[发明专利]基于数据信息的多目标作业车间的复杂网络模型构建方法

说明书

本公开公开了基于数据信息的多目标作业车间的复杂网络模型构建方法，包括：针对多目标作业车间进行参数定义；构建多目标有向加权网络模型：将作业车间生产活动涉及到的每一个采集数据信息点作为一个网络节点，将所关联的各个网络节点的工业流程作为网络的边，节点之间连接边的方向由工序的优先关系决定，每个环节都设置一个流程节点来连接流程走向；基于多目标有向加权网络模型构建能够反映生产过程是随着时间而改变的动态加权复杂网络模型。本公开基于数据信息的多目标作业车间的动态加权复杂网络模型在一定程度上能够反映真实的车间生产机制，模型具备的动态性证明了能较好刻画显示网络的动态机理。

技术领域

本公开涉及计算机信息处理技术领域，特别是涉及基于数据信息的多目标作业车间的复杂网络模型构建方法。

背景技术

随着智能制造的推进和全球贸易化的发展，多目标制造系统以由最初的链式结构发展成为复杂的网络化组织。智能制造是一个集产品全生命周期、智能功能和系统层次于一身的庞大的制造过程。在这种制造方式下，品种多、规模小，造成生产作业过程中信息复杂，从而使得企业的生产作业计划安排工作难度加大，难以控制，容易造成不能按期交货、产品质量不能保证、经济效益降低等问题。

为了解决这一系列问题，必须要进行多目标制造的优化。多目标制造的优化是指要在满足约束条件的前提下，按照制造流程和计划，为实现缩短产品的生产周期、降低成本、提高生产效率、提高生产资源利用率等目标，制定生产计划以及调度指令来进行任务的分配。如何在满足约束条件的前提之下达到生产的目的，怎样将目的最大化，是多目标制造主要探索的方向，它的研究主要可以分为调度建模和调度算法设计两方面。其中，建模主要研究调度模型、目标函数、调度规则等内容；算法主要研究算法设计、算法收敛性和复杂性分析等内容。现有的调度模型大多针对工件的完成情况，以最大完成时间，延迟时间，流经时间，延迟工件个数等作为优化目标。然而，研究者很少从多目标制造的数据特征出发，缺乏对数据的深入分析，没有考虑在大数据时代下，数据在生产中起到的作用，模型大多与真实的车间生产存在一定的差距。

多目标作业车间的生产数据具有多元性、异构性、模糊性等特征，数据节点的选择又有自身的连接偏好。复杂网络是具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络，它是一种有数据巨大的节点和节点之间错综复杂的关系共同构成的网络结构，是一个足够复杂的拓扑结构特征图。实证分析方面，复杂网络理论已被广泛应用于因特网、产品供应链网络、病毒传播网络、电力网络和交通运输网络等的研究中。

利用复杂网络建模，恰好是多目标车间生产调度问题转型的新思路，多目标作业车间的生产数据特征与复杂网络的节点特征类似，所以可以将它抽象为复杂网络模型。

多目标作业车间问题描述：现阶段研究成果：作业车问调度问题(Job-Shopscheduling Problem，JSP)作为许多实际生产调度问题的抽象模型，是一类典型的NP-hard复杂优化问题。启发式算法和精确算符是多目标作业车间调度的主要求解方法。目前启发式算法更容易被广泛接受，因为它能在可接受的时间内获得问题满意的答案。复杂网络在多目标作业车间上的应用处于起步阶段，尚未收到广泛关注，但在工业制造的相关领域也取得了不错的进展。针对供应链的应用较为广泛，存在现有文献采用复杂网络理论构建了带有可调参数的供应链网络演化模型。存在现有文献针对供应链网络的复杂性及其内外环境变化的不确定性，将供应链网络中的企业和企业间关系抽象为网络的节点和边，运用复杂网络理论对供应链进行建模分析。存在现有文献在快速扩散制造模式下获取和重用制造知识，提高系统的决策效率，提出一种基于复杂网络的知识评价和关联性分析方法。存在现有文献提出了一个面向离散制造过程的复杂网络理论应用研究框架。

因此，如何基于生产数据信息实现多目标作业车间的动态复杂网络模型的构建时本申请技术方案所主要解决的技术问题。

公开内容

为了解决现有技术的不足，本公开的实施例子提供了基于数据信息的多目标作业车间的复杂网络模型构建方法，该模型具有无标度特性，为以后在模型中发现关键节点提供了参考。