答辩博士：方伟光
指导教师：廖文和、郭 宇 教授/博导
论文题目：离散制造车间大数据分析与智能决策方法研究
答辩委员会：
主席：贾民平 教授/博导 东南大学
委员：刘婷婷 教授/博导 南京理工大学
周来水 教授/博导 南京航空航天大学
安鲁陵 教授/博导 南京航空航天大学
田 威 教授/博导 南京航空航天大学
廖文和 教授/博导 南京航空航天大学
郭 宇 教授/博导 南京航空航天大学
秘书：崔海华 副教授/硕导 南京航空航天大学
答辩时间：2020年5月31日 09：00
地 点：A6-201
学位论文简介：
本研究在分析当前国内外制造业发展趋势和智能制造发展战略的基础上，将制造物联技术、大数据技术和人工智能技术等新兴信息技术与制造车间相结合，面向离散制造车间的生产特点，以制造物联平台所采集的海量多源制造大数据为基础，提出大数据驱动的离散制造车间分析与智能决策方法体系，重点围绕离散制造车间中“生产进度”、“生产瓶颈”和“生产决策”三项问题开展研究。
论文的主要研究工作包括：
（1）针对制造大数据分析与智能决策的研究框架，本研究以离散制造车间中积累的海量制造数据为基础，构建了面向离散制造车间的大数据分析与智能决策体系架构，分别研究订单生产进度预测、生产瓶颈时空漂移发现和生产过程智能决策方法，为制造大数据分析在离散制造车间的落地应用提供框架支撑。
（2）针对订单生产进度在线预测的问题，本研究中利用制造物联所采集的实时状态数据，，对影响生产进度的因素进行了形式化定义，并以生产进度指标为输出，搭建堆叠稀疏自编码机模型对高维、高噪声的制造数据进行特征表示学习及生产进度精准预测。
（3）针对生产瓶颈时空漂移发现的问题，本研究面向离散制造车间的生产瓶颈时空漂移问题，设计了具有平行结构的循环学习模型，记忆车间生产过程中瓶颈单元时空漂移和生产状态演变规律，所搭建的平行门控循环单元模型能够准确把握车间中生产瓶颈的时空漂移趋势，为车间生产过程决策提供合理的依据。
（4）针对生产过程智能决策问题，本研究中构建了虚拟车间环境作为决策调控的媒介，提出基于多智能体强化学习的方法动态感知车间中实时生产状态的变化，自适应式地根据当下状态制定决策行为，强化学习智能体在与车间环境交互的过程中实现自我学习及自主更新，完成对车间中瓶颈单元的优化。
主要创新点：
1.针对制造大数据分析与智能决策的研究框架，以制造过程的海量数据为基础，以“数据采集—集成建模—分析处理—应用服务”为主线搭建制造大数据分析与智能决策研究框架，为后续研究提供框架支撑；
2.针对订单生产进度在线预测的问题，提出了一种基于堆叠稀疏自编码机的深度学习方法，实现了订单未来生产进度的快速、精准预测；
3.针对生产瓶颈时空漂移发现的问题，提出了一种基于平行门控循环单元模型的生产瓶颈漂移发现方法，对车间中的短期、中期和长期生产瓶颈时空漂移进行准确捕获，为车间生产过程决策提供合理的依据；
4.针对生产过程智能决策问题，提出基于多智能体强化学习的方法动态感知车间中实时生产状态的变化，自适应式地根据当下状态制定决策行为，可以有效改善车间运行过程中的震荡、失稳现象，为车间智能化管控提供了解决方案。
