树形结构生产系统的计算机控制方法

摘要

一种树形结构生产系统的计算机控制方法，其特征在于：首先建立树形结构生产系统模型，采用安全点策略对系统仿真器中各加工设备生产速率进行控制，然后采用计算机仿真法求解系统的平均生产费用，在此基础上通过迭代学习器利用迭代学习方法对安全点进行优化得到最优安全点；由包括设有可编程控制器PLC、工控机、基于RFID技术的数据采集终端系统和包括传送机、加工设备在内的生产监控器基于安全点策略对系统的生产进行控制。

说明书

技术领域

本发明涉及生产系统的加工设备生产速率的计算机控制，尤其是树形结构生产系统(即一个加工设备可以有多个前趋设备，但只有一个后继设备)的计算机控制方法。

背景技术

现有制造系统的生产控制研究，主要集中在单机、双机，以及串行生产系统，而树形结构生产系统的研究较为少见。在实际生产中，树形结构也是生产系统(尤其产品装配系统)常见的结构，由于该系统的复杂性，在采用安全点策略对其进行生产控制时，如何对其安全点进行快速优化，是比较困难的问题。对于单机、双机等比较简单的生产系统，在采用安全点策略进行生产控制时，可以通过数学模型获得最优安全点的解析解，而对于其它更复杂的生产系统，Akella等人在《IEEE Transactions on Automatic Control》(IEEE自动控制杂志)，31(2)，116-126，1986上撰文“Optimal control of production rate in a failure pronemanufacturing system(带故障的制造系统生产率的最优控制)”，该文研究表明建立系统费用的数学模型常常比较困难，最优安全点的解析解也难以获得。

发明内容

本发明的目的是提供一种树形生产系统的计算机控制方法，针对于复杂的树形结构生产系统，采用计算机仿真法求解系统的平均生产费用，再据此对安全点进行优化是一种可行的解决方案。由于运用计算机仿真法求解系统平均费用的计算时间往往较长，因此在对系统安全点进行优化时需要尽量地减少仿真次数，于是，根据树形结构生产系统的特点，设计了一种基于迭代学习的安全点优化方法，以减少优化时间。从而使产品的超产、欠产成本达到最小化。

为实现上述目的，本发明方法技术方案如下：一种树形结构生产系统的计算机控制方法，其特征在于：首先建立树形结构生产系统模型，采用安全点策略对系统仿真器中各加工设备生产速率进行控制，然后采用计算机仿真法求解系统的平均生产费用，在此基础上通过迭代学习器利用迭代学习方法对安全点进行优化得到最优安全点；由包括设有可编程控制器PLC、工控机、基于RFID技术的数据采集终端系统和包括传送机、加工设备在内的生产监控器基于安全点策略对系统的生产进行控制，RFID数据采集终端对生产状态进行实时采集，较之传统的条码技术，RFID技术更加可靠、方便、信息读取速度更快，并且电子标签具有存储功能，可以向它写入相应产品的实时数据状态；PLC通过梯形图编程，将RFID终端设备采集到的数据以及其它附属设备的实时状态数据传输至工控机，同时，PLC还通过开出模块执行由工控机中运行的实时监控系统服务器程序发出的控制指令，完成包括产品、零件的供应与运输、传送机的启停、加工设备的运行操作；工控机运行数据采集服务器程序、实时数据通信程序、生产调度服务器程序，实时监控服务器程序和终端用户操作界面程序，完成实时数据的采集、解释、显示以及生产调度和监控指令的运算。

具体按以下步骤：

(1)由计算机进行迭代学习和实现安全点的优化：

1)初始化安全点；

2)调用系统仿真器中计算机仿真程序以获取给定安全点的生产系统费用和各缓冲区的特征量；

3)如果从输入缓冲区到输出缓冲区的各路径中存在某一零特征量，则扩大相应安全点，调用计算机仿真程序以获取给定安全点的各缓冲区的特征量，直至该零特征量为1；

4)重复步骤2)和3)，直到所有缓冲区的特征量都为1；

5)将各缓冲区的安全点减去其冗余量，调用计算机仿真程序以获取给定安全点的生产系统费用，从而得到各缓冲区都没有缺货时的最小库存量；

6)从输出缓冲区到输入缓冲区，学习器按两分法逐一减小各缓冲区的安全点并由仿真器中计算机仿真程序以获取给定安全点的生产系统费用，从而以一定的缺货损失换取生产系统总费用的减小，直至生产系统总费用达到最小；

7)输出最优安全点到生产监控器；

(2)基于安全点策略对系统的生产进行控制：

1)生产监控器读取生产系统状态；

2)如果某一设备的后置缓冲区中的零部件库存量小于相应的最优安全点，该设备无故障且其所有前置缓冲区中工件无缺货，则该设备按其最大速率进行生产，转步骤5)；

3)如果某一设备的后置缓冲区中的零部件库存量等于相应的最优安全点，该设备无故障且其所有前置缓冲区中工件无缺货，则该设备按维持其后继设备生产所需要的生产速率进行生产，转步骤5)；

4)否则该设备不生产，转步骤5)；

5)对所有设备循环重复步骤1)至4)，直到生产结束。

求解系统平均费用的计算机仿真思想是：在给定的安全点条件下，由计算机模拟系统的需求，生产，设备的故障、修复等条件，随着模拟生产时间的延长，系统的平均费用变化将越来越缓慢；当在一定时间模拟时间间隔内，系统的平均生产费用变化小于某个阈值时，认为该次仿真已经完成。所得到的系统平均生产费用即为给定安全点条件下的系统平均生产费用。

基于迭代学习的由计算机进行安全点优化的基本思想是：(1)由计算机得出各缓冲区都没有缺货时的最小库存量，以此作为进一步优化的基础；(2)通过从输出缓冲区到输入缓冲区，逐一减小各缓冲区的库存量，从而以一定的缺货损失换取系统总费用的减小。

由计算机实现的系统安全点策略结构为：当加工设备的后置缓冲区零部件数量小于其安全点时，使该加工设备以最大速率进行生产；当加工设备的后置缓冲区零部件数量等于其安全点时，使该加工设备以与后续设备相同的速率进行生产；当加工设备的后置缓冲区零部件数量大于其安全点时，使该加工设备暂停生产。

本发明的优点及有益效果：本发明解决了树形结构生产系统的计算机优化控制问题，使产品的超产、欠产成本达到最小化；给出了求解树形结构生产系统费用的计算机仿真法和最优安全点的快速获取方法；大量计算机仿真实验表明，基于该优化控制方法的树形生产系统在其生产费用方面节约显著。

附图说明

图1是树形结构生产系统示意图；

图2是树型结构生产系统控制框架图；

图3生产监控器体系结构图；

图4是基于安全点策略的计算机生产控制流程图；

图5是由计算机实现的基于迭代学习的安全点优化过程示意图。

具体实施方式

本发明解决其技术问题所采用的技术方案和具体实施方式如下

1、树形结构生产系统

本发明涉及的树形结构生产系统(见图1)，由个易于发生故障的设备组成，设备M_i发生故障间隔时间以及修复时间都服从一定的概率分布。当设备M_i无故障时可以进行工件加工，加工的最大速率为r_maxⁱ，$r_{\max }^i>0;$当设备M_i处于故障状态时，则其不能进行任何工件加工，当设备M_i的故障被修复完成时，其又可以进行工件加工工作。成品的需求为均匀的泊松流，泊松分布的参数恒定为d。设备M_i的状态用s_i(t)∈{0，1}表示，当设备处于无故障状态时s_i(t)＝1，当设备处于有故障状态时s_i(t)＝0。

一个设备可以有多个前趋设备，但最多只有一个后继设备，在一个设备的多个前趋中，不同前趋设备的输出零部件种类都是不同的；一个设备可以有多个前置缓冲区，但最多只有一个后置缓冲区，在一个设备的多个前置缓冲区中，不同前置缓冲区中的零部件种类都是不同的(具有多种零部件的前置缓冲区看成多个缓冲区)。

由于每个加工设备最多只有一个后置缓冲区，因此可以将每个加工设备与其后置缓冲区的编号对应起来，即加工设备M_i的后置缓冲区为B_i。如果某一缓冲区不是任何加工设备的后置缓冲区，则称其为输入缓冲区。如果某一缓冲区不是任何设备的前置缓冲区，则称其为输出缓冲区。

本发明的树型结构生产系统控制框架如图2所示，其由树型结构生产系统仿真器、迭代学习器、生产监控器及生产系统组成。迭代学习器和系统仿真器的进行信息交互，通过迭代学习得到生产系统费用最小的最优安全点，并将最优安全点信息传递给生产监控器。由监控器结构图图3可知，该监控器是由可编程控制器(PLC)、工控机、基于RFID技术的数据采集终端设备通过网络通讯(TCP/IP)和工业现场总线连接组成，PLC与工控机通过双冗余网络通讯(TCP/IP)方式连接，其中读写器读取的数据经通讯模块通过工业现场总线(PROFIBUS)传输至可编程控制器(PLC)，然后由PLC将采集到的数据通过网络总线(TCP/IP)送至工控机，部分读写器的数据也可以通过串口通讯的方式(RS232/RS422)将采集到的数据直接送至工控机或PLC，具体通讯方式视现场布线情况而定。智能采集设备通过串口通讯(RS422)方式将采集的数据直接送至PLC，然后由PLC送至工控机，RFID数据采集终端主要负责树形结构生产系统生产数据的实时采集，诸如加工零件种类、数量等生产现场数据可存储在移动数据存储装置(RFID的电子标签)，通过读写器进行实时读写产品或零件数据，能够实现信息流的无缝连接和高效传送。PLC通过梯形图编程，将RFID终端设备采集到的数据以及其它辅助设备的实时数据传输至工控机；同时，PLC还能通过开出模块执行由工控机中运行的实时监控系统服务器程序发出的控制指令，完成诸如产品或零件的供应与运输、传送机构的起停、加工设备的运行等操作。工控机主要负责运行数据采集服务器程序、实时数据通信程序、生产调度服务器程序、实时监控服务器程序和终端用户操作界面程序，完成实时数据的采集、解释、显示以及生产调度和监控指令的运算。

监控器读取生产系统的实时状态信息，采用安全点策略生成控制指令，然后把控制指令传送给PLC的CPU模块，由PLC的CPU模块进行解释并转换成具体的执行指令，再通过PLC的开出模块下达给树型制造系统的相关设备，以达到对系统的生产速率进行控制的目的。

2、安全点的优化

2.1生产系统费用函数的计算机仿真解法

由于生产系统的费用是由各缓冲区的库存费及输出缓冲区的缺货费所组成的，对于多机的树形随机生产系统，要精确写出费用函数J^z(x，s)(其中x是由个后置缓冲区的零部件库存量构成的向量，s是由所有输出缓冲区的缺货量构成的向量)的解析表达式是非常困难的。计算机仿真是解决这类复杂问题的一个重要方法。对一给定的安全点由于生产系统的运行过程为有限状态空间的马尔可夫过程，随着时间T的增加，生产系统费用函数J^z(x，s)将收敛到某一定值。因此，可以采用计算机仿真法对J^z(x，s)进行求解。

输入安全点调用计算机仿真程序，首先对运行时间T＝ΔT，获取生产系统费用函数J^z(x，s)(ΔT)，再对运行时间T＝2ΔT，获取J^z(x，s)(2ΔT)，逐次增加运行时间T，当T＝lΔT时，获取J^z(x，s)(lΔT)，若$\left|\frac{J^z(x,s)\left(\mathrm{l\Delta T}\right)-J^z(x,s)\left((l-d)\mathrm{\Delta T}\right)}{J^z(x,s)\left(\mathrm{l\Delta T}\right)}\right|\le ϵ,$其中d＝1，...，q，ε为阈值，q为步数，此时，J^z(x，s)(lΔT)可以近似替代J^z(x，s)，即当安全点为时，J^z(x，s)≈J^z(x，s)(lΔT)。对给定的安全点生产系统连续运行时间T≥lΔT，称为生产系统稳定。当生产系统稳定时，设备M_i生产的零部件数量与生产系统连续运行时间T的比值，称为设备M_i的平均生产速率。

2.2由计算机实现的基于迭代学习的安全点优化过程

设M_i+1为加工设备M_i的后继设备，在给定安全点下，系统稳定后，缓冲区B_i零部件数目大于α(i，i+1)的时间，称为T_i^b。若系统的总运行时间为T，称$g_i=\frac{{T_i}^b}{T}$为缓冲区B_i的特征量。由于特征量g_i具有一定模糊性，为了对系统的缓冲区进行精确分类，采用下面规则，对空间V＝{g_i|g_i∈[0，1]}进行聚类，将空间V聚类为空间$V^{\prime }=\left\{{\tilde{g}}_i\right|{\tilde{g}}_i\in \left\{\mathrm{0,1}\right\}\}.$设ξ_i为区间[0，1]内的阈值，聚类规则如下：如果g_i≥ξ_i，则令${\tilde{g}}_i=1,$否则令${\tilde{g}}_i=0.$

结论(1)：设B_i为树形结构生产系统中的某一缓冲区，当B_i的安全点为z_i时，设备M_j的平均生产速率为v_j，B_i的安全点为z′_i时，设备M_j的平均生产速率为v′_j，若z′_i≥z_i，则v′_j≥v_j；当缓冲区B_i，以及其前面各缓冲区安全点的值足够大，必有缓冲区B_i特征量${\tilde{g}}_i=1.$

根据结论(1)可以由计算机得出使缓冲区B_i特征量为1的过程1如下：

过程1由计算机实现的特征量取1

步骤1初始化安全点

步骤2调用计算机仿真程序以获取给定安全点的各缓冲区的特征量

步骤3若缓冲区B_i的特征量${\tilde{g}}_i=0,$缓冲区B_i，以及其前面所有f类缓冲区为$U=\{B_1^f,...,B_h^f,...,B_{\rho }^f\},$h＝1，...，ρ，则通过置${\tilde{z}}_h=\beta {\tilde{z}}_h,$β＞1，增加缓冲区B_h^f的安全点，h＝1，...，ρ，得到新安全点执行步骤2；若缓冲区B_i的特征量${\tilde{g}}_i=1,$输出安全点退出。

结论(2)：在给定安全点下，系统稳定后：若${\tilde{g}}_i=0,$则，令$\tilde{z}=z,$执行过程1后，必有${\tilde{g}}_i=1;$若${\tilde{g}}_i=0,$则增加缓冲区B_i以后的某一缓冲区B_i的安全点，${\tilde{g}}_i=0$不变；若${\tilde{g}}_i=0,$B_j为缓冲区B_i以后的任一缓冲区，则${\tilde{g}}_j=0;$若${\tilde{g}}_i=1,$B_j为缓冲区B_i以前的任一缓冲区，则${\tilde{g}}_j=1.$

设在给定安全点下，系统稳定后，缓冲区B_i的特征量为${\tilde{g}}_i=1,$B_i的零部件数目大于η_i的时间为系统的总运行时间为T，若$\frac{{{\tilde{T}}_i}^b\left({\eta }_i\right)}{T}\ge {\xi }_i>\frac{{{\tilde{T}}_i}^b({\eta }_i+1)}{T},$则称η_i为缓冲区B_i的冗余量。设系统共有ψ个输入缓冲区，因此共有ψ条从输入缓冲区到输出缓冲区的连通路径。

根据结论(2)和树形结构的特点，设计出下面适用于树形结构生产控制的由计算机实现的基于迭代学习的安全点优化过程(见图5)：

过程2由计算机实现的基于迭代学习的安全点优化

步骤1初始化安全点和n＝0。

步骤2调用仿真器中计算机仿真程序以获取给定安全点z⁽ⁿ⁾的生产系统费用以及各缓冲区的特征量

步骤3从输入缓冲区到输出缓冲区的各路径中，如果${\tilde{g}}_i^{\left(1\right)}=0,$则置$\tilde{z}=z^{\left(n\right)},$执行过程1，重置$z^{\left(n\right)}=\tilde{z}.$

步骤4重复步骤2和3，直到所有缓冲区的特征量都为${\tilde{g}}_i=1,$

步骤5将各缓冲区的安全点减去其冗余量置n＝n+1，调用计算机仿真程序以获取给定安全点z⁽ⁿ⁾的生产系统费用

步骤6置δ＝a，k＝1，和θ_i＝0，

步骤7置

步骤8若θ_μ＝0，则执行步骤9；若θ_μ＝1，k＜ψ，且B_μ不为输入缓冲区，则在第k条从输入缓冲区到输出缓冲区的连通路径中寻找缓冲区B_μ邻近的前面缓冲区B_ρ，置μ＝ρ，执行步骤8；若θ_μ＝1，k＜ψ，且B_μ为输入缓冲区，则k＝k+1，执行步骤7；若θ_μ＝1，k＝ψ，且B_μ为输入缓冲区，则输出z⁽ⁿ⁾，结束。

步骤9临时变量$z_{\mu }^d=0.$

步骤10置z⁽ⁿ⁺¹⁾＝z⁽ⁿ⁾，$z_{\mu }^{(n+1)}=\mathrm{round}((z_{\mu }^{\left(n\right)}+z_{\mu }^d)/2)$和n＝n+1，调用计算机仿真程序以获取给定安全点z⁽ⁿ⁾的生产系统费用若$J^{z^{\left(n\right)}}(x,s)>J^{z^{(n-1)}}(x,s),$则置$z_{\mu }^d=z_{\mu }^{\left(n\right)},$和$z_{\mu }^{\left(n\right)}=z_{\mu }^{(n-1)},$执行步骤10；若$J^{z^{\left(n\right)}}(x,s)\le J^{z^{(n-1)}}(x,s),$且$J^{z^{(n-1)}}(x,s)-J^{z^{\left(n\right)}}(x,s)<\delta ,$则θ_μ＝1，执行步骤7，否则，执行步骤10。

该安全点优化过程共分两部分。步骤1-5为第一部分，其目的是得出各缓冲区都没有缺货时的最小库存量，以此作为进一步优化的基础。步骤6一10为第二部分，其目的是通过从输出缓冲区到输入缓冲区，逐一减小各缓冲区的库存量，从而以一定的缺货损失换取系统总费用的减小。

3、生产控制策略

系统中的所有加工设备都采用安全点策略进行生产控制，由生产监控器实现。例如对于加工设备M_i，其生产速率为u_i(t)，前置缓冲区状态用w_i(t)∈{0，1}表示，即当前置缓冲区工件没有缺货时，令w_i(t)＝1，前置缓冲区工件缺货时，令w_i(t)＝0。设设备M_i为设备M_φ的前趋设备，r_vⁱ(t)为维持设备M_i后继生产需要的生产速率，即$r_v^i\left(t\right)=\alpha (i,\phi )u_{\phi }\left(t\right),$设x_i(t)为缓冲区B_i的零部件库存量，z_i^*为过程2所优化得到的缓冲区B_i的安全点值，则设备M_i的计算机控制策略结构(该结构框图见图4)为：

本发明是国家高技术研究发展计划现代制造集成技术专题资助项目(2007AA04Z112)，国家自然科学基金资助项目(60574062，50475075，50505006)和高等学校博士学科点专项科研基金资助项目(20040286012)的共同成果。