扰动环境下作业车间网络多瓶颈识别方法研究

发布时间：2017-08-22 23:26

  本文关键词：扰动环境下作业车间网络多瓶颈识别方法研究

  更多相关文章： 作业车间 扰动环境 复杂网络 CML模型 瓶颈识别

【摘要】：针对扰动环境下作业车间多瓶颈识别困难、瓶颈漂移后的瓶颈识别缺乏全局性和实效性这一问题,构建了基于网络特性的多瓶颈动态识别方法。首先,根据设备工装、工艺路线、物流路径以及产品配置等多层次生产数据,构造作业车间网络模型;其次,建立作业车间网络动力学方程,获取扰动因素流转的判定依据。对瓶颈内涵进行扩充,综合考虑节点自身动力学特性、节点间拓扑耦合影响机理及扰动在生产网络中的传播机制,建立基于耦合映射格子(CML)的瓶颈识别算法,实现作业车间瓶颈的量化描述和连续预测;最后,对某机电企业作业车间进行瓶颈的动态监控和预测。结果表明:在扰动环境下,CML模型能够较好地预测各工作站瓶颈度走势,其中工作站R1平均瓶颈度为1.12,瓶颈持续时间长达40h;工作站R3的平均瓶颈度为1.05,瓶颈持续时间为10h;工作站R1、R3首先成为系统的瓶颈,随着加工进度的推移,工作站R1和R24交替成为系统瓶颈。研究结果与该企业实际情况具有很好的一致性,验证了该方法的有效性和准确性。
【作者单位】： 新疆大学机械工程学院;
【关键词】： 作业车间 扰动环境 复杂网络 CML模型 瓶颈识别
【基金】：国家自然科学基金资助项目(51365054,51565055) 新疆维吾尔自治区自然科学基金资助项目(2014211A008)
【分类号】：TB497
【正文快照】： 作业车间包含大量的资源节点,不仅表现出节点间存在复杂相互作用、依赖关系的定常周期运动,更表现出一种普遍意义的形式,即无序的混沌。在实际生产过程中,各种随机扰动因素的存在都会引起车间工况发生动态变化,导致生产瓶颈频繁漂移。如何在扰动环境下,进行作业车间瓶颈时空特，

本文编号：721678