基于注意力QRNN的離散車間生產瓶頸預測*

汪偉麗，郭 宇，劉道元，高瀚鵬，楊志偉

(1.南京航空航天大學機電學院，南京 210016；2.北京星航機電裝備有限公司，北京 100074)

0 引言

經濟社會的快速發展對企業的生產能力提出了更高的要求，而離散制造車間存在的瓶頸現象嚴重地制約了系統的有效產出[1]，影響了車間的生產效率，因此如何準確描述并預測作業車間的生產瓶頸是當前的研究重點。

針對瓶頸定義問題，部分學者通過生產系統中工作負載最大的設備[2]、對整體系統吞吐量影響最大的設備[3]等來描述瓶頸。在瓶頸識別方面，REID等[4]對制造單元的生產能力和生產需求進行度量以識別瓶頸；翟穎妮等[5]設計正交實驗識別生產中的系統瓶頸；SUBRAMANIYAN等[6]開發了一種實時數據驅動的平均活動周期瓶頸檢測算法。瓶頸定義用于描述瓶頸單元，瓶頸識別用于檢測瓶頸單元，但瓶頸識別一般是事后識別，此時瓶頸影響已經造成，而瓶頸預測是事前識別，對車間的生產調度更具指導意義。葉濤鋒等[7]提出了一種利用隊列圖形評價和回顧仿真技術的瓶頸預測方法；LIU等[8]構建了瓶頸度與瓶頸指數來描述動態瓶頸特征，并建立了生產物流瓶頸預測模型。基于仿真建模的瓶頸預測方法，模型構建相對復雜，難以準確描述離散車間的動態情況。隨著大數據分析技術在車間的應用，CAO等[9]提出了一種基于自適應網絡模糊推理系統的瓶頸預測方法，可以準確預測主次瓶頸。HUANG等[10]提出一種基于深度學習的瓶頸預測方法，在案例中測試效果良好?！?br>