近日，智能制造工程系青年教师王文波以第一作者在中科院一区Top期刊《IEEE Transactions on Industrial Informatics》 (IF=9.112)上发表题为“A Proactive Manufacturing Resources Assignment Method Based on Production Performance Prediction for the Smart Factory”研究论文。

随着工业物联网(Industrial Internet of Things, IIoT)与信息物理系统(Cyber Physical System, CPS)技术的广泛应用，制造系统的数字化与智能化水平得到显著提升。然而，由于缺乏关键生产性能未来状态的精准预测方法，当前生产异常的识别主要在异常发生后进行，且异常的响应处理采用事后被动响应方式，严重影响了生产系统的运作效率。为了解决以上问题，提出了一种基于智能车间关键生产性能预测的制造资源主动配置方法，以在生产异常来临之前，自适应地预测异常并优化响应。

首先，通过配置IIoT与CPS设备，在智能车间内构建边云协同环境：一方面，使得制造资源具有一定的智能决策能力，能够在边缘侧设备端自主制定参数调整等决策方案；另一方面，云端控制服务器能够与边缘设备不断交互共享信息，协同制定生产决策措施。然后，提出了一种基于实时时间着色Petri网(Real-time Coloured Petri Net, RCPN)的关键生产性能指标(Key Production Performance Indicators, KPPIs)的实时分析与动态预测方法，通过设置智能交互元素，将物理空间中实际制造资源与虚拟空间中RCPN模型内部对应要素相绑定，实现虚实动态同步，进而结合Petri网自身的推理能力分析出制造系统KPPIs的实时状态，并动态预测出KPPIs的未来状态信息。最后，构建一种制造资源自适应配置机制，在预测出生产异常后，自下而上地构建异常事件自适应响应模型，并通过多目标遗传算法求解出最优决策方案，为制造系统的资源优化配置提供一种新的决策模式。

论文信息：

Wenbo Wang(#),Yingfeng Zhang(*), Jinan Gu, Jin Wang, A Proactive Manufacturing Resources Assignment Method Based on Production Performance Prediction for the Smart Factory[J], IEEE Transactions on Industrial Informatics, 2021. Doi: 10.1109/TII.2021.3073404. (https://ieeexplore.ieee.org/document/9405456)