一种应用于生产线系统的贝叶斯动态弹性评估方法技术方案

本发明专利技术一种应用于生产线系统的贝叶斯动态弹性评估方法，属于制造生产系统弹性风险评估领域；本发明专利技术充分考虑了制造生产过程中扰动因素不确定性影响和系统冗余造成的制造生产系统状态概率和扰动因素概率的动态变化，采用将动态故障树映射为动态贝叶斯网络得到生产系统各个设备和储备系统动态变化的状态概率建立上层动态贝叶斯网络模型，采用将扰动因素和三种弹性指标映射到动态贝叶斯网络建立了下层动态贝叶斯网络模型，通过双层动态贝叶斯网络模型实时动态监测制造生产系统弹性性能变化，根据吸收性

【技术实现步骤摘要】
一种应用于生产线系统的贝叶斯动态弹性评估方法


[0001]本专利技术属于制造生产系统弹性风险评估领域，尤其涉及一种应用于生产线系统的贝叶斯动态弹性评估方法
。

技术介绍

[0002]自工业革命以来，系统制造战略框架确定的关键策略在企业生产战略的成功中起着至关重要的作用
。
随着物质生活水平的提高，制造生产业的生产订单大幅度增长，重要生活用品和物资的需求对制造企业的生产流程产生了强烈的冲击，制造生产系统随着生产量的增加产生设备退化或外界扰动因素等不确定性的概率随之增加
。
决策者在制定生产系统制造战略框架时越来越重视系统弹性的评估，为了抵御不确定性因素的干扰并且在干扰事件发生后快速响应恢复，动态评估生产系统的弹性并监测系统瞬时的弹性性能变化成为生产战略计划中亟待解决的问题
。
[0003]近些年，研究人员对制造生产系统进行了广泛的研究
。AltyngulZinetullina
等针对北极恶劣环境下运行的复杂工艺系统高度不确定性及其对设备性能的影响，提出了一种基于动态贝叶斯网络的工艺单元弹性定量评估方法
。Masoud Kamalahmadi
等根据灵活性和冗余性对供应链中断的弹性影响，试图调查灵活性和冗余在最小化预期供应链成本和最大化预期服务交付方面的有效性
.Wen Jun Tan
等通过对供应链网络
(SCN)
的结构分析，采取缓解策略建立弹性冗余，同时制定应急策略以优先恢复受影响的
SCN
，提出了一种基于网络结构特性的模拟模型以捕捉中断
‑
恢复动态
。Arsalan ZahidPiprani
等为确定供应链不同阶段的弹性能力因素，采用层次分析法
(AHP)
对巴基斯坦纺织业所需的弹性能力因素进行了排名，提升所需弹性能力以减少中断的负面影响
。
[0004]上述的研究涉及了目前大部分制造领域的研究方向，在制造系统生产线调度方面的研究涉及较少，目前还没有较为系统的方法对受扰动生产线系统进行评估，现有针对制造系统生产线弹性评估中多为针对智谋性和鲁棒性的强化学习和自主响应，针对制造生产系统冗余性和快速性的量化弹性评估中的弹性指标研究不够系统，动态评估生产系统瞬时的弹性性能时未考虑弹性冗余下系统瞬时状态概率的变化
。

技术实现思路

[0005]本专利技术目的在于提供一种应用于生产线系统的贝叶斯动态弹性评估方法，以解决上述
技术介绍
中提到的技术问题
。
[0006]为实现上述目的，本专利技术的一种应用于生产线系统的贝叶斯动态弹性评估方法的具体技术方案如下：
[0007]本专利技术充分考虑了制造生产过程中扰动因素不确定性影响和系统冗余造成的制造生产系统状态概率和扰动因素概率的动态变化，探索采用双层动态贝叶斯网络的动态弹性评估框架评估制造生产系统的动态弹性
。
[0008]本专利技术采用将动态故障树映射为动态贝叶斯网络得到生产系统各个设备和储备
系统动态变化的状态概率建立上层动态贝叶斯网络模型，采用将扰动因素和三种弹性指标映射到动态贝叶斯网络建立了下层动态贝叶斯网络模型，通过双层动态贝叶斯网络模型实时动态监测制造生产系统弹性性能变化，根据吸收性
、
适应性和恢复性弹性指标的改进潜力，为生产系统设计人员和企业决策者对生产系统抵抗外界风险，保证高效
、
可靠
、
稳定的生产运行提供参考
。
[0009]一种应用于生产线系统的贝叶斯动态弹性评估方法，包括以下步骤，且以下步骤顺次进行：
[0010]步骤1：根据制造生产系统历史数据的状态概率构建冗余储备门的动态故障树；
[0011]步骤2：将步骤1中的动态故障树映射到动态贝叶斯网络得到上层模型，获得生产系统动态的状态概率；
[0012]工程系统弹性风险评估往往采用数据驱动的概率分析法，包括多层感知器
(MLP)、
人工神经网络模型
(ANN)、
贝叶斯网络
(BN)
等方法
。
动态贝叶斯网络
(Dynamic Bayesian networks
，
DBN)
是一种能够计算系统动态变化的工具，它是基于概率推理的图形化网络，与神经网络相比各节点能代表实际含义，节点和节点之间的边能代表因果关系
。
在生产系统中，
DBN
的方法既可以分析系统中各子系统和设备状态概率的动态变化，又可以分析扰动因素于弹性指标间的动态因果关系
。
本专利技术同时考虑生产系统状态概率和扰动因素的动态变化提出了一种基于双层动态贝叶斯网络的动态弹性评估框架
。
[0013]步骤3：针对生产系统中各个设备故障和冗余恢复状态的原因进行弹性扰动因素分析，并根据系统冗余分析系统恢复状态的弹性扰动因素；
[0014]步骤4：将步骤3中的扰动因素分别对应吸收性，适应性和恢复性三种弹性指标进行评级，构建动态贝叶斯网络的条件概率表，根据仿真结果的故障概率和空闲概率对扰动影响因素进行高
、
中
、
低三个等级打分；
[0015]步骤5：通过扰动影响因素和弹性性能指标的对应关系构建基于吸收性
、
适应性和恢复性弹性指标的
DBN
模型，将弹性指标和扰动因素分别映射到动态贝叶斯网络的子节点和父节点得到下层模型；
[0016]步骤6：通过吸收性
、
适应性和恢复性三种弹性指标对系统的弹性性能进行评估得到系统动态弹性性能曲线，其中吸收性
、
适应性和恢复性弹性指标与弹性性能曲线的三个弹性阶段相对应；
[0017]步骤7：单独提高吸收性
、
适应性和恢复性中的一种弹性指标考查弹性指标改变对生产系统抵抗扰动并快速恢复的能力，分析弹性指标改变对系统弹性的影响规律，通过提升三种弹性指标提升生产系统弹性
。
[0018]优选地，所述步骤2中将动态故障树映射到动态贝叶斯网络得到上层模型，其步骤为：
[0019]步骤
2.1
：针对动态故障树中的温储备动态门对一个主要部件进行建模，该部件可以被一个或多个储备部件取代，具有相同的功能
。
如果温储备门的主门故障，并且它的所有储备门都失效或不可用，则温储备门故障
。
即使处于休眠状态，储备件也可能发生故障，但未休眠的储备件的故障率低于对应的运行储备件的故障率
。
假设运行设备的故障率为
κλ
(0≤
κ
≤1)
，
κ
为休眠因子，
κ
＝1时被称为热储备门，
κ
＝0时被称为冷储备
。
在生产系统中，运行设备与其并行的储备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种应用于生产线系统的贝叶斯动态弹性评估方法，其特征在于，包括以下步骤，且以下步骤顺次进行：步骤1：根据制造生产系统历史数据的状态概率构建冗余储备门的动态故障树；步骤2：将步骤1中的动态故障树映射到动态贝叶斯网络得到上层模型，获得生产系统动态的状态概率；步骤3：针对生产系统中各个设备故障和冗余恢复状态的原因进行弹性扰动因素分析，并根据系统冗余分析系统恢复状态的弹性扰动因素；步骤4：将步骤3中的扰动因素分别对应吸收性，适应性和恢复性三种弹性指标进行评级，构建动态贝叶斯网络的条件概率表，根据仿真结果的故障概率和空闲概率对扰动影响因素进行高
、
中
、
低三个等级打分；步骤5：通过扰动影响因素和弹性性能指标的对应关系构建基于吸收性
、
适应性和恢复性弹性指标的
DBN
模型，将弹性指标和扰动因素分别映射到动态贝叶斯网络的子节点和父节点得到下层模型；步骤6：通过吸收性
、
适应性和恢复性三种弹性指标对系统的弹性性能进行评估得到系统动态弹性性能曲线，其中吸收性
、
适应性和恢复性弹性指标与弹性性能曲线的三个弹性阶段相对应；步骤7：单独提高吸收性
、
适应性和恢复性中的一种弹性指标考查弹性指标改变对生产系统抵抗扰动并快速恢复的能力，分析弹性指标改变对系统弹性的影响规律，通过提升三种弹性指标提升生产系统弹性
。2.
根据权利要求1所述的应用于生产线系统的贝叶斯动态弹性评估方法，其特征在于，所述步骤2具体包括以下步骤
,
且以下步骤顺次进行：步骤2‑1：针对动态故障树中的温储备动态门对一个主要部件进行建模，所述主要部件可以被一个或多个储备部件取代，具有相同的功能；如果温储备门的主门故障，并且它的所有储备门都失效或不可用，则温储备门故障；即使处于休眠状态，储备件也可能发生故障，但未休眠的储备件的故障率低于对应的运行储备件的故障率；假设运行设备的故障率为
κλ
(0≤
κ
≤1)
，
κ
为休眠因子，
κ
＝1时被称为热储备门，
κ
＝0时被称为冷储备；在生产系统中，运行设备与其并行的储备设备形成了一个温储备系统；当运行设备和储备设备同时故障时温储备系统的弹性冗余为零，当
κ
＝0时，储备件故障概率为零，温储备系统具有一定的冗余，且冗余不为零；步骤2‑2：在动态贝叶斯网络中若
T
表示系统的任务时间，以间隔
Δ
＝
T/m
将总任务时间分为
[0,
Δ
),[
Δ
,2
Δ
),...,[(m
‑
1)
Δ
,m
Δ
)[,m
Δ
,+∞)
共
m
段，记为时间段
1,2,...,m+1
；计算温储备系统动态贝叶斯网络父节点和子节点的条件概率分布
,
运行部件
A
和储备件
B
的条件概率分布如下：
式中，
P
x,y
表示在
x
时间段和
y
时间段同时发生事件的概率；其中
A
＝
[(x
‑
1)
Δ
,x
Δ
]
表示
A
在
[(x
‑
1)
Δ
,x
Δ
]
期间失效，
A
＝
[T,∞)
表示
A
在
[T,∞)
期间内不会发生故障，
B
＝
[(y
‑
1)
Δ
,y
Δ
]
表...

【专利技术属性】
技术研发人员：谷东伟，郭进，陈鹏霏，高嵩，李奇涵，胡艳娟，尹晓静，韩文博，金山，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：