【技术实现步骤摘要】
一种基于运行数据融合的多态制造系统运行风险建模方法
本专利技术提供了一种基于运行数据融合的多态制造系统运行风险建模的方法,属于制造系统预测性分析和健康诊断
技术介绍
新一代信息技术和人工智能的发展为制造业的发展注入了活力,从而产生了新的制造模式,如云制造和服务型制造。预测性健康分析和诊断是智能制造的基本功能要素,与传统制造相比,智能制造的核心目标是通过准确的过程状态跟踪和完整的实时数据提取来获取丰富的信息,从而为制造过程管理控制提供额外的科学决策支持。数据的价值隐藏于交互信息和其结构中,因此充分利用运行数据对于制造系统的建模和健康诊断尤为重要。运行数据的分析和利用常见于故障诊断、设备维修、和成本控制等领域。数据驱动的可靠性评估是对系统制造过程进行建模的常用方法。它不需要对失效机理的充分理解,特别是在生产性能和效率随着退化而变化的多状态系统中。因此直接凭借各种传感器和仪器,获得监测数据以建立与系统运行状态的映射关系,从而更新动态的健康状况更具优势。现有研究主要局限于单独的制造设备,且侧重于部分具体指标,比如设备剩余使用寿命和故障率,缺少对整个系统健康状况进行整体分析。因此最近的研究开始强调系统级的可靠性评估,涉及产品或处理的任务级别,及它们与设备之间的交互。这种新兴的系统模型旨在通过整体方法分析和量化制造系统。从产品质量和部件可靠性的角度来看,自QR协同效应提出以来,系统之间的复杂传播和传播已逐步深入阐述;另一方面,考虑到分配给设备和制造模式的生产要求,其状态和设备之间是相互依赖和相互影响的。所以在此基础上,将生产任务这个衡量条件引入可靠性评估中, ...
【技术保护点】
1.一种基于运行数据融合的多态制造系统运行风险建模方法,提出的基本假设如下:假设1、制造系统为串联结构,生产模式为流水线加工、存货式生产,每个机器相互独立,其输出产品都经过严格的质检环节,且检测结果是绝对可靠的;假设2、系统涉及n台设备,每个设备的退化都服从马尔可夫过程,其可能的N个状态
【技术特征摘要】
1.一种基于运行数据融合的多态制造系统运行风险建模方法,提出的基本假设如下:假设1、制造系统为串联结构,生产模式为流水线加工、存货式生产,每个机器相互独立,其输出产品都经过严格的质检环节,且检测结果是绝对可靠的;假设2、系统涉及n台设备,每个设备的退化都服从马尔可夫过程,其可能的N个状态中,si,1分别代表着设备i最差和最好的运行状态;假设3、产品关键质量特性在统计上和物理上彼此独立,在制品的质量状态通过一个关键质量特性代表,一旦其偏差超过可接受的范围,即不合格;假设4、每个具有可修复缺陷的在制品仅返工一次,如果重新加工后该在制品仍然不合格,则应该将其丢弃,即视为报废状态MSi3;基于上述假设,其特征在于:其步骤如下:步骤1、考虑到生产任务和产品,以及制造设备本身对制造过程的影响,确定制造系统运行风险的相关量化因素和框架;步骤2、构造各设备的输入输出状态参数和性能状态分布;步骤3、量化制造设备带来的基本风险值;步骤4、进行任务分解,得到各生产任务带来的显性风险值;步骤5、描述在制品的关键质量特性在各工作站的传递过程;步骤6、确定由在制品带来的隐性风险值;步骤7、利用模糊映射确定运行风险指标融合的基本概率分配;步骤8、融合三个不同源的运行风险指标,输出制造系统运行状态;步骤9、进行运行风险建模的有效性分析。2.根据权利要求1所述的一种基于运行数据融合的多态制造系统运行风险建模方法,其特征在于:在步骤1中所述的考虑到生产任务和产品,以及制造设备本身对制造过程的影响,确定制造系统运行风险的相关量化因素和框架,是指从系统工程的角度出发,深入分析除了设备的基本运行故障外,生产任务执行情况和在制品质量偏差对系统整体运行状态的影响关系;运行风险的内在机理为:借助制造过程运行数据的提取,在实现简单的基础设备风险控制的基础上,量化为直观的生产任务执行情况这一显性风险因素和测量层面在制品的关键质量特性偏差这一隐形风险因素,达到系统在不同维度下状态的实时监测;探索在这三个综合因素下制造系统的动态评估和生产质量风险控制。3.根据权利要求1所述的一种基于运行数据融合的多态制造系统运行风险建模方法,其特征在于:在步骤2中所述的构造各设备的输入输出状态参数和性能状态分布,是指根据模型中基本和显性运行风险的含义,对涉及的物料加工量Msij、设备质量状态Sij、在制品中Sij状态占输入总量的比例ρsij及占输出总量的比例诸参数进行定义,以详细描述物料在经过设备前后的变化和各设备所处的状态;其中,i为机器编号,j为三种在制品状态,即1为合格,2为需要返工,3为不合格;同时,推导在统计学理论的基础下,复数个设备输出的能成功进入下个加工步骤的合格产品占总产品的概率ρsij为式中x为抽样试验样本中合格品数量,n为抽样实验样本数量,a、b为已证明的加工合格率所服从的标准Beta分布的参数;然后按照假定的设备马尔可夫退化过程,基于参考系统历史数据能知的状态转移强度利用Kolmogorov微分方程组求解复数个设备的性能状态分布,式中pi(t)为t时刻设备处于各状态的概率向量。4.根据权利要求1所述的一种基于运行数据融合的多态制造系统运行风险建模方法,其特征在于:在步骤3中所述的量化制造设备带来的基本风险值,是指每台机器的性能风险能概括为当前处理的工作量对应的失效概率,通过和设备最理想状态时的加工量比较得出式中si,1为对设备状态进行随机划分后设备i能承受的最大加工处理量,pi为参考同种类设备历史故障数据得出的系数;加工量越接近...
【专利技术属性】
技术研发人员:何益海,赵依潇,刘枫棣,周迪,张安琪,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。