崔世婷,郭 宇,汪偉麗,梁睿君
(南京航空航天大學(xué)機電學(xué)院,江蘇南京 210016)
在面向訂單生產(chǎn)的多品種、變批量離散制造車間中,生產(chǎn)異常時有發(fā)生,影響著訂單產(chǎn)品的質(zhì)量和完成時間。準(zhǔn)確的生產(chǎn)異常檢測為生產(chǎn)計劃的及時調(diào)整提供依據(jù),對提高產(chǎn)品質(zhì)量和生產(chǎn)效率具有重要的指導(dǎo)意義。制造物聯(lián)感知技術(shù)實時采集車間制造要素的狀態(tài)數(shù)據(jù)[1],為生產(chǎn)異常檢測提供了全面的制造數(shù)據(jù),保證從全局特征挖掘車間狀態(tài)信息,例如入緩存區(qū)缺料事件不僅與當(dāng)前入緩存區(qū)狀態(tài)有關(guān),設(shè)備加工狀態(tài)和物料轉(zhuǎn)運狀態(tài)也直接影響生產(chǎn)是否按計劃進行,所以基于強關(guān)聯(lián)性的多維度數(shù)據(jù)集,能實現(xiàn)生產(chǎn)異常的精準(zhǔn)檢測。同時離散制造車間存在訂單計劃難以預(yù)測、產(chǎn)品工藝流程復(fù)雜等特點,增加了生產(chǎn)過程的不確定性和動態(tài)性,使生產(chǎn)數(shù)據(jù)的分布規(guī)律隨時間推移發(fā)生變化,導(dǎo)致離線模型的準(zhǔn)確率降低。因此有必要提出一種數(shù)據(jù)驅(qū)動的增量式異常檢測方法,在檢測異常的同時學(xué)習(xí)新數(shù)據(jù)并更新模型,以適應(yīng)當(dāng)前數(shù)據(jù)分布,保證異常檢測的速度和準(zhǔn)確度。
在車間生產(chǎn)過程中,異常事件的發(fā)生伴隨著制造數(shù)據(jù)中某些特征的變化,通過挖掘數(shù)據(jù)間的關(guān)聯(lián)關(guān)系,能夠?qū)崿F(xiàn)生產(chǎn)異常的精準(zhǔn)檢測。文獻[2]總結(jié)飛機裝配車間異常事件的類別與原因,使用BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)車間異常的分類預(yù)警;文獻[3]針對質(zhì)量異常和交付期異常,分析量化車間異常影響因素,提出基于時序型的多深度神經(jīng)網(wǎng)絡(luò)模型;……