基于深度神經(jīng)網(wǎng)絡(luò)的車間生產(chǎn)異常發(fā)現(xiàn)與分析方法研究.pdf

1、得益于云計(jì)算、物聯(lián)網(wǎng)、大數(shù)據(jù)與人工智能等新一代信息技術(shù)的發(fā)展、融合與應(yīng)用，在制造業(yè)領(lǐng)域中，一種新的模式一“云制造”被提出。云制造正推動(dòng)著傳統(tǒng)的制造執(zhí)行系統(tǒng)(Manufacturing Execution System，MES)向智能制造系統(tǒng)轉(zhuǎn)化。特別是我國(guó)全面實(shí)施“中國(guó)制造2025”重大戰(zhàn)略以來，制造業(yè)企業(yè)不斷地將新技術(shù)融入到制造過程，逐步解決了傳統(tǒng)MES的許多難題，從而MES也得到了迅速發(fā)展，但是新技術(shù)應(yīng)用于傳統(tǒng)MES也產(chǎn)生了一系列新

2、的問題。為此，從以下三方面對(duì)制造執(zhí)行系統(tǒng)進(jìn)行深入的研究。
　　首先，為使MES系統(tǒng)適應(yīng)制造大數(shù)據(jù)環(huán)境，從數(shù)據(jù)存儲(chǔ)方面對(duì)其進(jìn)行了改進(jìn)，提出了適應(yīng)大數(shù)據(jù)環(huán)境的存儲(chǔ)方案。針對(duì)MES系統(tǒng)對(duì)生產(chǎn)過程的管理建立在大量的制造數(shù)據(jù)基礎(chǔ)之上的特點(diǎn)，將非關(guān)系型數(shù)據(jù)庫和內(nèi)存數(shù)據(jù)庫進(jìn)行結(jié)合，共同作為MES系統(tǒng)的存儲(chǔ)介質(zhì)。這種優(yōu)化的數(shù)據(jù)存儲(chǔ)方式，既解決了半結(jié)構(gòu)化和非結(jié)構(gòu)化特征數(shù)據(jù)的存儲(chǔ)問題，又具有高效的數(shù)據(jù)訪問能力和高擴(kuò)展性。通過對(duì)實(shí)時(shí)數(shù)據(jù)的高效存儲(chǔ)，可以

3、實(shí)現(xiàn)系統(tǒng)對(duì)數(shù)據(jù)的快速訪問，提高系統(tǒng)處理速度和響應(yīng)時(shí)間。同時(shí)對(duì)海量歷史生產(chǎn)數(shù)據(jù)的存儲(chǔ)，也使得企業(yè)可以從更加宏觀的角度對(duì)生產(chǎn)進(jìn)行管理，使車間的數(shù)據(jù)統(tǒng)計(jì)和分析更加有意義。
　　其次，為了有效地解決制造企業(yè)中車間生產(chǎn)異常難以有效管控的問題，提出了基于深度神經(jīng)網(wǎng)絡(luò)的車間生產(chǎn)異常發(fā)現(xiàn)方法。并對(duì)導(dǎo)致生產(chǎn)異常的影響因素，建立了高效合理的分類體系，根據(jù)各個(gè)影響因素釣具體特征，給出了相應(yīng)的量化方法。通過對(duì)各種影響因素和生產(chǎn)異常的分析，以優(yōu)化的數(shù)據(jù)存儲(chǔ)

4、方式為基礎(chǔ)，建立了生產(chǎn)異常預(yù)測(cè)模型，伎英可以對(duì)質(zhì)量和交付期異常進(jìn)行實(shí)時(shí)預(yù)測(cè)。該模型以深度神經(jīng)網(wǎng)絡(luò)為預(yù)測(cè)核心，使用數(shù)據(jù)庫中的影響因素和生產(chǎn)異常信息作為訓(xùn)練數(shù)據(jù)，實(shí)時(shí)生產(chǎn)信息作為預(yù)測(cè)數(shù)據(jù)。該方法可以在加工生產(chǎn)過程中對(duì)產(chǎn)品質(zhì)量和交付期可能產(chǎn)生的異常進(jìn)行監(jiān)控和跟蹤，為生產(chǎn)管理提供數(shù)據(jù)基礎(chǔ)。
　　最后，為進(jìn)一步降低各種異常影響因素對(duì)加工生產(chǎn)的影響，對(duì)影響因素與生產(chǎn)異常的相關(guān)關(guān)系，以及這種關(guān)系的強(qiáng)弱進(jìn)行研究和分析，得出了各種異常影響因素的重要

5、程度。并針對(duì)設(shè)備、工序、人員等主要異常影響因素關(guān)聯(lián)實(shí)體進(jìn)行研究，提出了相應(yīng)的影響因素處理方法。以設(shè)備為例，從關(guān)鍵切削設(shè)備入手，提出了一整套基于深度神經(jīng)網(wǎng)絡(luò)的關(guān)鍵設(shè)備刀具剩余壽命預(yù)測(cè)方法，從設(shè)備高效維護(hù)的角度降低了設(shè)備對(duì)加工生產(chǎn)的影響，同時(shí)也達(dá)到了避免異常發(fā)生的目的。
　　綜上所述，本文從數(shù)據(jù)存儲(chǔ)、異常發(fā)現(xiàn)和異常處理三個(gè)方面，對(duì)現(xiàn)有MES系統(tǒng)進(jìn)行了改進(jìn)，并針對(duì)異常發(fā)現(xiàn)和處理提出了具體的解決方案，使用深度神經(jīng)網(wǎng)絡(luò)等方法，將人工智能技術(shù)