基于时空数字孪生网络的生产内物流乱序同步控制方法,可考虑干扰传播效应
《ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING》:Temporal-digital twin-network enabled Out-of-Order synchronized control for production-intralogistics considering disturbance propagation
【字体:
大
中
小
】
时间:2026年07月08日
来源:ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING 12.3
编辑推荐:
苏一芬|李明兴|曲婷|黄乔治Q. 本研究探讨了一种新的考虑干扰传播的双重生产与内部物流同步控制问题(DPiLSynC)。研究设计了带有干扰传播分析的改进版乱序执行框架,用以重构DPiL的运行逻辑。同时开发了时间数字孪生网络(T-DT-N),用于揭示干扰的传播模式。基于传播分析结果
苏一芬|李明兴|曲婷|黄乔治Q. 本研究探讨了一种新的考虑干扰传播的双重生产与内部物流同步控制问题(DPiLSynC)。研究设计了带有干扰传播分析的改进版乱序执行框架,用以重构DPiL的运行逻辑。同时开发了时间数字孪生网络(T-DT-N),用于揭示干扰的传播模式。基于传播分析结果提出了乱序同步控制方法(OoOSynC),以实现DPiL的弹性运行。计算结果表明,OoOSynC在不同的队列长度和不确定性水平下均具备稳定性,从而证明了其在动态环境中的适用性。
引言
生产与内部物流之间存在复杂的时空耦合关系。在空间层面,生产会受到生产前内部物流(物料供应)和生产后内部物流(成品运输)的影响。忽视其中任何一个环节都可能增加任务的等待时间。当涉及到生产和生产前后内部物流时,这种空间复杂性进一步上升为双重生产与内部物流问题(DPiL)。在时间层面,干扰的传播会妨碍精确预测,进而轻易扰乱制造过程。例如,某台机器发生故障可能导致其他机器因任务重新分配而超负荷运转。目前,针对任务重新安排的实际控制措施主要依赖管理经验,而系统性的理论研究还较为缺乏,这一研究空白使得DPiL的管理更加困难。本文将DPiL中的不匹配问题定义为一种考虑干扰传播的双重生产与内部物流同步控制问题(DPiLSynC),该核心问题着眼于动态环境下的DPiL协调问题。若缺乏有效的控制措施,这一问题可能会引发瓶颈现象。
关于内部物流同步的研究已经探讨了干扰的影响。例如,LI等人[1]研究了工业4.0时代灵活装配线的内部物流同步问题,并考虑了不确定性水平的影响。GUO等人[2]则研究了受客户需求影响的车间物流与生产的同步问题。这些研究探讨了同步方法在干扰作用下的性能表现,但它们都存在一些共同的局限性,尤其是未能充分认识到干扰传播的风险。实际上,干扰可能会传播到其他工位或阶段,最终导致某些工位甚至整个制造系统的崩溃。因此,大多数内部物流同步研究都忽略了干扰传播的现象,这加剧了DPiL运行的紊乱。
有许多研究致力于干扰管理。实际上,已有基于概率规划的控制方法被用来应对干扰[3]。这类研究将控制过程中的影响因素从单一因素(如在制品数量或吞吐量)扩展到多个因素(如工作负载、任务同时性以及生产前/后的内部物流和生产活动的同时性)[4,5]。然而,尽管传统概率规划方法具有诸多优势,但在处理干扰传播问题方面却作用有限。借助物联网[6]或网络物理系统[7]等技术实现的实时控制,能够通过数据感知、信息同步以及闭环网络物理反馈快速响应制造指令。但这些方法缺乏评估干扰传播对制造系统造成负面影响的预见机制。这就凸显出将实时资源状态获取与前瞻性评估方法相结合的重要性,这是应对各阶段级联效应的关键机制。因此,概率规划方法虽然考虑了多种影响因素,却忽视了干扰传播的影响,从而阻碍了制造系统中干扰问题的解决。
应对干扰需要有效的策略以及新兴技术。现有研究已经认识到数字孪生技术在减轻干扰方面的关键作用[[8], [9], [10]]。该技术能够支持物理实体与其虚拟模型之间的双向交互,提升干扰识别的效率和准确性[11,12]。不过,分析干扰传播的演变规律仍然具有挑战性。单个数字孪生模型难以独立完成复杂的操作,这一局限凸显出需要与其他数字孪生模型协同工作的必要性,但目前还缺乏多数字孪生模型(如制造系统中的人类、机器、物料)之间的连接互动机制。这样的机制不仅能促进多数字孪生模型之间的交互,还能成为干扰传播的路径。某个数字孪生模型出现故障所带来的负面影响可能会在整个制造系统中蔓延。如果能够构建出这样的机制,就能清晰地分析干扰传播路径,从而采取预防措施来减轻其不良影响。因此,大多数研究尚未涉及构建多数字孪生模型之间的连接互动关系,这也就阻碍了对干扰传播模式的探究。总体而言,存在三个挑战:(1) 当DPiL运行过程受到干扰传播影响时,如何重构其运行流程?(2) 如何构建制造系统中多数字孪生模型的动态连接互动关系,以模拟干扰的传播模式?(3) 如何将干扰传播分析的结果与概率规划方法有机结合,提升解决干扰问题的能力?
为应对上述挑战,本文采用了一种源自CPU的新的乱序执行方法。该方法根据数据、资源及约束条件来管理各种指令。不过,对于所提出的问题,乱序执行方法尚未得到充分研究。本文将其扩展应用于DPiL运行,旨在确保在遭受干扰传播影响的DPiL系统中实现协调运作。研究目标有三个:首先,提出带有干扰传播分析的改进版乱序框架,用于管理DPiLSynC问题;其次,设计了一种称为时间数字孪生网络(T-DT-N)的干扰传播分析模型,该模型利用时间网络建立数字孪生模型之间的连接互动关系,有助于分析干扰传播的演变规律;最后,提出了乱序同步控制方法(OoOSynC),并建立了相应的数学模型,将传播分析结果融入控制过程中。本研究的两大创新点在于:一方面,干扰在DPiL中的传播在众多工厂中普遍存在,但在现有的内部物流同步研究中却鲜有关注;另一方面,基于T-DT-N分析结果的OoOSynC方法推动了数字孪生技术在应对制造系统干扰中的应用。
本文的其余结构如下:第2节为文献综述,第3节阐述考虑干扰传播的DPiLSynC问题,第4节设计基于T-DT-N的带有干扰传播分析的改进版乱序框架,第5节提出考虑干扰传播分析的OoOSynC方法,第6节展示计算实验结果,第7节给出结论。
相关研究概述
在干扰环境下の生产与物流同步
近年来,关于生产与物流同步的研究非常多,尤其是那些考虑干扰因素的研究。根据研究目标,这些文献可分为两类:企业或车间间的同步,以及车间内的同步。首先,有些学者试图研究不同企业或车间之间的同步问题。例如,ZHANG等人[13]提出了基于信任的同步决策机制。
本研究的研究对象是一个计算机制造商,该企业需要向客户快速交付定制产品。其制造过程依次经过三个不同阶段,即生产前内部物流阶段、生产阶段以及生产后内部物流阶段。
具体的制造流程如下:一旦订单确认,就会被分解为多个任务,每个任务只对应一个产品。
带有干扰传播分析的改进版乱序框架
随着干扰传播现象的出现,DPiL中的耦合关系变得更加复杂,因此同步控制成为一个备受研究的课题[40]。乱序执行方法有助于解决这一问题。本节介绍了带有干扰传播分析的改进版乱序框架,旨在打破复杂的耦合关系,协调那些受到干扰传播影响的DPiL运行。
关于装配系统与原始乱序执行框架之间的相似性,相关文献中有详细阐述[5]。
基于T-DT-N干扰传播分析的OoOSynC方法有助于评估干扰传播的影响。为实现DPiL的弹性运行,本文设计了OoOSynC控制方法。该方法包含三个控制阶段,即发布控制、验证控制以及队列控制。相关文献中还提到了协作控制的概念[46],这为该研究提供了宝贵的参考。该方法的目的是为多个执行单元(如装配单元、生产前准备单元、生产后处理单元)管理实时决策。
根据3.3节的内容,存在两种类型的级联效应。
实验设计
在实验开始之前,图7介绍了如何利用数字孪生技术来实现所提出的框架。该框架包含三个模块:虚拟平台负责支持执行单元之间的物理与虚拟交互,通信模块则实现数据的无缝交互以及控制指令的传输,而控制模块则通过T-DT-N和OoOSynC进行干扰传播分析,从而实现对各类指令的实时管理。当触发控制指令时,虚拟平台会发送相应信号。
结论
本文研究了考虑干扰传播的DPiLSynC问题。通过开发带有干扰传播分析的改进版乱序框架,重构了DPiL的运行逻辑;通过设计T-DT-N模型,建立了数字孪生模型之间的连接互动关系,分析了干扰传播的模式;最后提出了OoOSynC方法,以实现装配系统中DPiL的弹性管理。计算实验表明,所提出的方法具有很好的效果。
利益冲突声明
作者声明,他们不存在任何可能影响本文研究成果的已知利益冲突或个人关系。
作者贡献说明
苏一芬:撰写原始稿件、软件应用、方法设计、数据整理。李明兴:撰写审阅与编辑稿件、方法设计、资金筹集。曲婷:撰写审阅与编辑稿件、资金筹集。黄乔治Q.:撰写审阅与编辑稿件。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号