智能制造工程管理 第三章“网络协同制造”实验指导书

“网络协同制造”实验指导书实验名称高端装备智能制造供应网络协同优化与全生命周期资源动态调度实验类型R校内实验项目：1.£验证型R演示型£创新型£综合型2.£实验室项目R虚拟仿真项目£校外实验项目实验目标高端装备具有系统结构复杂、技术含量高、研制运维一体化、质量要求苛刻等特征，需要产业链上下游企业、零部件供应商、合作伙伴等多方参与者围绕产品设计研发、生产制造、运维服务等全生命周期过程进行信息共享、协同合作、价值共创、风险共担，攻克零部件供应网络不协同、制造响应能力不灵活、研制质量不合格、资源配置不优化、运维服务不精准等现实痛点和技术难题。本实验的具体目标如下：1）充分理解网络协同制造的基本内涵和特征、任务资源协同的基本原理。2）培养学生调研提炼典型装备智能制造过程协同管理现实困境的能力。3）锻炼学生构建任务资源网络协同优化模型并设计求解算法的综合实践能力。实验内容4.1实验步骤步骤1：以典型装备制造企业为案例背景，调研分析智能制造全生命周期任务和资源协同管理的主要特征，并聚焦某具体环节和场景剖析企业面临的现实困境。步骤2：在上述场景中，分析智能制造供应链、产业链所涉及的核心参与方，探索任务资源网络协同管理的理论特性及其对制造进度、质量、成本的影响机制。步骤3：基于上述应用场景和理论特性，构建以信息不确定、动态多阶段、非线性、多目标等为特征的数学规划模型，分析相应的模型目标函数和约束条件。步骤4：在智能制造背景下，针对模型中的不确定性参数，通过感知技术采集、分析装备全生命周期运营管理过程数据，提高对不确定性参数的预测精准性。步骤5：针对所构建的数学规划模型，分析多域多粒度资源、原材料备件供应网络和研制运维任务双向匹配的求解性质，并设计相应的启发式、智能优化算法。步骤6：将模型优化结果运用于装备制造企业的管理实践场景中，采用模拟或实际的大规模、小规模订单进行多次检验，分析资源调度优化模型算法的有效性。步骤7：进一步分析和提炼上述管理场景仍然面临的问题，提出对上述理论模型构建、数据仿真分析、参数预测估计、智能算法设计等过程的改进建议。4.2实验数据在上述实验过程中，主要涉及到装备制造企业订单数据以及全生命周期运营管理数据两大类，实验数据可能有以下多种来源：订单数据：包括客户对装备研发、制造、运维服务的需求订单数据，以及需求订单在原材料、多技能员工、制造设备等方面的分解数据。其中，订单数据包括每个订单的需求类型、数量、交货期等。订单数据可以是静态的或动态的数据，可以来源于企业实际的大规模、小规模订单，也可以来源于随机模拟订单。运营数据：包括研发设计、生产制造、原材料供应、装备运行等企业全生命周期运营管理数据。通过这些数据可以动态实时监测企业制造过程和装备运行过程，为提高智能制造供应网络优化与资源调度的精准性提供支撑。运营数据可以来源于企业的工业互联网系统平台，也可以通过数字孪生技术进行仿真模拟。4.3研究方法本实验的各个步骤需要采用不同的研究和分析方法，以提高智能制造企业需求分析的准确性、理论模型构建的合理性、模型参数预测的精准性和仿真优化算法的有效性。具体方法如下：调研访谈方法：针对高端装备智能制造的具体应用场景，对制造企业的全生命周期运营管理过程开展针对性的市场调研分析，分析传统制造过程面临的现实痛点，探索新一代信息技术以及网络协同制造模式对于解决上述痛点的潜在价值。数学建模方法：在抽象提炼装备制造过程中任务、资源、供应网络协同管理的基本理论特征的基础上，构建相应的混合整数、非线性、动态不确定性、多目标、网络计划等数学规划模型，分析模型的目标函数、约束条件以及帕累托解的基本性质。数据分析方法：通过研制协同平台、运维服务平台、工业互联网平台、供应商管理平台等实时采集装备制造生命周期的运营数据，在对数据清洗的基础上，采用数据挖掘、大数据分析、人工智能等方法对模型参数进行精准预测。智能优化算法：由于数学规划模型求解的复杂性，在分析模型帕累托最优解的性质的基础上，设计相应的启发式求解规则，并将启发式规则与精确算法、智能算法相结合，提高混合算法寻优的速度效率和准确效益。实验结果分析围绕装备研制项目调度、供应商协同管理、生产计划优化、运维服务优化等具体的场景特征和现实管理需求，通过本实验的具体分析研究步骤，构建相应的数学规划模型，在采集订单数据、制造过程状态监测数据等基础上，分析预测模型的参数取值，设计相应的混合求解算法，最终输出研制计划、资源调度、运维服务、物料供应等决策的动态鲁棒性解决方案。将上述求解的动态优化方案运用于装备智能制造全生命周期管理实践中，将网络协