[发明专利]一种基于OEE提高计划容错性的方法

权利要求书

1.一种基于OEE提高计划容错性的方法，其特征在于，所述基于OEE提高计划容错性的方法包括案例描述、案例检索、修改重用和保存更新；具体为：采用基于案例推理的时间预测法，把以前处理过的问题描述成由问题特征集和解决方案组成的案例，并按一定的方式组织起来，存储到案例库中；在有新问题求解时，检索案例库，进行案例匹配，找出与新问题相同或相似的几个案例；通过直接引用相同案例或修改相似案例，得到新问题的解，同时在案例库中保存新的经验，以实现动态学习。

2.如权利要求1所述的基于OEE提高计划容错性的方法，其特征在于，所述案例描述具体包括：

在数据库中的案例描述采用面向关系数据模型的方法，对于案例i，在关系数据库中，将输入变量组合表示成问题特征向量x_i＝(x_i1,x_i2,...,x_im)，其中i表示数据库中第i条记录，也就是案例库当中的第i个案例，1,2,...m，表示案例中采样的时间点；

所述案例检索具体包括：采用最近邻法，检查目标案例与案例库中案例的某种属性匹配程度，并通过计算各属性匹配成都的加权和决定最佳匹配案例；

所述案例修改重用采用加权平均法对案例进行修改，设已从案例库中检索到与当前案例最为相似的案例相似度为d(x_i,x₀)<5％，然后把这些案例中的每个分量求平均值，最后得到一个平均向量，x_i＝(x_i1,x_i2,...,x_im)，加系数d1，d2得到x_max＝d₁x_i，x_min＝d₂x_i，若当前案例中的分量超过最小向量和最大向量中的分量值，则采用最小分量和最大分量代替；

所述案例保存具体包括：为防止案例库过大，只保存满足如下公式的案例：

mind(x_i,x₀)＜δ。

3.如权利1所述的基于OEE提高计划容错性的方法，其特征在于，所述的匹配方法采用最近邻法，检查目标案例与案例库中案例的某种属性匹配程度，并通过计算各属性匹配成都的加权和决定最佳匹配案例；最近邻法的公式为：

s(xi,x0)=Σj=1ms(xij,x0j);]]>

其中，x₀和x_i分别是当前案例和案例库中第i条案例的问题特征向量，s(x_ij,x_0j)是x₀和x_i的特征j的相似度，w_j是特征j的属性权重；s(x_i,x₀)即为当前案例与案例id相似度，其值越小，匹配程度越好；

最近邻近法中的相似度计算，采用欧氏距离方式，欧式距离公式为：

d(xi,x0)=Σwj2(xij-x0j)2;]]>

d(x_i，x。)表示当前案例与案例i的加权欧氏距离，其值越小，说明两个案例越相似；其中x_ij表示第i条案例，第j步骤的耗时情况，x_0j表示生产过程中实时监测的案例中的的j步骤耗时,w_j表示相关步骤的权重；案例检索采用d(x_i，x。)最小的案例进行时间预测，预测出整个开机准备过程的剩余耗时T_bootPrepare。