第1章緒論1.1制造系統(tǒng)概述1.2制造系統(tǒng)的主要類型1.3智能制造系統(tǒng)計劃與控制的關(guān)鍵技術(shù)制造系統(tǒng)的定義1.1制造系統(tǒng)概述結(jié)構(gòu)定義：制造系統(tǒng)的結(jié)構(gòu)由硬件和相關(guān)軟件組成，二者構(gòu)成了一個統(tǒng)一整體。功能定義：制造系統(tǒng)作為一個輸入／輸出系統(tǒng)，其核心功能是將制造資源轉(zhuǎn)化為產(chǎn)品或半成品。過程定義：制造系統(tǒng)的運行過程涵蓋了產(chǎn)品生命周期的各個環(huán)節(jié)。制造系統(tǒng)可以被理解為一個有機整體，由硬件（包括廠房、生產(chǎn)設(shè)備、工具、刀具、計算機及網(wǎng)絡(luò)等）和軟件（包括制造理論、制造技術(shù)、管理方法、制造信息及其有關(guān)的軟件系統(tǒng)等）以及人員組成。其核心目標(biāo)是將制造資源（狹義的制造資源如原材料、坯件、半成品等，廣義的制造資源如硬件、軟件、人員等）轉(zhuǎn)變?yōu)楫a(chǎn)品或半成品，涉及產(chǎn)品生命周期的全過程或部分環(huán)節(jié)。智能制造系統(tǒng)是由智能機器和人類專家共同組成的人機一體化智能系統(tǒng)，它在制造過程中能以一種高度柔性與較低集成度的方式，借助計算機模擬人類專家的智能活動，進行分析、推理、判斷、構(gòu)思和決策等，從而取代或者延伸制造環(huán)境中人的部分腦力勞動。11.1制造系統(tǒng)概述制造系統(tǒng)的特征復(fù)雜性和協(xié)同性。現(xiàn)代制造系統(tǒng)由多個相互關(guān)聯(lián)的部分組成，這些部分協(xié)同工作，形成一個高度集成的網(wǎng)絡(luò)，以實現(xiàn)生產(chǎn)過程的自動化、靈活性和高效性。數(shù)字化和虛擬化。數(shù)字化技術(shù)使得制造系統(tǒng)中的信息可以以數(shù)字形式進行表示、傳遞和處理。虛擬化技術(shù)使得制造過程能夠在計算機模擬環(huán)境中進行測試和驗證，從而降低了試錯成本，提高了生產(chǎn)效率。不斷演進。隨著科技的不斷進步，新的制造技術(shù)和方法不斷涌現(xiàn)，并被引入制造系統(tǒng)中，以應(yīng)對不斷變化的市場和技術(shù)環(huán)境。21.1制造系統(tǒng)概述制造系統(tǒng)的基本要素輸入：包括以請系統(tǒng)需要的原始材料、能源、信息和人力資源等。轉(zhuǎn)換：代表了將輸入轉(zhuǎn)變?yōu)檩敵龅倪^程。輸出：代表系統(tǒng)生成的產(chǎn)品、服務(wù)或其他結(jié)果。機制：轉(zhuǎn)換過程中使用的設(shè)備、工具、機器和技術(shù)等。約束：影響制造系統(tǒng)設(shè)計和運作的限制和規(guī)范。反饋：代表著從輸出到輸入的信息流。31.1制造系統(tǒng)概述制造系統(tǒng)的類型離散型制造系統(tǒng)

離散型制造系統(tǒng)是一種廣泛應(yīng)用于制造業(yè)的生產(chǎn)模式，其主要特征是以離散型生產(chǎn)過程生產(chǎn)離散型的產(chǎn)品。產(chǎn)品的生產(chǎn)流程通常以裝配為主，原材料和零部件在各個工序中經(jīng)過特定的加工、組裝和檢驗，最終形成成品。這種生產(chǎn)方式的優(yōu)勢之一是靈活性。管理離散型制造系統(tǒng)需要高效的計劃和調(diào)度，還需要有效的庫存管理。連續(xù)型制造系統(tǒng)連續(xù)型制造系統(tǒng)是一種專注于生產(chǎn)連續(xù)流動產(chǎn)品的制造方式，其生產(chǎn)過程是持續(xù)不斷的，并且物料在生產(chǎn)線上以連續(xù)流動的方式進行加工。與離散型制造相比，連續(xù)型制造具有大規(guī)模生產(chǎn)和產(chǎn)品一致性高等特點。管理連續(xù)型制造系統(tǒng)通常需要更高水平的自動化和監(jiān)控技術(shù)。41.2制造系統(tǒng)的主要類型計算機集成制造計算機集成制造是一種綜合利用計算機技術(shù)和信息技術(shù)的制造模式，其目標(biāo)在于通過高度集成的信息系統(tǒng)，整合生產(chǎn)、設(shè)計、計劃、控制等各個制造環(huán)節(jié)，實現(xiàn)生產(chǎn)流程的數(shù)字化、智能化和高效化。這一概念涵蓋了產(chǎn)品制造的全過程，從產(chǎn)品設(shè)計和開發(fā)，到生產(chǎn)和最終交付，都依賴于計算機系統(tǒng)的協(xié)同和數(shù)據(jù)共享。數(shù)字化建模

信息化系統(tǒng)

協(xié)同工作和信息共享51.2制造系統(tǒng)的主要類型并行工程并行工程是一種以加速產(chǎn)品設(shè)計和制造過程的理念為基礎(chǔ)的創(chuàng)新方法。其核心思想在于同時進行產(chǎn)品的不同工程階段，以便在整個生命周期內(nèi)減少時間和資源的浪費。這一方法超越了傳統(tǒng)的線性工程模型中各個階段相繼串行進行的模式，取而代之的是通過同時執(zhí)行多個任務(wù)，實現(xiàn)快速而高效的產(chǎn)品開發(fā)。任務(wù)并行化

信息的實時共享和溝通跨職能團隊的協(xié)作61.2制造系統(tǒng)的主要類型精益生產(chǎn)精益生產(chǎn)是一種以最小化浪費為核心理念的生產(chǎn)管理方法，旨在通過精細(xì)的流程優(yōu)化、高效的資源利用和持續(xù)改進，實現(xiàn)生產(chǎn)過程價值創(chuàng)造的最大化。這一理念最初源于日本汽車制造業(yè)，特別是豐田生產(chǎn)系統(tǒng)。精益生產(chǎn)不僅僅是一種生產(chǎn)方式，更是一種全面的企業(yè)文化和經(jīng)營哲學(xué)。杜絕浪費持續(xù)改進拉動式生產(chǎn)71.2制造系統(tǒng)的主要類型敏捷制造敏捷制造是一種以靈活性和快速響應(yīng)為核心理念的制造管理方法。它強調(diào)在不斷變化的市場環(huán)境中，通過迭代、協(xié)作和適應(yīng)性來實現(xiàn)生產(chǎn)過程的高效性和靈活性。敏捷制造的目標(biāo)是在保持高質(zhì)量的前提下，更快地推出新產(chǎn)品，更靈活地滿足客戶需求，并通過不斷改進的方式提高生產(chǎn)效率。團隊面對面的溝通和合作迭代開發(fā)81.2制造系統(tǒng)的主要類型大規(guī)模定制大規(guī)模定制是制造系統(tǒng)中的一種先進生產(chǎn)模式，旨在實現(xiàn)用大規(guī)模生產(chǎn)的成本和效率為客戶提供個性化或部分個性化的產(chǎn)品，滿足市場不斷增長的個性化需求趨勢。隨著計算機等技術(shù)的快速發(fā)展和應(yīng)用，該模式可以通過整合先進的數(shù)字技術(shù)、自動化流程和靈活的生產(chǎn)策略，使制造企業(yè)能夠高效地生產(chǎn)大批量定制產(chǎn)品。數(shù)字技術(shù)自動化流程供應(yīng)鏈的重構(gòu)和優(yōu)化91.2制造系統(tǒng)的主要類型虛擬制造虛擬制造是通過高級仿真技術(shù)在數(shù)字環(huán)境中構(gòu)建產(chǎn)品和生產(chǎn)系統(tǒng)的虛擬模型，從而可以在實際制造之前進行全面測試和優(yōu)化的一種制造模式。該技術(shù)整合了計算機輔助設(shè)計、計算機輔助工程和計算機輔助制造等工具，實現(xiàn)了對產(chǎn)品從設(shè)計到生產(chǎn)的全過程模擬與優(yōu)化。產(chǎn)品的三維數(shù)字模型并行設(shè)計和制造多領(lǐng)域的協(xié)同開發(fā)101.2制造系統(tǒng)的主要類型綠色制造綠色制造是一種以資源高效利用、環(huán)境保護與經(jīng)濟效益最大化為核心目標(biāo)的現(xiàn)代制造模式。其核心理念貫穿產(chǎn)品的全生命周期，包括設(shè)計、生產(chǎn)、包裝、運輸、使用、回收等階段。綠色制造通過降低資源消耗、減少污染排放、提高能效和資源利用率，旨在實現(xiàn)經(jīng)濟發(fā)展與環(huán)境保護的協(xié)調(diào)統(tǒng)一。生態(tài)設(shè)計理念能源的高效利用111.2制造系統(tǒng)的主要類型智能制造智能制造是一種融合了數(shù)字化與智能化技術(shù)的現(xiàn)代制造模式，旨在通過自動化、信息化、網(wǎng)絡(luò)化和智能化手段，實現(xiàn)生產(chǎn)過程的智能控制與優(yōu)化管理。其核心目標(biāo)是提升生產(chǎn)效率、降低制造成本、提高產(chǎn)品質(zhì)量，從而增強企業(yè)的市場競爭力。物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能等技術(shù)應(yīng)用人機協(xié)作個性化定制121.3智能制造系統(tǒng)計劃與控制的關(guān)鍵技術(shù)智能生產(chǎn)計劃經(jīng)濟制造數(shù)量問題模型（EMQ）該模型考慮了設(shè)備故障和維護成本對生產(chǎn)與庫存持有成本的影響，同時使用靜態(tài)和動態(tài)的方法來實現(xiàn)最小化生產(chǎn)與庫存持有成本的總和，其中靜態(tài)的方法依賴于確定性的最優(yōu)批量計算，而動態(tài)的方法則根據(jù)實時的設(shè)備故障和維護情況來調(diào)整批量決策，以應(yīng)對生產(chǎn)過程中的不確定性。單設(shè)備有限產(chǎn)能批量問題模型（CLSP）該模型更適用于多產(chǎn)品、動態(tài)需求、計劃期有限的復(fù)雜生產(chǎn)環(huán)境，其目標(biāo)是通過確定不同生產(chǎn)周期內(nèi)的產(chǎn)品批量，最小化生產(chǎn)成本。其關(guān)鍵特征是考慮了設(shè)備運行時間的產(chǎn)能約束，尤其是在生產(chǎn)過程中可能發(fā)生設(shè)備故障和日常維護的情況下。流水線條件下的CLSP模型該模型主要關(guān)注多階段制造系統(tǒng)的復(fù)雜性，特別是在存在設(shè)備故障與維護需求的情況下。該模型通過分析批量生產(chǎn)在流水線系統(tǒng)中的完成時間，評估設(shè)備間的協(xié)作效率及其對整體產(chǎn)出的影響。131.3智能制造系統(tǒng)計劃與控制的關(guān)鍵技術(shù)智能調(diào)度人工智能技術(shù)人工智能技術(shù)在智能調(diào)度中的角色至關(guān)重要，其典型的技術(shù)包括模糊邏輯、專家系統(tǒng)、機器學(xué)習(xí)等。計算智能技術(shù)計算智能技術(shù)在智能調(diào)度中發(fā)揮著重要作用。計算智能技術(shù)通過借鑒生物智能和物理現(xiàn)象，提出了基于鄰域搜索和種群迭代的優(yōu)化算法?；卩徲蛩阉鞯乃惴òM退火和禁忌搜索等，基于種群迭代的算法包括遺傳算法、蟻群優(yōu)化和粒子群優(yōu)化等。多智能體系統(tǒng)多智能體系統(tǒng)（MAS）的引入為智能調(diào)度帶來了強大的協(xié)調(diào)機制和沖突解決策略。在制造系統(tǒng)調(diào)度中，MAS能夠利用其自治性、社會性和協(xié)同性，實現(xiàn)資源和任務(wù)的高效調(diào)度。協(xié)調(diào)機制和沖突解決策略是MAS的核心，常見的沖突解決策略包括基于約束、規(guī)則、事例和協(xié)商等類型。141.3智能制造系統(tǒng)計劃與控制的關(guān)鍵技術(shù)數(shù)字化質(zhì)量管理質(zhì)量數(shù)據(jù)采集技術(shù)借助先進的傳感器、RFID、條碼掃描器等技術(shù)；采用三坐標(biāo)測量機、通用數(shù)字化檢測儀器等設(shè)備；通過引入智能化、自動化和聯(lián)網(wǎng)等技術(shù)；借助新一代信息技術(shù)檢驗和測試數(shù)字化管理。數(shù)據(jù)處理技術(shù)數(shù)據(jù)預(yù)處理、數(shù)據(jù)融合、數(shù)據(jù)分析和數(shù)學(xué)建模等方面。質(zhì)量大數(shù)據(jù)建模技術(shù)采用大數(shù)據(jù)技術(shù)，深入挖掘質(zhì)量數(shù)據(jù)的價值，及時識別質(zhì)量風(fēng)險和機遇。通過歷史數(shù)據(jù)和實時數(shù)據(jù)，預(yù)測潛在的質(zhì)量問題，并提供實時的質(zhì)量控制建議。質(zhì)量可視化與協(xié)同管理技術(shù)通過將生產(chǎn)現(xiàn)場復(fù)雜的質(zhì)量信息轉(zhuǎn)化為直觀的圖形和圖表，使操作人員能夠快速理解和分析數(shù)據(jù)，優(yōu)化決策并提高生產(chǎn)效率。異地可視化協(xié)同監(jiān)控系統(tǒng)通過計算機網(wǎng)絡(luò)和數(shù)據(jù)庫技術(shù)，支持企業(yè)及其相關(guān)方對質(zhì)量體系和產(chǎn)品生命周期的全面監(jiān)控與協(xié)作處理。151.3智能制造系統(tǒng)計劃與控制的關(guān)鍵技術(shù)知識管理知識的獲取和表示信息來源豐富多樣，利用自然語言處理、數(shù)據(jù)挖掘和知識抽取等技術(shù)可以從這些信息中提取有價值的知識，建立一個全面的質(zhì)量知識庫。知識的組織和管理通過運用知識圖譜、本體論等技術(shù)，質(zhì)量數(shù)據(jù)和信息可以被結(jié)構(gòu)化組織，形成清晰的知識網(wǎng)絡(luò)，提高對質(zhì)量數(shù)據(jù)的理解和利用效率，進而支持質(zhì)量控制和改進工作。知識的推理和應(yīng)用通過邏輯推理、專家系統(tǒng)等技術(shù)，質(zhì)量管理系統(tǒng)不僅能夠靜態(tài)地存儲和組織知識，還能夠進行智能決策支持和問題解決。16第2章智能生產(chǎn)計劃2.1生產(chǎn)計劃概述2.2經(jīng)濟制造數(shù)量問題模型2.3單設(shè)備有限產(chǎn)能批量問題模型2.4流水線條件下的有限產(chǎn)能批量問題模型2.5智能生產(chǎn)計劃的發(fā)展趨勢2.1.1生產(chǎn)發(fā)展的基本概念與發(fā)展2.1生產(chǎn)計劃概述基本概念：生產(chǎn)計劃是在有限資源條件下，通過長期、中期和短期不同層次的計劃安排，以高效滿足外部需求的關(guān)鍵管理手段。經(jīng)濟訂貨量問題EOQ經(jīng)濟制造數(shù)量問題EMQ經(jīng)濟批量調(diào)度問題ELSP靜態(tài)需求有限產(chǎn)能多產(chǎn)品動態(tài)需求無限產(chǎn)能批量問題ULSP有限產(chǎn)能批量問題CLSP多階段能力約束問題MLCLSP有限產(chǎn)能多階段12.1.2生產(chǎn)計劃模型分類分類基準(zhǔn)生產(chǎn)批量計劃問題的類型產(chǎn)品種類單產(chǎn)品，多產(chǎn)品層級數(shù)量單層級，多層級計劃周期長度有限周期，無限周期能力約束有限產(chǎn)能，無限產(chǎn)能需求的確定性程度需求的變動性確定性，隨機性靜態(tài)需求，動態(tài)需求生產(chǎn)批量計劃問題分類22.1生產(chǎn)計劃概述2.2經(jīng)濟制造數(shù)量問題模型2.2.1經(jīng)濟制造數(shù)量(EMQ)問題模型應(yīng)用領(lǐng)域：機械包裝、金屬件沖壓、塑化成形、食品生產(chǎn)和化工行業(yè)等

EMQ批量模型以企業(yè)內(nèi)部的生產(chǎn)運作為決策背景，涉及現(xiàn)實中廣泛存在的設(shè)備故障與維護問題，因此批量決策時需考慮設(shè)備故障/維護對生產(chǎn)的影響，從而實現(xiàn)系統(tǒng)整體運營成本的最小化。終端產(chǎn)品底層零部件ABCDE產(chǎn)品結(jié)構(gòu)工廠C工廠D工廠B總裝廠A工廠E工廠(制造系統(tǒng))生產(chǎn)類型系統(tǒng)配置1.單件生產(chǎn)2.批量生產(chǎn)3.大量生產(chǎn)1.單設(shè)備2.流水線3.其他設(shè)備的維護需求32.2.2基礎(chǔ)EMQ回顧EMQ問題的平均成本構(gòu)成圖經(jīng)典模型假設(shè)：需求率d與生產(chǎn)率p（p>d）每次準(zhǔn)備成本S，庫存持有成本h平均成本函數(shù)：其中Q是批量大小最優(yōu)批量：

42.2經(jīng)濟制造數(shù)量問題模型2.2.3遇故障“不可恢復(fù)”NR模型——靜態(tài)解法

NR模型52.2經(jīng)濟制造數(shù)量問題模型2.2.4NR模型——動態(tài)邊際成本解法平均成本與邊際成本關(guān)系邊際成本：平均成本：最優(yōu)批量：

62.2經(jīng)濟制造數(shù)量問題模型AR策略描述故障點<Q?→恢復(fù)剩余量故障點≥Q?→放棄，零庫存重啟AR-E平均成本：

2.2.5遇故障“可恢復(fù)”AR策略AR模型72.2經(jīng)濟制造數(shù)量問題模型關(guān)鍵洞察：無論故障點在哪，一律從零庫存恢復(fù)生產(chǎn)避免持有在制品，降低準(zhǔn)備+庫存成本動態(tài)模型：每次故障/重啟后重新計算最優(yōu)批量累計成本、時間更新公式最優(yōu)批量：2.2.6新策略ZIR：零庫存恢復(fù)

82.2經(jīng)濟制造數(shù)量問題模型2.2.7抽樣均值比較平均成本偏差最優(yōu)批量偏差NR-E模型中兩種方法績效一致92.2經(jīng)濟制造數(shù)量問題模型平均成本偏差ZIR可有效降低成本最大降幅超過10%102.2經(jīng)濟制造數(shù)量問題模型2.2.7抽樣均值比較2.2.8動態(tài)方法的收斂性成本與批量曲線1.平均成本與最優(yōu)批量收斂于最優(yōu)值2.平均成本與最優(yōu)批量同向波動112.2經(jīng)濟制造數(shù)量問題模型2.2.9小結(jié)&后續(xù)研究三種策略NR：故障后把沒做完的全部報廢，從零重新開始——適合恢復(fù)代價極高。AR：故障時看已做數(shù)量，小就繼續(xù)做完，大就報廢——適合中等恢復(fù)成本。ZIR：每次故障后都從零庫存重新開做——在恢復(fù)成本低于啟動成本時最省錢。兩種方法靜態(tài)法：提前算一個固定批量，一直照做；簡單穩(wěn)定。動態(tài)法：每做完一批或每出一次故障就重新算下一批該做多少；更靈活，最終成本和靜態(tài)幾乎一樣，但故障越頻繁、維修越貴時波動越大、收斂越慢。后續(xù)：多產(chǎn)品、多階段流水線、非指數(shù)故障分布等122.2經(jīng)濟制造數(shù)量問題模型2.3單設(shè)備CLSP與設(shè)備維護集成2.3.1有限產(chǎn)能批量問題模型生產(chǎn)周期、預(yù)防性維護周期和計劃周期的關(guān)系目標(biāo)函數(shù)物料平衡產(chǎn)能約束132.3.2兩種建模策略兩種集成建模策略影響決策的機制基于設(shè)備運行策略按“實際開機時間”累計役齡，因此能剔除閑置期、準(zhǔn)確反映真實劣化，負(fù)荷變化時維護節(jié)點隨之柔性調(diào)整；而基于時間間隔策略按“日歷時間”累計役齡，把閑置也算進役齡，結(jié)果低估了可靠性，導(dǎo)致維護計劃偏頻、成本偏高，兩條路徑最終在可靠性評估、故障預(yù)期和總成本決策上出現(xiàn)顯著差異。142.3單設(shè)備CLSP與設(shè)備維護集成2.3.3可靠性約束模型兩種建模策略下設(shè)備的可靠性曲線兩種建模策略下運行時間與維護間隔設(shè)備的可靠性約束：威布爾分布預(yù)防維護：設(shè)備的產(chǎn)能約束：

要求計劃期內(nèi)設(shè)備可靠性大于設(shè)定閾值，忽略故障因素考慮預(yù)防性維護對產(chǎn)能和綜合成本的影響152.3單設(shè)備CLSP與設(shè)備維護集成2.3.4

不同負(fù)荷條件下的成本比較生產(chǎn)成本總成本兩種建模策略對生產(chǎn)決策影響較小基于設(shè)備運行策略在總成本方面占優(yōu)下降10%162.3單設(shè)備CLSP與設(shè)備維護集成2.3.5故障因素模型

兩種建模策略下運行時間與維護間隔172.3單設(shè)備CLSP與設(shè)備維護集成2.3.6不同負(fù)荷下的兩種建模策略比較生產(chǎn)成本維護成本平均維護成本兩種建模策略對生產(chǎn)決策影響較小基于設(shè)備運行策略有效降低維護成本基于設(shè)備運行策略平均維護成本接近最優(yōu)值182.3單設(shè)備CLSP與設(shè)備維護集成2.3.7魯棒性CLSP考慮魯棒性約束的生產(chǎn)計劃建?；诠收掀谕纳a(chǎn)計劃模型替代192.3單設(shè)備CLSP與設(shè)備維護集成2.3.8小結(jié)可靠性約束模型——用閾值θ觸發(fā)預(yù)防維護，確保高可靠、低故障風(fēng)險，適合關(guān)鍵設(shè)備；故障因素模型——把威布爾故障期望及事后小修成本直接寫進產(chǎn)能約束和目標(biāo)函數(shù)，讓計劃直面故障停機；魯棒性CLSP——通過機會約束保證各周期滿足產(chǎn)能的概率≥β*。后續(xù)：將單設(shè)備模型擴展到多設(shè)備，流水線場景202.3單設(shè)備CLSP與設(shè)備維護集成2.4流水線下CLSP與維護的聯(lián)合建模優(yōu)化2.4.1流水線條件下CLSP問題模型研究對象：不可靠的流水線系統(tǒng)研究目標(biāo)：建立非馬爾科夫流水線的能力評估方法建模與求解流水線下CLSP與設(shè)備維護聯(lián)合模型CLSP企業(yè)/工廠能力評估212.4.2流水線系統(tǒng)的運作機制流水線單設(shè)備批量完成時間無法直接計算222.4流水線下CLSP與維護的聯(lián)合建模優(yōu)化2.4.3在制品流通的遞推關(guān)系在制品開始加工時間：在制品釋放時間：實時緩存水平：系統(tǒng)產(chǎn)出率：設(shè)備可用度：區(qū)別流水線效率與單設(shè)備效率232.4流水線下CLSP與維護的聯(lián)合建模優(yōu)化2.4.4抽樣過程1.生產(chǎn)期間是否發(fā)生故障3.生產(chǎn)后是否發(fā)生阻塞2.生產(chǎn)前是否發(fā)生饑餓242.4流水線下CLSP與維護的聯(lián)合建模優(yōu)化2.4.5故障抽樣的結(jié)果1.變異系數(shù)

：3~6%CV=STD/TH抽樣過程較為穩(wěn)定2.DevA：3~41%DevA=(TH-A)/A瓶頸部位效率無法替代系統(tǒng)效率252.4流水線下CLSP與維護的聯(lián)合建模優(yōu)化2.4.6產(chǎn)出率的分布與收斂性1.抽樣結(jié)果符合正態(tài)分布2.抽樣精度水平：0.1-0.2%產(chǎn)出率分布直方圖產(chǎn)出率均值收斂過程262.4流水線下CLSP與維護的聯(lián)合建模優(yōu)化2.4.7系統(tǒng)產(chǎn)出率與邊際產(chǎn)出率不同初始狀態(tài)不同系統(tǒng)配置不同緩存空間不同設(shè)備數(shù)量272.4流水線下CLSP與維護的聯(lián)合建模優(yōu)化2.4.8CLSP與設(shè)備維護的聯(lián)合建模宏觀決策微觀實現(xiàn)282.4流水線下CLSP與維護的聯(lián)合建模優(yōu)化2.4.9故障條件下考慮魯棒性的流水線系統(tǒng)建模

目標(biāo)函數(shù)約束條件292.4流水線下CLSP與維護的聯(lián)合建模優(yōu)化2.4.10算例分析模型求解步驟：將這一隨機規(guī)劃模型轉(zhuǎn)換成確定性模型采用優(yōu)化軟件Lingo進行求解結(jié)論：模型的求解結(jié)果符合預(yù)期，當(dāng)生產(chǎn)批量滿足魯棒性約束時，生產(chǎn)計劃滿足產(chǎn)能約束的概率達到了設(shè)定的魯棒性水平。通過不同設(shè)備數(shù)量條件下魯棒性的敏感度分析發(fā)現(xiàn)，設(shè)備數(shù)量越多，生產(chǎn)成本越高，當(dāng)魯棒性水平松弛到較低水平（40%）時，生產(chǎn)成本達到CLSP對應(yīng)的下限。不同β*條件下的生產(chǎn)成本變化趨勢模型各周期滿足產(chǎn)能約束的概率302.4流水線下CLSP與維護的聯(lián)合建模優(yōu)化2.5.智能生產(chǎn)計劃的發(fā)展趨勢2.5.1未來發(fā)展趨勢模型升級把“質(zhì)量衰減”寫進單設(shè)備CLSP/流水線模型用“有限緩存優(yōu)化”替代固定緩存，降低故障連鎖沖擊方法革新把動態(tài)邊際成本法擴展到“含維護時長”的可恢復(fù)EMQ混合啟發(fā)式+深度強化學(xué)習(xí)，破解NP-hard規(guī)模爆炸技術(shù)落地深度強化學(xué)習(xí)零標(biāo)注、自學(xué)習(xí)，可遷移到新產(chǎn)線/新任務(wù)在線試錯=在線優(yōu)化，實現(xiàn)“邊生產(chǎn)、邊改進”的智能排產(chǎn)31第3章智能調(diào)度3.1智能調(diào)度概述3.2智能調(diào)度的關(guān)鍵技術(shù)3.3數(shù)字化質(zhì)量管理應(yīng)用示例3.4數(shù)字化質(zhì)量管理發(fā)展趨勢3.1

智能調(diào)度概述制造系統(tǒng)的調(diào)度問題制造系統(tǒng)的調(diào)度問題是指在一定時期內(nèi)按照指定的性能指標(biāo)標(biāo)準(zhǔn)來安排生產(chǎn)任務(wù)及分配制造系統(tǒng)資源的過程。調(diào)度問題的定義調(diào)度的本質(zhì)是通過對有限資源（包括物質(zhì)、時間、資金、人員等）的合理配置，尋求系統(tǒng)目標(biāo)（如產(chǎn)量、效率、速度、負(fù)荷等）的最大化，最終滿足客戶及自身的目標(biāo)要求。供應(yīng)鏈層級的調(diào)度問題企業(yè)生產(chǎn)調(diào)度車間生產(chǎn)調(diào)度企業(yè)級以上層面的制造系統(tǒng)企業(yè)級的制造系統(tǒng)資源調(diào)度車間級的制造系統(tǒng)資源調(diào)度1經(jīng)典三元組表示：α(機器環(huán)境)、β(加工約束)、γ(性能指標(biāo))

調(diào)度問題描述單機并行機同速機恒速機變速機流水車間柔性流水車間作業(yè)車間開放車間α(機器環(huán)境)提交時間調(diào)試時間中斷故障優(yōu)先約束阻塞零等待再循環(huán)批處理交貨期β(加工約束)基于加工完成時間的指標(biāo)最大完成時間平均完成時間基于交貨期的性能指標(biāo)總延遲時間基于產(chǎn)量/庫存的性能指標(biāo)平均已完成工件數(shù)基于機器負(fù)荷的性能指標(biāo)最大機器負(fù)荷γ(性能指標(biāo))3.1智能調(diào)度概述2生產(chǎn)調(diào)度方法類型基于啟發(fā)式規(guī)則的方法基于運籌學(xué)的方法基于仿真的方法基于人工智能的方法單機/簡單流水車間解析優(yōu)化研究數(shù)學(xué)工具應(yīng)用于調(diào)度優(yōu)化證明多數(shù)調(diào)度為NP完全/NP難問題智能算法·仿真建模·數(shù)學(xué)求解器調(diào)度方法的發(fā)展3.1智能調(diào)度概述3啟發(fā)式規(guī)則啟發(fā)式規(guī)則，又稱調(diào)度策略，是指選取工件的某個或者某些屬性作為工件的優(yōu)先級，按照優(yōu)先級的高低順序選擇工件進行加工的方法，具有計算量小、效率高、實時性好的優(yōu)勢?；趦?yōu)先分派的規(guī)則基于負(fù)載平衡的規(guī)則混合規(guī)則這種方法是給所有待加工的工序分派一個優(yōu)先權(quán)，按優(yōu)先權(quán)次序排序，然后選擇優(yōu)先權(quán)最高的工序。RandomFCFSSPTLPT負(fù)載平衡問題就是如何將任務(wù)均勻分配給各工作站，使系統(tǒng)效率最高。靜態(tài)負(fù)載平衡調(diào)度策略：工作站的任務(wù)量、任務(wù)間的通信量都為定值，不隨時間變化。動態(tài)負(fù)載平衡調(diào)度策略：每臺工作站上的任務(wù)是動態(tài)產(chǎn)生的，并且每臺工作站的負(fù)載大小是動態(tài)變化的?；旌喜煌恼{(diào)度規(guī)則，旨在實現(xiàn)一個實時的調(diào)度算法。在混合調(diào)度規(guī)則方法中，由于每臺機器可以申請不同的調(diào)度規(guī)則，故需要指定一個組合的基本調(diào)度規(guī)則。3.1智能調(diào)度概述4運籌學(xué)方法該方法是將生產(chǎn)調(diào)度問題轉(zhuǎn)化為數(shù)學(xué)模型，設(shè)計目標(biāo)函數(shù)、約束函數(shù)及變量，最終提煉成數(shù)學(xué)規(guī)劃模型（如線性規(guī)劃、整數(shù)規(guī)劃、目標(biāo)規(guī)劃、動態(tài)規(guī)劃等模型），采用基于枚舉思想的分支定界法或動態(tài)規(guī)劃算法求解調(diào)度問題的最優(yōu)解或近似最優(yōu)解，屬于精確算法。方法原理典型應(yīng)用場景??拉格朗日松弛法松弛部分約束+添加懲罰函數(shù)作業(yè)車間調(diào)度問題分解方法拆解問題→子問題優(yōu)化→集成求解復(fù)雜系統(tǒng)調(diào)度??分支定界法動態(tài)剪枝搜索解空間??限于N<250??1960s理論奠基??追求多項式時間復(fù)雜度的??確定性最優(yōu)解??核心方法：??混合整數(shù)規(guī)劃(MIP)??計算瓶頸：整數(shù)變量數(shù)量隨問題規(guī)模??指數(shù)級增長?發(fā)展歷程??CPLEX/Gurobi/MOSEK等數(shù)學(xué)求解器→封裝優(yōu)化算法，免除底層編程→實現(xiàn)??全局優(yōu)化調(diào)度??→可接受時間內(nèi)生成??理論最優(yōu)解?現(xiàn)代求解器實際應(yīng)用瓶頸?動態(tài)響應(yīng)短板??特殊約束場景需簡化假設(shè)無法滿足??動態(tài)重調(diào)度??的實時需求3.1智能調(diào)度概述5基于仿真的方法該方法模擬實際制造系統(tǒng)的運行過程，借助仿真軟件平臺構(gòu)建制造系統(tǒng)的仿真模型（一般根據(jù)具體制造系統(tǒng)的特點，分為離散事件系統(tǒng)模型和連續(xù)系統(tǒng)模型），模擬不同的任務(wù)需求、分派調(diào)度策略及狀態(tài)變量等，用于生產(chǎn)線布局、工廠資源分配和調(diào)度、生產(chǎn)過程、倉庫和物流等方面的預(yù)規(guī)劃優(yōu)化。設(shè)計仿真實驗評價指標(biāo)仿真模擬計算調(diào)度優(yōu)化解對比分析發(fā)現(xiàn)問題調(diào)整優(yōu)化降低成本3.1智能調(diào)度概述6基于人工智能的方法針對調(diào)度問題普遍存在的NP-hard特性及動態(tài)復(fù)雜性，人工智能方法通過融合啟發(fā)式規(guī)則、智能算法與仿真技術(shù)，突破傳統(tǒng)數(shù)學(xué)規(guī)劃的計算局限，在降低求解時間的同時發(fā)現(xiàn)更優(yōu)解決方案，實現(xiàn)制造系統(tǒng)的高效優(yōu)化調(diào)度。智能方法規(guī)則智能選擇啟發(fā)式規(guī)則+仿真+智能算法計算智能驅(qū)動演化算法/神經(jīng)網(wǎng)絡(luò)群體智能協(xié)同蟻群/粒子群優(yōu)化3.1

智能調(diào)度概述7智能調(diào)度一般認(rèn)為，隨著調(diào)度問題規(guī)模的擴大、約束的增加、覆蓋面的增大，其計算復(fù)雜性也越來越高，現(xiàn)實中的許多組合問題比較復(fù)雜，要從可能的組合或序列中尋求出最佳調(diào)度方案需要很大的搜索空間，可能產(chǎn)生組合爆炸問題。采用傳統(tǒng)的基于規(guī)則的算法，難以取得理想的調(diào)度結(jié)果，因此需要用智能算法進行調(diào)度。這種采用智能算法的調(diào)度問題被稱為智能調(diào)度?；谌斯ぶ悄艿恼{(diào)度基于計算智能算法的調(diào)度基于智能體的自主調(diào)度人工智能也稱機器智能，它是由計算機科學(xué)、控制論、信息論、神經(jīng)生理學(xué)、心理學(xué)、語言學(xué)等多種學(xué)科互相滲透而發(fā)展起來的一門綜合性學(xué)科。專家系統(tǒng)人工神經(jīng)網(wǎng)絡(luò)計算智能以人類、生物的行為方式或物質(zhì)的運動形態(tài)為背景，經(jīng)過數(shù)學(xué)抽象建立算法模型，通過計算機的計算來求解組合最優(yōu)化問題。禁忌搜索模擬退火遺傳算法人工免疫算法群體智能是受啟發(fā)于群居生物的群體行為，并對之進行模擬抽象而成的算法和模型。蟻群優(yōu)化蜂群優(yōu)化微粒群優(yōu)化3.1智能調(diào)度概述8起步階段（2007-2011）1大量研究集中在車間調(diào)度、多智能體系統(tǒng)研究方向多圍繞經(jīng)典車間調(diào)度模型展開實際生產(chǎn)問題被簡化提煉成簡單的調(diào)度模型，從而設(shè)計基于運籌學(xué)或仿真的調(diào)度優(yōu)化解。成熟階段（2015至今）?3經(jīng)典調(diào)度模型和“大數(shù)據(jù)”“互聯(lián)網(wǎng)＋”“云”等理念相互結(jié)合，不斷涌現(xiàn)出包含主動調(diào)度、動態(tài)調(diào)度、分布式協(xié)同調(diào)度、云調(diào)度等新穎關(guān)鍵詞的研究課題。發(fā)展階段（2012-2015）2調(diào)度問題得到廣泛關(guān)注，以信息化、互動化、自動化為發(fā)展方向，以資源配置能力、運行效率、智能化水平為發(fā)展目標(biāo)，拓展理論問題的適用范圍，引入大量智能算法提升調(diào)度解的求解效率。智能調(diào)度發(fā)展現(xiàn)狀3.1智能調(diào)度概述9智能調(diào)度特點與意義智能調(diào)度的特點適應(yīng)動態(tài)環(huán)境考慮系統(tǒng)柔性和作業(yè)復(fù)雜性考慮其他生產(chǎn)環(huán)節(jié)的影響具有多目標(biāo)性具備高效智能的算法與數(shù)字化工廠緊密結(jié)合智能調(diào)度的意義有利于減少加工等待時間，提高加工效率有利于降低庫存，確保公司物流、倉儲系統(tǒng)運行正常有利于提高產(chǎn)品生產(chǎn)管理水平，建立現(xiàn)代企業(yè)管理體系3.1

智能調(diào)度概述103.2智能調(diào)度的關(guān)鍵技術(shù)智能調(diào)度的關(guān)鍵技術(shù)人工智能技術(shù)模糊邏輯調(diào)度專家系統(tǒng)機器學(xué)習(xí)計算智能基于領(lǐng)域搜索的優(yōu)化算法基于種群迭代的優(yōu)化算法多智能體系統(tǒng)其他支撐數(shù)字化工廠的計算機關(guān)鍵技術(shù)機器視覺技術(shù)網(wǎng)絡(luò)結(jié)構(gòu)以及上云關(guān)鍵技術(shù)11人工智能技術(shù)-模糊邏輯Zadeh提出的模糊集合（以[0,1]區(qū)間的隸屬度為核心）奠定了模糊數(shù)學(xué)基礎(chǔ)，并衍生出模糊邏輯。該理論被應(yīng)用于處理生產(chǎn)調(diào)度（如五類車間問題）中因信息不精確、主觀性導(dǎo)致的不確定性（模糊調(diào)度），以提升系統(tǒng)適應(yīng)性和靈活性，但其方法本身也存在局限性。3.2智能調(diào)度的關(guān)鍵技術(shù)12人工智能技術(shù)-調(diào)度專家系統(tǒng)專家系統(tǒng)是利用領(lǐng)域?qū)＜抑R（存儲在知識庫中），通過推理引擎模擬專家決策來解決復(fù)雜問題的AI程序，其架構(gòu)還包括用戶界面。經(jīng)歷了從解決單一問題到多學(xué)科綜合的演進，現(xiàn)代趨勢是融合多種AI技術(shù)（如多智能體協(xié)作、神經(jīng)網(wǎng)絡(luò)）實現(xiàn)更強大的第四代系統(tǒng)。在調(diào)度領(lǐng)域，專家系統(tǒng)被專門用于生成生產(chǎn)計劃，從早期的ISIS系統(tǒng)發(fā)展到如今常與其他智能算法（模糊邏輯、群智能等）集成應(yīng)用，具備特定優(yōu)勢與不足。3.2智能調(diào)度的關(guān)鍵技術(shù)133.2智能調(diào)度的關(guān)鍵技術(shù)人工智能技術(shù)-機器學(xué)習(xí)調(diào)度中基于案例的推理調(diào)度中的歸納學(xué)習(xí)基于案例的推理(CBR)是由Schank(1982)提出的機器學(xué)習(xí)方法，其核心是通過“類比”（檢索相似歷史案例）來“復(fù)用”經(jīng)驗解決新問題，必要時進行“修正”，并將新解“保留”為案例實現(xiàn)增量學(xué)習(xí)（4R循環(huán)），區(qū)別于基于規(guī)則推導(dǎo)的專家系統(tǒng)。歸納學(xué)習(xí)是從具體實例推斷類別通用描述（涵蓋正面、排除負(fù)面）的常用方法，其代表性算法——決策樹（1984年CART提出）通過遞歸選擇最優(yōu)特征并分割數(shù)據(jù)（生成）來構(gòu)建樹形分類/回歸模型，并需剪枝優(yōu)化。調(diào)度中的神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)(ANN)是模擬人腦神經(jīng)元連接的計算模型（本質(zhì)是大規(guī)模并行分布式處理器），通過學(xué)習(xí)過程（調(diào)整突觸權(quán)重）從環(huán)境中獲取知識并存儲在連接中，使其具備學(xué)習(xí)、記憶、模式識別等智能處理能力；學(xué)習(xí)完成后，收斂的權(quán)重矩陣使網(wǎng)絡(luò)能對輸入數(shù)據(jù)進行有效處理（如分類）。14計算智能-基于領(lǐng)域搜索的優(yōu)化算法模擬退火算法傳統(tǒng)局部搜索易陷入局部最優(yōu)，鄰域搜索（LS）算法通過啟發(fā)式初始解和迭代改進對其進行擴展；為突破局部最優(yōu)實現(xiàn)全局優(yōu)化，關(guān)鍵策略包括：概率接受劣解（模擬退火）、擴大鄰域（如k-opt）、變結(jié)構(gòu)鄰域搜索以及利用禁忌表避免迂回的確定性突跳（禁忌搜索）。禁忌搜索算法模擬退火算法（源于固體退火物理過程）是一種隨機優(yōu)化方法：它從高溫/隨機解出發(fā)，通過迭代生成鄰域解，并依據(jù)Metropolis準(zhǔn)則（優(yōu)解必接受，劣解按概率接受）決定移動；關(guān)鍵的溫度下降機制控制著接受劣解的概率（高溫高概率利于全局探索，低溫低概率趨向局部求精），最終使算法能以概率突跳跳出局部最優(yōu)并收斂到全局最優(yōu)解。禁忌搜索（Glover,1986）是擴展局部鄰域搜索的智能優(yōu)化算法，通過動態(tài)禁忌表模擬記憶功能，標(biāo)記并避開近期局部最優(yōu)解以減少重復(fù)搜索；其核心機制（禁忌表、禁忌長度、藐視準(zhǔn)則）確保探索多樣性，最終實現(xiàn)全局優(yōu)化。3.2智能調(diào)度的關(guān)鍵技術(shù)15計算智能-基于種群迭代的優(yōu)化算法進化算法群體智能算法在鄰域搜索算法中，每次迭代得到一個解，其效率不高，且易于陷入局部最優(yōu)。而種群迭代算法是每次迭代得到一群（代）解，較優(yōu)解是一群可行解中的最優(yōu)。從算法機理上而言，一群解的迭代可以較好地規(guī)避過早陷入局部最優(yōu)的情形。從其產(chǎn)生群（代）解的機理不同，種群迭代優(yōu)化可分為進化算法和群體智能算法。

進化算法（含遺傳算法、進化規(guī)劃等）通過模擬生物進化過程（種群迭代+適者生存）解決優(yōu)化問題；其中遺傳算法（Holland,1970s）憑借交叉、變異、選擇操作及種群機制，在調(diào)度等組合優(yōu)化領(lǐng)域應(yīng)用最廣，能以較高效率獲得魯棒解。群體智能算法模擬昆蟲/鳥群/魚群等簡單個體通過合作學(xué)習(xí)涌現(xiàn)的群體優(yōu)化能力；在調(diào)度領(lǐng)域，PSO算法（1995）通過粒子追隨個體與群體歷史最優(yōu)位置進行搜索，而ACO算法（1990s）則利用螞蟻通過信息素正反饋和揮發(fā)機制、結(jié)合概率選擇（信息素濃度+啟發(fā)信息）來尋找最優(yōu)路徑（如轉(zhuǎn)化后的TSP/JSP問題），有效避免局部最優(yōu)。3.2智能調(diào)度的關(guān)鍵技術(shù)16多智能體系統(tǒng)智能體（Agent）的本質(zhì)"自治的軟硬件實體，模擬人類協(xié)作智能"自主性反應(yīng)性社會性主動性適應(yīng)性學(xué)習(xí)性進化性協(xié)同性多智能體系統(tǒng)（MAS）社會性自治性協(xié)同性MAS是指一些智能體通過協(xié)同完成某些任務(wù)或達到某些目標(biāo)的計算系統(tǒng)，它是由多個自治或半自治的智能體所構(gòu)成的大型系統(tǒng)。在實際生產(chǎn)過程中，常常有突發(fā)的生產(chǎn)訂單、設(shè)備故障等動態(tài)現(xiàn)象發(fā)生，可能導(dǎo)致任務(wù)之間在時間、資源等方面的沖突。因此，生產(chǎn)計劃調(diào)度系統(tǒng)的成功運行協(xié)調(diào)機制和協(xié)商／沖突解決策略非常重要，兩者相輔相成，缺一不可。

3.2智能調(diào)度的關(guān)鍵技術(shù)17構(gòu)建多智能體系統(tǒng)智能體模型MAS體系結(jié)構(gòu)交互與通信一致性與協(xié)同性MAS規(guī)劃沖突處理調(diào)度MAS中的協(xié)調(diào)機制基本問題若要眾多自治的智能體呈現(xiàn)出系統(tǒng)層面更強的統(tǒng)籌智能性，還需要規(guī)劃設(shè)計MAS的協(xié)調(diào)機制和沖突消解策略?；诩s束的沖突解決

基于規(guī)則的沖突解決

基于事例的沖突解決

基于協(xié)商的沖突解決

3.2智能調(diào)度的關(guān)鍵技術(shù)183.2智能調(diào)度的關(guān)鍵技術(shù)其他支撐數(shù)字化工廠的計算機關(guān)鍵技術(shù)前面幾節(jié)介紹的主要是智能調(diào)度涉及的軟件與算法技術(shù)。智能調(diào)度若要真正實現(xiàn)，需要結(jié)合調(diào)度問題中的實體執(zhí)行對象。實際生產(chǎn)系統(tǒng)的調(diào)度對實時性的要求非常高，許多數(shù)據(jù)需要實時采集、計算分析，然后高效決策、反饋控制，從而完成調(diào)度的完整閉環(huán)。193.3智能調(diào)度發(fā)展趨勢智能算法的創(chuàng)新及落地計算智能算法創(chuàng)新層面：混合算法／集成算法多目標(biāo)優(yōu)化算法效率的提升算法落地應(yīng)用層面：約束復(fù)雜性動態(tài)調(diào)度調(diào)度中人因的導(dǎo)入現(xiàn)有研究局限：聚焦機器/設(shè)備資源優(yōu)化（車間/產(chǎn)線層級）忽視人力資源的協(xié)同配置核心矛盾：機器需人工操作+系統(tǒng)需人員維護優(yōu)化方向：構(gòu)建「機器設(shè)備+人力資源」多約束協(xié)同調(diào)度模型基于數(shù)據(jù)驅(qū)動的主動調(diào)度集成數(shù)字孿生的智能車間調(diào)度面向數(shù)字化工廠的分布式智能協(xié)同調(diào)度數(shù)據(jù)驅(qū)動主動調(diào)度：用實時數(shù)據(jù)預(yù)測問題和趨勢，提前調(diào)整計劃，確保穩(wěn)定應(yīng)對變化。??數(shù)字孿生集成調(diào)度：??構(gòu)建車間虛擬鏡像，實現(xiàn)數(shù)據(jù)驅(qū)動仿真優(yōu)化閉環(huán)，智能協(xié)同應(yīng)對復(fù)雜環(huán)境。分布式智能協(xié)同調(diào)度：??跨工廠互聯(lián)共享資源，分工協(xié)作智能優(yōu)化，實現(xiàn)低成本高效協(xié)同生產(chǎn)。云制造中的智能調(diào)度平臺調(diào)度樞紐化：??云端平臺成為任務(wù)分配與資源匹配的核心樞紐。層級調(diào)度專業(yè)化：??平臺、企業(yè)、車間三級調(diào)度職責(zé)清晰，各司其職。雙向協(xié)同常態(tài)化：平臺與企業(yè)/車間需實時互通狀態(tài)，動態(tài)協(xié)同優(yōu)化調(diào)度決策。20解決生產(chǎn)調(diào)度問題中的復(fù)雜性多目標(biāo)性自組織、自適應(yīng)、實時決策提高企業(yè)的生產(chǎn)效益和生產(chǎn)管理水平為企業(yè)的可持續(xù)發(fā)展和市場競爭力的提升提供了重要支持3.5本章小結(jié)智能調(diào)度概述智能調(diào)度的關(guān)鍵技術(shù)制造系統(tǒng)智能調(diào)度應(yīng)用示例總結(jié)智能調(diào)度的發(fā)展趨勢隨著云計算、人工智能、大數(shù)據(jù)等新興技術(shù)和傳統(tǒng)制造業(yè)的深度融合智能制造成為當(dāng)前世界發(fā)展的主題和趨勢核心價值與優(yōu)勢本章聚焦21第4章數(shù)字化質(zhì)量管理4.1數(shù)字化質(zhì)量管理概述4.2數(shù)字化質(zhì)量管理的關(guān)鍵技術(shù)4.3數(shù)字化質(zhì)量管理應(yīng)用示例4.4數(shù)字化質(zhì)量管理發(fā)展趨勢4.1.1智能制造中的質(zhì)量管理4.1數(shù)字化質(zhì)量管理概述質(zhì)量管理是指通過規(guī)劃、控制和改進過程，以確保產(chǎn)品或服務(wù)符合預(yù)期質(zhì)量要求和標(biāo)準(zhǔn)的一系列活動和方法。它涉及到組織內(nèi)部各個方面，包括設(shè)計、生產(chǎn)、交付、服務(wù)等環(huán)節(jié)，提高產(chǎn)品或服務(wù)的質(zhì)量，滿足客戶需求和期望，實現(xiàn)持續(xù)改進。隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等信息技術(shù)的不斷發(fā)展，企業(yè)對工廠進行智能化改造，將各種感知技術(shù)引入到生產(chǎn)環(huán)節(jié)，通過傳感器對生產(chǎn)制造過程中的信息進行詳細(xì)記錄，并利用新一代信息技術(shù)與全面質(zhì)量管理融合應(yīng)用，推動質(zhì)量管理活動數(shù)字化、網(wǎng)絡(luò)化、智能化升級，逐步實現(xiàn)制造業(yè)質(zhì)量管理數(shù)字化。14.1.2數(shù)字化質(zhì)量管理4.1數(shù)字化質(zhì)量管理概述數(shù)字化質(zhì)量管理的發(fā)展現(xiàn)狀（1）20世紀(jì)80年代初期-90年代初期：企業(yè)開始使用計算機來存儲和分析質(zhì)量數(shù)據(jù)。然而這些系統(tǒng)主要用于記錄和存檔，分析能力有限。（2）20世紀(jì)90年代末-2000年代初期：隨著互聯(lián)網(wǎng)技術(shù)興起企業(yè)采用網(wǎng)絡(luò)技術(shù)將質(zhì)量數(shù)據(jù)在多點實現(xiàn)共享。機器視覺技術(shù)開始應(yīng)用于質(zhì)量檢測。（3）2000年代中期-2010年代初期：制造業(yè)廣泛采用自動化質(zhì)量檢測技術(shù)，如傳感器、機器視覺和自動化設(shè)備，實現(xiàn)質(zhì)量實時監(jiān)控。（4）2010年代初-2020年代初：云計算技術(shù)和大數(shù)據(jù)分析的興起，企業(yè)將質(zhì)量數(shù)據(jù)存儲在云端，利用大數(shù)據(jù)分析技術(shù)改進產(chǎn)品質(zhì)量和生產(chǎn)過程。（5）2020年代至今：傳感器和物聯(lián)技術(shù)實現(xiàn)生產(chǎn)過程中的實時監(jiān)控。機器學(xué)習(xí)和人工智能的應(yīng)用使得自動化質(zhì)量檢測和預(yù)測性維護更加智能化。24.1.3質(zhì)量標(biāo)準(zhǔn)數(shù)字化4.1數(shù)字化質(zhì)量管理概述標(biāo)準(zhǔn)數(shù)字化指利用數(shù)字技術(shù)（云計算、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、人工智能等）對標(biāo)準(zhǔn)本身及生命周期全過程賦能，使標(biāo)準(zhǔn)承載的規(guī)則與特性能夠通過數(shù)字設(shè)備進行讀取、傳輸與使用的過程。34.1.3質(zhì)量標(biāo)準(zhǔn)數(shù)字化4.1數(shù)字化質(zhì)量管理概述質(zhì)量標(biāo)準(zhǔn)數(shù)字化可以提高質(zhì)量管理的精度。數(shù)字化的質(zhì)量標(biāo)準(zhǔn)可以通過信息系統(tǒng)實現(xiàn)數(shù)據(jù)的一致性和準(zhǔn)確性。同時，數(shù)字化的質(zhì)量標(biāo)準(zhǔn)可以實現(xiàn)數(shù)據(jù)的實時監(jiān)控和分析，使得質(zhì)量管理人員可以及時發(fā)現(xiàn)和解決質(zhì)量問題，提高了質(zhì)量管理的精度。質(zhì)量標(biāo)準(zhǔn)數(shù)字化的幾個方面：1、標(biāo)準(zhǔn)數(shù)字化：將傳統(tǒng)的質(zhì)量標(biāo)準(zhǔn)文檔轉(zhuǎn)化為數(shù)字化格式；2、數(shù)據(jù)結(jié)構(gòu)化：對數(shù)字化的質(zhì)量標(biāo)準(zhǔn)進行結(jié)構(gòu)化處理，確保其中的信息能夠被計算機系統(tǒng)理解和處理。3、標(biāo)準(zhǔn)化管理系統(tǒng)：建立一個質(zhì)量標(biāo)準(zhǔn)管理系統(tǒng)，用于存儲、檢索、更新和分享數(shù)字化的質(zhì)量標(biāo)準(zhǔn)。4、數(shù)據(jù)分析和應(yīng)用：利用質(zhì)量標(biāo)準(zhǔn)數(shù)據(jù)進行分析，通過數(shù)據(jù)挖掘、統(tǒng)計分析等手段，發(fā)現(xiàn)質(zhì)量管理的問題和機會，并據(jù)此進行決策和改進。44.1.4制造業(yè)質(zhì)量管理數(shù)字化轉(zhuǎn)型4.1數(shù)字化質(zhì)量管理概述推進制造業(yè)質(zhì)量管理數(shù)字化是一項系統(tǒng)性工程，要以提高質(zhì)量和效益、推動質(zhì)量變革為目標(biāo)，按照“圍繞一條主線、加快三大轉(zhuǎn)變、把握四項原則”進行布局。圍繞一條主線：數(shù)字能力建設(shè)作為推進質(zhì)量管理數(shù)字化發(fā)展的主線。加快三個轉(zhuǎn)變：質(zhì)量管理范圍從企業(yè)質(zhì)量管控向生態(tài)圈協(xié)作轉(zhuǎn)變；質(zhì)量管理重點環(huán)節(jié)從以制造過程為主向研發(fā)、設(shè)計制造、服務(wù)等多環(huán)節(jié)并重轉(zhuǎn)變；質(zhì)量管理關(guān)注焦點從規(guī)?；a(chǎn)為主向規(guī)模化生產(chǎn)與個性化、差異化、精細(xì)化并重轉(zhuǎn)變。把握四項原則：注重價值牽引和數(shù)據(jù)驅(qū)動、注重深化實踐和創(chuàng)新應(yīng)用、引導(dǎo)企業(yè)結(jié)合自身條件制定方法路徑、完善覆蓋全產(chǎn)業(yè)鏈、生態(tài)圈質(zhì)量協(xié)作機制。54.2

數(shù)字化質(zhì)量管理的關(guān)鍵技術(shù)4.2.1質(zhì)量數(shù)據(jù)采集技術(shù)質(zhì)量數(shù)據(jù)的有效性是質(zhì)量管理的核心，要實現(xiàn)數(shù)字化質(zhì)量管理，必須首先解決質(zhì)量數(shù)據(jù)的采集問題。常用的數(shù)據(jù)獲取技術(shù)以傳感器為主，結(jié)合RFID、條碼掃描器、生產(chǎn)和監(jiān)測設(shè)備、PDA、人機交互、智能終端等手段實現(xiàn)生產(chǎn)過程中的信息獲取，并通過現(xiàn)場總線或互聯(lián)網(wǎng)等技術(shù)實現(xiàn)原始數(shù)據(jù)的實時準(zhǔn)確傳輸。在智能制造不斷推進的背景下，質(zhì)量數(shù)據(jù)獲取貫徹產(chǎn)品生命周期的所有階段：裝備數(shù)字化改造升級全流程物料數(shù)字化管理檢驗測試數(shù)字化管理供應(yīng)鏈數(shù)字化檢測64.2

數(shù)字化質(zhì)量管理的關(guān)鍵技術(shù)4.2.2質(zhì)量數(shù)據(jù)處理技術(shù)數(shù)據(jù)處理是智能制造的關(guān)鍵技術(shù)之一，其目的是從大量的、雜亂無章、難以理解的數(shù)據(jù)中抽取并推導(dǎo)出對于某些特定的人們來說是有價值、有意義的數(shù)據(jù)。常見的數(shù)據(jù)處理流程主要包括數(shù)據(jù)清洗、數(shù)據(jù)融合、數(shù)據(jù)分析以及數(shù)據(jù)存儲。常見的數(shù)據(jù)分析包括了列表法、作圖法、時間序列分析、聚類分析、回歸分析等方法。74.2

數(shù)字化質(zhì)量管理的關(guān)鍵技術(shù)4.2.3質(zhì)量大數(shù)據(jù)建模與分析技術(shù)企業(yè)應(yīng)基于質(zhì)量知識庫的質(zhì)量管控模型，開展基于大數(shù)據(jù)的全過程、全生命周期、全價值鏈質(zhì)量分析、控制與改進，推進數(shù)據(jù)模型驅(qū)動的產(chǎn)業(yè)鏈供應(yīng)鏈質(zhì)量協(xié)同，深入挖掘質(zhì)量數(shù)據(jù)價值，及時洞察質(zhì)量風(fēng)險和機遇。開發(fā)部署基于數(shù)據(jù)的質(zhì)量控制和質(zhì)量決策模型，提高質(zhì)量響應(yīng)和處理的及時性，降低質(zhì)量業(yè)務(wù)決策風(fēng)險，實施更加有效的質(zhì)量預(yù)防和改進，提升用戶體驗，強化對不確定性的柔性響應(yīng)能力和水平。比較成熟的技術(shù)包括：基于視覺的表面質(zhì)量檢查技術(shù)基于深度學(xué)習(xí)質(zhì)量預(yù)測技術(shù)84.2

數(shù)字化質(zhì)量管理的關(guān)鍵技術(shù)4.2.4質(zhì)量數(shù)據(jù)可視化與協(xié)同管理技術(shù)94.3數(shù)字化質(zhì)量管理應(yīng)用示例4.3.1數(shù)據(jù)驅(qū)動的軸承產(chǎn)品表面質(zhì)量檢測產(chǎn)品表面質(zhì)量檢測流程的核心內(nèi)容是通過工業(yè)云平臺、產(chǎn)品表面質(zhì)量檢測模型及圖像特征知識庫部署在生產(chǎn)線產(chǎn)品表面檢測關(guān)鍵點位置，以實現(xiàn)智能化質(zhì)量檢測。104.3數(shù)字化質(zhì)量管理應(yīng)用示例4.3.1數(shù)據(jù)驅(qū)動的軸承產(chǎn)品表面質(zhì)量檢測產(chǎn)品從生產(chǎn)流水線傳送至質(zhì)量檢測工位，觸發(fā)相關(guān)傳感器，圖像采集設(shè)備開始自動對處于產(chǎn)品質(zhì)量檢測工位的產(chǎn)品進行圖像采集，并上傳至工業(yè)云平臺進行存儲。存儲后的產(chǎn)品圖片數(shù)據(jù)需要進行預(yù)處理操作，主要包括：對采集的圖片進行清洗、利用深度卷積生成對抗網(wǎng)絡(luò)DCGAN對產(chǎn)品表面缺陷數(shù)據(jù)集進行擴展，解決產(chǎn)品質(zhì)量缺陷圖片數(shù)據(jù)量不足易導(dǎo)致模型過擬合的問題、在完成擴充后使用LabelImg標(biāo)注軟件對每類質(zhì)量缺陷并按照PASCAL-VOC2007數(shù)據(jù)集格式進行標(biāo)注。處理后的圖片保存為JPG格式，標(biāo)注文件格式儲存為txt文本。按照8:1:1的比例劃分訓(xùn)練集、驗證集和測試集，分別用于模型的訓(xùn)練和測試。114.3數(shù)字化質(zhì)量管理應(yīng)用示例4.3.1數(shù)據(jù)驅(qū)動的軸承產(chǎn)品表面質(zhì)量檢測為驗證改進特征提取模塊、改進特征融合模塊和改進檢測頭對軸承目標(biāo)缺陷的識別效果，使用類激活圖對特征圖進行可視化。124.3數(shù)字化質(zhì)量管理應(yīng)用示例4.3.2

多特征融合的注塑件尺寸預(yù)測134.3數(shù)字化質(zhì)量管理應(yīng)用示例4.3.2

多特征融合的注塑件尺寸預(yù)測針對注塑生產(chǎn)過程中注塑產(chǎn)品質(zhì)量無法根據(jù)加工過程數(shù)據(jù)判斷的問題，采用雙層BiGRU多特征融合注塑件加工過程傳感器高頻序列特征、瞬時特征和成型機狀態(tài)特征，能夠準(zhǔn)確進行注塑件尺寸預(yù)測。144.3數(shù)字化質(zhì)量管理應(yīng)用示例4.3.3

基于深度遷移學(xué)習(xí)的小樣本注塑件尺寸預(yù)測大批量定制和多品種小批量生產(chǎn)模式下，增加了工業(yè)生產(chǎn)環(huán)境下生產(chǎn)過程多樣性和不確定性，直接導(dǎo)致了數(shù)據(jù)樣本不足，阻礙了以數(shù)據(jù)為核心的AI技術(shù)和機器學(xué)習(xí)工具的使用。同時，在產(chǎn)品質(zhì)量在線監(jiān)測過程中一個急需解決的問題是機器學(xué)習(xí)模型需要足夠數(shù)量的訓(xùn)練數(shù)據(jù)，使用小樣本數(shù)據(jù)訓(xùn)練模型易出現(xiàn)模型預(yù)測精度不高和欠擬合的情況。針對上述問題，可以應(yīng)用深度遷移學(xué)習(xí)研究在新工藝和小樣本數(shù)據(jù)條件下，利用不同的過程數(shù)據(jù)和有限的數(shù)據(jù)樣本，研究在線監(jiān)測和判斷不同產(chǎn)品不同質(zhì)量的方法，依托已有積累的海量歷史數(shù)據(jù)對產(chǎn)品質(zhì)量進行預(yù)測，實現(xiàn)已有產(chǎn)品加工過程數(shù)據(jù)的重用，提升小樣本數(shù)據(jù)下深度學(xué)習(xí)模型的預(yù)測精度。154.3數(shù)字化質(zhì)量管理應(yīng)用示例4.3.3

基于深度遷移學(xué)習(xí)的小樣本注塑件尺寸預(yù)測注塑制品尺寸和質(zhì)量164.3數(shù)字化質(zhì)量管理應(yīng)用示例4.3.3

基于深度遷移學(xué)習(xí)的小樣本注塑件尺寸預(yù)測174.3數(shù)字化質(zhì)量管理應(yīng)用示例4.3.3

基于深度遷移學(xué)習(xí)的小樣本注塑件尺寸預(yù)測使用不同大小的樣本數(shù)據(jù)對注塑制品質(zhì)量進行預(yù)測，在新注塑工藝下實現(xiàn)注塑知識的重用，應(yīng)用跨工廠、跨型號真實生產(chǎn)下的注塑數(shù)據(jù)集，在注塑設(shè)備、注塑材料、注塑工藝和數(shù)據(jù)維度等方面有較大差異的情況下，通過基于模型的深度遷移學(xué)習(xí)方法對注塑共性特征進行知識遷移，模型在大樣本和小樣本數(shù)據(jù)下均有較高的預(yù)測精度。184.3數(shù)字化質(zhì)量管理應(yīng)用示例4.3.4制造業(yè)質(zhì)量管理數(shù)字化轉(zhuǎn)型案例一：中聯(lián)重科攪拌車智能工廠數(shù)字化質(zhì)量管理平臺中聯(lián)重科提出了“0157”建設(shè)思路：“0”即以零缺陷為思想，“1”即圍繞“關(guān)重質(zhì)量特性識別與管控”這一條主線。數(shù)字化質(zhì)量管理平臺打通了“5”個渠道：供應(yīng)鏈質(zhì)量管理SQM平臺、與WMS/MES集成實現(xiàn)來料檢驗和生產(chǎn)過程質(zhì)量管理、利用自動化在線檢測設(shè)備和工業(yè)互聯(lián)網(wǎng)平臺（IOT）解決質(zhì)量檢驗過程數(shù)據(jù)采集瓶頸、利用SPC統(tǒng)計分析工具對產(chǎn)品和過程進行實施監(jiān)控、打通“市場-工廠-供應(yīng)商”的業(yè)務(wù)流和信息流實現(xiàn)“端到端”質(zhì)量管理。平臺構(gòu)建“7”大業(yè)務(wù)模塊，包括質(zhì)量體系管理、計量管理、來料質(zhì)量管理、生產(chǎn)過程質(zhì)量管理、供應(yīng)商質(zhì)量管理、市場質(zhì)量管理和質(zhì)量改進管理。194.3數(shù)字化質(zhì)量管理應(yīng)用示例4.3.4制造業(yè)質(zhì)量管理數(shù)字化轉(zhuǎn)型案例二：零基目標(biāo)下海爾智能工廠的質(zhì)量數(shù)字化管理青島海爾特種制冷電器有限公司（以下簡稱“海爾中德冰箱互聯(lián)工廠”或“工廠”）從2017年至2018年全力推進數(shù)字化制造、數(shù)字化質(zhì)量體系管理、數(shù)字化流程等的建設(shè)，鎖定零基目標(biāo)，即所有的問題都是不應(yīng)該發(fā)生的，都是沒有理由的，都應(yīng)該是零：質(zhì)量零缺陷、交貨期零延誤、銷售零庫存、與用戶零距離、零營運資本以及零冗員。聚焦用戶最佳體驗，導(dǎo)入制程數(shù)字化控制系統(tǒng)、數(shù)字化檢測系統(tǒng)、數(shù)字化智能抽樣系統(tǒng)，實現(xiàn)工廠人、機、料、法、環(huán)、測等全要素上平臺系統(tǒng)運營，構(gòu)筑數(shù)字化質(zhì)量智造能力，從而實現(xiàn)“做全球引領(lǐng)的超大型高端冰箱燈塔工廠”的目標(biāo)。204.3數(shù)字化質(zhì)量管理應(yīng)用示例4.3.4制造業(yè)質(zhì)量管理數(shù)字化轉(zhuǎn)型案例三：隆基綠能1+7+1數(shù)字化管理-全生命周期質(zhì)量控制隆基綠能聚焦全生命周期數(shù)據(jù)驅(qū)動、數(shù)據(jù)分析的質(zhì)量數(shù)字化管理，建立“1﹢7﹢1”質(zhì)量數(shù)字化管理模式，構(gòu)建端到端的基于質(zhì)量大數(shù)據(jù)全生命周期智能質(zhì)量數(shù)字化平臺。第一個“1”代表質(zhì)量數(shù)字化管理原點，即大質(zhì)量管理體系；“7”代表七大質(zhì)量管理業(yè)務(wù)模塊，分別為質(zhì)量體系管理、研發(fā)質(zhì)量管理、可靠性管理、供應(yīng)鏈質(zhì)量管理、過程質(zhì)量管理、客戶滿意管理、持續(xù)改進管理；最后一個“1”代表質(zhì)量大數(shù)據(jù)中心，實現(xiàn)端到端質(zhì)量全流程數(shù)字化管理。結(jié)合AI智能算法，產(chǎn)品直通率提升4.9%，產(chǎn)品不良率降低30%，人工提效10%，零部件不良率降低10%。該公司“智能在線檢測”、“設(shè)備故障診斷與預(yù)測”、“質(zhì)量精準(zhǔn)追溯”等3項數(shù)字化應(yīng)用實踐，獲評工信部2022年度智能制造優(yōu)秀場景。214.4數(shù)字化質(zhì)量管理發(fā)展趨勢智能制造背景下推進質(zhì)量管理數(shù)字化是一項復(fù)雜的系統(tǒng)工程。國家層面需要制訂數(shù)字化質(zhì)量管理標(biāo)準(zhǔn)，確保數(shù)字化質(zhì)量管理轉(zhuǎn)型的順利推進。市場專業(yè)服務(wù)機構(gòu)應(yīng)以提升服務(wù)能力為核心，加速開發(fā)和應(yīng)用質(zhì)量管理的數(shù)字化技術(shù)和工具。企業(yè)作為主體應(yīng)積極構(gòu)建數(shù)字化思維，推動數(shù)字技術(shù)在制造業(yè)質(zhì)量管理中的深度融合。數(shù)字化質(zhì)量管理的幾個發(fā)展方向：1、聚焦數(shù)字化質(zhì)量管理關(guān)鍵場景；2、推進并完善數(shù)字化質(zhì)量管理機制；3、增強企業(yè)數(shù)字化質(zhì)量管理運行能力；4、加強產(chǎn)品全生命周期質(zhì)量數(shù)據(jù)開發(fā)利用；5、完善政策保障和支撐環(huán)境。22第5章知識工程5.1面向業(yè)務(wù)問題的知識資源配置5.2面向知識服務(wù)的網(wǎng)絡(luò)知識市場5.3成情景的業(yè)務(wù)求解知識模塊化建模方法與技術(shù)引言隨著知識經(jīng)濟的到來，知識資源作為企業(yè)獲取長久核心競爭力的重要戰(zhàn)略資源日益受到企業(yè)的重視。很顯然企業(yè)的經(jīng)營運作，包括各類業(yè)務(wù)問題的解決都是基于知識及知識資源開展的，業(yè)務(wù)求解的執(zhí)行績效與知識資源的利用情況直接相關(guān)，尤其隨著智能制度的快速發(fā)展，隨著大數(shù)據(jù)資產(chǎn)的大量累積，知識管理將成為智能制造的重要業(yè)務(wù)環(huán)節(jié)。知識管理領(lǐng)域越來越受到企業(yè)家及研究學(xué)者的關(guān)注，尤其大數(shù)據(jù)技術(shù)與應(yīng)用的快速發(fā)展，使數(shù)據(jù)分析技術(shù)成為知識管理的重要使能技術(shù)（EnablingTechnologies）15.1面向業(yè)務(wù)問題的知識資源配置為了提高制造企業(yè)的創(chuàng)新能力、企業(yè)對外環(huán)境的適應(yīng)能力、企業(yè)的工作效能和企業(yè)素質(zhì)，企業(yè)需要動態(tài)地對自身做出相應(yīng)的調(diào)整，這就需要企業(yè)管理者能夠隨時把握企業(yè)當(dāng)前的業(yè)務(wù)過程及其知識結(jié)構(gòu)體系，并能適時地對他們進行調(diào)整、改善甚至更新。知識已被確認(rèn)為企業(yè)競爭優(yōu)勢和創(chuàng)造價值的重要來源。實現(xiàn)知識在所有項目團隊成員之間的有效共享、及時傳遞，并使項目人員能快速獲取和運用相關(guān)知識，是實現(xiàn)企業(yè)業(yè)務(wù)活動高效運行的重要保證。因此，如何將最合適的知識在合適的時間從大量的信息中配置到最合適的人（即知識資源配置服務(wù)）對于企業(yè)業(yè)務(wù)活動具有重要意義，這也是業(yè)務(wù)過程建模的目標(biāo)。25.1面向業(yè)務(wù)問題的知識資源配置5.1.1業(yè)務(wù)過程建模方法運用K-EPC（Knowledge-EventProcessChain）模型對案例庫中的業(yè)務(wù)過程進行解析，抽取每個業(yè)務(wù)活動在特定情境中所涉及到的知識，繼而獲得知識對應(yīng)的知識資源信息。在這個過程中，建立了業(yè)務(wù)活動與知識，知識與知識資源的映射關(guān)系。圖5-1面向知識配置服務(wù)的業(yè)務(wù)過程建模框架35.1面向業(yè)務(wù)問題的知識資源配置5.1.1業(yè)務(wù)過程建模方法通常采用面向知識資源配置服務(wù)的EPC模型（K-EPC）來描述業(yè)務(wù)過程。原始的EPC模型只包括事件、功能和相互間的邏輯關(guān)系，缺乏對業(yè)務(wù)過程知識的描述。K-EPC模型是對EPC模型的擴展，以業(yè)務(wù)過程視圖為中心，創(chuàng)新性地將事件、功能、數(shù)據(jù)、知識單元、知識資源集成起來，并引入了知識情境，在一定的邏輯關(guān)系下對業(yè)務(wù)過程進行描述。圖5-2K-EPC模型45.1面向業(yè)務(wù)問題的知識資源配置5.1.1業(yè)務(wù)過程建模方法圖5-3EPC基本元素K-EPC中的事件是業(yè)務(wù)活動的一種狀態(tài)，事件的觸發(fā)表示的是業(yè)務(wù)活動狀態(tài)的改變；功能則有具體含義，表示事件觸發(fā)后的操作。K-EPC模型中將功能與事件的邏輯關(guān)系分為3種：與、或、異或。知識情境描述的是知識在業(yè)務(wù)過程中的應(yīng)用背景；目標(biāo)知識是指某功能用到的主要知識；知識單元是與目標(biāo)知識有協(xié)作關(guān)系的知識集合；知識單元映射到對應(yīng)的知識資源。55.1面向業(yè)務(wù)問題的知識資源配置5.1.1業(yè)務(wù)過程建模方法圖5-4基于K-EPC的業(yè)務(wù)過程實例以零件到貨的業(yè)務(wù)過程為例，可依據(jù)K-EPC模型，分解為圖5-4所示結(jié)構(gòu)。65.1面向業(yè)務(wù)問題的知識資源配置5.1.2業(yè)務(wù)活動的知識表達方法由于知識的應(yīng)用和產(chǎn)生是在一定的背景與環(huán)境下發(fā)生的，知識所包含的意義和價值只有在對應(yīng)的背景和環(huán)境下才能體現(xiàn)出來。因此，用戶所從事的業(yè)務(wù)過程是決定知識需求的重要因素。業(yè)務(wù)過程是為實現(xiàn)一定的目的而執(zhí)行的一系列邏輯相關(guān)活動的集合，顯現(xiàn)了人從事活動的環(huán)境，又體現(xiàn)了人與過程、知識的融合。對于不同業(yè)務(wù)過程來說，對知識需求是不同的，隨著時間的推移，同個業(yè)務(wù)過程對于知識的需求也在不斷變更。這些變化都是業(yè)務(wù)過程所處知識情境的體現(xiàn)。對于不同業(yè)務(wù)過程來說，對知識需求是不同的，隨著時間的推移，同個業(yè)務(wù)過程對于知識的需求也在不斷變更。這些變化都是業(yè)務(wù)過程所處知識情境的體現(xiàn)。知識情境是連接業(yè)務(wù)單元和知識單元的樞紐，是知識應(yīng)用到業(yè)務(wù)活動中的具體背景和環(huán)境。由業(yè)務(wù)提出知識需求，知識情境確定需求內(nèi)容和對內(nèi)容的精確描述，從知識單元集中找到合適的知識單元，用于匹配某一項業(yè)務(wù)活動，保證業(yè)務(wù)的順利開展。對于不同業(yè)務(wù)過程來說，對知識需求是不同的，隨著時間的推移，同個業(yè)務(wù)過程對于知識的需求也在不斷變更。這些變化都是業(yè)務(wù)過程所處知識情境的體現(xiàn)。75.1面向業(yè)務(wù)問題的知識資源配置5.1.2業(yè)務(wù)活動的知識表達方法如同提出問題和解決問題一樣，不同情境下的同一個問題可以有很多種可能。而業(yè)務(wù)過程和知識的在特定情境下的結(jié)合恰恰就是為了解決一個個問題，兩者關(guān)系如圖5-6所示。5-6知識情境中的業(yè)務(wù)過程和知識85.1面向業(yè)務(wù)問題的知識資源配置5.1.2業(yè)務(wù)活動的知識表達方法知識、數(shù)據(jù)和信息之間存在著從上到下的層次關(guān)系。數(shù)據(jù)是信息的載體，只有通過數(shù)據(jù)處理過程才能上升到信息層面。知識源于對信息內(nèi)容的再加工，是人們通過實踐活動，總結(jié)得出的自然界具有規(guī)律性的存在。在知識情境中記錄的是知識應(yīng)用時的數(shù)據(jù)和信息，目的是為了營造知識使用的氛圍。知識只有通過知識情境的橋接才能在相應(yīng)的業(yè)務(wù)活動中體現(xiàn)其價值。因此，三者關(guān)系密不可分?；谇榫车闹R包含知識內(nèi)容和知識資源。知識內(nèi)容記錄了知識的具體信息，以便劃分和識別。知識資源是知識所依賴的客觀存在，如人、文檔、圖紙等。這兩者統(tǒng)稱為知識節(jié)點屬性。基于情境的知識包含知識內(nèi)容和知識資源。知識內(nèi)容記錄了知識的具體信息，以便劃分和識別。知識資源是知識所依賴的客觀存在，如人、文檔、圖紙等。這兩者統(tǒng)稱為知識節(jié)點屬性。95.1面向業(yè)務(wù)問題的知識資源配置5.1.2業(yè)務(wù)活動的知識表達方法基于情境的知識自上而下分別由知識應(yīng)用層、知識描述層、知識映射層及知識資源層組成，如圖5-8所示。圖5-8基于情境的知識層次105.1面向業(yè)務(wù)問題的知識資源配置5.1.3業(yè)務(wù)過程模板框架模板不是一個單一的存儲文件或者一個獨立的對象，而是集成了多種業(yè)務(wù)過程和知識信息，體現(xiàn)了相似業(yè)務(wù)過程經(jīng)歸納篩選后的特性集合。模板分布在業(yè)務(wù)案例運行的各個階段，在不同的階段和同一階段不同的業(yè)務(wù)過程具有不同的表現(xiàn)形式。模板庫是知識、知識情境和業(yè)務(wù)過程高度抽象的體現(xiàn)。值得注意的是，此時的后三者不同于業(yè)務(wù)過程解析時建立的對應(yīng)原型。從業(yè)務(wù)過程模型中抽取的模板庫具有高度的抽象性，它既保持了原型的特性，又不僅僅局限于原型的已有具體信息。模板應(yīng)體現(xiàn)業(yè)務(wù)過程通用性的要求。多個相似業(yè)務(wù)過程在被運行后，容易發(fā)現(xiàn)重復(fù)使用的活動，關(guān)鍵活動和特例活動等信息。這些信息被處理后，可以得出適用于所有業(yè)務(wù)過程的通用性模板。通過對這些模板的刪減，可以得到適用于新案例的業(yè)務(wù)過程方案。115.1面向業(yè)務(wù)問題的知識資源配置5.1.3業(yè)務(wù)過程模板框架模板應(yīng)體現(xiàn)業(yè)務(wù)過程通用性的要求。多個相似業(yè)務(wù)過程在被運行后，容易發(fā)現(xiàn)重復(fù)使用的活動，關(guān)鍵活動和特例活動等信息。這些信息被處理后，可以得出適用于所有業(yè)務(wù)過程的通用性模板。通過對這些模板的刪減，可以得到適用于新案例的業(yè)務(wù)過程方案。圖5-9模板結(jié)構(gòu)125.2面向知識服務(wù)的網(wǎng)絡(luò)知識市場在市場經(jīng)濟環(huán)境下，知識所處的地位和所發(fā)生的作用已非常顯著。越來越多的企業(yè)也已經(jīng)認(rèn)識到，知識資源正在逐漸成為他們的主要財富之一。然而，僅僅依靠企業(yè)內(nèi)部知識資源的配置與轉(zhuǎn)化，越來越不能滿足現(xiàn)代企業(yè)的創(chuàng)新需求。因此如何突破企業(yè)的局限，對社會化的知識資源進行有效配置，拓寬企業(yè)發(fā)展的渠道，已成為企業(yè)關(guān)心的重要問題。雖然網(wǎng)上技術(shù)市場的運行在優(yōu)化科技資源配置中發(fā)揮了重要作用。然而，網(wǎng)絡(luò)信息技術(shù)的快速發(fā)展使網(wǎng)上技術(shù)市場的發(fā)展明顯滯后。另外，網(wǎng)絡(luò)知識市場萌生的基本條件已經(jīng)成熟。故本章在網(wǎng)上技術(shù)市場的基礎(chǔ)上，提出基于社會化資源的網(wǎng)絡(luò)知識市場，試圖在市場機制的推動下，促進社會知識資源在企業(yè)創(chuàng)新過程得到的優(yōu)化配置，發(fā)揮企業(yè)的創(chuàng)新主體作用。135.2