针对订单不确定性对作业车间的鲁棒性的影响问题,首先,从复杂网络视角描述生产过程,建立作业车间网络模型,并对建立的有向加权作业车间网络的关键特征参数进行定义;其次,考虑生产特性和网络特征构造基于耦合映像格子的鲁棒性模型,利用网络中级联失效的进程与规模建立作业车间的鲁棒性评价指标,最后以实际生产过程为例进行仿真验证,结果表明,不同的扰动强度和扰动策略对网络的影响不同,也说明了该方法对作业车间的鲁棒性评价有效可行,且鲁棒性模型有较好的并行计算特性。

针对离散制造车间物料配送过程的精准管控难题,提出一种基于实时定位的物料配送方法。首先通过引入无线射频识别(RFID)和超宽带技术(UWB)结合的混合定位技术,对物料在配送过程中的动态位置信息进行实时采集,然后对UWB实时位置信息过滤和RFID实时数据进行分析处理;利用瓶颈物料识别方法,对物料制定定位控制策略。实现物料的唯一标识及配送过程的动态位置跟踪,提高物料配送的及时性和准确性。

针对传统OCT预测对于影响因素考虑不周以及预测准确率低的问题,在实时作业车间基础上考虑RBF神经网络的优势,提出了一种基于RBF神经网络的OCT预测方法。首先,剖析了OCT的主要影响因素,明确了订单构成和车间实时负载对于OCT的影响;然后,利用FLEXSIM仿真平台,建立了离散制造车间生产过程的先进仿真模型。采用仿真方法采集样本数据,利用RBF神经网络搭建OCT预测模型;最后,运用实例阐述了OCT预测的完整过程。结果表明,该方法对OCT的预测具有更好的效果。

以作业车间为研究对象,针对加工时间不确定这一扰动因素,主要采用周期驱动来制定相应的滚动调度策略。辅以事件驱动来保证车间运行整体情况的平衡。设计加工时间偏差容忍(LDT)来避免不必要的重调度。考虑车间的资源约束,重新定义状态转移规则,克服了长蚂蚁路径搜索容易停滞的缺点。通过仿真,获得了所需的合适滚动调度策略参数,进一步实验结果显示了改进的蚁群算法性能,针对调度方案所做的改进在计算时间和计算结果上均取得较优效果。