面对日益激烈的市场竞争,如何提高产品质量、缩短交货时间、降低成本、改善服务,是每个企业决策者迫切需要解决的问题。目前,成功的应用实例已经证明ERP/MES/PCS三层管理模式已成为现代企业进行信息化建设,提高竞争力的一种必然选择。制造执行系统(Manufacturing Execution System,MES)作为面向车间生产的信息管理系统,为企业计划管理层与车间底层控制之间架起了一座桥梁,填补了两者之间的“鸿沟”。目前,MES已成为面向车间生产管理和控制的主流技术。 在详细研究和分析MES结构和功能模型的基础上,本文对MES中实时数据采集、车间实时动态调度两个关键问题进行了深入的研究。针对制造车间设备的具体情况,提出了四种可行的实时数据采集方案。针对车间的Job Shop调度问题,提出了多种群并行混合遗传算法的解决方案。并结合数据挖掘技术对上述两个关键技术中的数据进行处理和挖掘,提出了基于知识的动态调度模型。 根据制造车间设备的具体情况,提出了四种切实可行的分布式实时数据采集方案。该方案解决了制造执行层和底层控制之间的连接问题,为ERP/MES/PCS三层系统的集成创造了条件。 针对制造执行系统中的车间实时调度问题,提出了多种群并行混合遗传算法。算法结合了多种群并行运算、模拟退火和遗传算法的思想,克服了标准遗传算法(SGA)和模拟退火遗传算法(SAGA)中早熟和易受参数影响的缺点,体现了很好的收敛性和参数鲁棒性,为制造执行系统调度问题的求解提供有力的工具。 在详细分析Apriori、DHP等关联性规则挖掘算法的基础上,提出了DHA(DividingHashing and Array)的关联性规则挖掘算法.算法2-item频繁项集L<,2>的查找效率高,仅需扫描两次数据库即可完成数据挖掘。与Apriori和DHP算法的相比,算法运算效率高,内存使用更加合理。 对数据挖掘技术在制造执行系统中的应用进行了探讨和研究。从知识获取的角度,对制造执行系统关键技术中的数据进行了挖掘和处理,为制造执行系统的研究开辟一条新的途径。 在上述研究成果的基础上,提出了基于知识的MES动态调度模型。对动态调度中设备故障、紧急订单下达等随机事件给出了详细的处理策略。并以上海申模模具制造有限公司的实际生产数据为例,给出了基于知识的动态调度仿真系统,验证了MES动态调度模型的有效性和正确性。