大数据环境下离散制造车间异常事件发现方法

详细信息    查看全文 | 推荐本文 |

英文篇名：ABNORMAL EVENT DISCOVERY METHOD OF DISCRETE MANUFACTURE WORKSHOP IN BIG DATA 作者：马超 ; 徐迭石 ; 张淑丽 ; 刘胜辉 英文作者：Ma Chao;Xu Dieshi;Zhang Shuli;Liu Shenghui;School of Software,Harbin University of Science and Technology; 关键词：异常事件发现 ; 时间序列 ; 决策树 ; 预警 英文关键词：Abnormal event discovery;;Time series;;Decision tree;;Early warning 中文刊名：JYRJ 英文刊名：Computer Applications and Software 机构：哈尔滨理工大学软件学院; 出版日期：2017-09-15 出版单位：计算机应用与软件 年：2017 期：v.34 基金：国家自然科学基金项目(51375128);; 黑龙江省教育厅科学技术研究项目(12541159) 语种：中文; 页：JYRJ201709056 页数：6 CN：09 ISSN：31-1260/TP 分类号：295-300

摘要

针对大数据环境下离散制造企业车间生产过程中生产异常难以有效管控的问题,先从理论上研究建立车间异常事件预警模型的合理性和实用性。然后从技术实现角度给出异常触发事件的数据来源及其计算方法。接着综合时间序列和因果关系两个维度,建立基于时序序列上多决策树的车间异常事件预警模型,保证了预测结果的准确性和可靠性。最后采用某型号燃气轮机转子的生产过程数据验证模型的有效性。
        To deal with the problems of effectively controlling abnormal events happened during the production process of the discrete manufacture enterprise in big data,this paper firstly studied the rationality and utility of building the early warning model of abnormal events in workshop in theory. Then the paper gave the data source and its calculation method of the abnormal triggering event from the technical realization aspect, combined the time series and the causal relationship,and established the early warning model of the workshop anomaly based on the multi-decision tree on the time series,which ensures the accuracy and reliability of the forecast. Finally,the validity of the model was verified by the production process data of a gas turbine rotor.

引文

[1]李伯虎,张霖,任磊,等.云制造典型特征、关键技术与应用[J].计算机集成制造系统,2012,18(7):1345-1356.
    [2]张芬,杜朋,杨亚非.离散制造企业MES中的生产数据采集实践[J].机械设计与制造,2011(3):245-247.
    [3]王秋明,刘科成,高慧颖.基于灰色理论与BP神经网络的工序质量预测研究[J].北京理工大学学报,2011,31(2):249-252.
    [4]尹超,甘德文,梁忠权,等.复杂机电产品关键装配工序物料质量损失评估及预警方法[J].计算机集成制造系统,2014,20(6):1432-1441.
    [5]尹超,郭晨,赵旭.微车后桥关键工序生产异常损失评估及预警方法[J].计算机集成制造系统,2014,20(10):2532-2540.
    [6]闪四清,毛中慧,辛腾龙.基于BP神经网络的飞机装配车间异常事件预警[J].装配技术,2014(8):42-47.
    [7]李亚杰,何卫平,董蓉,等.基于制造执行系统数据采集的工时预测与进化[J].计算机集成制造系统,2013,19(11):2810-2817.
    [8]尹超,马春斌,刘飞,等.车间生产异常事件实时管理系统研究[J].计算机集成制造系统,2009,15(4):719-725.
    [9]徐迭石,刘胜辉,马超,等.大数据环境下MES作业计划与调度能力云服务化研究[J].计算机工程与科学,2016,38(4):624-633.
    [10]张映锋,赵曦滨,孙树栋,等.一种基于物联技术的制造执行系统实现方法与关键技术[J].计算机集成制造系统,2012,18(12):2634-2641.
    [11]IEC/ISO 62264.Enterprise-control system integration[EB/OL].[2016-11-01].http://www.iso.org/iso/home/store/catalogue_tc/catalogue_detail.htm?csnumber=56847.
    [12]栗然,刘宇,黎静华,等.基于改进决策树算法的日特征负荷预测研究[J].中国电机工程学报,2005,25(23):36-41.
    [13]Quinlan J R.Induction of Decision Trees[J].Machine Learning,1986,1(1):81-106.