一、面向敏捷制造车间模式的分布式协同作业方法与实施技术（论文文献综述）
刘业峰,李康举,赵元,田林琳,陶林[1]（2020）在《基于分布式协同的数字化工厂构建及应用》文中指出以数字化工厂平台的软、硬件构建为基础,针对产品制造过程中加工单元、仓储物流系统和车间信息化管控系统的分布式协同与优化。提出基于分布式并行协同的智能数字化工厂架构;给出基于分布式并行协同的工作流程和5种匹配模式;给出以尽量减少总生产和运输成本为目标的优化模型;提出基于上述3个维度的数字化工厂的智能制造过程是一个基于分布式多加工单元、多任务、多时间跨度、多智力资源环境的整体的三维并行协同过程。最后,对沈阳工学院数字化工厂进行了架构构建,通过给出的层次结构模型、组件和搭建的硬件网络,证明了所搭建的分布式协同系统是有效的和可行的。
陈宝通[2]（2020）在《面向个性化定制的智能生产线预防性维护研究》文中进行了进一步梳理智能生产线通过物联感知和网络协同技术,实现信息物理深度融合。其特征是制造设备高度互联、制造数据深度集成与产线动态重构,以满足多品种、小批量、个性化定制产品的混流生产要求。个性化定制生产模式下,智能生产线对设备可靠性、运行稳定性与生产适应性等提出了更高要求,常规的被动运维模式已不能满足智能生产线的复杂运维需求。本文聚焦于智能生产线预防性维护的关键技术研究,以保证个性化定制生产线效率与设备利用率为前提,对设备的劣化状态进行早期评估,通过可重构预防性维护避免生产线意外停机造成的生产中断,旨在实现生产过程的自主感知、状态评估、自适应运行及负载均衡。本文的研究工作可以具体地概括为以下五点:（1）探讨了设备信息物理深度融合为基础的智能生产线预防性维护系统架构。在智能生产线设备信息传输方面,实现了基于OPC UA的信息传输,Machine to Machine通信,软件定义工业异构网络;在多源异构传感数据深度融合方面,提出了边缘计算使能的数据融合方法与边-云合作的数据融合机制。架构涵盖了基于心电机理的设备运行状态监测方法与深度的设备健康状况评估理论,实时反馈设备亟需的运维情况。为保障智能生产线稳定运行,提出了面向个性化定制生产线的可重构运维机制,以实现生产过程自适应管控的系统运维。（2）基于设备动作时长的细粒度划分,将设备作业状态下的节拍类比为人类的心脏跳动,以设备心电图（equipment electrocardiogram,EECG）的方式揭示设备的性能衰退过程。阐明了设备心电图的构建机理,涵盖工序的细粒度划分方法,时序周期的动态匹配方法,基线、公差、Hotspot等重要工作特征的确定方法。基于设备心电机理,分别提出了生产线节拍优化方法和设备性能衰退的在线监测方法。在智能生产线上对智能设备心电图的性能进行了测试,结果表明智能心电机理能够很好地支持智能设备心电图的实施,智能生产线设备心电（Automatic Production Line EECG,APL-EECG）系统能够实时监测设备作业状态,为设备的维护提供科学指导。（3）基于时间序列设备传感数据,提出了深度的设备性能预测方法。引入流行的机器学习框架—Tensor Flow,搭建了Tensor Flow使能的深度学习模型架构;利用Keras搭建了汽车装配生产线的小台车气缸可靠性分析的深度神经网络模型,并阐述了其中关键的实现技术;进一步地制定了气缸工作性能评估策略,预测准确率达到工业应用标准。研究发现在不完全观测丰富数据集的环境下,运用深度神经网络能够实现“弱关联”多源异构设备传感数据的分析。（4）基于领域本体的形式化语义模型,构建了面向预防性维护的可重构运维方法。首先,根据对智能生产线制造资源与生产过程的系统分析,利用领域本体方法构建生产线形式化语义模型,以一种语义网结构对生产线的制造资源进行抽象化与统一描述;其次,利用数据驱动的语义模型促进了生产线信息物理资源的动态融合,为生产线状态感知与自组织重构等提供基础模型,进一步构建了基于多智能系统的智能生产线自组织自适应运行机制;最后,面向预知的设备状态衰退与性能失衡,构建路径动态规划与任务切换的可重构方法,实现混流产线的不停机动态重构。（5）针对智能生产线设备集群自组织自适应作业过程中的负载不均衡现象,探究了基于边缘计算理念的智能生产线可重构运维方法,制定基于能量感知的负载均衡与调度（Energy-aware Load Balance and Scheduling,ELBS）策略。具体地,在边缘节点建立工作负载相关的能耗模型,相应地确立以作业集群负载均衡为目标的优化函数;利用改进的粒子群算法求得优化解,对任务相关的作业集群进行任务优先级排序;采用Multi-agent系统对车间作业集群进行分布式的优化调度。结果表明,在多批量个性化定制糖果的包装产线上,在考虑能耗和工作负载的情况下,该策略实现了混流生产作业机器人的负载均衡和优化运行。综上所述,以底层信息交互为基础,提出了由单机设备到集群设备的自下而上的可重构运维方法,实现了涵盖产线自主感知、状态监测、预防维护与负载均衡等的关键运维技术,为个性化定制生产线的预防性维护关键点提供技术支撑与理论依据。
刘正超[3]（2020）在《面向分布式制造的建材装备集团绿色生产调度研究》文中认为建材装备制造业是建材工业的重要支柱,是为建筑材料及其相关制品提供生产设备及技术支持的基础性产业。近些年,我国建材装备制造业面临着规模型企业占比小、制造资源集中度低、局部产能过剩以及企业间无序竞争等问题。因此,该产业正逐步通过集团式重组、合并等方式进行发展,由此形成了集团分布式制造模式。与此同时,随着温室效应、资源枯竭以及环境恶化成为全球性的难题,我国建材装备制造业作为传统的高投入、高消耗、高排放行业,其节能减排和绿色发展问题已经迫在眉睫。但是,由于该产业正处于集团式发展的初级阶段,集团企业内部组织机构的功能分配不够完善、集团总部对下属企业的管理能力不足等缺陷,导致了集团内部制造任务与制造资源的匹配度偏低,以及集团下属企业的制造目标不统一、协同制造水平较差等问题的凸显,进一步增加了建材装备集团企业的绿色转型难度。因此,本文针对建材装备集团分布式制造模式的特点,主要从多主体制造任务分配、执行以及协同生产管理三个方面对建材装备集团的绿色生产调度问题展开研究与探索,具体研究内容包括:（1）结合建材装备集团分布式制造模式的特征,对建材装备集团分布式生产调度过程的决策重点进行了研究。在此基础上,进一步对建材装备集团的绿色生产调度关键问题进行提炼,建立了面向分布式制造的建材装备集团绿色生产调度体系,为下文的研究提供了理论基础。（2）针对建材装备集团总部在制造任务分配过程中的绿色制造需求和多目标组合分配决策问题,提出了一种新型的集成多目标优化和人工神经网络的绿色制造任务分配优化方法,首先通过多目标优化获取大量包含决策者偏好特征的绿色制造任务分配仿真数据,随后设计相关的人工神经网络结构,并使用仿真数据对其训练,最后使用受训的人工神经网络对候选制造任务分配方案进行绿色优选,实现了建材装备集团制造任务分配过程的绿色优化。（3）针对建材装备集团下属企业在制造任务执行过程中的车间生产资源浪费问题,重点研究了考虑车间内部加工过程和运输过程综合能耗的绿色集成调度优化方法,构建了集成加工机器和运输设备调度的绿色优化模型,并设计了一种新型的带有绿色运输调度启发式策略的改进遗传算法对模型进行求解,实现了建材装备集团制造任务执行过程的绿色优化。（4）针对建材装备集团在绿色生产调度过程中发生的多主体协作冲突问题,建立了集成多目标优化和非合作博弈理论的冲突协调模型,并提出了一种新型的基于NSGA-和纳什均衡的冲突协调求解算法,通过调度优化、冲突检测、冲突协调三个过程为建材装备集团的绿色生产调度提供配套的冲突协调方案,实现了建材装备集团分布式制造的绿色协同生产管理。（5）根据论文中提出的优化理论与方法,以国内某建材装备集团企业的实际应用需求为基础,设计开发了面向分布式制造模式的建材装备集团绿色生产调度平台原型系统,重点研究了平台系统的软硬件架构及功能框架设计,并结合开发实例对平台系统的主要功能和应用效果进行了相关的展示说明。
吴锐[4]（2019）在《面向建材装备制造企业的分布式柔性作业车间调度问题研究》文中提出近年来,由于行业产能过剩导致市场竞争激烈,我国建材装备制造企业经历了大范围的合并重组,逐渐形成了规模化、集团化、跨区域化的生产格局。建材装备制造企业一般都拥有多个制造工厂,产品生产由位于不同地域的制造工厂共同完成。在这种分布式制造模式下,通过合理配置多个工厂的制造资源可实现更高效的生产,而分布式车间调度优化技术是实现制造资源优化配置的关键。因此,本文针对几类不同应用需求下的建材装备制造企业分布式柔性作业车间调度问题,建立相应的调度优化模型,以人工蜂群算法为基础,通过改进蜂群搜索机制及设计高效的局部搜索策略,分别提出对应模型的求解算法,并进行实例验证研究。本文的主要工作包括:（1）针对建材装备制造企业频繁出现因设计延迟、设计变更导致的剩余工期压缩,车间生产紧张的情况,以最小化完工时间为目标建立了分布式柔性作业车间调度优化模型,并提出了一种改进离散人工蜂群算法用以求解。在所提算法中,针对问题特点设计了编码/解码方案及初始化策略,改进了蜂群搜索机制实现高效搜索,并设计了基于关键路径的局部搜索策略以增强算法局部搜索能力。最后,基于算例和建材装备制造企业实例进行对比实验,验证了算法的可行性和有效性。（2）迫于行业订单价格持续低迷,建材装备制造企业需在满足客户工期需求的基础上,降低成本以提升竞争力,基于此,建立了以最小化加权总延期和加工运输总成本为目标的分布式柔性作业车间调度优化模型,并提出了一种混合模拟退火算法作为局部搜索策略的人工蜂群算法用于求解。算法设计中,针对问题特点提出了多种混合初始化策略以提高搜索起点的质量,同时设计了基于拥挤度距离的档案集维护、更新策略以获得分布性更好的非支配解集。最后,通过算例仿真和建材装备制造企业实例进行了算法对比。（3）基于建材装备制造企业面临的用工成本攀升及用工短缺,工人资源逐渐成为生产瓶颈的现状,在考虑设备资源约束的基础上增加工人资源约束,建立了双资源约束下的分布式柔性作业车间调度优化模型,并提出了一种基于协同进化的多种群人工蜂群算法用于问题的求解。在所提算法中,根据增加的工人约束改进了编码/解码方案及初始化策略,同时设计了一种自适应邻域选择机制以实现动态有效的邻域搜索,并提出了两种个体信息交流机制用于实现多种群的协同进化。最后,通过算例及建材装备制造企业实例验证了算法的可行性和有效性。（4）建材装备制造企业车间实际生产过程中经常会出现如加工设备故障、新工件插入等动态事件,针对此种情形,研究了动态环境下的分布式柔性作业车间调度问题,建立了考虑重调度稳定性及工厂设备偏离度的多目标调度优化模型。采用基于分解的进化算法框架改进人工蜂群算法用于问题的求解,针对问题特点设计了混合初始化策略和多种邻域结构,并提出了一种基于禁忌搜索的自适应邻域选择机制以高效搜寻优良邻域解。最后,分别通过算例和建材装备制造企业实例将所提算法与其他算法进行了对比研究。（5）以上述理论研究为基础,结合某建材装备制造企业实际需求,设计并开发了一套建材装备制造企业分布式车间调度系统,介绍了系统主要功能模块,并对系统实际应用效果进行了展示和分析。最后对本文的主要研究内容和创新之处进行了总结,并展望了未来的研究方向。
何磊[5]（2019）在《敏捷卫星协同调度模型与算法》文中进行了进一步梳理作为空间图像采集的主要平台,对地观测卫星的主要任务是根据用户需求获取地球表面的观测信息,由于其具有覆盖范围广、成像时间长、不受国境限制等优势,对地观测卫星在经济发展、灾害救援和应急监测等任务中发挥着越来越重要的作用。近年来,卫星能力的不断发展以及新的应用需求的不断提出,为当前的卫星任务观测规划系统提出了新的挑战:新一代敏捷对地观测卫星与传统卫星相比,带有时间依赖特性,其规划调度问题更加复杂;大面积区域监测、海洋移动目标跟踪等复杂任务需要多颗卫星之间能够有效协同;云层遮挡等实时变化的天气情况对卫星成像的影响较大,降低了卫星的使用效能;突发紧急任务的观测需求要求卫星具有快速响应能力。本文围绕敏捷卫星协同调度问题,从以下几个方面展开研究:首先,研究带有时间依赖的单颗敏捷卫星调度问题。能够在确定性环境下高效的求解单星调度问题,是能够良好解决多星协同调度问题和不确定性环境下敏捷卫星调度问题的关键。提出了一种结合自适应大邻域搜索算法和禁忌搜索算法的混合算法,算法包含多种禁忌规则、多个通用随机化邻域算子、一种部分序列支配策略、一种针对带有序列依赖和时间依赖调度问题的任务快速插入策略。该调度方法具有良好的通用性,在包括单颗敏捷卫星调度问题在内的三类不同问题上,均取得了比当前最优算法更好的效果。同时分析了算法在具有不同特性的算例上的表现,得出了一些指导算法参数设置的通用结论。最后,考虑到当前在带有时间依赖的敏捷卫星调度领域公开的测试数据和源代码较少,本文公开使用的测试数据和源代码,以促进本领域的研究。其次,研究带有时间依赖的多颗敏捷卫星协同调度问题。多星协同调度问题的主要难点之一是由于卫星数量增加而导致的解空间急剧增大。为了解决该问题,首先深入分析了针对多星协同调度问题进行任务分配的必要性。提出一种自适应任务分配策略,将提出的自适应大邻域搜索算法扩展到多个卫星协同调度的情况。该自适应分配方法考虑了多种任务分配方式,算法能够根据不同算例的特性自主调整各个任务分配算子的权重,从而实现自适应的任务分配。大量的计算结果表明,所提出的自适应任务分配机制比当前最新的多卫星协同调度方法更有效。在仿真实验中研究了参数对算法性能的影响,并对不同算例进行了比较,得出了一些通用结论。再次,研究考虑时变云层遮挡的多颗敏捷卫星协同调度问题。针对如实时变化的云层遮挡这类可以预测的不确定性,提出一种介于全在线与离线之间的、用于实时调度问题的分层式协同调度方法。利用云层预报的准确性随着预测提前时间的减少而提高的特性,该方法从一个简单的任务分配和粗略调度过程开始,随着任务观测开始时间的临近,对云层的预测准确性逐渐提高,逐步改善调度的精细度。本方法通过推迟调度时间,有效减少云层覆盖对观测的影响。同时,与传统的包含离线调度和在线重调度的两阶段调度方法相比,此方法中确定具体观测开始时间的精细调度仅执行一次,从而实现了更高的资源利用率。仿真结果表明,该算法可以在多种任务分布方式、调度范围、任务数量和卫星数量的算例上,降低计算成本、提高解质量,特别是针对规模较大的算例。该框架和层次结构机制也可以应用于其他具有实时变化环境的大规模优化问题。最后,研究考虑紧急任务的多星分布式协同调度问题。紧急任务是卫星系统在应用过程中经常遭遇的一类不确定性事件,例如自然灾害、周边热点事件等等,由于较大的时间和空间的不确定性,很难对这些紧急任务进行预测。针对此问题,提出一种多可行解合成框架,将复杂的星上调度问题转换为一个简单的可行解选择问题,实现在有限的计算资源和计算时间的约束下,快速生成一个质量较高的解。同时,提出多种不确定环境下多卫星分布式协同调度方法,包含一种贪婪选择机制、一种基于多Agent马尔可夫决策过程的最优协同策略机制、以及一种基于混合整数规划的最优选择机制。提出的多星协同方法使卫星可以根据策略快速做出独立决策,从而在不进行通信的情况下也能快速取得较高收益。通过多组仿真实验,验证了提出的多解合成框架和分布式协同策略对于星上重调度问题的有效性。同时,实验发现了不同协同策略对具有不同特征的算例的适应性。
孙璐[6]（2019）在《面向复杂柔性调度的协同演化算法研究》文中研究指明柔性调度是实现智能制造的核心技术之一。在满足制造系统约束的条件下,柔性调度突破传统调度中资源唯一性的限制,通过分配不同的资源来完成已排序的生产操作,获得生产效率的最大化。然而,日益激烈的市场竞争及逐渐增加的客户需求导致柔性调度的规模随之增加,同时实际系统中存在不可避免的不确定性因素,如设备周期性老化等带来的具有先验知识的不确定性及加工资源突然故障等引发的突发不确定性,给柔性调度的求解带来了极大挑战。因此,如何在大规模及不确定环境下,高效灵活地分配资源以实现效率最大化,是影响柔性调度推广和应用的关键。协同演化算法通过构造多个种群,使多个种群相互合作来提高性能,多适用于复杂系统的大规模及动态演化环境。然而,柔性调度的操作排序和资源选择之间的相互依赖导致现有协同演化算法无法直接应用于复杂柔性调度。本文针对大规模柔性调度、具有先验知识的不确定柔性调度及突发不确定柔性调度,分别提出相应的协同演化算法,最优化所有操作的最大完成时间（Makespan）。主要研究内容及创新点如下:1.分布式协同演化算法。针对大规模柔性调度中问题规模增加导致关联操作放置同组概率降低及算法搜索性能下降的问题,提出一种分布式协同演化算法。该算法包括增加关联操作放置同组概率的多次随机重分组策略及改进的局域搜索策略。通过设计适用于柔性调度的编解码策略,过滤大量不可行解;提出通过移动关键操作以重构关键路径的局域搜索策略,增强局域搜索能力;改进可用于开源分布式计算框架下的协同演化机制,通过基于给定集合的分组策略,动态调整分组,增加关联操作放置同组概率,提高算法效率。在标准数据集及大规模数据集下,所提算法相较对比算法,Makespan的误差率得到有效降低。2.混合式协同演化算法。具有先验知识的不确定柔性调度中,操作的加工时间为通过三角模糊数建模的区间值。针对决策空间中探索（Exploration）与开发（Exploitation）不平衡及固定取值的参数有效性下降的问题,提出一种混合式协同演化算法。该算法包括平衡探索与开发时结合粒子群算法和遗传算法的编码转换机制及提高参数有效性的参数自适应策略。设计考虑多属性的三角模糊数排序机制,提高排序效率;提出实数编码与整数编码的转换机制,将粒子群算法与遗传算法有效结合,平衡决策空间中探索与开发;提出基于贡献度的参数自适应策略,提高参数有效性。在标准模糊数据集下,所提算法相较对比算法,模糊Makespan得到有效优化。3.基于学习的协同演化算法。突发不确定柔性调度中,操作的加工时间为通过概率分布建模的随机值。针对演化过程中操作间动态的关联关系及依赖关系影响调度优化的问题,提出两种基于学习的协同演化算法。基于马尔科夫随机场分组策略的协同演化算法,在预处理阶段,通过构建马尔科夫随机场探测操作间的关联关系;基于贝叶斯优化分组策略的协同演化算法,在演化过程中,通过构建贝叶斯网络挖掘操作间的依赖关系。通过探测和挖掘的关联关系及依赖关系,降低不确定性对柔性调度优化的影响。在均匀分布、高斯分布及指数分布下,所提算法相较对比算法,Makespan的期望值得到有效降低。
张耿[7]（2018）在《基于工业物联网的智能制造服务主动感知与分布式协同优化配置方法研究》文中认为经济全球化进程的加快、市场竞争的日益加剧,日趋多样性、个性化的产品制造需求,制造业呈现的信息化、服务化、专业化的发展趋势,对现代生产过程中制造资源的互联化、业务流程的协同化、参与主体的自主化、制造模式的服务化等方面提出了更高的要求。在此背景下,随着云计算、工业物联网、信息物理系统等先进制造信息技术的迅猛发展,新型智能制造模式（如云制造、物联制造、社群化制造等）应运而生,并迅速引起了学术界和工业届的广泛关注。然而,当前研究主要针对传统制造系统中静态优化模型和方法的研究,较少对底层制造资源服务主动感知、动态优化配置等核心关键方法深入探索。为此,本研究针对资源服务的透明化感知、自主式优化配置需求,将工业物联技术引入传统制造系统,形成底层制造资源端生产信息的主动感知,以研究“智能制造服务的主动感知与优化配置方法”为突破口,构建了基于工业物联网的智能制造服务主动感知与优化配置方法的体系架构和运行逻辑,并对制造资源实时信息的主动感知与集成、制造资源服务化封装与云端化接入、智能制造服务优化配置方法等方面的关键技术展开深入研究,为促进智能制造系统向敏捷化、服务化、绿色化和智能化的方向发展提供一种重要的理论和技术参考。主要内容包含以下几个方面:首先,在描述智能制造服务主动感知与优化配置相关基本概念的基础上,提出了智能制造服务主动感知与优化配置的体系架构,论述了各参与主体间的协同工作逻辑以及智能制造服务主动感知与优化配置的运作逻辑,并提取了支撑智能制造服务主动感知与优化配置的三个关键技术。其次,针对生产企业对实时、透明制造资源信息主动感知与集成的需求,研究了基于工业物联网技术的制造资源实时信息主动感知与集成架构,阐述了该架构的关键组成部分,设计了实时制造信息的集成服务,以实现多相异构系统与制造执行过程的信息交互,并利用所构建的应用场景对制造资源实时信息的跟踪与追溯进行了说明。第三,针对新型智能制造模式对制造资源高度共享、实时访问的需求,从底层制造设备入手,提出了一种加工设备的服务化封装与云端化接入模型,论述了该模型所涉及的关键技术,从而使得加工设备的制造能力能被主动感知,并能以一种松散耦合和即插即用的方式接入到制造云平台,为海量制造资源的云端化接入、主动发现、优化配置提供了理论参考和技术支持。第四,针对企业级智能制造服务的自主式优化配置需求,以保持企业的灵活性和可持续竞争力为目标,将制造服务提供方的自主决策权考虑到优化过程中,构建了企业级智能制造服务优化配置的分布式模型,采用新兴的分布式协同优化方法—增广拉格朗日协同优化对模型进行求解,并引入了选择单元,以实现具有竞争关系的制造服务链的优化选择,从而为企业级智能制造服务的柔性、高效、自主式优化配置过程提供决策支持。第五,针对车间级智能制造服务的自主式优化配置需求,以保持车间制造资源的智能化、自主性为目标,将制造单元与加工设备的自组织、自决策能力考虑到优化过程中,构建了车间级智能制造服务优化配置的分布式模型,采用目标层解法对模型进行求解,并引入了选择元素,以实现具有竞争关系的智能制造单元的优化选择,从而为车间级智能制造服务的柔性、高效、自主式优化配置过程提供决策支持。最后,通过工业案例对所述的智能制造服务优化配置方法进行了仿真验证;开发了适用于智能制造服务主动感知与优化配置的仿真系统,并从制造服务优化配置各个参与主体的角度阐述了系统的相关功能模块,验证了本文所提出模型和方法的可行性和有效性。
张祖国[8]（2015）在《基于社会化的协同智能制造系统研究》文中研究指明智能制造是工业界持续关注的问题,其支撑技术体系处于持续发展更新中。狭义的智能制造主要关注制造的自动化、企业内不同业务系统的集成、生产线的柔性与工厂制造业务的敏捷性以及紧耦合企业集团内的协同。互联网环境下制造协同更多表现为松耦合特征,因此存在自组织去中心化的企业间的制造服务动态按需协同机制问题。论文针对此问题,对国内外智能制造与协同制造相关的知识体系进行了系统性研究,设计了体系结构,定义了一系列相关概念,并给出了解决方案,围绕制造资源共享、制造资源的选择与分配、制造联合服务访问与授权、动态按需配置制造流程和制造智慧的联合进化与遗传等方面展开分析和讨论。论文首先从技术与集成框架两个角度论述了CIMS（Computer/Contemporary Integrated Manufacturing System）的要素、体系结构、系统建模方法及其演进;智能体特征、模型、组织特征与协调协作方法与强化学习机制和遗传算法;制造的社会化特征与虚拟组织;制造的敏捷与柔性特征;云制造技术与思想的发展;德国工业4.0的CPS（Cyber-Physical System）框架、数据标准化与动态配置生产线目标。文章比较了不同IM概念的内涵和外延差异。论文针对松耦合环境下的制造服务协同问题提出了社会化协同智能制造SCIM（SNS-Based Collaborative Intelligent Manufacturing System）的概念,通过定义智能制造资源IMR（Intelligent Manufacturing Resource）、全制造服务周期TMSL（Total Manufacturing Service Lifecycle）、虚拟生产线VPL（Virtual production Line）,构造了SCIM体系结构参考模型,设计了SCIM的两种协作模型E2E（Enterprise to Enterprise）和E2P（Enterprise to Person）,设计了E2P下的分包模式和自定义产品模式,并在SCIM体系结构下给出了设计协同、工艺协同、虚拟库存协同、MRO（Maintenance,Repair and Operation）协同的交互场景。论文将企业服务总线ESB（Enterprise Service Bus）扩展为分布式协同制造总线CMB（Collaborative Manufacturing Bus）,并通过UDDI（Universal Description Discovery and Integration）复制与更新给出初步实现方法;基于微服务架构提出了微服务制造单元MMSU（Micro Manufacturing Service Unit）,分析了其运行机制和消息机制及对遗存系统的集成;将MMSU引入数字制造设备,提出双通道现场服务总线DC-OS（Dual Channel-Onsite Service）,将数字制造设备纳入动态制造流程配置进程。在SCIM体系内,协作的关键流程环节包括制造资源与服务的分享、资源与服务的优化选择、制造服务的安全授权、跨企业的动态制造服务流程配置以及松耦合企业间制造应用的智慧进化与遗传过程。针对四个方面,论文在第四章进行了相关技术研究并给出了解决方法。首先,提出了基于open LDAP和JXTA协议的点到点LDAP服务发现与资源同步机制;随后研究了融合CA与o Auth的SCIM体系下跨信任域的应用服务联合认证与授权方案;然后设计了面向社会化协作的制造服务流程引擎模型结构,分析了该流程引擎与制造资源目录服务的交互、流程引擎对MMSU代理的驱动以及流程节点间的消息机制;该章节最后将遗传算法应用于IME（IM-ed Enterprise）间的制造知识进化,定义了系统框架和内部功能流程,探讨了基于混合语义分析的制造知识处理算法模型和模糊推理机制。由于获取SCIM体系内制造资源与服务后,面临多种同类或相似资源或服务的情况,资源选择是SCIM体系内的重要决策问题。论文通过多目标规划和单纯形法构造了虚拟资源优化选择问题模型及求解方法,通过平衡运输问题的求解思想建立选定资源后实现虚拟生产线上的任务分配问题模型,并给出求解方法。本文部分研究成果在某集团企业的实际案例中进行了应用,支撑了其持续智能化改造项目的实施,证明文章提出的SCIM体系结构及配套的资源分享、服务授权、制造服务动态配置及制造应用智慧遗传进化方案是可行的。资源分享、服务授权、制造服务动态配置及制造应用智慧遗传进化对复杂社会化关系的适应能力,资源与服务协同的租用资费、资源与服务隐私、双通道现场服务总线在数字制造设备上的实现是今后进一步研究的重点。
马雪丽[9]（2014）在《离散制造业集成化作业计划管理方法研究》文中提出离散制造企业具有产品需求多样化、产品结构复杂、产品工艺柔性以及生产环境动态多变等特点。作业计划直接面向生产制造过程中车间制造资源的组织、协调和优化运行。作业计划管理方法的科学性和敏捷性直接关系到企业的生产效率和市场反应速度。随着计算机集成制造等先进制造模式和信息技术的发展,作业计划的管理正向着信息化、集成化的方向发展。本研究在国家科技支撑计划（2012BAF12808）和国家自然科学基金（70772086）的支持下,针对离散制造企业作业计划管理体系和方法中存在的问题,在分析国内外关于作业计划管理理论、方法和应用现状的基础上,综合运用系统、集成的思想,研究了离散制造企业集成化作业计划管理的框架体系和方法。首先,针对离散制造企业生产流程和作业计划管理业务流程的特点,建立了由作业计划层、生产调度层和活动控制层组成的离散制造业集成化作业计划管理的体系结构,分析了离散制造业集成化作业计划管理包含的主要内容、关系和难点,并基于此构建了基于BPS/MES/PCS的集成化作业计划管理的功能模型,分析了系统之间集成和交互的信息流。针对企业生产计划分层控制的缺陷,构建了作业计划与MRP计划的集成控制模式,针对集成控制模式下作业计划编制问题中产品的结构、工艺和MRP计划等多重约束的特点,建立了该问题的生产过程网络图模型,基于图论的优化方法,设计了基于动态关键路径的作业计划编制算法。通过应用实例的对比表明,该方法能快速有效的制定可行的作业计划,并缩短生产周期。针对离散制造业的许多产品采用柔性工艺设计增加作业计划调度的复杂性这一问题,结合离散制造业产品柔性工艺的类型和特点,对传统的FJSP进行了工序顺序柔性的扩展,将问题抽象为（Flexible Process Job-shop Scheduling Problem, FPJSP）问题,以缩短生产周期为目标,建立该问题的整数规划模型,设计了求解该模型的遗传算法和变邻域搜索算法相结合的混合遗传算法。通过应用实例验证了所提的混合遗传算法对求解FPJSP的有效性。针对离散制造业车间生产环境复杂多变造成作业计划执行跟踪困难的问题,建立了参考数据模型以分析作业计划执行跟踪过程中相关实体之间的关系,以批次为追溯单元,以作业计划执行过程信息的实时准确跟踪为目的,基于微分几何仿射空间的相关理论,建立基于n维仿射空间的批次跟踪模型,设计了基于n维仿射空间的跟踪数据存储结构和作业计划执行过程信息跟踪算法。应用实例表明该跟踪模型和算法可以有效减少数据冗余提高跟踪效率。最后将研究成果与生产的实际需求和信息技术相结合,基于上述模型和算法,开发了集成化作业计划管理的原型系统,探讨了本文研究的集成化作业计划方法在离散制造企业的应用,验证了本文研究的集成化作业计划方法的可行性与有效性。
李京生,王爱民,唐承统,卢治兵[10]（2012）在《基于动态资源能力服务的分布式协同调度技术》文中进行了进一步梳理基于云制造技术中面向服务的思想,针对现有异地分布多车间协同生产计划的关联协调问题,提出并建立一种以云制造思想为指导的基于动态制造资源能力服务化的分布式协同生产调度技术。通过分析多车间协作生产下的制造资源动态服务共享和关联协调的问题,建立基于服务性制造资源的协同生产调度技术总体框架;提出服务性资源的地域和能力相结合的筛选规则,形成面向多车间协同生产的空闲占用和插入调整相结合的作业排产技术;提出资源指定占用下的作业排产处理技术,解决了协同生产环境下特定车间基于制造资源能力局部能力占用的调度排产;针对生产过程中频繁发生的突发事件,提出以降低生产扰动影响范围的时间容忍度技术及基于移动处理方式的动态调度方案调整技术,解决了制造资源服务动态变化下的快速响应处理问题。通过应用实例对以上关键技术进行了验证。
二、面向敏捷制造车间模式的分布式协同作业方法与实施技术（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、面向敏捷制造车间模式的分布式协同作业方法与实施技术（论文提纲范文）
（1）基于分布式协同的数字化工厂构建及应用（论文提纲范文）
| 1 引言 |
| 2 智能数字化工厂硬件平台的构建 |
| 2.1 平台背景 |
| 2.2 智能数字化工厂硬件平台 |
| 3 数字化工厂软件系统的构建 |
| 4 分布式协同的智能数字化工厂 |
| 5 分布式协同的智能数字化工厂应用 |
| 6 结论 |
（2）面向个性化定制的智能生产线预防性维护研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 设备状态监测与评估方法研究现状 |
| 1.2.2 面向可重构运维的系统模型研究现状 |
| 1.2.3 预防性维护的可重构方法研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文创新之处 |
| 1.5 本文组织结构 |
| 第二章 个性化定制生产线预防性维护的系统框架 |
| 2.1 引言 |
| 2.2 预防性维护的系统架构 |
| 2.3 智能生产线设备信息融合 |
| 2.3.1 基于工业异构网络的信息交互 |
| 2.3.2 多源异构传感数据深度融合 |
| 2.4 智能生产线设备状态评估机制 |
| 2.4.1 基于心电机理的设备状态监测 |
| 2.4.2 基于深度学习的设备状态评估 |
| 2.5 智能生产线的可重构运维策略 |
| 2.6 本章小结 |
| 第三章 智能生产线设备心电机理研究 |
| 3.1 引言 |
| 3.2 EECG系统架构 |
| 3.3 设备心电图实现机理 |
| 3.3.1 工序时长细粒度划分方法 |
| 3.3.2 时序周期匹配策略 |
| 3.3.3 重要工作特征的确定 |
| 3.4 基于EECG的设备性能监测方法 |
| 3.4.1 生产节拍提升 |
| 3.4.2 设备性能衰退在线监测 |
| 3.5 实验验证 |
| 3.5.1 实验场景 |
| 3.5.2 运行结果 |
| 3.5.3 结果讨论 |
| 3.6 本章小结 |
| 第四章 基于时序数据的设备性能预测方法研究 |
| 4.1 引言 |
| 4.2 设备性能预测的系统架构 |
| 4.3 设备性能预测机制 |
| 4.3.1 基于Tensor Flow的设备状态的多分类模型 |
| 4.3.2 模型构建关键实现技术 |
| 4.3.3 基于深度模型的设备性能评估 |
| 4.4 案例—小台车气缸状态预测 |
| 4.4.1 神经网络监测器 |
| 4.4.2 模型效果 |
| 4.4.3 模型评估 |
| 4.5 本章小结 |
| 第五章 面向预防性维护的可重构方法研究 |
| 5.1 引言 |
| 5.2 可重构运维的形式化语义模型架构 |
| 5.3 基于领域本体的形式化语义模型构建 |
| 5.3.1 领域本体知识库构建方法与建模技术 |
| 5.3.2 生产过程知识体系分析 |
| 5.3.3 语义知识库模型构建 |
| 5.4 可重构产线的数据与语义集成 |
| 5.4.1 关系型数据映射 |
| 5.4.2 语义模型更新 |
| 5.5 基于语义推理的可重构运维方法 |
| 5.5.1 Multi-agent的自组织协商机制 |
| 5.5.2 设备状态语义推理的可重构策略 |
| 5.5.3 负载均衡的可重构运维策略 |
| 5.6 基于语义推理的可重构运维应用案例 |
| 5.7 本章小结 |
| 第六章 个性化定制生产线的预防性维护平台验证 |
| 6.1 引言 |
| 6.2 原型平台概况 |
| 6.3 设备状态监测与评估平台验证 |
| 6.3.1 智能生产线设备心电图的实施效果 |
| 6.3.2 设备可靠性评估方法平台验证 |
| 6.4 智能生产线可重构运维验证实施 |
| 6.4.1 平台设置 |
| 6.4.2 性能衰退的可重构运维平台验证 |
| 6.4.3 负载均衡的可重构运维平台验证 |
| 6.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（3）面向分布式制造的建材装备集团绿色生产调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 我国建材装备制造行业的发展现状 |
| 1.1.2 建材装备制造企业集团式发展面临的挑战 |
| 1.2 课题的提出 |
| 1.3 研究目的及意义 |
| 1.4 相关领域国内外研究现状 |
| 1.4.1 分布式制造模式概述 |
| 1.4.2 分布式生产调度理论研究现状 |
| 1.4.3 绿色生产调度优化理论研究现状 |
| 1.4.4 生产调度冲突协调方法研究现状 |
| 1.5 现有研究存在的局限与不足 |
| 1.6 课题项目支撑 |
| 1.7 论文研究内容 |
| 第二章 面向分布式制造的建材装备集团绿色生产调度体系 |
| 2.1 概述 |
| 2.2 建材装备集团分布式制造模式分析 |
| 2.2.1 建材装备集团分布式制造模式特点 |
| 2.2.2 建材装备集团制造任务特征 |
| 2.2.3 面向分布式制造的建材装备集团生产调度决策重点 |
| 2.3 面向分布式制造的建材装备集团绿色生产调度体系设计 |
| 2.3.1 建材装备集团绿色生产调度关键问题分析 |
| 2.3.2 面向分布式制造的建材装备集团绿色生产调度体系结构 |
| 2.4 本章小结 |
| 第三章 面向分布式制造的集团总部绿色制造任务分配优化方法 |
| 3.1 概述 |
| 3.2 绿色制造任务分配优化方法 |
| 3.2.1 问题描述 |
| 3.2.2 优化方法总体流程 |
| 3.2.3 多目标优化执行过程 |
| 3.2.4 人工神经网络执行过程 |
| 3.3 相关执行算法设计 |
| 3.3.1 人工神经网络结构设计 |
| 3.3.2 动态步长萤火虫群优化算法设计 |
| 3.4 实例分析 |
| 3.4.1 实例数据 |
| 3.4.2 神经网络训练集构建 |
| 3.4.3 人工神经网络训练 |
| 3.4.4 人工神经网络应用 |
| 3.5 本章小结 |
| 第四章 面向分布式制造的集团下属企业绿色车间集成调度优化方法 |
| 4.1 概述 |
| 4.2 绿色车间集成调度优化模型 |
| 4.2.1 问题描述 |
| 4.2.2 车间集成调度环境影响分析 |
| 4.2.3 车间集成调度综合能耗优化模型 |
| 4.2.4 基于混合整数规划的绿色车间集成调度优化模型 |
| 4.3 模型求解算法设计 |
| 4.3.1 算法总体结构设计 |
| 4.3.2 编码方式 |
| 4.3.3 绿色运输调度启发式策略设计 |
| 4.3.4 遗传算法设计 |
| 4.3.5 萤火虫群优化算法设计 |
| 4.4 实例分析 |
| 4.4.1 实例数据 |
| 4.4.2 性能对比实验 |
| 4.4.3 能耗对比实验 |
| 4.4.4 综合对比实验 |
| 4.5 本章小结 |
| 第五章 面向分布式制造的集团绿色生产调度冲突协调方法 |
| 5.1 概述 |
| 5.2 绿色生产调度冲突协调模型 |
| 5.2.1 问题描述 |
| 5.2.2 模型假设 |
| 5.2.3 多目标集团生产调度优化模型 |
| 5.2.4 多主体协作冲突检测模型 |
| 5.2.5 基于非合作博弈的冲突协调模型 |
| 5.3 基于NSGA-和纳什均衡的求解算法 |
| 5.3.1 多导向NSGA-算法 |
| 5.3.2 冲突协调算法求解过程 |
| 5.4 实例分析 |
| 5.4.1 实例数据 |
| 5.4.2 多目标优化性能分析 |
| 5.4.3 非合作博弈分析 |
| 5.4.4 冲突协调结果分析 |
| 5.5 本章小结 |
| 第六章 面向分布式制造的集团绿色生产调度平台开发与应用 |
| 6.1 概述 |
| 6.2 平台开发背景与运行环境 |
| 6.2.1 平台开发背景 |
| 6.2.2 平台开发相关软硬件工具 |
| 6.2.3 平台开发环境与架构分析 |
| 6.3 平台开发设计与实现 |
| 6.3.1 平台功能框架设计 |
| 6.3.2 集团分布式绿色生产调度功能设计 |
| 6.3.3 集团绿色生产调度冲突协调功能设计 |
| 6.4 平台应用实例 |
| 6.4.1 集团制造任务信息构建 |
| 6.4.2 集团总部级绿色制造任务分配 |
| 6.4.3 下属企业级绿色车间集成调度 |
| 6.4.4 集团绿色生产调度冲突协调 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 A:攻读学位期间发表的学术论文 |
| 附录 B:攻读学位期间参与的科研课题 |
| 附录 C:项目验收报告 |
| 附录 D:论文相关符号定义 |
（4）面向建材装备制造企业的分布式柔性作业车间调度问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 课题的提出 |
| 1.3 研究目的及意义 |
| 1.4 相关领域国内外研究现状 |
| 1.4.1 柔性作业车间调度问题研究现状 |
| 1.4.2 分布式车间调度问题研究现状 |
| 1.4.3 人工蜂群算法求解车间调度问题研究现状 |
| 1.5 现状分析与问题总结 |
| 1.6 项目支撑 |
| 1.7 研究内容及总体结构 |
| 第2章 最小化完工时间的单目标分布式柔性作业车间调度问题研究 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.2.1 变量定义 |
| 2.2.2 问题假设 |
| 2.2.3 数学模型 |
| 2.3 改进人工蜂群算法设计 |
| 2.3.1 编码/解码 |
| 2.3.2 初始化策略 |
| 2.3.3 雇佣蜂全局搜索 |
| 2.3.4 基于关键路径的跟随蜂局部搜索 |
| 2.3.5 侦查蜂搜索 |
| 2.3.6 算法框架 |
| 2.4 数值仿真与算法对比 |
| 2.4.1 测试算例 |
| 2.4.2 参数设置 |
| 2.4.3 结果分析 |
| 2.5 建材装备制造企业实例验证 |
| 2.6 本章小结 |
| 第3章 考虑加工运输成本的双目标分布式柔性作业车间调度问题研究 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.2.1 变量定义 |
| 3.2.2 问题假设 |
| 3.2.3 数学模型 |
| 3.3 混合人工蜂群算法设计 |
| 3.3.1 编码/解码策略 |
| 3.3.2 初始化策略 |
| 3.3.3 档案集维护策略 |
| 3.3.4 雇佣蜂搜索 |
| 3.3.5 基于模拟退火的跟随蜂搜索 |
| 3.3.6 侦查蜂搜索 |
| 3.3.7 算法框架 |
| 3.4 数值仿真与算法对比 |
| 3.4.1 算例生成 |
| 3.4.2 参数设置 |
| 3.4.3 性能评价指标 |
| 3.4.4 结果分析 |
| 3.5 建材装备制造企业实例验证 |
| 3.6 本章小结 |
| 第4章 考虑工人约束的多目标分布式柔性作业车间调度问题研究 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.2.1 变量定义 |
| 4.2.2 问题假设 |
| 4.2.3 数学模型 |
| 4.3 多种群协同进化人工蜂群算法 |
| 4.3.1 编码/解码 |
| 4.3.2 初始化策略 |
| 4.3.3 多种群协同进化策略 |
| 4.3.4 邻域结构及其选择机制 |
| 4.3.5 蜂群搜索策略 |
| 4.3.6 算法框架 |
| 4.4 数值仿真与算法对比 |
| 4.4.1 算例生成 |
| 4.4.2 参数设置 |
| 4.4.3 结果分析 |
| 4.5 建材装备制造企业实例验证 |
| 4.6 本章小结 |
| 第5章 动态环境下的多目标分布式柔性作业车间调度问题研究 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.2.1 变量定义 |
| 5.2.2 问题假设 |
| 5.2.3 数学模型 |
| 5.3 重调度策略 |
| 5.4 基于分解的多目标人工蜂群算法 |
| 5.4.1 权重向量生成及聚合方法 |
| 5.4.2 归一化方法 |
| 5.4.3 编码/解码 |
| 5.4.4 初始化策略 |
| 5.4.5 基于禁忌搜索的自适应邻域选择机制 |
| 5.4.6 蜂群搜索策略 |
| 5.4.7 算法流程 |
| 5.5 数值仿真与算法对比 |
| 5.5.1 动态事件产生 |
| 5.5.2 参数设置 |
| 5.5.3 结果分析 |
| 5.6 建材装备制造企业实例验证 |
| 5.7 本章小结 |
| 第6章 建材装备制造企业分布式车间调度系统设计与应用 |
| 6.1 引言 |
| 6.2 系统开发背景 |
| 6.3 系统功能模块 |
| 6.4 系统应用示例 |
| 6.4.1 正常排产优化 |
| 6.4.2 插单动态优化 |
| 6.4.3 停机动态优化 |
| 6.4.4 应用效果分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录A:攻读学位期间发表的学术论文 |
| 附录B:攻读学位期间获得的学术奖励 |
| 附录C:攻读学位期间参与的科研课题 |
| 附录D:项目验收报告 |
| 附录E:软件版权 |
| 附录F:建材装备制造企业实例数据 |
（5）敏捷卫星协同调度模型与算法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 文献综述与研究现状 |
| 1.2.1 敏捷卫星调度问题研究现状 |
| 1.2.2 协同调度问题研究现状 |
| 1.2.3 不确定调度问题研究现状 |
| 1.2.4 研究现状分析 |
| 1.3 论文研究内容与组织结构 |
| 第二章 带有时间依赖的单颗敏捷卫星调度问题 |
| 2.1 问题描述与建模 |
| 2.1.1 带有时间依赖的姿态转换 |
| 2.1.2 混合整数线性规划模型 |
| 2.2 混合ALNS算法 |
| 2.2.1 ALNS框架 |
| 2.2.2 禁忌搜索混合 |
| 2.2.3 随机化邻域算子 |
| 2.2.4 部分序列支配 |
| 2.2.5 快速插入策略 |
| 2.3 实验分析 |
| 2.3.1 算法比较 |
| 2.3.2 ALNS/TPF算法在其他问题的表现 |
| 2.3.3 算法特征分析 |
| 2.4 本章小结 |
| 第三章 带有时间依赖的多颗敏捷卫星协同调度问题 |
| 3.1 问题描述与建模 |
| 3.1.1 任务分配对于多星协同的必要性 |
| 3.1.2 变量及参数定义 |
| 3.1.3 数学模型 |
| 3.2 基于自适应任务分配的大邻域搜索算法 |
| 3.2.1 A-ALNS算法框架 |
| 3.2.2 自适应任务分配协同层设计 |
| 3.2.3 初始解生成 |
| 3.3 实验分析 |
| 3.3.1 算例设计与生成 |
| 3.3.2 实验结果 |
| 3.4 本章小结 |
| 第四章 考虑时变云层遮挡的多颗敏捷卫星协同调度问题 |
| 4.1 问题描述 |
| 4.2 分层式协同调度模型 |
| 4.2.1 预分配层 |
| 4.2.2 粗略调度 |
| 4.2.3 精细调度 |
| 4.2.4 复杂度分析 |
| 4.3 分层式协同调度算法 |
| 4.3.1 状态转移规则 |
| 4.3.2 信息素更新规则 |
| 4.3.3 基于蚁群算法的分层调度流程 |
| 4.4 实验分析 |
| 4.4.1 算例设计 |
| 4.4.2 实验结果 |
| 4.4.3 关于分层式协同机制的讨论 |
| 4.5 本章小结 |
| 第五章 考虑紧急任务的多颗敏捷卫星自主协同调度问题 |
| 5.1 问题描述 |
| 5.1.1 问题模型 |
| 5.1.2 问题特性分析 |
| 5.2 基于多解合成的多星星上分布式协同重调度算法 |
| 5.2.1 星上分布式协同重调度算法框架 |
| 5.2.2 多可行解生成 |
| 5.2.3 多星分布式协同算法 |
| 5.3 实验分析 |
| 5.3.1 小型算例示例 |
| 5.3.2 算例设计与生成 |
| 5.3.3 实验结果分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 论文工作总结 |
| 6.2 进一步的研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 作者在学期间参与的研究课题 |
| 附录A 分层调度算法详细结果 |
| 附录B 缩写词列表 |
（6）面向复杂柔性调度的协同演化算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 调度优化方法 |
| 1.2.2 大规模柔性调度 |
| 1.2.3 具有先验知识的不确定柔性调度 |
| 1.2.4 突发不确定柔性调度 |
| 1.2.5 协同演化算法 |
| 1.3 主要工作及创新点 |
| 1.3.1 当前研究存在问题 |
| 1.3.2 研究内容及创新点 |
| 1.3.3 章节联系 |
| 2 理论基础 |
| 2.1 调度问题模型 |
| 2.1.1 分类 |
| 2.1.2 图表示 |
| 2.1.3 优化 |
| 2.1.4 柔性调度 |
| 2.2 演化算法 |
| 2.2.1 基本演化算法 |
| 2.2.2 遗传算法 |
| 2.2.3 粒子群优化算法 |
| 2.2.4 差分进化算法 |
| 2.2.5 协同演化算法 |
| 2.3 概率图模型 |
| 2.3.1 贝叶斯网络 |
| 2.3.2 马尔科夫随机场 |
| 2.4 本章小结 |
| 3 分布式协同演化算法 |
| 3.1 大规模柔性调度模型 |
| 3.2 全局搜索策略 |
| 3.2.1 编码策略 |
| 3.2.2 解码策略 |
| 3.2.3 粒子更新策略 |
| 3.3 局域搜索策略 |
| 3.4 Apache Spark下分布式策略 |
| 3.5 实验分析 |
| 3.5.1 数据集描述 |
| 3.5.2 有效性验证 |
| 3.5.3 有效性分析 |
| 3.6 本章小结 |
| 4 混合式协同演化算法 |
| 4.1 模糊柔性调度模型 |
| 4.2 模糊处理时间操作规则 |
| 4.3 基于表现可变分组策略 |
| 4.4 编码转换机制 |
| 4.5 参数自适应策略 |
| 4.6 实验分析 |
| 4.6.1 数据集描述 |
| 4.6.2 有效性验证 |
| 4.6.3 有效性分析 |
| 4.7 本章小结 |
| 5 基于学习的协同演化算法 |
| 5.1 随机柔性调度模型 |
| 5.2 基于MRF分组策略的协同演化算法 |
| 5.2.1 结构学习 |
| 5.2.2 参数学习 |
| 5.2.3 实验分析 |
| 5.3 基于BOA分组策略的协同演化算法 |
| 5.3.1 数据采样 |
| 5.3.2 贝叶斯网络构建 |
| 5.3.3 实验分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 工作展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（7）基于工业物联网的智能制造服务主动感知与分布式协同优化配置方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.1.1 课题来源 |
| 1.1.2 课题背景与问题提出 |
| 1.1.3 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 工业物联网技术在制造业应用研究现状 |
| 1.2.2 先进制造模式研究现状 |
| 1.2.3 制造服务优化配置研究现状 |
| 1.3 论文的研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文的章节安排 |
| 1.5 本章小结 |
| 第2章 智能制造服务主动感知与分布式协同优化配置体系架构 |
| 2.1 引言 |
| 2.2 基本概念描述 |
| 2.2.1 资源服务方面 |
| 2.2.2 参与主体方面 |
| 2.3 智能制造服务主动感知与优化配置模型及运作逻辑 |
| 2.3.1 参与主体的协同工作逻辑 |
| 2.3.2 智能制造服务主动感知与优化配置模型 |
| 2.3.3 智能制造服务主动感知与优化配置的运作逻辑 |
| 2.4 关键技术 |
| 2.4.1 基于工业物联网的制造资源实时信息主动感知与集成 |
| 2.4.2 实时信息驱动的制造资源服务化封装与云端化接入 |
| 2.4.3 分布式协同策略驱动的智能制造服务优化配置 |
| 2.5 本章小结 |
| 第3章 基于工业物联网的制造资源实时信息主动感知与集成 |
| 3.1 引言 |
| 3.2 基于工业物联网的制造资源实时信息主动感知与集成体系架构 |
| 3.2.1 基于工业物联网技术的智能制造对象配置 |
| 3.2.2 制造资源端实时数据的感知与获取 |
| 3.2.3 实时制造信息的集成 |
| 3.2.4 应用服务 |
| 3.3 制造资源实时信息的集成服务 |
| 3.3.1 数据处理服务 |
| 3.3.2 制造信息的集成服务 |
| 3.4 制造车间实时信息跟踪与追溯 |
| 3.4.1 制造车间智能感知环境的构建 |
| 3.4.2 车间制造资源实时信息的跟踪与追溯 |
| 3.5 本章小结 |
| 第4章 实时信息驱动的制造资源服务化封装与云端化接入 |
| 4.1 引言 |
| 4.2 加工设备的服务化封装与云端化接入模型 |
| 4.3 加工设备服务化封装与云端化接入关键技术 |
| 4.3.1 加工设备实时状态信息的主动感知 |
| 4.3.1.1 加工设备端传感器群的优化配置 |
| 4.3.1.2 加工设备实时状态信息的主动感知模型 |
| 4.3.2 加工设备间的信息共享与自主决策 |
| 4.3.3 加工设备端制造服务的封装 |
| 4.3.3.1 设备的制造能力描述模型 |
| 4.3.3.2 设备端增值制造服务的封装 |
| 4.3.4 加工设备端制造服务的云端化接入 |
| 4.4 运行实例 |
| 4.5 本章小结 |
| 第5章 企业级智能制造服务的分布式协同优化配置 |
| 5.1 引言 |
| 5.2 面向复杂产品任务的企业级智能制造服务优化配置 |
| 5.2.1 企业级智能制造服务优化配置的工作逻辑 |
| 5.2.2 企业级智能制造服务优化配置策略对比 |
| 5.2.2.1 集中式制造服务配置策略 |
| 5.2.2.2 分布式的制造服务配置策略 |
| 5.3 增广拉格朗日协同方法 |
| 5.3.1 复杂系统问题的分解 |
| 5.3.2 辅助变量和一致性约束的引入 |
| 5.3.3 一致性约束的松弛化 |
| 5.3.4 分解元素的公式化 |
| 5.3.5 分解元素的协同求解 |
| 5.4 基于ALC的企业级智能制造服务优化配置 |
| 5.4.1 面向复杂产品任务的企业级智能制造服务优化配置模型 |
| 5.4.2 企业级智能制造服务优化配置的分布式模型 |
| 5.4.3 分布式配置模型中的辅助变量及一致性约束 |
| 5.4.4 分布式配置模型中分解元素的公式化 |
| 5.4.4.1 上游分解元素的公式化 |
| 5.4.4.2 下游分解元素的公式化 |
| 5.4.4.3 中间分解元素的公式化 |
| 5.4.5 分布式配置模型中分解元素的协同求解 |
| 5.4.6 算例验证 |
| 5.5 本章小结 |
| 第6章 车间级智能制造服务的分布式协同优化配置 |
| 6.1 引言 |
| 6.2 车间级智能制造服务的优化配置 |
| 6.2.1 车间级智能制造服务优化配置的工作逻辑 |
| 6.2.2 车间级智能制造服务的优化配置策略 |
| 6.3 ATC方法 |
| 6.3.1 ATC方法的基本原理及特征 |
| 6.3.2 ATC方法的应用步骤 |
| 6.4 车间级智能制造服务的分布式协同优化配置 |
| 6.4.1 车间级智能制造服务优化配置的目标层解模型 |
| 6.4.2 目标层解元素关键连接的识别 |
| 6.4.3 目标层解元素的公式化 |
| 6.4.3.1 系统层元素的公式化 |
| 6.4.3.2 单元层元素的公式化 |
| 6.4.3.3 设备层元素的公式化 |
| 6.4.3.4 辅助元素的公式化 |
| 6.4.4 目标层解元素的协同求解 |
| 6.4.4.1 目标层解元素的收敛策略 |
| 6.4.4.2 目标层解元素的局部优化 |
| 6.4.5 算例验证 |
| 6.5 本章小结 |
| 第7章 案例仿真设计与验证 |
| 7.1 引言 |
| 7.2 案例仿真 |
| 7.2.1 复杂产品任务的制造服务分布式协同优化配置 |
| 7.2.1.1 ALC方法有效性的验证 |
| 7.2.1.2 自主决策权的保持以及敏感性分析 |
| 7.2.2 车间级制造服务的分布式协同优化配置 |
| 7.2.2.1 ATC方法的有效性验证 |
| 7.2.2.2 车间级智能制造服务优化配置 |
| 7.3 智能制造服务主动感知与优化配置仿真系统 |
| 7.3.1 系统开发环境 |
| 7.3.2 系统操作流程 |
| 7.3.2.1 系统界面展示与功能介绍 |
| 7.3.2.2 服务需求者的操作流程 |
| 7.3.2.3 服务提供者的操作流程 |
| 7.4 本章小结 |
| 第8章 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 参考文献 |
| 附录 |
| 附录 A ALC方法Matlab程序 |
| 附录 B ATC方法Matlab程序 |
| 攻读博士学位期间论文发表、科研情况 |
| 致谢 |
（8）基于社会化的协同智能制造系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题的背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要研究内容和创新点 |
| 1.4 论文的组织结构 |
| 第二章 智能制造系统综述 |
| 2.1 CIMS体系结构 |
| 2.1.1 CIMS集成要素与分类 |
| 2.1.2 CIMS体系结构模型 |
| 2.1.3 CIMS系统建模方法 |
| 2.2 智能体及其在制造系统的研究与应用 |
| 2.2.1 智能体特征 |
| 2.2.2 多智能体MAS系统的自组织与协作协调方法 |
| 2.2.3 多智能体的强化学习机制与遗传算法 |
| 2.3 制造的社会化网络特征与虚拟组织 |
| 2.3.1 SNS特征与理论基础 |
| 2.3.2 虚拟组织 |
| 2.3.3 对等网络技术的发展 |
| 2.4 制造的敏捷与柔性 |
| 2.4.1 敏捷制造的关键技术与基础 |
| 2.4.2 柔性制造的特征与发展 |
| 2.5 云制造模型 |
| 2.6 工业互联网与CPS系统框架 |
| 2.6.1 CPS系统框架 |
| 2.6.2 CPS集成方法与动态配置目标 |
| 2.7 小结 |
| 第三章 基于社会化的协同智能制造体系结构和总线 |
| 3.1 基于社会化的智能制造体系架构 |
| 3.2 基于MMSU的协同制造总线设计 |
| 3.3 小结 |
| 第四章 SCIM体系下的社会化协同机制 |
| 4.1 SCIM体系下资源目录的一种分享和同步方法 |
| 4.2 IME间服务联合的安全认证与授权机制 |
| 4.3 SCIM的制造资源与服务动态配置工作流机制 |
| 4.4 IME的研发创新与自学习机制 |
| 4.5 小结 |
| 第五章 虚拟资源的优化选择与虚拟生产线分配 |
| 5.1 社会化制造系统的资源选择问题 |
| 5.2 一种虚拟资源优化选择方法 |
| 5.3 一种分布式虚拟生产线的任务分配方法 |
| 5.4 小结 |
| 第六章 某集团企业的社会化协同制造实例 |
| 6.1 应用需求分析 |
| 6.2 本研究在实例中的应用与效果 |
| 6.3 项目扩展计划 |
| 6.4 小结 |
| 第七章 结论 |
| 7.1 研究成果及工作总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 附录A 作者简历 |
| 附录B 攻读学位期间发表的学术论文与研究成果 |
（9）离散制造业集成化作业计划管理方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| CONTENTS |
| 图目录 |
| 表目录 |
| 主要符号表 |
| 1 绪论 |
| 1.1 课题研究背景及研究意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题提出 |
| 1.1.3 研究意义 |
| 1.2 国内外相关研究现状 |
| 1.2.1 生产计划管理的内涵 |
| 1.2.2 生产计划管理理论综述 |
| 1.2.3 离散制造业作业计划管理方法研究现状 |
| 1.2.4 生产计划管理信息系统研究及应用现状 |
| 1.3 现有研究存在问题分析 |
| 1.4 论文研究思路和研究内容 |
| 2 离散制造业集成化作业计划管理体系构建 |
| 2.1 引言 |
| 2.2 离散制造业生产计划管理业务过程建模 |
| 2.2.1 离散制造生产流程特点分析 |
| 2.2.2 离散制造生产计划管理业务过程模型 |
| 2.2.3 作业计划管理的行业差异 |
| 2.3 集成化作业计划管理的内涵 |
| 2.4 离散制造业集成化作业计划管理体系 |
| 2.4.1 离散制造业集成化作业计划管理体系结构 |
| 2.4.2 基于BPS/MES/PCS的集成化作业计划管理功能模型 |
| 2.5 本章小结 |
| 3 基于动态关键路径的作业计划编制方法研究 |
| 3.1 引言 |
| 3.2 离散制造业作业计划管理特点 |
| 3.2.1 离散制造业作业计划管理流程 |
| 3.2.2 离散制造业作业计划编制特点分析 |
| 3.3 作业计划与MRP的集成控制模式 |
| 3.4 作业计划编制问题建模 |
| 3.4.1 作业计划编制问题分析 |
| 3.4.2 作业计划编制问题模型 |
| 3.5 作业计划编制的动态关键路径算法 |
| 3.5.1 作业计划编制问题的形式化描述 |
| 3.5.2 作业计划编制的动态关键路径算法 |
| 3.5.3 动态关键路径算法的计算复杂性分析 |
| 3.6 应用算例 |
| 3.7 本章小结 |
| 4 面向柔性工艺的作业计划调度方法研究 |
| 4.1 引言 |
| 4.2 面向柔性工艺的作业计划调度问题描述 |
| 4.3 FPJSP的数学模型 |
| 4.4 调度算法分析 |
| 4.4.1 遗传算法 |
| 4.4.2 变邻域搜索算法 |
| 4.5 求解FPJSP的混合遗传算法 |
| 4.5.1 遗传算子设计 |
| 4.5.2 改进的变邻域搜索算法 |
| 4.5.3 求解FPJSP混合遗传算法整体流程 |
| 4.6 应用算例 |
| 4.6.1 实验描述 |
| 4.6.2 实验结果及分析 |
| 4.7 本章小结 |
| 5 作业计划执行过程跟踪方法研究 |
| 5.1 引言 |
| 5.2 作业计划执行过程跟踪的相关定义 |
| 5.2.1 作业计划执行过程跟踪 |
| 5.2.2 产品可追溯性 |
| 5.2.3 追溯单元 |
| 5.3 作业计划执行过程跟踪的信息模型 |
| 5.4 基于n维仿射空间的批次跟踪建模 |
| 5.4.1 n维仿射空间 |
| 5.4.2 批次形成与n维仿射空间的关系 |
| 5.4.3 批次的处理规则 |
| 5.4.4 基于n维仿射空间的批次跟踪模型 |
| 5.5 基于n维仿射空间的跟踪数据存储结构设计 |
| 5.5.1 传统跟踪数据存储结构 |
| 5.5.2 基于n维仿射空间的跟踪数据存储结构 |
| 5.6 基于n维仿射空间的作业计划跟踪算法 |
| 5.6.1 作业计划执行过程跟踪算法 |
| 5.6.2 算法的复杂性分析 |
| 5.7 应用算例 |
| 5.8 本章小结 |
| 6 离散制造业集成化作业计划管理原型系统研究 |
| 6.1 引言 |
| 6.2 应用背景 |
| 6.3 系统开发环境 |
| 6.4 系统设计 |
| 6.4.1 体系结构设计 |
| 6.4.2 功能模块设计 |
| 6.4.3 系统集成接口设计 |
| 6.4.4 系统流程设计 |
| 6.5 系统实现 |
| 6.5.1 基础数据管理 |
| 6.5.2 作业计划编制管理 |
| 6.5.3 作业计划调度管理 |
| 6.5.4 作业计划执行管理 |
| 6.5.5 决策支持管理 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点摘要 |
| 7.3 展望 |
| 参考文献 |
| 附录A 略语 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（10）基于动态资源能力服务的分布式协同调度技术（论文提纲范文）
| 0 引言 |
| 1 问题分析 |
| 2 基于动态制造资源能力服务的分布式协同生产调度技术总体框架 |
| 3 关键技术研究 |
| 3.1 服务性资源筛选规则与排产形式分析 |
| 3.1.1 服务性资源筛选规则 |
| 3.1.2 服务性资源排产形式分析 |
| 3.2 资源指定占用下的排产处理机制 |
| 3.3 分布式作业动态调度协调技术 |
| 3.3.1 作业影响关联链分析技术 |
| 3.3.2 基于时间容忍度的动态事件处理技术 |
| 3.3.3 基于移动处理的车间作业动态调整技术 |
| 4 初步的研究成果与典型应用 |
| 5 结束语 |
四、面向敏捷制造车间模式的分布式协同作业方法与实施技术（论文参考文献）
- [1]基于分布式协同的数字化工厂构建及应用[J]. 刘业峰,李康举,赵元,田林琳,陶林. 控制工程, 2020(10)
- [2]面向个性化定制的智能生产线预防性维护研究[D]. 陈宝通. 华南理工大学, 2020(01)
- [3]面向分布式制造的建材装备集团绿色生产调度研究[D]. 刘正超. 武汉理工大学, 2020
- [4]面向建材装备制造企业的分布式柔性作业车间调度问题研究[D]. 吴锐. 武汉理工大学, 2019
- [5]敏捷卫星协同调度模型与算法[D]. 何磊. 国防科技大学, 2019(01)
- [6]面向复杂柔性调度的协同演化算法研究[D]. 孙璐. 大连理工大学, 2019(06)
- [7]基于工业物联网的智能制造服务主动感知与分布式协同优化配置方法研究[D]. 张耿. 西北工业大学, 2018(02)
- [8]基于社会化的协同智能制造系统研究[D]. 张祖国. 中国科学院国家空间科学中心, 2015(08)
- [9]离散制造业集成化作业计划管理方法研究[D]. 马雪丽. 大连理工大学, 2014(07)
- [10]基于动态资源能力服务的分布式协同调度技术[J]. 李京生,王爱民,唐承统,卢治兵. 计算机集成制造系统, 2012(07)