基于多元信息的作業(yè)車間加工進度信息提取及分析模型研究

王東強 鄢 萍 任 凡 劉 飛

重慶大學機械傳動國家重點實驗室，重慶，400044

0 引言

作業(yè)車間（job shop）是一種車間級的制造系統(tǒng)。著名制造系統(tǒng)專家、美國麻省理工學院Chryssolouris教授［1］對作業(yè)車間的定義為：作業(yè)車間是由具有相同或類似物料加工功能的各類機群（如車削加工機群、銑削加工機群）等通用設(shè)備組成的高度柔性的、適應多品種工件加工的制造系統(tǒng)。由于作業(yè)車間的生產(chǎn)制造模式具有生產(chǎn)品種多、個性化程度高、變化快、批量較小等特點，傳統(tǒng)意義上的那種集中式的生產(chǎn)進度狀態(tài)采集與提取技術(shù)已經(jīng)難以適應現(xiàn)代制造過程的要求，迫切需要研究一些新的生產(chǎn)進度建模及分析技術(shù)以適應制造執(zhí)行系統(tǒng)的數(shù)字化、智能化、分散化發(fā)展趨勢。目前，國內(nèi)外對作業(yè)車間生產(chǎn)過程中的各種運行信息的智能化、網(wǎng)絡(luò)化采集及監(jiān)測技術(shù)研究較多。文獻［2］提出了面向客戶的隨機動態(tài)生產(chǎn)管理的管理模式，建立了生產(chǎn)過程控制結(jié)構(gòu)模型，并在此基礎(chǔ)上實現(xiàn)動態(tài)生產(chǎn)環(huán)境信息、生產(chǎn)計劃制定和生產(chǎn)過程控制／調(diào)度的集成機制；文獻［3］建立了工期－費用隨機數(shù)學模型，提出了以協(xié)商難度為優(yōu)化目標的模具生產(chǎn)進度監(jiān)控算法；文獻［4］建立了一種數(shù)控機床加工過程狀態(tài)的信息模型，用于對加工中零件的各種加工狀態(tài)信息進行跟蹤監(jiān)測；文獻［5］面向車間層的網(wǎng)絡(luò)化協(xié)同加工的實際需求，開發(fā)出一套軟／硬件一體化的機床網(wǎng)絡(luò)化生產(chǎn)管理與監(jiān)控系統(tǒng)，實現(xiàn)遠程對車間機床操作者加工任務的進度管理與生產(chǎn)監(jiān)控。但是，目前的研究還存在以下不足：

（1）從作業(yè)車間生產(chǎn)運行過程的目標層面來看，目前對支持特定目標的車間進度的單項信息研究較多，缺少生產(chǎn)過程中不同生產(chǎn)目標生產(chǎn)進度之間的關(guān)聯(lián)模型研究，很難反映生產(chǎn)進度與設(shè)備能力之間的關(guān)聯(lián)特性，缺乏從系統(tǒng)角度面向車間制造系統(tǒng)整體進度狀態(tài)的綜合研究。

（2）從作業(yè)車間生產(chǎn)運行過程的信息層面來看，缺少一種作業(yè)車間生產(chǎn)進度動靜態(tài)特征信息的實時提取及分析技術(shù)，很難精確表達作業(yè)車間各階段計劃進度與實際進度的誤差以及實際生產(chǎn)過程中各類不確定因素（如機器損壞、負載有限、工序延誤、原材料延期等）對車間整體進度的影響。

針對已有研究的不足，本文綜合考慮車間運行涉及的多元進度信息，研究面向整個作業(yè)車間制造系統(tǒng)實時生產(chǎn)進度的信息來源及層次結(jié)構(gòu)，解決實際生產(chǎn)過程中的生產(chǎn)進度動靜態(tài)特征信息的描述及分析問題，為現(xiàn)代作業(yè)車間的優(yōu)化運行提供信息支持。

1 作業(yè)車間加工進度信息提取原理研究

1．1 作業(yè)車間生產(chǎn)進度信息分析

現(xiàn)代作業(yè)車間是一種先進制造系統(tǒng)，其生產(chǎn)過程是一個多設(shè)備多任務并存的過程，因此作業(yè)車間生產(chǎn)進度信息貫穿著多任務執(zhí)行過程和多設(shè)備運行過程兩大信息主線。而根據(jù)現(xiàn)代作業(yè)車間制造過程的綜合運行目標的需求，其車間運行信息可以分為計劃信息、質(zhì)量信息、加工信息、調(diào)度信息、資源信息、服務（包括外協(xié)加工等）信息等不同緯度的運行狀態(tài)目標的描述。兩大信息主線以各類信息子類為數(shù)據(jù)基礎(chǔ)，概括了現(xiàn)代作業(yè)車間中各種生產(chǎn)進度關(guān)鍵特征和主要信息［6］。

作業(yè)車間生產(chǎn)進度信息是生產(chǎn)過程中實時運行狀態(tài)下各種影響因素真實客觀的反映，是對制造系統(tǒng)運行性能情況的客觀評價。由于信息節(jié)點涉及各種多元進度信息，這些進度信息會因進度目標對象的不同而具有不同的表達方式，不同表達方式的信息特征也有較大差異。例如，按產(chǎn)品生產(chǎn)層次劃分，可表述為零件進度、部件進度、裝配進度等；按執(zhí)行對象的不同又可分為工位進度、班組進度、工段進度、車間進度、外協(xié)進度、訂單進度等。復雜的進度目標導致了節(jié)點生產(chǎn)進度類型的局部性和多樣性。從系統(tǒng)角度面向車間制造系統(tǒng)整體進度狀態(tài)的角度出發(fā)，本文以兩大信息主線為引導，建立各類進度目標的層次化關(guān)系，分步提取各階段各時刻的各類進度信息，既保證了作業(yè)車間階段性的局部生產(chǎn)進度的準確完整的表述，又能方便地將這些局部進度信息融合成作業(yè)車間總體進度信息，實現(xiàn)對全局進度的總體把握。其中，多任務信息主線側(cè)重于描述訂單進度狀態(tài)、加工件進度狀態(tài)、工序間在制品庫存狀態(tài)、在制品流動狀態(tài)等車間任務訂單完成進度相關(guān)信息；在多任務執(zhí)行過程主線中，可以從任務i執(zhí)行過程的運行信息中提取出n個進度目標子類，每個子類又可分成若干子子類。由于每個目標進度子類的特點不同，在子類的不斷深入過程中，每個子類繼續(xù)劃分的子類和子層數(shù)量不一定相同。而多設(shè)備信息主線則側(cè)重于描述設(shè)備加工狀態(tài)、設(shè)備運行參數(shù)指標、設(shè)備利用率和車間利用率等車間設(shè)備加工進度相關(guān)信息。在多設(shè)備運行過程主線中，進度信息內(nèi)容也具有類似分層結(jié)構(gòu)。以兩條信息主線為引導，車間多元運行信息為來源，采用層次化、結(jié)構(gòu)化的方法對車間各種進度信息進行研究具有以下特點：①進度信息類型的定義與劃分具有層次化、結(jié)構(gòu)化的特點；②不同的進度目標信息具有統(tǒng)一的數(shù)據(jù)格式或表現(xiàn)形式，降低了數(shù)據(jù)的冗余；③從多元信息中提取進度信息確保了數(shù)據(jù)的全面性、準確性，同時兼顧各類進度信息的約束、耦合關(guān)系，動態(tài)平衡車間進度與資源能力。

在實際生產(chǎn)運行過程中，兩條主線從多元運行信息中提取的各類進度信息隨著時序、空間的改變而不斷變換，管理人員可以通過一定的預制條件實現(xiàn)兩條主線信息間不同進度目標的關(guān)聯(lián)、轉(zhuǎn)換、融合或映射，從不同側(cè)面反映當前車間綜合生產(chǎn)進度，為上層管理系統(tǒng)提供決策信息。

1．2 分步式作業(yè)車間加工進度信息提取原理

作業(yè)車間各類運行信息是車間進度信息的數(shù)據(jù)基礎(chǔ)，為了實現(xiàn)作業(yè)車間生產(chǎn)進度信息的提取與集成，可以在作業(yè)車間內(nèi)建立信息采集節(jié)點，信息采集節(jié)點主要完成信息的收集獲取工作，不僅包括數(shù)據(jù)采集，還包括與該節(jié)點相關(guān)的信息集成及數(shù)據(jù)通信傳輸。信息采集方法有基于人機界面交互、傳感器傳感、數(shù)控程序提取、條碼掃描器和RFID讀卡器獲取等多種方法。通常為了獲得全面的作業(yè)車間運行信息，信息節(jié)點必須綜合使用多種信息采集方法實現(xiàn)六大子類數(shù)據(jù)的采集［7］。因此本文提出一種網(wǎng)絡(luò)化、分布式和集成化的作業(yè)車間運行信息采集系統(tǒng)模型。該模型由多種功能傳感器、基于高端嵌入式系統(tǒng)的多功能信息交互終端、可支持對等網(wǎng)絡(luò)通信的信息交互模式、車間服務器、信息集成接口、運行信息采集方法及分析軟件等軟硬件構(gòu)成的一個多功能信息采集系統(tǒng)，如圖1所示。

通過信息采集節(jié)點采集或輸入的數(shù)據(jù)，具有多樣性、連續(xù)性、不確定性的特點，許多信息以隱形方式存在，必須通過信息的過濾、分析，挖掘出隱含的有效信息。每個節(jié)點采集的數(shù)據(jù)只反映一定時間內(nèi)相關(guān)設(shè)備的運行信息，以此為基礎(chǔ)提取的生產(chǎn)進度信息只反映作業(yè)車間的局部進度信息。按一定時序或規(guī)則對這些局部進度信息進行分步式提取，并根據(jù)其信息主線進行層次化、結(jié)構(gòu)化關(guān)聯(lián)，逐步疊加、融合，可以形成車間整體進度狀態(tài)。

圖1 基于多元信息的作業(yè)車間進度提取原理

2 基于多元信息的作業(yè)車間加工進度關(guān)系模型

2．1 基于多元信息的作業(yè)車間加工進度描述

根據(jù)作業(yè)車間運行信息采集系統(tǒng)可以建立圖2所示的作業(yè)車間加工進度分步式提取模型，其中，Mij為信息節(jié)點Mi在Tj時刻的運行狀態(tài)；Iij為信息節(jié)點Mi在Tj時刻提取的反映生產(chǎn)進度的多元實時信息；Sij為信息節(jié)點Mi在Tj時刻的任務進度信息；Eij為信息節(jié)點Mi在Tj時刻的設(shè)備進度信息。在加工任務開始前，通過上層管理系統(tǒng)及車間進度信息庫建立各進度目標的靜態(tài)生產(chǎn)進度指標及數(shù)據(jù)模板，并將這些數(shù)據(jù)模板下發(fā)給信息采集節(jié)點。各采集節(jié)點在指定時刻按照數(shù)據(jù)模板提取多元車間運行信息生成相應的生產(chǎn)進度信息Iij。這些根據(jù)預置數(shù)據(jù)模板采集的實際進度數(shù)據(jù)具有層次性、分步性、分類性和時序性的特點，一般前后兩個同類進度子類之間通常存在繼承、重疊、累加、包含等類關(guān)系，這種類關(guān)系反映了生產(chǎn)過程的的過程性和暫態(tài)性。采集節(jié)點Mi在Tj時刻的信息來源包括三個方面：①實時采集的反映生產(chǎn)進度的運行信息Iij，包括計劃信息、質(zhì)量信息、加工信息、調(diào)度信息、資源信息、服務信息等進度信息子類；②Tj時刻前一關(guān)聯(lián)采集節(jié)點Mi－1的設(shè)備進度信息Ei（j－1）的關(guān)聯(lián)信息；③Tj時刻前一關(guān)聯(lián)采集節(jié)點Mi－1的任務進度信息S（i－1）j的關(guān)聯(lián)信息。采集節(jié)點Mi在Tj時刻的輸出進度信息包括兩個方面：①Mi在時刻Tj的設(shè)備進度信息Eij；②Mi在時刻Tj的任務進度信息Sij。

從圖2可以看出，沿橫軸方向的一行可以反映作業(yè)車間內(nèi)所有設(shè)備在Tj時刻時的任務進度信息主線，沿縱軸方向的一列可以反映設(shè)備Mi從任務開始到Tj時刻的加工進度信息主線。兩條主線都有各自的進度目標和層次結(jié)構(gòu)，從不同的維度反映出作業(yè)車間的生產(chǎn)進度狀態(tài)。而每個采集節(jié)點都是兩條信息主線的交集，因此對節(jié)點提取的動靜態(tài)進度數(shù)據(jù)進行比較、關(guān)聯(lián)、融合后可以得到信息節(jié)點Mi在Ti時刻的多任務進度信息和設(shè)備進度信息。再根據(jù)兩條主線各自的進度目標按一定的時序或工序加工要求對多個采集節(jié)點信息進行關(guān)聯(lián)融合，可以逐步形成多設(shè)備多任務的車間綜合加工進度信息。

圖2 作業(yè)車間加工進度分步式描述模型

2．2 基于多元信息的作業(yè)車間信息節(jié)點進度關(guān)系建模方法

由于現(xiàn)代作業(yè)車間的任務來源是離散的，隨時可能有新任務，在某個時間段內(nèi)要完成多種產(chǎn)品的生產(chǎn)加工，因此需要根據(jù)產(chǎn)品或零件的工藝信息進行工序劃分，把多種產(chǎn)品或零件的工藝信息綜合起來，擬定出關(guān)鍵工序及其關(guān)鍵路徑［8］。如何利用信息節(jié)點采集的多元進度信息反映出當前節(jié)點關(guān)鍵加工路徑的執(zhí)行情況，同時兼顧不同加工任務非關(guān)鍵工序間的影響程度是需要解決的難題。本文從特征相關(guān)性分析入手，利用Mar kov Blanket理論建立多元進度信息之間自然的聯(lián)系，將節(jié)點多元進度信息特征集合劃歸為三類，即強相關(guān)特征、弱相關(guān)特征和無關(guān)特征；再通過相關(guān)性水平過濾剔除特征集合中的無關(guān)和冗余特征，轉(zhuǎn)化為指定時刻或階段信息節(jié)點關(guān)鍵路徑相關(guān)的最優(yōu)進度信息集合；然后通過加權(quán)處理，建立各類生產(chǎn)進度特征指標之間的關(guān)系；最后通過特定的分析算法對節(jié)點的關(guān)鍵進度信息進行評估，進一步簡化各類進度信息，形成該節(jié)點綜合設(shè)備進度及任務進度信息。節(jié)點設(shè)備進度反映關(guān)鍵設(shè)備的加工能力及利用率，節(jié)點多任務進度反映產(chǎn)品任務樹關(guān)鍵路徑的完成情況。其信息處理流程如圖3所示。

圖3 信息節(jié)點進度信息提取與集成模型

2．2．1 信息節(jié)點多元進度特征定性及定量分析

（1）根據(jù)文獻［9］提出的特征相關(guān)性理論，設(shè)F是信息節(jié)點多元進度信息特征集合，P（·）是各特征值間的聯(lián)合概率，fi是一個多元進度特征，Si＝F－｛fi｝，C 是一個不在Si中的進度特征，S′i是Si的子集，定義三類進度特征的形式化如下：

定義1（強相關(guān)） 當且僅當下式成立時，稱進度特征fi是強相關(guān)的：

強相關(guān)進度特征是對節(jié)點加工進度的關(guān)鍵路徑構(gòu)成直接影響的特征，如果強相關(guān)進度特征發(fā)生改變，必然影響節(jié)點的關(guān)鍵路徑的加工進度。

定義2（弱相關(guān)） 當且僅當下列條件成立時，稱特征fi是弱相關(guān)的：

弱相關(guān)進度特征在一定條件下影響節(jié)點加工進度的關(guān)鍵路徑，但不一定是存在的。

定義3（無關(guān)性） 當且僅當下式成立時，稱特征fi是無關(guān)的：

無關(guān)特征不影響加工進度的關(guān)鍵路徑，是在多元信息進度分類中不需要的部分，因此在特征選擇中首先剔除的。

根據(jù)以上定義，弱相關(guān)特征可能會導致特征冗余，如果一個弱相關(guān)進度特征完全依賴于另一個進度特征，那么可以看作相對于另一個特征冗余，若不以另一特征為條件，則它就是有效的分類特征。因此，為了獲得節(jié)點最優(yōu)進度特征子集，必須在分類過程中剔除兩類進度特征信息，一類是與節(jié)點關(guān)鍵路徑完全無關(guān)的進度特征，另一類是與關(guān)鍵進度弱相關(guān)且相對于其他特征子集是冗余的部分。我們借用信息論中熵的概念，給定進度類型集合z及屬于不同進度類型的特征子集Fi和Fj，定義I（Fi；Fj｜z）為給定類型z時進度特征子集Fi和Fj之間的互信息量，H（Fi｜Fj）為給定Fi時Fj的熵，如果 H（Fi｜Fj）≠0，那么定義進度特征子集Fi和Fj之間的相關(guān)系數(shù)rp如下：

其中，H（fj｜z）＝0時，rp（fi；fj｜z）＝1。

通過比較相關(guān)系數(shù)rp與預先設(shè)置的相關(guān)閾值p，當rp大于閾值p時，說明特征子集Fi和Fj之間存在特征冗余，根據(jù)最簡原則，取其中較小的特征進度值，反之，當rp小于閾值p時，說明兩個進度特征關(guān)聯(lián)度小，都是最優(yōu)特征進度子集的組成部分。

在以上分析的基礎(chǔ)上，本文提出基于多元信息的節(jié)點進度特征選擇算法：第一步，先選擇信息主線，由于節(jié)點采集的多元進度信息在多任務進度主線與多設(shè)備信息主線中結(jié)構(gòu)、層次及表現(xiàn)形式都存在差異，因此需要根據(jù)信息主線類型格式化集合F形式；第二步，根據(jù)不同信息主線所確定的關(guān)鍵路徑進行信息提取，過濾所有與節(jié)點關(guān)鍵路徑無關(guān)的進度特征，得到一個相關(guān)特征集合F，該集合既包括強相關(guān)進度特征，也包括弱相關(guān)進度特征。詳細步驟見圖4第一部分（1～5行）。由于該集合中的弱相關(guān)進度特征仍然存在冗余信息，在圖4第二部分（6～17行）中，我們先初始化目標集合G，同時把第一個相關(guān)特征加入G，通過建立進度特征子類z（可根據(jù)計劃信息、質(zhì)量信息、加工信息、調(diào)度信息、資源信息、服務信息等方式分類），將集合F根據(jù)信息類型分解成若干個進度子集Fi，依次提取Fi中fi與其他進度子集Fi比較相關(guān)性，通過預置的相關(guān)性水平p進行比較，如果相關(guān)性水平高，則認為是一個弱相關(guān)特征并與其他進度子集存在冗余，需要刪除冗余后加入目標集合G，否則，認為該特征為強相關(guān)進度特征或獨立于其他特征的弱相關(guān)進度，屬于最優(yōu)特征子集不可缺少的部分，可直接加入集合G，重復該過程直到F為空，就能得到最優(yōu)進度特征集合G。

圖4 基于多元信息的作業(yè)車間信息節(jié)點進度特征選擇算法

2．2．2 信息節(jié)點多元進度信息特征模糊關(guān)系評價方法研究

將上節(jié)得到的最優(yōu)進度特征集合G按信息子類進行整理，依次填入事先定義好的節(jié)點進度特征模板：

其中元素xij（i＝1，2，…，n；j＝1，2，…，m）表示某一運行信息指標狀態(tài)的特征值（最優(yōu)進度特征集合中已剔除的特征值以0代替），每一行向量代表某一類進度集合子集，如服務信息、加工信息、資源信息等與生產(chǎn)進度相關(guān)的實時運行狀態(tài)信息。然后對矩陣X中各因子采取兩兩比較的方法建立成對比較矩陣。即每次取兩個因子xi和xj，以aij表示xi和xj對節(jié)點進度的影響大小之比，比較結(jié)果用矩陣A＝［aij］m×n表示，其中，對兩兩比較結(jié)果采用表1［9］來描述。

（1）計算判斷矩陣A＝［aij］m×n的最大特征值λmax和特征向量r（0）ij，經(jīng)歸一化后即為進度數(shù)據(jù)采集矩陣X中同一層次運行信息相應因素對于上一層次相對重要的排序權(quán)值。為了確保λmax對應的標準化特征向量能夠真實反映出影響因素的排序權(quán)重，還需計算一致性指標對于比例標度n＝1，2，…，9，在表1［9］中列出了相應的平均隨機一致性指標RI。

表1 比例標尺n對應的平均隨機一致性指標RI

（3）進一步，可以將進度子類Si對進度子類Sk的指標的影響度按照Si的指標（j＝1，2，…，m）分解成Si的指標對進度子類Sk的指標A（k）l的影響度分解時，還是通過兩兩比較的方式確定進度Si中的指標的影響權(quán)重，然后通過權(quán)重確定這樣就可以得到各進度子類間不同指標相互影響度的模糊關(guān)系矩陣其中（i，k＝1，2，…，n；j，l＝1，2，…，m。

（4）通過模糊關(guān)系矩陣可以定義多元信息進度子類Sk的某一指標Al對信息采集節(jié)點進度的影響度D，該值為該進度中指標Al的輸出與輸入信息之比，其中指標Al的輸出信息反映出該指標對其他相關(guān)指標的影響情況。如果Al受其他個指標的影響，則就 是 進 度Sk的指標Al的輸出信息。

進度Sk中各指標的輸入信息包括采集的信息、上一信息節(jié)點的相關(guān)信息以及同一節(jié)點中受其他進度指標影響的情況。如果指標A（k）l受其他進度的個進度指標的影響，則就是指標的輸入信息。所以進度Sk中各指標A（k）l對信息節(jié)點的影響度D（k）l＝，如果用兩兩比較方法確定出各進度指標的的權(quán)重ω（k）l，則可以確定出各運行信息指標對整個節(jié)點進度的影響度：

3 應用案例

上述系統(tǒng)模型及分析方法為現(xiàn)代車間的運行信息的研究和應用提供了一個框架模型，也為建立車間多元異構(gòu)進度信息集成系統(tǒng)提供了一種新思路。重慶某汽車空調(diào)零部件加工企業(yè)擁有多臺加工機床，既有年代較久的普通機床，也有近幾年購置的半自動機床、數(shù)控加工中心等。以該企業(yè)的一批調(diào)度任務為例，對該系統(tǒng)的應用流程分析如下：

（1）首先在車間關(guān)鍵設(shè)備上安裝高端嵌入式系統(tǒng)的多功能信息交互終端作為加工進度信息采集節(jié)點，該信息終端擁有多種多個通信接口，能與底層傳感器實現(xiàn)互聯(lián)，也能通過RS232同數(shù)控機床通信，直接獲取部分設(shè)備運行信息，同時工人還可以通過人機界面，在終端上輸入加工信息。

（2）當車間有一批零件進行加工，首先通過系統(tǒng)組建其調(diào)度任務，同時對工段、工人、物料等相關(guān)資源進行了統(tǒng)一編號，建立該加工任務和相關(guān)機床的相關(guān)基礎(chǔ)數(shù)據(jù)矩陣。該多元數(shù)據(jù)矩陣由五大子類進度信息（計劃信息S1、資源信息S2、加工信息S3、調(diào)度信息S4、服務信息S5）組成。控制中心將該多元數(shù)據(jù)矩陣模板按照預置條件下發(fā)到每個信息節(jié)點。

（3）各信息節(jié)點利用本文提出的基于多元信息的車間信息節(jié)點進度特征選擇算法，計算出該信息節(jié)點的局部多元進度信息數(shù)據(jù)，得到與該節(jié)點關(guān)鍵路徑相關(guān)的最優(yōu)進度特征子集。其中進度子類S2和S4有4個關(guān)鍵特征指標，其余進度子類有3個關(guān)鍵特征指標。然后按照進度特征模糊關(guān)系評價方法確定出基于各個進度子類特征指標的模糊關(guān)系矩陣RS－S，結(jié)果如表2所示。

（4）在表2基礎(chǔ)上，計算進度特征子類的影響度和對節(jié)點整體進度的影響度，結(jié)果見表3。通過表3可以看出，S3的影響度（1．33）最大，S5的影響度（0．81）最小，進度子類S2中的特征指標A24的影響度（1．49）雖然最大，但在進度影響度中僅占39%。重要性較低，因此對節(jié)點進度影響較大是進度子類S3的特征指標A32（權(quán)重為0．64，影響度為1．31）。

表2 信息節(jié)點模糊關(guān)系矩陣

表3 信息節(jié)點進度子類及指標的影響度

（5）通過以上方法得到各個節(jié)點的進度特征子類的影響度及關(guān)聯(lián)度后，進一步對多節(jié)點的進行信息融合后進行綜合評比，可以較全面地反映出該企業(yè)作業(yè)車間整體進度信息的關(guān)鍵節(jié)點及瓶頸問題，幫助該企業(yè)解決平衡車間進度要求與設(shè)備能力的要求［11］。

該模型具有很高的可操作性、實用性，增強了該廠生產(chǎn)管理上的統(tǒng)籌性，形成了生產(chǎn)管理機制的良性循環(huán)，使企業(yè)的生產(chǎn)管理水平得到了提高。與傳統(tǒng)車間從計劃、質(zhì)量、成本、交貨期、設(shè)備利用率等不同角度對生產(chǎn)進度執(zhí)行情況進行分類監(jiān)控的方式比較，該系統(tǒng)模型具有以下優(yōu)點：

（1）統(tǒng)一了各類進度目標信息數(shù)據(jù)格式或表現(xiàn)形式，降低了數(shù)據(jù)的冗余，避免了傳統(tǒng)模式下對數(shù)據(jù)的重復采集或使用，提高了車間信息系統(tǒng)運行效率；

（2）通過將現(xiàn)場采集的各類信息進行提取、加權(quán)和綜合評價，得到一個綜合進度指標結(jié)果，確保了數(shù)據(jù)的全面性、準確性，同時兼顧各類進度信息的約束、耦合關(guān)系，避免了傳統(tǒng)模式下追求單一進度目標優(yōu)化的片面性；

（3）可以有序地定量判斷影響生產(chǎn)系統(tǒng)運行的主要要素；而通過要素指標的權(quán)重，又能明確地得出各個指標所提供信息量的大小，這些都為車間的生產(chǎn)運行管理提供了準確的數(shù)據(jù)依據(jù)，從而可針對性地改進相關(guān)生產(chǎn)瓶頸和物流約束，使車間對生產(chǎn)進度的管理更加科學、高效。

4 結(jié)束語

本文研究了作業(yè)車間生產(chǎn)進度信息來源及類型，并根據(jù)作業(yè)車間“快速、優(yōu)質(zhì)、低成本、低耗和潔凈”的綜合運行目標把作業(yè)車間進度信息劃分為基于多任務執(zhí)行和多設(shè)備運行大信息來源主線的多元進度信息子類；建立了一套基于多元信息的作業(yè)車間生產(chǎn)進度關(guān)系模型；利用關(guān)系模型建立了一套作業(yè)車間進度節(jié)點信息分析及評價方法。

利用本文所提出的作業(yè)車間信息節(jié)點多元進度信息關(guān)系模型，不僅可以描述出作業(yè)車間各類進度信息之間的直接關(guān)系和關(guān)聯(lián)程度，還可以深入分析某一進度要素及其指標對作業(yè)車間整體系統(tǒng)的影響程度。

［1］ Chryssolouris G．Manufacturing Systems：Theory and Practice［M］．New Yor k：Springer－Verlag，1992．

［2］ 朱云龍，于海斌．面向客戶的隨機動態(tài)生產(chǎn)管理模式研究［J］．計算機集成制造系統(tǒng)，2001，7（3）：14－181．

［3］ 李英杰，陳慶新，陳新度，等．協(xié)同制造項目進度管理［J］．計算機集成制造系統(tǒng)，2007，13（11）：11－14．

［4］ Qiu E，Russell D．A For mal Model f or Incor porating Shop Floor Controls into Plant Infor mation Systems［J］．International Journal of Advanced Manufacturing Technology，2004，23（1／2）：47－57．

［5］ 劉笑冬，曹華軍，劉飛，等．機床網(wǎng)絡(luò)化生產(chǎn)管理與監(jiān)控系統(tǒng)開發(fā)［J］．現(xiàn)代制造工程，2007（6）：12－15．

［6］ 劉飛，祁國寧，寧汝新，等．先進制造系統(tǒng)及管理運作［R］．國家自然科學基金委員會學科發(fā)展戰(zhàn)略研究報告：《機械與制造科學》第15章．北京：科學出版社，2006．

［7］ Mai mon O，Gersh win S．Dynamic Scheduling and Routing for Flexible Manufacturing Systems that Have Unreliable Machines［J］．Robotics and Automation Proceedings，1987，4（3）：281－2881．

［8］ Julio G C，Martin H．A Traceability Infor mation Model for CNC Manufacturing［J］．Co mputer－aided Design，2006，38（5）：540－551．

［9］ John G H，Kohavi R，Pfleger K．Irrelevant Feat ure and the Subset Selection Problem［C］／／Proceedings of the 11th Inter national Conference on Machine Learning．San Francesco：Morgan Kauf mann，1994：121－129．

［10］ Liu Fuyun，Yang Qinghai，Qi Guoning．Universality Analysis Method of Parts f or Product Family Based on Co mplex Net wor k［J］．Chinese Jour nal of Mechanical Engineering，2005，41（11）：75－79．

［11］ Zhang Wei，Lin Jie．Multi－stage Pr oduction Model Based on Mass Customization［J］．Computer Integrated Manufacturing Systems，2007，2（13）：246－250，281．