信息研究现状与趋势
发布于:2010-8-17 已被阅读: 次 
 信息技术是支持敏捷制造的一个有力的关键技术。敏捷制造哲理认为:以信息技术为基础,在全球一体化或地区一体化的金融环境和政治环境下,通过临时联合那些能适应环境变化的企业组成动态联盟,共同承担风险,分担义务,共享成果,迅速开发新产品,响应市场需求。车间作为制造企业的物化中心,它不仅是制造计划的具体执行者,也是制造信息的反馈者,更是大量实时信息的集散地。因此,对车间运行的真实信息环境建模是车间敏捷化研究的基础与重要组成部分。一般地,人们总是试图通过获取完整、正确、及时和具有针对性的信息来保证制造决策的时效性、准确性和科学性。但包括车间制造领域在内的现实世界中,具有不确定、不精确、不完备等的信息普遍存在。对于制造车间而言,其制造信息庞杂、信息量大,车间运行中不仅各种不确定因素普遍存在(如急件定单的不确定性、设备故障的随机性、工艺设计的主观性、操作人员误操作的偶然性等),而且还存在大量不精确信息(如物料到达某工位的时间、零件的人工装夹时间、零件的辅助加工时间等)和不完备信息(如原材料的质量状况、在制品质量状况等),甚至存在很多病态、残缺、矛盾、冗余信息等等,这些信息类型统称为“非常规信息”。

    信息是决策的基础,车间的有效信息处理机制是保证车间运行敏捷化的前提。为了对非常规信息环境下的车间进行决策分析,必须研究相应的信息处理方法,为车间生产管理中的科学决策提供依据。本文从车间不确定因素入手,分析车间不确定信息的研究现状和发展趋势。


1.车间运行中的不确定性分析

    制造企业的生产过程中,会存在各种各样的不确定因素,如产品的产量、各种原材料的价格和供应量、劳动力因素、单位产品产生的利润等不是不变的,而是随着市场的变化而变化。实际生产过程中,每一道生产工序中产品的批量、加工时间、工件的装夹时间、传输时间、设备故障的恢复时间,生产中原材料暂时短缺等,都可能是不确定的。此外,生产过程中往往会发生一些事先无法预料的事件,如生产设备的故障、刀具的破损、操作工人的失误等,这些不确定的因素往往会导致生产计划和调度方案无法按预定的目标正常执行。因此,为了提高生产的柔性和更好地反映生产的实际情况,提高企业的生产效益。研究企业运行中的不确定因素具有十分重要的意义。车间运行中存在多种不确定性,它严重阻碍了生产计划的制定与执行。从过程来看,不确定性可以分为:需求的不确定,供应的不确定及生产过程中的不确定。从性质上看不确定性可以分为:时间的不确定、空间的不确定和数量的不确定。

    时间不确定包括用户可能要求提前或延期供货,外购件可能没有按时到达,生产过程中由于人或机器原因未能如期加工或装配等。空间的不确定包括工件装夹位置的不确定,在制品空间位置的不确定等。数量上的不确定包括需求数量不可预测的随机变化,供应上发生短缺或质量上不合要求等;生产过程中的废品、次品等都是造成数量上不确定的原因。

    车间运行中存在着许多不确定性因素,这整因素的作用时间、性质及对生产过程的影响是不相同的,因此不确定性因素有多种分类方法。

    根据作用时间的长短可分为:

    (1)长期的或以月、年为时闻度量的不确定性,如总有效生产时间、产最需求量和产品种类的变化等。

    (2)短期的或批次之间的不确定性,如操作时间、设备的有效利用率的变化等。

    根据来源性质可分为:

    (1)信意获取不准确导致的不确定。有些信息是来自于其它推理过程的结果,其中有些推理过程因缺乏可信度而造成信息不准确。如生产批量的不确定、制造资源可用性的不确定。

    (2)信息未知导致的不确定。这类不确定性主要是由于有些因素的其体情况无法知道导致的不确定性,如原材料的质量状况、在制品质量状况等。

    (3)模型固有的不确定性。这类不确定性主要包括刀具磨损、机床弹性变形、热变形等参数的不确定。由于实际生产中工艺过程是十分复杂的,各种常数与实验室数据具有较大的差铡,或者这些数据本身就很难获得,与这类不确定性相关的信息通常从实验和工厂实际记录的数据中进行分析后获得。这些不确定性造成了对生产过程进行精确、有效建模的极大困难,因而常常影响生产过程的控制水平和控制性能指标。

    (4)主观判断的不确定。车间不仅是一个技术系统,而且是一个社会系统。任何运作良好的系统都离不开人的能动参与。现代制造车闻中,人在与具有嗓声的环境交互并一步进行决策的过程中,工作更为明显。然而人的认识能力是有限的,客观信息在向主观、可利用信息的转换过程中造成信息的不确定。


2.车间运行中不确定信息研究现状

    车间运行中的不确定性信息研究主要在以下几个方面进行:车间生产调度,不确定信息约简,不确定信息中的知识发现,信息度量方法等。

    2.1 不确定性条件下的生产调度

    车间运行中存在的事先无法预料的不确定性因素是不可避免的,为此,必须考虑存在不确定性情况下的生产调度问题,僚证生产过程正常、满意地进行。不确定性条件下的生产调度具体方案主要有鲁棒调度方案、适应性调度方案、智能调度方案等。

    (1)鲁棒调度方案。车间运行中产生的各种举确定性对调度问题的目标函数的影响是不同的,不同的调度方案对不确定因素(如产品的加工时间)的灵敏度是不同的。所以在制定调度方案时,针对车间运行中出现的不确定性,综合考虑目标函数的优化与调度方案的鲁棒性之闻的矛盾,可以制订出满足实际需要具有鲁棒性的调发方案。实际中,一般采用两种方法来实现鲁棒调度,一种是一次性调度方案,另一种是反应式调度方案。

    (2)适应性调度方案。对于不确定变化幅度较大,如处理单元失效,重要的设备发生放障,处理时间大幅度改变,或者是由于市场的动荡而引起的需求量大幅度改变等这些未预期事件,此时应采用适应性调度技术。适应性调度可以分为重调度(Rescheduling)、滚动调度(Rolling Scheduling)、动态调度(Reactive Scheduling或Dynamic Scheduling)、在线调度(On—line Scheduling)等。

    (3)智能调度方案。为了处理实际生产过程的不确定因素对调度系统的影响,人们根据人工智能原理,提出了智能调度方案。常见的智能调度方案主要有专家系统、基予规则的调度方法、基于智能优化方法的调度以及几种调度方法的结合。由于智能调度方法可以模拟人的思想,对生产过程出现的问题进行分析、推理,并做出重调度决策,所以智能调度对于处理不确定性具有独特的优势。

    2.2不确定信息的约简

    由于车间运行中不确定信息的复杂性,其中必定存在一些冗余的或者无关的信息,这就需要对不确定信息进行约简。粗集理论作为近年来发展起来的一种处理不确定和含混信息的重要工具,能够在保持依赖关系不变的前提下对信息系统或决策系统约简,去掉冗余的属性,使系统简化。通过对不确定信息系统或决策系统的约简,可以找出影响决策的主要条件属性,简化决策过程。

    信息系统或决策系统的约简已经成功应用于生产实际,特别是在机械故障诊断中,取得了较好的效果。许琦等在旋转机械典型故障实验的基础上,按照粗集理论的要求,对采集的各种信息由数据库向符合粗集理论要求的知识库的转换,建立故障振动特征决策表。在决策功能不变的前提下,利用区分矩阵和区分函数,对决策属性进行简化,并寻找属性集的核和对属性集选优。通过对四种典型旋转机械故障的频域特性表的约简,将6个条件属性简化为3个条件属性。贾要勤等利用基因算法的搜索寻优技术,提出一种基于多目标优化基因算法的属性约简算法,它不仅有较高的约简效率,而越可以得到多种约简属性集。该文以柴油机油路故障为例,进行特征属性约简,取得了较好的结果。郝丽娜等给出一种利用粗集理论解决故障诊断的规则获取问题的方法,该方法的特点是可以处理由于类重叠引起的样本信息不精确、不一致情况下的规则获取。史金飞等研究了基于粗集理论的在线辨识磨削烧伤和砂轮磨钝的新方法,以测取信号、计算敏感特征量、构造辨识砂轮磨损和磨削烧伤的知识表示系统、连续属性离散、分类模式的合并、属性约简、知识提取的顺序对获取的信息进行处理,提取判别规则,进而通过判别规则来辨识磨削烧伤和砂轮磨钝。辨识结果与实验数据相符。

    2.3不确定信息中的知识发现

    通过对车间不确定实例数据的收集整理,形成车间不确定实例数据集,这些实例数据集形成不确定信息系统。为了从不确定信息系统中发掘出有用的决策知识,需对实例数据集进行分析、归纳和综合,从中抽取车间计划和调度决策所需的知识。知识获取的过程可分为3个阶段:数据准备(Data Preparation)、数据挖掘(Data Mining)和知识解释评估(Interpretation and Evaluation)。基于实例数据集的知识获取过程如图l所示。

图1.基于实例数据的知识获取过程

图1.基于实例数据的知识获取过程

    (1)数据准备

    数据准备又可分为3个子步骤:数据选取(Data Selection)、数据预处理(Data Preprocessing)和数据变换(Data Transformation)。数据选取是指根据问题的需要从原始数据库中抽取一组数据,作为处理的目标数据(Target Data)。数据预处理一般可能包括消除嗓音、推导计筹空值数据、消除重复记录、完成数据类型转换,如把连续型数据转化为离散型数据,以便粗集的符号归纳,或者把离散型转化为连续型以便神经网络归纳等。数据转换的主要目的是降维(Dimension Reduction),释放初等特征中找出真正有用的特征以减少特征或变量的个数。

    (2)数据挖掘

    数据挖掘阶段首先确定要挖掘的知识的模式类型,如分类、聚类、关联规则、序列模式等。确定了挖掘任务后,还要选择挖掘算法,同祥的任务可以有不同的算法。选择实现算法一般考虑两个基本因素:一是不同数据有不同的特点,因此需要使用相关的算法来实现;二是根据用户和系统运行的要求,有的用户可能希望获取描述型的(Descriptive)和容易理解的知识,此时采用规则的表示方法(如粗集方法)显然要好于神经网络之类的方法,而有的用户和系统的目的是获取预测准确度尽可能高的预测型(Predictive)知识。

    (3)解释和评价

    数据挖掘阶段发现的知识模式,需要经过入或机器的评价。如果不能满足用户和系统的要求,获取过程则退回到前面的阶段,如重新选取数据、采用新的数据变换方法、设定掰的数据挖掘参数、甚至更换一种挖掘算法。

    2.4信息度量方法

    信息量方法的理论基础是C.E.Shannon的信息论。它是用信息接受前后,所消除的不确定性(熵)来度量信息的。而车间的生产过程,实际上是以车间内外信息为背景,利用调度原理、经验、诀窍甚至是创新知识,逐步减少或消除不确定性的过程。因此,车间制造信息可以应用车间生产前后不确定性的减少,即用信息量的多少来计量制造信息。时间的不确定性、空闻酶不确定性和数量的不确定性在车间生产前后的熵,可用经典信息理论来计算,即

式中:Pi表示事件i发生的概率,Ii表示事件i发生的自蕴涵信息量,H表示一个信源模型的平均熵,对数底数b>1(在信息论中,b一般取2、e或10)。

    值得注意的是,直接利用信息量计量制造信息的大小,必须知道车间制造前后的的先验概率模型,否则就无法计算车间制造前后的不确定性,也就无法计算车间制造后所获得的信息量,即制造过程向车间注入的信息量。另外,车间生产前的先验概率模型在很大程度上和车间管理人员的背景知识有关。例如某一信息,其信息量是一定的,但不同背景知识的人看到这一信息所获得的信息量却会因人恧异。也就说,利用信息量计量车间制造信息受车闻管理人员背景知识的影响。因此,制造信息虽然可以用信息量来度量,但二者又是有区别的。制造信息是从客观上来计量车间的不确定性,而信息量是从主观上来计量车间的不确定性。要利用信息量来计量制造信息,就必须消除背景知识的影响,这样利用信息量来计量的制造信息才具有一定的客观实在性。

    国内外学者对信息量在车间制造系统中的应用进行了广泛的研究,将信息度量理论进行了相应的扩展。姚锡凡等认为Shannon用概率论作为度量信息的数学工具,把信息与不确定性关联起来;但Shannon熵只是一种概率熵,没有考虑其它型式的不确定性以及信息的含义与价值等。为此对模糊不确定性的度量、复合熵和全信息作进一步陈述,探讨了信息熵在制造中的应用。饶运清等从信息论角度指出制造系统的复杂度是描述制造系统的状态所预期需要的信息量。将制造系统的复杂度描述为静态和动态两种形式。静态复杂性是描述制造系统在静止状态下各制造资源根据其调度方案所预期拥有的状态所需要的信息量,动态复杂性则是描述制造系统在运动过程中各资源的实际状态所需要的信息量。应用信息论中的信息熵理论研究制造系统的复杂性测度问题,分别建立了基于信息熵的静态稀动态复杂性测度模型。将上述复杂性理论应用于调度研究,提出最大可行调度时限和调度依附度两个评价调度有效性的量化指标,为调度有效性的分析、评价及改善提供了重要工具。


3.车间不确定信息处理的关键技术和发震趋势

    在车间制造领域,人们已经普遍认识到当代制造科学发展中的信息侧面及其重要意义。国内外学者对制造信息的计量、信息编码、信息建模、信息处理、信息集成等进行了广泛而深入的研究,目前对制造领域信息问题的研究正在发展成为一门新的学科——制造信息学,并成为21世纪制造基础科学之一。在智能信息决策领域,数据挖掘及数据库知识发现(KDD,Knowledge Discovery in Databases)技术已成为最活跃的前沿研究热点之一,并取得了丰硕成果。作为KDD的一个特定而关键的步骤,数据挖掘是最重要的。数据挖掘是指从数据库中提取知识,即从大量数据中获得其中隐含的、事先未知的而又可能极为有用的信息,这些信息通常以知识、规则或约束等形式来表现。目前,数据挖掘的技术方法主要有统计分析方法、遗传算法、决策树方法、神经网络方法、模糊逻辑、聚类分析和模式识别、可视化技术、粗集方法等。其中粗集理论与是波兰数学家Z.Pawlak教授在1982年提出的一种智能决策分析工具,它是一种刻画不完整性和不确定性的数学工具,能有效地分析不精确、不一致、不完整等各种信息,还可以对数据进行分析和推理,从中发现隐含的知识,揭示潜在的规律。在数据挖掘领域,粗集方法被广泛应用于不精确、不确定、不完备信息的分类和知识获取。

    从目前的研究现状来看,研究车间运行中的不确定信息是十分必要的而且具有十分现实的意义。制造车间运行中存在着很多不确定性因素,不确定信息处理方法为研究不确定信息提供了的必要工具。


4.结论

    确定性是相对的,而不确定性是绝对的。制造车间运行过程中存在着很多不确定性因素,因此产生了不确定信息。信息技术是敏捷制造的支撑技术,而制造车间的不确定信息是车间调度决策的是实施车间敏捷制造的基础。本文分析了车间不确定性因素产生原因,论述了不确定信息条件下车间生产研究的现状,如不确定条件下的车间调度、不确定信息的约简、不确定信息中的知识发现等,并指出了车间不确定信息处理的关键技术和发展趋势。

 

编辑:admin
SPConline.net