大数据驱动的智能车间运行分析与决策方法研究

With the wide implementation of CNC machine tools, sensors and intelligent equipment, manufacturing data in workshop shows a typical feature of “big data”. In this project, an analytical and decision making methodology about the operation of the smart workshop driven by “big data” is proposed to break through the traditional “cause and effect+ model+ algorithm” mode. Through a new “association+ prediction+ regulation” mode, performance of the smart workshop under complex manufacturing environment is optimized. Considering the characteristics of the manufacturing data, such as massive, high-dimensional, isomerous and etc, a fusing approach is proposed by using “big data” processing and analyzing methods, by which the data denosing, unified modeling and multiscale classification of manufacturing “big data” could be realized. A multi-scale time series analyzing approach of dynamic data is developed, on basis of which the association network model of manufacturing data is established so as to reveal the inner coupling mechanisms. A high-performance prediction method is established and the quantitative mechanisms for workshop regulation are determined. In order to optimize shop performance such as product quality and productivity, a status parameter driven method and a rule-adaptive intelligent scheduling method are proposed. The fruitful output of this research could significantly increase the shopfloor productivity, improve the product quality and reduce the cost, therefore lays a solid theoretical and technical foundation for the manufacturers which is stepping from automation and digitization towards intelligentalization.

随着数控机床、传感器和智能感知设备的广泛应用，车间制造数据呈现出典型的大数据特性。本项目研究大数据驱动的智能车间运行分析与决策方法，突破传统的“因果+模型+算法”模式，通过“关联+预测+调控”实现复杂制造环境下车间性能的优化。借助大数据处理和分析方法，提出海量、高维、多源、异构制造数据的融合方法，实现制造大数据的清洗去噪、统一建模与多尺度分类。提出动态制造数据多尺度时序分析方法，揭示制造数据随时间的变化规律；构建制造数据的关系网络模型，分析数据间的耦合作用机理；挖掘车间性能的演化规律，建立精确的性能预测方法；挖掘针对车间运行过程的定量调控机制，提出状态参数驱动的产品质量智能决策方法和规则自适应的制造系统智能调度方法，实现产品质量和生产效率等车间性能的优化。通过本项目的研究，可以提高车间生产效率、提升产品质量、降低生产成本，为我国制造企业从自动化、数字化迈向智能化奠定坚实的理论和技术基础。

针对智能车间运行数据具备的多样性、规模性、高速性，以及多来源、多噪声和多尺度特点，提出了“关联+预测+调控”的运行分析与决策方法体系，开展了以下研究工作：1）研究海量高维多源异构制造数据融合方法，突破了清洗、抽取、管理、降维、去冗余、平衡化等数据处理技术，为运行决策提供高质量数据资源；2）研究动态制造数据多尺度时序分析方法，突破时序数据索引、时序特征提取与时序特征分类技术，实现了运行过程的数据描述；3）研究制造数据的关系网络模型与耦合作用机理，突破数据关联关系度量、数据关系网络建模、关键影响因素识别技术，发现运行数据对车间性能的耦合作用机理；4）研究车间性能演化规律与预测方法，突破车间性能描述、预测模型构建与预测模型训练技术，在产品、设备、系统等性能维度，提出了发动机功率一致性预测方法、晶圆良率预测方法、设备故障诊断方法、刀具寿命预测方法、晶圆工期预测方法与旋转设备状态预测方法；5）研究基于定量调控机制的车间运行决策方法，突破调控机理分析、调控策略规划、调控参数优化技术，从生产效率、产品质量两方面，提出了晶圆工期调控方法、发动机功率一致性控制方法与加工车间动态调度方法；6）开发了智能车间运行分析与决策原型系统，突破智能车间大数据平台技术，实现大数据驱动的智能管控目标。以上研究工作，在中国航发、华为技术、中芯国际、宝钢集团、上海电气、福建百凯等重点行业的骨干企业进行了应用验证。基于大数据的生产管控技术转让于福建百凯，实现化纤生产的全流程数字化智能管控；数控加工车间的刀具智能管控系统在中国航发南方公司应用，提高了生产效率；产品质量检测与分析技术推广应用于宝钢集团汽车镀锌板流水线，提高了产品加工质量。项目执行期间，发表论文120余篇（SCI收录68篇）、出版专著7本，申请专利/软著15项，做特邀报告16次，获国家级人才计划1人、省部级人才计划3人，培养青年教师7名，毕业硕/博士研究生21名。