是指将信息处理的结果以恰当的形式进行可视化展示，从而使人员可以直观、迅速地了解工厂的生产状态和动态调整结果，从而对未来的生产过程进行优化。（3）能量流能量流也是智能工厂生产过程的重要组成部分。2.4智能工厂关键要素的分类方法与本体构建2.4.3智能工厂关键要素的本体构建2.4智能工厂关键要素的分类方法与本体构建2.4智能工厂关键要素的分类方法与本体构建2.4智能工厂关键要素的分类方法与本体构建2.5智能工厂知识库案例（1）语义建模支持类、对象属性、数据属性和个体的编辑，同时支持查询和语义模型的可视化。（2）组件导入导出支持语义模型与几何模型组成组件的导人导出。（3）组件行属性编辑通过人机交互方式对组件的行属性进行编辑。（4）组件仿真动作编辑通过定义工步、感应器等仿真动作所需的配置条件，为生产线仿真提供基础。2.5智能工厂知识库案例2.5智能工厂知识库案例2.5.1本体模型构建2.5智能工厂知识库案例（1）人员在对人员建模时，不同人员个体对应的三维模型相同，区别在于模型内包含的信息不同。＞属性信息：工号、姓名、性别、年龄、入职时间、权限、学历学位等资质信息、掌握的技能、所属部门、职称、已完成工作记录、已取得成果、性格特点描述等表明人员自身固有属性的信息。＞状态信息：上班时间、下班时间、当前班次、当前岗位、当前执行的工作任务、历史工作记录等表明人员当前状态的信息。（2）机器设备智能工厂中的现场设备多种多样，以汽车总装车间为例，机器设备总体包括：生产设备，例如助力机械手、铭牌打标机、油液加注机等；输送设备，例如辊床、升降机、AGV等；检测设备，例如四轮定位仪、前照灯检测台等；各类辅助设备，例如物流托盘、货架、手持可移动工具等。＞属性信息：编号、型号、配置、功能、使用说明、所处工位、加工能力、适用人员资质、适用物料、适用环境、维护周期、报废时间、负责人等能够表明机器设备固有属性的信息。＞状态信息：服役时间、开动时间、当前位置、当前执行的工作任务、运行状态数据、生产计划、2.5智能工厂知识库案例维修记录等能够表明机器设备状态的信息。2.5智能工厂知识库案例（3）物料物料信息的采集主要包括物料的属性信息和状态信息。＞属性信息：物料类别、批次、型号、编号、适用的生产任务、出厂日期、保质期、功能、使用说明、适用的机器设备、适用环境、入库时间、存放位置、材料、规格、单件重量等能够表明物料自身属性的信息。＞状态信息：物料使用计划、使用人员、所使用的机器设备、使用环境、实时位置、数量、当前状态、计划安排、历史加工记录等能够表明物料的计划、状态等的信息。（4）工艺方法工艺方法的建模根据生产产品种类、生产计划、所选设备等的不同而不同。＞属性信息：编号、名称、摘要、主要内容、适用的机器设备、适用的物料、适用的环境、对应的工作任务编号、编辑人员编号等能够表明工艺方法基本属性的信息。＞状态信息：创建时间、修改时间、废除时间、操作人员、操作原因、历史操作信息等能够表明工艺方法的变动、状态等的信息。（5）工作环境以汽车的总装生产为例，生产环境分粉尘、温度、湿度、噪声、振动、气压、清洁2.5智能工厂知识库案例情况、光照等，主要包含所测环境的现状和历史状况，需要收集环境的属性信息和状态信息。＞属性信息：测量位置、数据类型、测量方式、负责人等能够表明工作环境的采集方式、位置、名称等的属性数据。＞状态信息：测量时间、测量数值、历史测量数据等能够表明工作环境的采集状态、当前状态等的状态数据。（6）4MIE的集成与可视化4MIE的各类模型及属性在完成定义后，可通过自主开发的知识建模软件进行关联关系的构建。2.5智能工厂知识库案例2.5智能工厂知识库案例2.5智能工厂知识库案例2.5智能工厂知识库案例2.5.2智能工厂布局2.5智能工厂知识库案例2.5智能工厂知识库案例2.5智能工厂知识库案例2.5智能工厂知识库案例2.5智能工厂知识库案例2.5智能工厂知识库案例2.5智能工厂知识库案例2.5智能工厂知识库案例第3章智能工厂3D组态建模与离散事件系统仿真3.1

3D组态建模与离散事件系统仿真技术概述3.2生产线关键要素的3D组态物化建模3.2生产线关键要素的3D组态物化建模3.2.1模型组态快速建模1.基于OCC的模型封装和数据库建立3.2生产线关键要素的3D组态物化建模3.2生产线关键要素的3D组态物化建模3.2生产线关键要素的3D组态物化建模2.基于OSG的仿真模型通用显示技术3.2生产线关键要素的3D组态物化建模3.模型的快速导入3.2生产线关键要素的3D组态物化建模3.2生产线关键要素的3D组态物化建模3.2生产线关键要素的3D组态物化建模3.2生产线关键要素的3D组态物化建模4.面向生产线级的交互处理技术3.2生产线关键要素的3D组态物化建模3.2生产线关键要素的3D组态物化建模3.2生产线关键要素的3D组态物化建模5.模型导入效果3.2生产线关键要素的3D组态物化建模3.2生产线关键要素的3D组态物化建模3.2.2运动组态建模1.机器人的运动组态建模3.2生产线关键要素的3D组态物化建模3.2生产线关键要素的3D组态物化建模2.机床的运动组态建模3.2生产线关键要素的3D组态物化建模3.AGV的运动组态建模4.输送带的运动组态建模3.2生产线关键要素的3D组态物化建模3.2.3事件组态建模1.产生装置的事件组态建模3.2生产线关键要素的3D组态物化建模2.输送带的事件组态建模3.2生产线关键要素的3D组态物化建模3.机器人的事件组态建模3.2生产线关键要素的3D组态物化建模3.2生产线关键要素的3D组态物化建模4.机床的事件组态建模3.2生产线关键要素的3D组态物化建模3.2生产线关键要素的3D组态物化建模3.2.4逻辑组态建模3.2生产线关键要素的3D组态物化建模3.2生产线关键要素的3D组态物化建模3.2.5多组态弱装配关系的构建1.生产线关键要素间布局关系的建立2.事件间逻辑关系的建立3.2生产线关键要素的3D组态物化建模3.关键要素间逻辑关系的建立3.2生产线关键要素的3D组态物化建模4.生产线关键要素弱装配关系的快速构建技术3.2生产线关键要素的3D组态物化建模3.3离散事件系统的仿真策略3.3.1事件调度法3.3.2活动扫描法1）仿真初始化，设置仿真开始时间st和结束时间ft。2）扫描各实体的TimeCell，用最小值更新系统仿真时钟TIME，如果TIME≤ft转3），否则转4）。3）活动例程扫描。4）仿真结束。该方法还要求每个实体必须具备至少三个属性，即代表实体下一确定B类活动发生时间的仿真时间元，实体在未来某时刻的可用性，以及实体预期的下一B类活动例程。1）仿真初始化，设置仿真开始时间和结束时间。2）时间扫描A阶段。3）B阶段。4）C阶段。3.3离散事件系统的仿真策略5）C阶段扫描结束后，判断仿真结束条件是否成立，成立则转6），否则转2）。6）仿真结束。3.3.3进程交互法1）仿真初始化，在FEL中设置初始事件以及初始化系统仿真时钟。2）将当前时刻发生的事件从FEL中移入CEL。3）扫描CEL，判断各个事件记录的条件，满足的尽可能推进对应的进程。4）扫描CEL结束后，继续推进仿真时钟，判断仿真结束条件是否成立，成立转5），否则转2）。5）仿真结束。3.3离散事件系统的仿真策略3.3.4基于多仿真时钟的仿真策略3.3离散事件系统的仿真策略3.3离散事件系统的仿真策略（1）进程仿真的执行流程该仿真策略需要每一个实体建立进程，同时当该进程活动中固定时长活动的数量大于0时，就需要在仿真时对该进程增加一个仿真时钟（由于计算函数和同步运行的实时性，该时钟真实的时钟），该进程在仿真后运行于自己的线程上。①活动类型为固定时长活动时，按照活动持续时间推进真实的仿真时钟，推进结束后使该仿真时钟清零。②活动类型为可变时长活动时，执行活动的计算函数或者同步运行。3.3离散事件系统的仿真策略（2）事件分配器的执行流程事件分配器主要有两个作用：①在接收到某进程的事件时，按照进程间的交互关系将该事件发送至其他进程。②对进程所在的线程进行管理。3.4

DEVS仿真算法及其扩展3.4.1面向虚拟车间的DEVS仿真算法（1）DEVS概述虚拟数字李生车间属于离散事件系统，其虚拟实体的行模型描述需要借助离散事件系统的层次化描述方法。1）原子模型。2）耦合模型。（2）DEVS仿真算法DEVS原子模型和耦合模型设计了仿真器（Simulator）、协调器（Coordinator）以及根协调器（Root-Coordinator），如图3-36所示。3.4

DEVS仿真算法及其扩展3.4.2面向虚拟车间的DEVS仿真算法的扩展1）缺乏层次化的虚拟车间建模方法，导致建模人员无法对模型进行封装从而复用，使得建模效率低下。2）离散事件系统建模对虚拟车间的适用性不足。3）模型的描述缺乏统一的方法。（1）虚拟车间的分层模型陶飞等人提出的数字李生模型可以表示一个五元组，即MDT=（PE,VE,Ss,DD,CN）3.4

DEVS仿真算法及其扩展①单元级虚拟实体的定义。②系统级虚拟实体的定义。③复杂系统级虚拟实体的定义。3.4

DEVS仿真算法及其扩展3.4

DEVS仿真算法及其扩展（2）基于扩展离散事件系统的DEVS扩展思路DEVS扩展的目的是为了能够利用DEVS扩展对离散车间虚拟实体的分层行模型进行描述。3.4

DEVS仿真算法及其扩展1）DEVS原子模型的扩展。①时间推进函数的扩展。②原子模型扩展内部数据。③端口扩展。2）DEVS耦合模型的扩展。（3）VDEVS模型的形式化定义1）VDEVS原子模型的定义。2）状态转换图以及实例。3.4

DEVS仿真算法及其扩展3.4

DEVS仿真算法及其扩展3）VDEVS耦合模型的定义。（4）VDEVS仿真算法DEVS仿真算法规定了两个过程：原子模型状态序列的切换及对应时间推进函数、输出函数的执行；不同原子模型之间的协调调度。1）模型的扁平化处理。①判断输出端口的数量，大于0则进行端口处理，为0则继续进行下一步。②当前模型的类型耦合模型时，则对耦合模型的所有子模型继续递归过程①、②。③当前模型的类型为原子模型时，递归终止，退出递归过程。3.4

DEVS仿真算法及其扩展3.4

DEVS仿真算法及其扩展①新建输入端口列表用于存放端口，利用该列表存放的端口连接树形结构的事件输入端口叶节点。②对当前端口进行处理，当前端口有NextPort时，且其端口所在模型的类型力耦合模型或者端口的类型输出端口时，递归执行过程①、②。③当端口所在模型的类型为原子模型且端口的类型为输入端口时，将该端口放入输入端口列表。2）VDEVS模型的仿真。3.4

DEVS仿真算法及其扩展①仿真器。（a）输入器。a）原子模型的配对事件端口先于数据端口接收到一个事件时，输入器中的状态机从Wait状态转换UnBlock状态，UnBlock状态下如果该端口仍然接收到了事件则继续停留在UnBlock状态。b）原子模型配对的数据端口的临时缓冲区接收到一个数据时，输入器的状态机由Un-Block状态转换力Pass状态，并将该数据从临时缓冲区放置到配对的数据端口，处理结束后转换状态力Wait状态。c）原子模型配对的数据端口的临时缓冲区先于事件端口接收到一个数据时，输入器的状态机由Wait状态转换Block状态，进入Block状态时，将数据从临时缓冲区放置到缓冲区内；Block状态下如果继续接收到数据，将继续停留在该状态，并将数据放入到该缓冲区内。d）原子模型和数据端口配对的事件端口接收到事件时，输入器的状态机由Block状态转换力Release状态，该状态下将从缓冲区中弹出一个数据，并放入到相应的输入数据端口中。3.4

DEVS仿真算法及其扩展（b）执行器。②根协调器。第4章智能工厂任务的调度与优化技术4.1智能工厂任务的调度与优化技术概述4.2智能工厂数字车间的结构与分布式执行控制4.2.1数字车间的结构4.2智能工厂数字车间的结构与分布式执行控制4.2智能工厂数字车间的结构与分布式执行控制4.2.2数字车间的分布式执行控制4.2智能工厂数字车间的结构与分布式执行控制1）总控层：主要由数字车间业务功能模块组成的上层控制系统，负责生产计划制订、规划排产、资源管理与调度等。2）网络通信协议层：即工业网关，用于负责各层级之间的数据通信。3）设备控制器层：负责解析总控层下发的执行指令（即指令加工代码），并将其转化成硬件的调度指令，进而控制设备去执行具体动作。4）设备层：指与生产有关的全部生产设备，包括刀库、物料库、机械手与数控机床等。4.3智能工厂数字车间控制系统的执行流程4.3智能工厂数字车间控制系统的执行流程4.3.1产前准备阶段4.3智能工厂数字车间控制系统的执行流程4.3.2排产仿真阶段4.3.3加工生产阶段（1）数据流在数字模拟仿真成功之后，生产线系统根据排产的结果以及产品的工艺信息，向仓库管理系统（WarehouseManagementSystem,WMS）发布一个发料流程，然后WMS根据发料流程向MES反馈一份配料单的信息（包括材料的位置、品质、出人库时间等），系统得到配料单的信息后，用AGV将物料运送至加工中心，再向系统反馈一个交接信息，系统收到交接信息后，向加工中心发布加工指令，加工中心根据在排产阶段收到的指令单开始进行相应的加工。（2）物流调度通过数据流的介绍可以发现，生产过程中物料的及时转运是十分重要的。4.3智能工厂数字车间控制系统的执行流程4.3智能工厂数字车间控制系统的执行流程4.3.4分析评价阶段4.3智能工厂数字车间控制系统的执行流程4.4数字车间的调度系统4.4.1数字车间的设备通信技术1.数字车间总控平台的结构（1）整体结构如图4-10所示，基于微服务架构的数字车间总控平台的整体结构分力三大部分，分别是软件服务层、平台及服务层与基础设施层。（2）平台服务集成方案在微服务系统中，由于微服务单独部署在Docker中运行，在运行期间可能随时发生改变（如服务销毁或者克隆），因此如何快速发现服务并集成是十分重要的。4.4数字车间的调度系统1）基于RESTful接口调用方式进行集成。2）基于消息队列的消息驱动方式进行集成。4.4数字车间的调度系统2.分布式事务一致性方案（1）分布式事务一致性概述数据库事务是指由一组数据库操作序列组成的集合，这组操作要么全部执行成功，要么全部执行失败、回滚（Rollback）。4.4数字车间的调度系统4.4数字车间的调度系统（2）基于消息队列的分布式事务一致性方案针对上述两种方式的优缺点进行分析，本文提出一种基于消息队列异步操作的分布式事务提交设计方案，用于实时性要求不高的分布式事务提交场合。4.4数字车间的调度系统1）主服务向事务消息管理发送事务消息，表不需要提交分布式事务。2）事务消息管理接收到主服务发送的消息后，反馈一条确认消息，表明事务消息已经成功到达。3）主服务收到反馈的确认消息后，开始提交本地事务。4）此时分为两种情况：一是主服务提交本地事务后，需要向事务消息管理发送提交结果，事务消息管理收到结果后，首先会反馈一条确认消息表明已收到，然后根据结果进行处理。5）从服务从队列中获取事务消息后进行处理（即提交本地事务），每个从服务执行成功后，反馈执行成功的消息，事务消息管理收到后，则反馈给主服务表示分布式事务提交成功。4.4.2基于ECode流程的建模技术（1）ECode模型的提出控制器之间的接口契约不仅需要保证能够完成数据传输，还需要对传输数据的语义规范进行设计，即语义数据模型定义。（2）ECode的语义模型1）ECode模型的信息。4.4数字车间的调度系统2）ECode的数据格式。4.4数字车间的调度系统3）ECode的数据模型。4.4数字车间的调度系统（3）ECode的执行管理ECode是具有生命周期的，每一层级ECode都有其生命周期，父指令的生命周期包含子指令的生命周期，全部子指令的生命周期共同构成了父指令的整个生命周期。4.4.3数字车间的排产调度过程与刀具约束（1）排产调度过程生产线的排产调度过程如下：系统接收到上层或管理人员下发的工单任务后会进行合法性检测，通过检测后会进行规划计算，在规定的规划时间后根据当前最优的调度结果进行指令的下发和执行。（2）刀具约束刀具是机床加工过程中的重要资源，其调度结果在很大程度上会影响加工的效率。4.4数字车间的调度系统4.4.4多智体数字车间调度系统的结构4.4数字车间的调度系统1）系统计算能力强，对资源规划的粒度更细。2）在异常干扰下拥有快速的响应和处理能力。3）系统运行效率高，稳定性强，便于扩展。4.5数字车间的调度策略及其优化技术4.5.1数字车间调度问题的模型（1）同一工件的加工顺序要求同一个工件后续工序的开始加工时间要在前道工序完成之后。（2）加工时间约束工件在机床上的加工时间不能力负。（3）机床约束每个工序只能在一台机床上加工。（4）机床加工约束工序，的开始加工时间与其在机床上的紧前工序开始加工时间之差大于或等于机床的紧前工序加工时间。4.5数字车间的调度策略及其优化技术4.5数字车间的调度策略及其优化技术4.5.2车间调度模型的粒子群算法求解（1）粒子群算法概述粒子群算法是指一种依赖群体信息共享的智能随机寻优算法，其来源是鸟类觅食行为的启发。（2）算法设计中关键问题在粒子群算法中，粒子运动在实数域内，粒子的位置、速度、学习因子、惯性权重等都在实数域内给定，粒子经过位置和速度更新方程更新后，其依旧运行在实数域内，所以粒子群算法是针对连续空间域设计的优化算法。（3）编码设计截至目前，解决经典车间调度问题的算法编码有直接编码和间接编码两种形式。4.5数字车间的调度策略及其优化技术4.5数字车间的调度策略及其优化技术（4）算法流程粒子群算法求解车间调度问题的流程如图4-18所示，从图中可以看出，这是在原生连续域内的粒子群算法的基础上引入了基于排序映射的调度序列生成方法。4.5数字车间的调度策略及其优化技术4.5.3车间调度模型的改进型遗传算法1.遗传算法求解FJSP概述2.改进遗传算法的流程4.5数字车间的调度策略及其优化技术3.遗传算法的改进（1）多段式编码与解码编码是构建遗传算法模型的重要步骤。4.5数字车间的调度策略及其优化技术4.5数字车间的调度策略及其优化技术（2）负荷最小的种群初始化方法初始解的质量将会很大程度上影响遗传算法的求解速度和质量。4.5数字车间的调度策略及其优化技术4.5.4基于改进型遗传算法的多智体静态调度策略4.5数字车间的调度策略及其优化技术1）当生产线管理智体通过通信接口接收到上层下发的生产任务时，会进行工单合法性判定，根据本生产线的加工能力和资源状态判断能否满足需求，若能满足需求则下发工单任务，反之会向同层级其他智体请求协助或反馈无法完成的信息。2）当生产订单到达时，工单管理智体会向资源管理智体发送资源查询请求，查询系统的当前制造资源状态与信息是否满足下发工单的需求，若满足需求则进行后续的工单分解操作，反之则返回错误信息，提示重新下发正确工单。3）工单任务通过资源检查之后，会由工单管理智体下发给规划智体，规划智体会将该工单任务加入到待规划的列表中，同时会根据工单任务的交货期与优先级将任务进行排序，将优先级高、交货期近的工单进行优先排产，以避免延误工期。4）规划智体通过调度算法得到机床的工序加工序列解后，需先优化当前序列的准确完工时间（由机床智体、刀库管理智体共同协调得到），再将工艺加工序列下发给机床智体，由机床智体与刀库管理智体协作确认工序完工时间并返回给规划智体，规划智体根据反馈的完工时间进行序列寻优，在4.5数字车间的调度策略及其优化技术规定时间内输出最优工序加工序列。5）机床智体接收到工序加工序列后，根据机床的当前加工工序情况和刀具匹配情况来规划该工序的完工时间，若机床的当前刀具匹配程度满足工序加工需要，则不需要刀具准备时间，反之则需要向刀库管理智体发送协助信息，对所需刀具的到达时间与加工时间段锁定进行请水，根据刀库管理智体反馈的信息完成工序完工时间的计算。6）刀库管理智体接收到机床智体的刀具锁定请水后，根据当前刀具使用情况计算出最优的刀具调用时间，若能满足机床智体到达时间的要求，则相应刀具进入时间与状态锁定，在锁定时间段内不再参与刀具的规划计算并反馈信息，若无法满足时间要求，则反馈占用刀具的机床信息与当前最优刀具调用时间。7）机床智体根据刀库管理智体反馈的刀具占用信息进行完工时间计算，若刀具满足时间要求，则依次完成完工时间计算，若不满足时间要求，则根据返回的机床占用信息，与对应机床智体进行刀具资源协商。4.5数字车间的调度策略及其优化技术8）规划智体接收到其他智体协商后得到的包含刀具调度的完工时间，通过改进型遗传调度算法进行解寻优，在规定时间内得到最优调度方案并将结果返回给工单管理智体（该调度方案包含每个工序的起始加工时间、加工机床和对应刀具的调配计划），并生成一系列的调度指令。4.5.5基于滚动窗口技术的多智体动态调度策略1.滚动窗口技术介绍4.5数字车间的调度策略及其优化技术2.动态调度策略的分类4.5数字车间的调度策略及其优化技术3.周期型多智体调度策略4.事件驱动型多智体调度策略4.5数字车间的调度策略及其优化技术（1）设备故障时的调度策略当设备发生故障时，机床智体根据机床反馈的故障信息，依据历史数据推测机床故障的持续时间，并向生产线管理智体反馈故障信息，同时通知工单管理智体解除安排在该机床上的处于当前工作窗口的工序的绑定关系，工单管理智体记录当前工序的时间。4.5数字车间的调度策略及其优化技术（2）有紧急订单时的调度策略当新插入紧急订单时，工单管理智体会先进行制造资源的检查，若资源满足需求，则对该紧急订单的优先级进行判定。1）若该紧急订单的优先级I级，表示该紧急订单的工单任务在目前未规划的任务队列中处于最高级，该订单的任务下发给规划智体，规划智体将该任务加入到未规划任务列表的第一个位置，并按照静态调度策略进行调度。2）若该紧急订单的优先级为I级，表示该紧急任务在所有任务队列中处于最高级，包括正在加工的任务序列。（3）订单撤销时的调度策略当工单管理智体接收到工单取消的请求后，会查询相关任务的执行状态。第5章智能工厂的网络化技术5.1智能工厂网络化概述5.2智能工厂的物联网体系5.2.1智能工厂设备资源的特点（1）分布多样性这里的分布是指加工资源在地理位置上的分布。（2）异构性企业联盟中每一个成员企业的数控装备包括数控机床、工业机器人、AGV等多种设备，其数据表现形式不同，导致设备资源存在异构性。（3）动态性对于某个加工任务而言，用来完成它的设备资源是特定的，但是随着任务的转变，所组成的资源组合也会随之改变。5.2.2智能工厂网络化加工系统的特点（1）一致性在网络化制造过程中，数据加工资源本身具备各自的特点，为确保加工过程的顺利进行，需要加工系统具备统一的资源表达方式和交换协议。（2）集成性加工系统对于一项加工任务的实施过程可在分布于不同的地理区域上执行，但加工资源的信息和加工过程中所产生的信息必须实现集成化，只有实现了信息的集成才能为具体的加工5.2智能工厂的物联网体系过程提供充足的信息保障，使信息的查询与访问简便快捷。（3）安全性企业联盟的各个成员企业经常发生变动，因此合作关系也会随之变化，竞争对手因为盟员的变动有可能成为合作伙伴，这就要求参与加工系统的各个成员的信息必须共享，但共享的过程并非是信息的全部公开，彼此之间的商业秘密仍要保留。（4）标准化确保系统具有高效能的适应性，应尽量参照规范性强的相关国际、国家或行业标准。5.2.3智能工厂网络化加工系统的结构5.2智能工厂的物联网体系5.2.4智能工厂网络化应用的架构5.2智能工厂的物联网体系1.功能模型5.2智能工厂的物联网体系（1）功能集成性根据企业联盟的任务，将各成员企业单元加工系统的资源信息、加工过程情况、加工任务完成情况等信息进行集成，支持跨企业协同制造。（2）功能重构性企业联盟接到一个加工任务后，根据成员企业的资源信息将任务进行分解，并对单元加工系统进行优化选择，实现功能重构，加工任务完成后重构即结束。（3）监督管理、调度各成员企业在加工过程中可以进行信息交互，为跨企业的车间调度提供信息支持，以实现监督管理、调度等功能。2.资源模型5.2智能工厂的物联网体系（1）基本信息成员企业的名称、网址、电话、法人等。此类信息是动态的，会根据不同的任务需求组成不同的企业组合。（2）企业规模成员企业的规模直接决定了企业的生产力。（3）产品类型现在的加工型企业越来越专业化，各成员企业都有自己的“拳头”产品，而这些产品恰恰反映了它们各自的资源优势。（4）信誉信誉是企业获得成功的一个重要方面，是一个企业的宝贵财富。（5）地理位置地理位置对一个企业的限制随着网络化制造技术的发展而逐渐得到解决，但是目前在现实中企业的合作伙伴往往在全国甚至全世界的范围内寻找，仍然会受到一定的地理位置影响（不能做到及时沟通与协调）。1）基本信息：主要包括设备的生产企业名称、编号等。2）设备类型：这里主要指有关金属加工类的数控设备，如图5-6所示。5.2智能工厂的物联网体系5.2智能工厂的物联网体系3）设备加工能力：主要指设备对可加工特征、可加工尺寸、可加工材料等加工要素的实现能力。4）加工结果：指设备加工可达到的精度、加工所用的时间和费用等。5）设备状态：一般指设备的使用情况、老化程度和更新淘汰情况等。3.信息模型（1）联盟企业共享信息主要包括联盟成员企业的基本信息、联盟企业的经营策略和规范措施，以及要完成项目的规划、目标、约束等信息。（2）任务管理协调信息主要是针对某项任务，成员之间关于任务分配的协商信息和解决任务进行过程中所产生冲突的协调与调度信息，是联盟企业在任务管理过程中必不可少的信息。（3）工程技术信息由制造计划系统定义的被加工产品的工艺要求、技术文档、图纸信息，以及联盟企业对某项子任务的技术要求。（4）制造能力信息人员的能力、技能；材料的位置、使用和质量情况；设备和工具的特性、使用成本与利用率；厂房、能源的使用状况。5.2智能工厂的物联网体系（5）运行监控信息使用的材料和资源成本，空闲和调整时间；在制品、成品的数量、状态等跟踪数据和过程控制参数；产品的合格率、废品率等质量信息；任务的完成进度，项目的进展情况。4.组织模型5.过程模型5.3智能工厂的大数据技术5.3.1智能工厂大数据的类型与特征5.3.2基于NC-Link的智能工厂大数据采集技术（1）NC-Link概述NC-Link是由数控机床互联通讯协议标准联盟（以下简称联盟）研发的具有自主知识产权的数控机床互联通讯协议标准。联盟由中国机床工具工业协会牵头，截至2021年8月，成员有武汉华中数控股份有限公司（以下简称华中数控）、华中科技大学等33家企事业单位、研究机构与高校，旨在打造中国自主知识产权的数控机床互联通讯协议标准，提供更加适合数控机床的互联互通协议，解决物理设备的互联网赋能问题，让物理设备具备计算、通信、精确控制、远程协调、自治、数据采集等功能，从而实现与推动中国智能制造。5.3智能工厂的大数据技术5.3智能工厂的大数据技术（2）基于订阅/发布模式的数据主动传输数控机床动态数据的采样周期是影响机床数字化映射精确度的一个关键因素，因数据密度越高，越能精确地描述物理机床。1）在数控系统端，采用环形缓存提供数据缓存能力，并控制数据容量，以避免因采样数据过多占用数控系统的资源，而影响数控系统原有的加工性能。2）采用缓存映射技术，将数控系统的环形缓存区映射到数据采集模块的环形缓存区。3）在数据采集模块中实现数据组合算法，将各个缓存区的数据按照既定规律组合。“一次传输”阶段：1）将组合后的多行采样数据一次性向数据网关上传，实现以太网性能约束条件下的采样大数据传输。2）数据服务器将数据顺序存储在数据库中。从采样数据的形成与传输过程来看：采样数据的组合方式具备既定规则，规则变动频率较低，但采样数据传输频率较高，如果采用传统的请求/响应模式进行交互，无疑会增加生产环境的网络带宽压力，数据的丢包率也会随之增大。5.3智能工厂的大数据技术1）应用层向数据网关订阅一次采样数据。2）数据网关将订阅消息向数控机床转发。3）数控机床周期性地将采样数据主动向数据网关发布。4）数据网关将采样数据定期即时向应用层转发。5）基于订阅/发布模式的数据被动传输采样通道是非常宝贵的资源，因此无法将数控机床的所有数据都放入采样通道中。对其他时序完整性要求不高的数据，如任务数据G代码、逻辑数据PLC（可编程控制器）点位、数控系统状态数据等，需要设计同步方法。1）数据网关向数控机床订阅一次。2）应用层向数据网关请求发布一次。3）数据网关向应用层订阅一次。4）数控机床被动地向数据网关响应发布一次，数据网关将数据转发至应用层。5.3智能工厂的大数据技术5.3智能工厂的大数据技术5.3.3智能工厂的大数据存储技术（1）大数据中心的体系架构工业数据的实时性使得边缘计算在工业大数据分析领域变得至关重要，其核心是如何保障设备边缘端应用的低延时问题。1）所有设备都需要向系统厂进行注册，形成机床厂分组或用户厂分组，机床厂与用户厂数据中心互联，设备数据被采集后备份至用户厂云数据中心。2）一个用户厂分组包含若干个工业设备，一个机床厂分组又可包含一个或多个用户厂分组。3）设备数据通过用户厂云数据中心上传至机床厂云数据中心，继而传输到系统厂云数据中心。4）用户厂具备最高的数据访问和管理权限，可设置向机床厂或系统厂开放的数据类型，如报警信息、状态信息、调机信息、设备位置等，从而保护机密生产信息，如加工件数、G代码文件等。5）机床厂具备二级数据访问和管理权限，也可设置向系统厂开放的数据类型，如出厂检测信息、工艺知识库，从而同样达到保护机密数据的目的。5.3智能工厂的大数据技术5.3智能工厂的大数据技术（2）工业大数据存储技术加工设备的生产过程是严格按照时间维度进行的，因此工业大数据具备很强的时序性，时序数据库对于工业数据存储是一个不错的选择。1）海量处理能力。2）经济性好。3）具有数据生命周期控制功能。5.3智能工厂的大数据技术MetaData存储以下“元数据”：1）Id：工业设备的DEVICEID，标识该行的数据记录来自哪一台设备。2）Version：模型文件的版本号。3）Model：模型文件的具体内容。4）SampleChannel：采样通道设置。5）SampleData：针对采样通道的各个数据项，根据模型文件生成对应的线性路径。6）DataPoint：针对非采样数据项，根据模型文件生成对应的线性路径。5.3智能工厂的大数据技术5.3智能工厂的大数据技术5.3智能工厂的大数据技术5.4指令域大数据技术及其智能化应用5.4.1指令域大数据的特征5.4指令域大数据技术及其智能化应用5.4.2指令域大数据的智能感知技术5.4指令域大数据技术及其智能化应用5.4.3基于指令域大数据实现的智能化应用（1）基于指令域分析方法的工艺参数优化技术框架工艺参数优化的本质是根据质量提高、效率提升、成本降低和节能环保等目标，通过调整进给速度、主轴转速、切削深度等工艺参数，达到单目标或多目标优化的过程。5.4指令域大数据技术及其智能化应用5.4指令域大数据技术及其智能化应用（2）基于指令域分析方法的刀具状态监测技术框架刀具状态监测包括了对刀具断裂、刃口崩损和磨损三种状态的判断。1）需要更多的人工参与。2）传统的模式识别算法未充分考虑样本生成的特点，忽略了样本的增量学习和不均衡学习。5.4指令域大数据技术及其智能化应用1）获取原始数据。2）利用指令域分析方法对原始数据进行处理。3）生成少数类样本。4）特征提取。5）机器学习模型的训练和泛化。第6章智能工厂的同步运行技术6.1数字孪生概述6.2基于物理空间的同步运行对象描述6.2.1智能生产线的基本对象6.2基于物理空间的同步运行对象描述6.2基于物理空间的同步运行对象描述6.2.2功能模型的构建6.2基于物理空间的同步运行对象描述6.2基于物理空间的同步运行对象描述6.2基于物理空间的同步运行对象描述1.产品和托盘建模2.工业机器人建模6.2基于物理空间的同步运行对象描述6.2基于物理空间的同步运行对象描述6.2.3设备模型运动副1）运动关系链设置。