针对离散制造过程中生产异常难以准确评估的问题,提出了一种物联网环境下的车间生产异常发现与分析方法。首先,基于在制品实时状态采集模型,定义了在制品异常事件类型;其次,为了衡量在制品异常事件对车间生产的影响程度,以异常事件发生时生产异常影响因素的状态信息为数据基础,将一维原始数据二维化后,采用一种结合批量归一化和dropout方法的卷积神经网络(Convolutional Neural Networks,CNN)来预测生产任务剩余完成时间,并通过生产任务延迟完成时间来量化车间生产异常程度;最后以某航天车间为案例分析,对所提方法的可行性和有效性进行了验证。

离散制造车间存在制造要素偏离生产计划导致的生产异常事件,准确的车间异常检测有助于实时监控生产过程,提高动态决策响应速度,保证订单按时交付。针对异常检测的准确性和实时性需求,提出一种增量式无监督学习的车间生产异常检测方法。首先,以在制品在车间的流转过程为主线定义生产异常种类,搭建离散制造车间生产异常检测框架;其次,使用增强自组织增量神经网络实时检测生产异常,并根据当前生产数据在线更新模型,以适应数据分布的动态变化,提高模型检测准确率;最后以某航天机加车间为例,将所提方法与两种增量式及两种非增量式聚类算法进行对比实验,并在离散制造车间应用生产异常检测系统,验证了该方法在生产异常检测问题上的有效性。