基于数据挖掘技术的生产调度规则提取与应用系统的研究

发布时间：2020-05-31 02:39

【摘要】：良好的生产调度规则是保证车间得以有序、高效生产的重要前提。当前制造技术正朝着基于知识和信息的智能制造方向迈进,这对调度规则在适用范围、响应速度、智能化等方面提出了进一步要求。解决这些问题的重要途径之一是基于数据的启发式生产调度方法。该方法依托数据挖掘技术,利用企业生产制造过程所产生的大量实例数据提取调度规则,并通过对挖掘到的规则进行进一步的泛化和优化,最终得到适用于企业自身需要的调度规则。本文根据企业现有管理系统和生产的现状,深入研究了基于数据挖掘技术的启发式生产调度的工作流程、内容和关键技术,并提供了解决方案。针对家具企业对于生产调度的客观要求,结合利用数据挖掘技术进行生产调度的特点,建立了基于数据挖掘技术的生产调度规则提取与应用系统的体系结构与业务模型。该系统可以整合来自于多个管理系统的业务数据,并对数据集进行离散处理与属性提取。随后从数据源中挖掘调度规则,并应用于车间调度工作。为了使生产实例数据的获取机制具有较高的柔性、降低其耦合性并实现数据语义上的统一,建立了一种基于本体的生产调度数据多源异构融合方法。首先针对离散制造的过程和特点进行分析,将生产所涉及的对象以影响生产调度结果的程度以及在生产中发挥的作用为依据,采用分层划分的方法,为生产实例数据建立了统一的对象模型——生产事件信息元以及生产调度事件信息元。之后,分别建立了全局本体和局部本体。最后,利用上述技术成果建立数据融合系统,实现多种管理系统的语义统一和数据融合。针对融合后的生产实例数据中普遍存在的属性值连续问题,提出了基于单维度多半径聚类算法的动态离散算法。首先根据生产实例属性值的密度分布不均匀及粗糙性的特点,设计了单维度多半径的数据聚类算法,较好的实现了属性值的聚类处理。此后,为该聚类算法的聚类参数添加动态调整规则,并设计了数据离散目标函数,实现了属性值的离散过程自动化。最后通过数组实验数据的对比,证明了该算法的有效性及高效性。针对生产实例数据属性维度过多所造成的维度灾难问题,构建了基于重要度与关联系数的属性提取算法。首先根据生产数据的特点,利用模糊熵建立了属性重要程度的度量函数,并利用模糊熵的增量程度建立了关联属性的搜索方法。接着通过考察属性组合对于提升数据挖掘准确性的效果,建立了属性重构函数,利用属性间的线性组合进一步减少属性数量。最后通过实验证明本文的属性选择算法可以有效的减少属性维度,并提高数据挖掘算法的准确性。为实现家具产品在生产过程中的实时调度,研究了基于仿真优选与数据挖掘技术的启发式调度方法。首先分析了家具产品在生产过程中的假设条件和约束条件,建立了基于生产齐套差额度的生产调度数学模型。此后,针对生产实例数据存在的覆盖面不足问题,建立了生产过程仿真环境,并整合了生产调度智能算法,用于产生丰富、有价值的仿真实例数据。在利用数据挖掘技术进行规则提取前,对生产实例数据进行择优处理,以确保所提取出的调度规则的质量。最后利用C4.5算法进行调度规则提取,并进行剪枝处理,为每个加工单元获取其个性化的调度规则,以应用于生产实时调度工作。在上述研究成果的基础上,本文针对某家具生产企业开展了技术落地应用。首先,本文建立了企业的全局本体及各个管理系统所对应的局部本体,开发了基于数据挖掘技术的生产调度规则提取与应用系统。该系统可以将多种管理系统中与生产和生产调度相关的数据进行融合,形成统一的生产事件信息元实例数据;并可针对实例数据进行自动、高效的数据离散处理和关键属性提取工作;可结合仿真系统和生产实例数据,提取良好的调度规则知识,并有效的进行生产实时调度工作。验证结果表明,通过上述技术的综合应用,该系统能够有效提高车间生产调度工作的效果,从而最终提升企业自身的生产能力。
【图文】：

本体,全局,关联关系,体系

图 45 本体配置在完成了本体的建立工作后，各本体对象仅在某一类本体的内部具备关联，，此时还需要为全局本体与局部本体建立各类关联关系，以实现不同体系下本体间的互通。与全局本体和局部本体库的建立类似，本体之间的映射关系也主要依托领域专家和企业内部资深员工手工

本体,语义冲突,映射方法,数据整合

图 46 数据整合规则维护在语义解析规则维护功能中，用于建立全局本体与局部本体之间的关联关系和映射方法，用于解决本体间所出现的语义冲突、一对多等冲突。属性映射规则维护功能可以提供属性间的映射关系、全局本体的属性值来源以及属性值域的投影。关系与层次桥接规则维护提供了
【学位授予单位】：东南大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TP311.13;TH186

【参考文献】