System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及工业控制,尤其涉及一种调度方法、装置及电子设备。
技术介绍
1、随着传统制造业的转型升级,多品种、小批量生产与大规模定制业务已然成为新常态。随着生产模式的转变,同时也带来了复杂多变的物流需求。
2、在制造业中,自动引导运输车(automated guided vehicle,agv)作为一种多功能用途的移载工具,因其具备运行速度快、智能化程度高和节约劳动力成本等诸多优点,成为了实现物流运输自动化的关键工具。
3、相关技术中,如何实现agv的快速响应和调度,通常依赖于agv调度算法,通过agv调度算法对物流运输进行路径规划、碰撞检测、动态调度等任务,然后从多辆agv中选择一辆合适的agv执行对应的物流运输任务。但是,agv的调度问题通常被视为一种纯优化问题,其核心在于如何在物流订单下发后快速而有效地分配合适的agv,以达到最佳的物流效率。然而,这种方法的局限性较大,在实际的应用场景中往往需要在物流订单被实际下发后才启动agv调度算法,实现对应的派车流程。也就是说,这样不可避免地会导致整个物流运输流程的反应时间延长,影响整体的调度效率和响应速度。
技术实现思路
1、本申请实施例提供了一种调度方法、装置及电子设备,用以实现对工厂内的物流任务进行实时预测,根据对物流任务的预测结果,提前对agv进行调度,提高物流任务的整体效率和响应速度。
2、第一方面,本申请实施例提供了一种调度方法,所述方法包括:
3、获取两两设备之间的依赖程度值和
4、根据依赖程度值和作业频率值,构建目标邻接矩阵;
5、基于目标邻接矩阵,构建目标图神经网络;
6、将待预测设备对应的特征向量输入至目标图神经网络中,获得对应的物流预测结果,并根据物流预测结果,按照目标调度策略对agv进行调度。
7、通过上述的方法,通过两两设备之间的依赖程度值和作业频率值来构建目标邻接矩阵,再根据目标邻接矩阵得到用于预测各个设备物流情况的目标图神经网络,通过该方式,避免了现有技术中在物流订单实际下发后,再对agv进行调度,而导致的响应时间延长的问题,提高了agv调度的即时性以及利用效率,并且,根据各个设备的依赖程度值和作业频率值来计算邻接矩阵值,使得图神经网络的参数的合理性得到提升,能够更加准确地根据不同设备之间的工序关联关系,进行物流预测,从而实现对agv的调度。
8、在一种可选的实施方式中,在获取两两设备之间的依赖程度值和作业频率值之前,还包括:
9、获取各个设备各自对应的空间位置信息;其中,空间位置信息表征各个设备的摆放位置以及各个设备之间的工序的紧密程度;
10、根据空间位置信息,构建各个设备之间的图结构数据;其中,图结构数据包括多个分别表示各个设备的节点,以及表示各个设备连接关系的边。
11、通过上述的方法,在构建各个设备的图结构数据时,通过节点表示设备,边表示设备之间的物流路径或生产依赖关系,充分体现出了各个设备之间的交互关系,使得后续在预测过程中能够更加精确的考虑到不同设备之间的协调关系,提高预测准确率和合理性。
12、在一种可选的实施方式中,基于目标邻接矩阵,构建目标图神经网络,包括:
13、分别根据每两个设备之间的依赖程度值和作业频率值,获得每两个设备之间的邻接矩阵值;
14、基于各个邻接矩阵值,构建目标邻接矩阵;
15、根据目标邻接矩阵,构建图神经网络;
16、采用各个设备各自的历史物流订单数据训练图神经网络,得到目标图神经网络。
17、通过上述方法,根据各个邻接矩阵值,构建邻接矩阵,再基于邻接矩阵实现图神经网络的构建,然后通过设备的历史物流订单数据训练图神经网络,得到可以预测物流订单的目标图神经网络模型。
18、在一种可选的实施方式中,所述根据空间位置信息,构建各个设备之间的图结构数据,包括:
19、确定初始节点,并分别计算初始节点与其他邻居节点的过渡概率值;其中,过渡概率值表征初始节点在随机游走过程中,从初始节点游走到其他邻居节点的概率;
20、对各个过渡概率值进行归一化处理,以使各个过渡概率值之和为1,获得各个邻居节点的概率分布结果;
21、根据概率分布结果确定初始节点选择的下一邻居节点,获得各个节点之间的连接关系,并构建各个设备之间的图结构数据。
22、通过上述的方法,采用随机游走策略,能够是的具有相似结构位置或功能的设备在嵌入空间中彼此靠近,能够构建合理的图结构数据。
23、在一种可选的实施方式中,所述将待预测设备对应的特征向量输入至目标图神经网络中,获得对应的物流预测结果,包括:
24、根据待预测设备的总生产时间、负载平衡指标、总待机时间以及各自对应的权重参数,计算得到待预测设备对应的物流预测结果。
25、通过上述的方法,能够根据设备的使用情况,将每个订单安排在合适的时间和设备上生产,提高了生产效率。
26、在一种可选的实施方式中,对各个所述过渡概率进行归一化处理,以使各个过渡概率之和为1,获得各个邻居节点的分布概率结果,包括:
27、计算各个所述过渡概率值对应的和值;
28、基于和值与各个过渡概率值,获得各个邻居节点的分布概率结果。
29、第二方面,本申请提供了一种调度装置,所述装置包括:
30、获取模块,用于获取两两设备之间的依赖程度值和作业频率值;其中,依赖程度值指示两两设备之间工序的依赖程度,作业频率值指示两两设备之间作业时相互协作的频率;
31、转化模块,用于根据依赖程度值和作业频率值,构建目标邻接矩阵;
32、构建模块,用于基于目标邻接矩阵,构建目标图神经网络;
33、处理模块,用于将待预测设备对应的特征向量输入至目标图神经网络中,获得对应的物流预测结果,并根据物流预测结果,按照目标调度策略对agv进行调度。
34、在一种可选的实施方式中,在获取两两设备之间的依赖程度值和作业频率值之前,所述获取模块还用于:
35、获取各个设备各自对应的空间位置信息;其中,空间位置信息表征各个设备的摆放位置以及各个设备之间的工序的紧密程度;
36、根据空间位置信息,构建各个设备之间的图结构数据;其中,图结构数据包括多个分别表示各个设备的节点,以及表示各个设备连接关系的边。
37、在一种可选的实施方式中,在基于目标邻接矩阵,构建目标图神经网络时,所述构建模块具体用于:
38、分别根据每两个设备之间的依赖程度值和作业频率值,获得每两个设备之间的邻接矩阵值;
39、基于各个邻接矩阵值,构建目标邻接矩阵;
40、根据目标邻接矩阵,构建图神经网络;
本文档来自技高网...【技术保护点】
1.一种调度方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,在所述获取两两设备之间的依赖程度值和作业频率值之前,还包括:
3.如权利要求1所述的方法,其特征在于,所述基于所述目标邻接矩阵,构建目标图神经网络,包括:
4.如权利要求2所述的方法,其特征在于,所述根据所述空间位置信息,构建所述各个设备之间的图结构数据,包括:
5.如权利要求1所述的方法,其特征在于,所述将待预测设备对应的特征向量输入至所述目标图神经网络中,获得对应的物流预测结果,包括:
6.如权利要求4所述的方法,其特征在于,所述对各个所述过渡概率进行归一化处理,以使各个所述过渡概率值之和为1,获得各个邻居节点的分布概率结果,包括:
7.一种调度装置,其特征在于,所述装置包括:
8.如权利要求7所述的装置,其特征在于,在所述获取两两设备之间的依赖程度值和作业频率值之前,所述获取模块还用于:
9.一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,其特征在于,所述处理器执行
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
...【技术特征摘要】
1.一种调度方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,在所述获取两两设备之间的依赖程度值和作业频率值之前,还包括:
3.如权利要求1所述的方法,其特征在于,所述基于所述目标邻接矩阵,构建目标图神经网络,包括:
4.如权利要求2所述的方法,其特征在于,所述根据所述空间位置信息,构建所述各个设备之间的图结构数据,包括:
5.如权利要求1所述的方法,其特征在于,所述将待预测设备对应的特征向量输入至所述目标图神经网络中,获得对应的物流预测结果,包括:
6.如权利要求4所述的方法,其特征在于,所述对各个所述过渡...
【专利技术属性】
技术研发人员:熊奕洋,史芳宁,张浩明,
申请(专利权)人:中国电信股份有限公司技术创新中心,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。