Empirical studies show that the inter-event times of a production system are correlated. However, most of the analytical studies for the analysis and control of production systems ignore correlation. In this study, we show that real-time data collected from a manufacturing system can be used to build a Markovian arrival processes (MAP) model that captures correlation in inter-event times. The obtained MAP model can then be used to control production in an effective way. We first present a comprehensive review on MAP modeling and MAP fitting methods applicable to manufacturing systems. Then we present results on the effectiveness of these fitting methods and discuss how the collected inter-event data can be used to represent the flow dynamics of a production system accurately. In order to study the impact of capturing the flow dynamics accurately on the performance of a production control system, we analyze a manufacturing system that is controlled by using a base-stock policy. We study the impact of correlation in inter-event times on the optimal base-stock level of the system numerically by employing the structural properties of the MAP. We show that ignoring correlated arrival or service process can lead to overestimation of the optimal base-stock level for negatively correlated processes, and underestimation for the positively correlated processes. We conclude that MAPs can be used to develop data-driven models and control manufacturing systems more effectively by using shop-floor inter-event data.

中文翻译：

---

使用Markovian到达过程对相关事件间数据对生产控制的影响进行建模和分析

实证研究表明，生产系统的事件间时间是相关的。但是，大多数用于生产系统分析和控制的分析研究都忽略了相关性。在这项研究中，我们表明从制造系统中收集的实时数据可用于建立马尔可夫到达过程（MAP）模型，以捕获事件间时间的相关性。然后，可以将获得的MAP模型用于有效控制生产。我们首先对适用于制造系统的MAP建模和MAP拟合方法进行全面介绍。然后，我们将介绍这些拟合方法的有效性结果，并讨论如何将收集到的事件间数据用于准确表示生产系统的流动动力学。为了研究准确捕获流动力学对生产控制系统性能的影响，我们分析了使用基本库存策略控制的制造系统。我们利用MAP的结构特性，研究了事件间时间相关性对系统最佳基础库存水平的影响。我们表明，忽略相关的到达或服务过程可能导致对负相关过程的最佳基础库存水平高估，而对正相关过程的低估。我们得出结论，通过使用车间间事件数据，可以将MAP用于更有效地开发数据驱动的模型和控制制造系统。我们分析了使用基本库存策略控制的制造系统。我们利用MAP的结构特性，研究了事件间时间相关性对系统最佳基础库存水平的影响。我们表明，忽略相关的到达或服务过程可能导致对负相关过程的最佳基础库存水平高估，而对正相关过程的低估。我们得出结论，通过使用车间间事件数据，可以将MAP用于更有效地开发数据驱动的模型并控制制造系统。我们分析了使用基本库存策略控制的制造系统。我们利用MAP的结构特性，研究了事件间时间相关性对系统最佳基础库存水平的影响。我们表明，忽略相关的到达或服务过程可能导致对负相关过程的最佳基础库存水平高估，而对正相关过程的低估。我们得出结论，通过使用车间间事件数据，可以将MAP用于更有效地开发数据驱动的模型和控制制造系统。我们表明，忽略相关的到达或服务过程可能导致对负相关过程的最佳基础库存水平高估，而对正相关过程的低估。我们得出结论，通过使用车间间事件数据，可以将MAP用于更有效地开发数据驱动的模型并控制制造系统。我们表明，忽略相关的到达或服务过程可能导致对负相关过程的最佳基础库存水平高估，而对正相关过程的低估。我们得出结论，通过使用车间间事件数据，可以将MAP用于更有效地开发数据驱动的模型并控制制造系统。