第11期 2017年11月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2017)11015304
DOI: 10. 13462/j. cnki. mmtamt. 2017. 11. 041
基于网络分析的作业车间故障资源
评价方法研究谢旺，袁逸萍，李晓娟
（新疆大学机械工程学院，乌鲁木齐830047）
No.11 Nov.2017
摘要：针对作业车间中不同的故障资源对车间网络影响程度不同，结合网络属性和制造属性构建车间网络节点影响力指标体系，在层次分析法的基础上，改进网络层次分析法（ANP）的结构以及标度指数提出改进网络层次分析法（IANP），对车间网络中故障节点影响力进行分析及排序。网络层引入复杂网络理论，以制造资源为节点，工艺约束为连边构建车间网络。对网络层进行定量分析，对控制层进行定性分析.提高了评价分析的精确性。通过将文章中算法和度中心性、接近中心性、Leader-
Rank算法以及节点删除法进行对比，验证了该指标体系以及模型的有效性。关键词：车间网络：节点故障：节点影响力：改进网络层次分析法
中图分类号：TH166；TG506
文献标识码：A
EvaluationMethodResearch onJob ShopFaultResourceBased onNetwork Analysis
XIE Wang,YUAN Yi-ping,LI Xiao-juan
(School of Mechanical Engineering, Xinjiang University, Urumqi 830047, China)
Abstract: To analyze the influence of the fault nodes in manufacturing networks, we construct the influence index system of manufacturing network based on network and manufacturing attributes. Improved structure and scale index of Analytic Network Process （ANP) based on analytic hierarchy process (AHP) and the Improved Analytic Network Process (IANP) is put forward to analysis and sort the influence fault node in the manufacturing network. The complex network theor
y is introduced to make the manufacturing network in
the network layer as manufacture resources for the nodes and the process constraints for the continuous con-struction. Take the quantitative analysis to the network layer, the qualitative analysis of the control layer. Considering both quantitative analysis and qualitative analysis to improve the accuracy of the analysis and e-valuation. Finally, we verify the validity of the index system and the model.
Key words: manufacture network; node failure; node influence; improved analytic network process
0引言
车间网络[1]是对复杂制造系统的一种抽象的描述，其中包含大量制造资源（如：设备、工装、工作站等）。一个耦合度高的资源发生了故障可能导致关联资源的相继故障，最终可能导致整个制造系统的瘫痪[2]。挖掘与分析影响力大资源节点有助于理解整个车间网络的结构和功能，为故障传播的有效控制与预防提供依据。现有的节点重要性以及有影响力的传节点研究，主要有以下几种方法：中心性评价方法，如度中心性、接近中心性、LeaderRank算法等[3]；多属性融合网络影响力节点识别方法4]：嫡权逼近理想解的排序方法（TOPSIS）[56]；邻域核心度指标算法[7]。以及结合介数中心性（BC）和Katz中心性（KC）提出的 BKC方法["],通过相继删除BKC方法中识别的重要节点，以网络鲁棒性为衡量指标来验证方法的有效性：基于模糊层次分析和TOPSISI9]，识别生产系统中关键机
收稿日期：2017-07-04；修回日期：2017-08-15
器，并通过依此删除关键节点来评估具有不同网络拓扑结构的系统鲁棒性。
然而车间网络中除了网络特性指标，生产属性如关
键工序比率、不可替代程度、节点失效频度、失效影响程度、检测难易度等对节点的重要性也有影响。因此本文结合网络属性和生产属性构建车间网络节点影响力评价指标体系，更全面的分析了故障节点。基于网络层次分析法[10-1]（AnalyticHierarchyProcess，ANP），并对 ANP中的结构以及标度准则进行改进提出IANP分析法，对故障节点进行影响力排序。通过将本文算法和度中心性、接近中心性、LeaderRank算法进行对比，并借鉴节点删除法，用遗传算法分别求得影响力大的节点被删
除后的最短交货期，来验证方法的有效性。 1
车间网络节点影响力评价指标分析
基于网络重要度拓扑特性指标构建网络属性集合 INet=［kin，kr，Sin，Smr，C］=［人度,出度,人强度，
*基金项目：国家自然科学基金（51365054）；新疆维吾尔自治区自然科学基金（2014211A008）
作者简务劳数据1一），男，潮南邵阳人，新疆大学硕士研究生，研究方向为计算机集成制造，（E一mail）xiewone@163.com；通讯作者：袁逸撑
（f9终，女，乌鲁本齐人，新疆大学教投，博士，研究方向为计算机集成制造，（E-mail）yipingyuan@163.com