技术领域
本发明涉及智能车间系统,具体涉及一种基于智图云谱的孪生制造车间系统设备社群重构方法。
背景技术
随着智能制造技术的发展,越来越多的车间变得更加智能化,每个车间均有对应的智能系统。针对于同一种零件,不同车间所配备的设备也不尽相同,包括设备的种类、型号、厂家、数量等,但零件的加工工序是完全相同的。如果对于每个车间都重新设计相关的智能系统,会造成资源的浪费,成本将大大提高。
发明内容
本发明为解决目前加工车间配置的智能系统,针对加工工序相同的同种零件,由于车间内设备种类、型号、厂家和数量的不同,需要分别设计相应的智能系统,造成资源浪费的问题,提供一种基于智图云谱的孪生制造车间系统设备社群重构方法。
为达到上述目的,本发明采用了以下技术方案:
一种基于智图云谱的孪生制造车间系统设备社群重构方法,包括以下步骤:
S1,建立设备资源实体知识模型
根据已有智能系统中虚拟半物理车间的设备设置,按照通用知识模型对需要改变的设备建立设备资源实体知识模型;其中虚拟半物理车间是指,在智能系统设计时,对车间中常用的设备已经建立了通用的模型,涵盖了车间加工零件的设计阶段资源,制造阶段的数控机床、AGV运输小车、检验设备和机械臂;
S2,资源入群出群请求
针对需要改变的设备,向已有智能系统发出入群出群请求,已有智能系统根据需要改变的设备类型,判断在已有设备社群中是否有该设备所属的社群,若有,则将需要改变的设备对应的资源输入至该社群,设备对应的资源为该设备的资源实体知识模型;否则,在已有智能系统中新建与需要改变的设备类型相对应的社群,再将需要改变的设备对应的资源输入至该社群;
并将已有智能系统中与需要改变的设备相对应的同类型设备对应的资源移出该社群;
S3,已有智能系统对需要改变的设备对应的资源进行评估
利用模糊层次分析法对需要改变的设备对应的资源进行评估,得到该资源的性能评价结果,同时,根据模糊层次分析法的评价结果对S1得到的知识模型进行更新;
S4,资源社群更新
根据需要改变的设备所在社群中各设备资源的综合性能评价结果,对各设备资源进行分组;依据性能评价结果,将同类型资源按照优异、良好、一般、较差分为四组,为后续的生产调度提供选择依据,优先选择性能较好的设备进行加工生产;
每当添加新的设备或设备的状态发生变化之后,系统根据性能评价结果对社群中分组进行更新;
S5,设备关系重建
根据加工工序对各社群关系进行重新构建,所述各社群关系包括各社群间关系和每个社群内各设备间关系;完成孪生制造车间系统设备社群重构。
本发明进一步的改进在于:
步骤S1中,所述虚拟半物理车间涵盖所有加工工序的各类设备对应的通用知识模型。
步骤S2中,所述已有设备社群包括车社群、铣社群、刨社群、磨社群、钻社群、镗社群、运输社群和检验社群。
步骤S3中,所述利用模糊层次分析法对需要改变的设备对应的资源进行评估具体为:
S3.1,资源评估层次分析模型建立
建立包含两个层次的资源评估层次分析模型,其中,第一层次为目标层次,第二层次为评价准则层次;所述评价准则层次包括第一个准则层次和作为第一个准则层次分支的第二个准则层次;
所述第一个准则层次包括加工功能标准、加工精度标准、加工状态标准、加工时间标准和加工成本标准;
所述第二个准则层次以加工特征标准、加工类型标准和加工材料标准作为加工功能标准的分支,以尺寸精度标准、表面粗糙度标准和形状精度标准作为加工精度标准的分支,以设备整体状态标准和刀具状态标准作为加工状态标准的分支,以运行时间标准、等待时间标准和物流时间标准作为加工时间标准的分支,以操作费标准、维护费标准和设备折旧费标准作为加工成本标准的分支;
S3.2,第一个准则层次模糊判断矩阵建立
建立如下的第一个准则层次模糊判断矩阵:
其中i=(1,2,3,4,5),M表示目标层次,N
S3.3,模糊互补判断矩阵一致性调整
S3.3.1,对第一个准则层次模糊判断矩阵的每一行求和得到r
S3.3.2,对第一个准则层次模糊判断矩阵内的值做如下数学变换,进行一致性调整:
得到新矩阵,即为模糊互补一致判断矩阵,其中,i,j=1,…,5;
S3.4,评价指标权重计算
根据第一个准则层次模糊判断矩阵对第一个准则层次的矩阵和权重向量进行计算:
第一个准则层次的权重向量:
根据矩阵的值对第一个准侧层次中每一个指标的权重进行计算:
其中
对第二个准则层次的矩阵和权重向量同理可以进行计算:
第二个准侧层次对于第一个准侧层次的矩阵:
第二个准侧层次相对于第一个准侧层次的权重向量:
则有:
其中,P
由下式计算出第二个准则层次对于目标层次的权重向量:
在得到第二个准则层次对于目标层次的权重向量后,对设备资源进行各指标评分,通过计算各指标评分和权重向量相乘,得到最终的性能评价结果。
步骤S2中,所述需要改变的设备对应的资源为需要改变的设备对应的设备资源实体知识模型。
步骤S1中,所述设备资源实体知识模型包括设备基本信息、设备数据库信息和设备功能信息;
所述设备基本信息包括设备在车间的位置、设备的编号、设备加工尺寸;
所述设备数据库信息包括数据库名称、数据库登陆信息、数据表名称。
步骤5中,所述对各社群关系进行重新构建具体为:对需要改变的设备所在社群进行社群内部三元关系组重建,再对该社群与其他社群的顺序和选择关系进行重建。
与现有技术相比,本发明具有以下有益效果:
1.本发明对不同类型的设备提供了一种通用的知识模型,包含了设备使用过程所涉及到的参数,使用时仅需要根据设备具体的参数信息进行输入或选择,不需要针对不同设备单独设计,减少资源的浪费;而现有技术所采用的是针对于不同的设备设计不同的模型。本发明为设备添加提供了更为快捷的方法,为制造车间系统孪生提供了可能,同时也降低孪生制造车间系统的复杂度;
2.本发明针对于设备属性建立模糊层次法结构,使用模糊层次分析法对设备进行性能评价,用以将设备分组,方便后续在生产制造过程中的调度。现有技术大多是以单一对设备进行评价,不能对设备进行多方面综合性的分析,也难以计算出机床质量与性能水平;
3.本发明以社群、三元关系组、智图云谱的方式,在智能系统中对车间的设备进行管理,更为清晰的展示车间的设备信息,提高系统查询速度,为大规模车间的管理提供了一种更为良好的方法。
附图说明
为了更清楚的说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明的流程图;
图2为本发明的数控机床类设备信息模型示意图;
图3为本发明的AGV运输小车类设备信息模型示意图;
图4为本发明的检测类设备信息模型示意图;
图5为设备关系三元关系组示意图;
图6为本发明模糊层次法结构示意图;
图7为车间社群智图云谱示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中,需要说明的是,若出现术语“上”、“下”、“水平”、“内”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,若出现术语“水平”,并不表示要求部件绝对水平,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本发明实施例的描述中,还需要说明的是,除非另有明确的规定和限定,若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合附图对本发明做进一步详细描述:
参见图1,图1为本发明的整体流程,按顺序为资源实体知识模型建立、发起入群出群请求、类型判断、资源入群、资源综合性能评估、社群更新和社群关系的重建。
本发明公开了一种基于智图云谱的孪生制造车间系统设备社群重构方法,包括以下步骤:
S1,建立设备资源实体知识模型
根据已有智能系统中虚拟半物理车间的设备设置,按照通用知识模型对需要改变的设备建立设备资源实体知识模型;其中虚拟半物理车间是指,在智能系统设计时,对车间中常用的设备已经建立了通用的模型,涵盖了车间加工零件的设计阶段资源,制造阶段的数控机床、AGV运输小车、检验设备和机械臂;
虚拟半物理车间涵盖所有加工工序的各类设备对应的通用知识模型。
设备资源实体知识模型包括设备基本信息、设备数据库信息和设备功能信息;
设备基本信息包括设备在车间的位置、设备的编号、设备加工尺寸;
设备数据库信息包括数据库名称、数据库登陆信息、数据表名称。
S2,资源入群出群请求
针对需要改变的设备,向已有智能系统发出入群出群请求,已有智能系统根据需要改变的设备类型,判断在已有设备社群中是否有该设备所属的社群,若有,则将需要改变的设备对应的资源输入至该社群,设备对应的资源为该设备的资源实体知识模型;否则,在已有智能系统中新建与需要改变的设备类型相对应的社群,再将需要改变的设备对应的资源输入至该社群;
并将已有智能系统中与需要改变的设备相对应的同类型设备对应的资源移出该社群;
已有设备社群包括车社群、铣社群、刨社群、磨社群、钻社群、镗社群、运输社群和检验社群。智图云谱系统操作的是设备的知识模型,改变是对知识模型进行改变。
需要改变的设备对应的资源为需要改变的设备对应的设备资源实体知识模型。
S3,已有智能系统对需要改变的设备对应的资源进行评估
利用模糊层次分析法对需要改变的设备对应的资源进行评估,得到该资源的性能评价结果,同时,由于在设备资源实体知识模型中包含有默认资源的性能评估结果,只需根据模糊层次分析法的评价结果对S1得到的知识模型进行更新;
利用模糊层次分析法对需要改变的设备对应的资源进行评估具体为:
S3.1,资源评估层次分析模型建立
建立包含两个层次的资源评估层次分析模型,其中,第一层次为目标层次,第二层次为评价准则层次;评价准则层次包括第一个准则层次和作为第一个准则层次分支的第二个准则层次;
第一个准则层次包括加工功能标准、加工精度标准、加工状态标准、加工时间标准和加工成本标准;
第二个准则层次以加工特征标准、加工类型标准和加工材料标准作为加工功能标准的分支,以尺寸精度标准、表面粗糙度标准和形状精度标准作为加工精度标准的分支,以设备整体状态标准和刀具状态标准作为加工状态标准的分支,以运行时间标准、等待时间标准和物流时间标准作为加工时间标准的分支,以操作费标准、维护费标准和设备折旧费标准作为加工成本标准的分支;
S3.2,第一个准则层次模糊判断矩阵建立
建立如下的第一个准则层次模糊判断矩阵:
S3.3,模糊互补判断矩阵一致性调整
S3.3.1,对第一个准则层次模糊判断矩阵的每一行求和得到r
S3.3.2,对第一个准则层次模糊判断矩阵内的值做如下数学变换,进行一致性调整:
得到新矩阵,即为模糊互补一致判断矩阵;
S3.4,评价指标权重计算
根据第一个准则层次模糊判断矩阵对第一个准则层次的矩阵和权重向量进行计算:
第一个准则层次的权重向量:
第二个准侧层次对于第一个准侧层次的矩阵:
其中
对第二个准则层次的矩阵和权重向量同理可以进行计算:
第二个准侧层次对于第一个准侧层次的矩阵:
第二个准侧层次相对于第一个准侧层次的权重向量:
则有:
其中,P
由下式计算出第二个准则层次对于目标层次的权重向量:
目标层次指的是图6所示的目标层。
在得到第二个准则层次对于目标层次的权重向量后,对设备资源进行各指标评分,通过计算各指标评分和权重向量相乘,得到最终的性能评价结果。
S4,资源社群更新
根据需要改变的设备所在社群中各设备资源的综合性能评价结果,对各设备资源进行分组。综合性能评价结果是步骤S3中评估结果;依据性能评价结果,将同类型资源按照优异、良好、一般、较差分为四组,为后续的生产调度提供选择依据,优先选择性能较好的设备进行加工生产;
每当添加新的设备或设备的状态发生变化之后,系统根据性能评价结果对社群中分组进行更新;
S5,设备关系重建
根据加工工序对各社群关系进行重新构建,各社群关系包括各社群间关系和每个社群内各设备间关系;完成孪生制造车间系统设备社群重构。
对各社群关系进行重新构建具体为:对需要改变的设备所在社群进行社群内部三元关系组重建,再对该社群与其他社群的顺序和选择关系进行重建。
参考图2、3、4,数控机床类设备的信息模型包括三个部分,分别为基本信息、数据库信息、功能信息,具体包括设备编号、设备位置、设备可加工尺寸,数据库名称、数据库登录信息、数据表名称,当前设备状态、配备刀具信息、数控系统信息、配备夹具信息、加工类型、轴数量。AGV运输小车类设备的信息模型包括三个部分,分别为基本信息、数据库信息、功能信息,具体包括设备编号、设备位置、设备可加工尺寸,数据库名称、数据库登录信息、数据表名称,小车运行速度、小车最大运载能力。检验设备类的信息模型包括三个部分,分别为基本信息、数据库信息、功能信息,具体包括设备编号、设备位置、设备可加工尺寸,数据库名称、数据库登录信息、数据表名称,检测类型、检测精度、检测项目、检测标准。各个小部分的基本信息模板保存在云端,可以根据需要进行选取,也可以在系统中进行添加。
参考图5,社群中的每个台设备都不是独立存在的,与同社群、其他社群中设备均有一定的关系。设备关系三元关系组包括两个实体设备的资源信息模型和两者之间的相互关系,根据车间设备和构件加工工序分析,设备之间的关系有三种,分别是顺序、选择、并行。
参考图6,对于每一台设备建立一套指标决策优化体系,从加工能力、加工精度、加工状态、时间和成本五个方面进行综合评价,同时各评价目标自身也包含影响因素子集,继续进行划分,得到模糊层次分析模型。
参考图7,以某车间为例,该车间包括12台数控机床、3辆AGV运输小车和4台检测,按照功能将其划分车、铣、刨、磨、钻、镗、运输、检验八个社群,数控机床5能够实现钻削和镗削两种功能,存在于两个社群中。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
机译: 基于基于彩色网格的采样的深度图编码方法和基于彩色和网格信息的深度图重构方法
机译: 通过阿尔法频率谱重构重建获得的频率和包络线中的信号的获取方法通过阿尔法频率谱重构重建获得的折叠的频率和包络中的信号的方法用于获得经频率折叠的信号和经包络调整的解码器以解码编码信号以及解码编码信号的方法
机译: 一种正面认证方法,其增强了计算机生成全息图转换的数字全息图标记的安全级别,这是一种基于计算机生成的全息图的正认证系统数字全息图标记发生器,用于基于计算机生成的全息图的正验证系统