基于实时导向的决策方法：在不确定证据下选择计算机数控机床 作者：Amirhossein Nafei, Rong-Ho Lin, Hsien-Ming Chen, Shu-Chuan Chen, Seyed Mohammadtaghi Azimi

《Systems》：Real-Time-Oriented Decision-Making for Computer Numerical Control Machine Selection Under Uncertain Evidence Amirhossein Nafei, Rong-Ho Lin, Hsien-Ming Chen, Shu-Chuan Chen and Seyed Mohammadtaghi Azimi

　　

摘要

计算机数控（CNC）加工中心是离散制造中的关键资产，然而许多车间仍然依赖专家的定期判断来选择机器和分配工作量。这种做法不适合高混合生产，因为由于刀具磨损、温度漂移、冷却液变化和警报等原因，机器的状态和风险可能会迅速发生变化。此外，决策依据分散且往往不完整，包括控制器和可编程逻辑控制器的信号、生产记录以及检查结果，这使得手动评估既耗时又容易出错。静态排名在车间出现意外中断时也会失效，需要快速进行事件驱动的重新优先排序和重新调度。为了解决这些问题，本研究提出了一种车间决策智能流程，该流程直接在车间执行滚动窗口、考虑不确定性的排名和调度循环。工业计算节点持续收集多源操作数据，将其标准化为统一的事件表示形式，并为每台机器汇总滚动窗口指标。然后，一种映射结构将这些指标转换为中性三元组，以区分性能和证据的可信度。利用这种表示方法，车间决策程序使用TOPSIS算法不断更新机器的优先级得分，这些得分进一步转化为工作量分配和经过确认的保护措施请求。一个案例研究展示了端到端的操作过程。结果表明，在风险规避和权重不确定性分析下，排名最高的机器表现稳定；而在有可靠证据的情况下，保护逻辑可以防止不安全的调度。总体而言，所提出的流程将CNC机器选择重新定义为一种基于滚动窗口、证据驱动的决策过程，并为实现近乎实时的、注重安全的车间协调提供了途径。