摘要：纺机制造车间调度问题是一种具有复杂工艺约束和序列相关设置时间的柔性作业车间调度问题,为了保证调度方案的质量,提升企业的订单准时交付能力,提出了一种以最小化最大完工期为优化目标的多动作深度强化学习算法。首先,将调度问题建模为多马尔可夫决策过程。然后,针对纺机制造车间调度的工件选择和机器选择两个子问题,分别设计了用于定义工序选择策略和机器选择策略的两个编码器,以预测选择不同工序和机器的概率分布。其中,在工序选择编码器中,采用图神经网络对析取图进行编码,以降低问题规模对解的质量的影响。其次,提出了一种具有多动作空间的强化学习训练算法,用于学习两个子策略。最后,经某纺机制造企业的实际生产案例验证,该方法的性能受问题规模影响较小,与其他对比算法相比,能够获得较高质量的调度方案,训练的模型具有较好的泛化能力和稳定性。

摘要：针对纺机钣金车间生产过程实时监控差、准确性不足及可视化程度低等问题,提出一种基于数字孪生的纺机钣金车间可视化监控系统构建方法。首先,基于纺机钣金车间的生产要素构建其孪生几何模型,并对孪生几何模型进行轻量化处理以满足实时响应要求;然后,基于赋时Petri网设计其行为逻辑模型,并通过碰撞检测算法实现在孪生车间中的触发响应。在此基础上,结合OPC UA的信息建模、事件驱动等方法实现多种工艺路线的产品加工、在制品流转等过程的忠实映射。最后,以某纺机钣金车间为应用案例,设计开发了原型系统,验证了所提方法的可行性和有效性。