【技术实现步骤摘要】
本专利技术涉及产能预测，尤其是一种服装产能预测系统及方法。
技术介绍
1、随着制造业的快速发展，实时产能预估管理系统对于生产管理者来说变得尤为重要，可以帮助企业实现生产过程的精细化管理和优化，提高生产效率。然而，产能受众多因素的影响，一般的生产管理系统往往依赖人工统计各项因素并输入到系统中，无法准确地进行产能预估，存在较大的误差；而且，这类生产系统无法进行实时地监测与预估，存在较大的延迟性。因此，为了提高生产效率，合理地进行资源分配，避免产品交付延迟，研究一种低延迟的产能预估方法及管理系统是至关重要的。
2、现有产能预估方法大多基于线性回归，线性回归分析通常基于线性关系的假设，即假设自变量和因变量之间存在线性关系。此类方法适合生产模式比较固定的场景，如车辆生产、电子产品生产等，通常情况下这些产品的生产线都是独立的，即一条生产线只生产一种产品，即使一些同品类的产品可能会在同一生产线上进行生产，但这些产品的相似度都极高，如同款手机的不同代数。产品的固定属性及生产线的独立性使得数据的类型及其特征均较为稳定，因此使用基于线性回归的方法能得到较好的效果。但服装生产过程的不确定性就较多，一是服装的生产工艺在不同品类服装生产上是通用的，即一条生产线可能会负责多种服装的生产，如内衣、袜子、外套等；二是服装生产比较容易出现返工的问题，如缝合线不规整，这些服装通常会在被发现存在异常后立刻被遣返回对应加工环节进行重新处理。因此现有基于线性回归的方法并不能在服装生产的产能估算上有较好的效果。
技术实现思路
1、本专利技术提供一种服装产能预测系统及方法，旨在解决上述现有技术问题。
2、本专利技术的第一方面，提供一种服装产能预测系统，包括：
3、边缘计算模块，以分布式节点的形式设置于服装生产线的若干个工序区域，被配置为采集若干个工序区域的服装生产数据；
4、其中，所述服装生产数据包括原材料准备数据、原材料预加工数据、流水线加工数据和人工复检数据；
5、产能估算模块，接收所述边缘计算模块传输的服装生产数据，被配置为将原材料预加工数据、流水线加工数据和人工复检数据转换为趋势组合时序特征，并基于所述趋势组合时序特征、所述原材料准备数据和交付时间，预测服装产能估算值；
6、生产优化模块，接收所述产能估算模块传输的服装产能估算值，被配置为根据服装产能估算值和服装产能预设值，判断服装产能是否满足要求，若否，基于所述服装生产数据，生成产能优化策略。
7、可选的，所述边缘计算模块，具体包括：
8、原材料准备数据采集单元，被配置为调用原材料出入数据库，获取所述原材料出入数据库中存储的原材料出入数据；其中，所述原材料出入数据包括每个订单的预计原材料使用量、当前原材料库存量和原材料预计购入量；
9、原材料准备数据预处理单元，被配置为将获取的原材料出入数据按照每个订单进行归类，生成以id为索引的结构化数据。
10、可选的，所述边缘计算模块，还包括：
11、原材料预加工数据采集单元，被配置为采集服装加工过程中多种工序对每批原料在不同环节的实际加工时间；
12、原材料预加工数据预处理单元，被配置为根据所述实际加工时间和所述预计原材料使用量，计算每批订单中每种原料在单位时间里的可加工数量。
13、可选的，所述边缘计算模块，还包括：
14、流水线加工数据采集单元，被配置为采集流水线上每个加工位的加工操作视频数据；
15、流水线加工数据预处理单元，被配置为对采集的加工操作视频数据中的工人操作进行规范鉴定，记录不合格操作次数和每个工位在当前批次加工单位时间下的加工数目。
16、可选的，所述边缘计算模块，还包括：
17、人工复检数据采集单元；
18、其中，所述人工复检数据采集单元被配置为采集人工复检得到的不合格数目和不合格环节。
19、可选的，所述产能估算模块，具体包括：
20、特征提取单元，被配置为利用bert编码器将原材料预加工数据、流水线加工数据和人工复检数据按照时间顺序构成的时序数据进行编码，并将编码后的数据转换为趋势组合时序特征；
21、服装产能预测单元，被配置为根据所述趋势组合时序特征，确定不同生产环节之间的关联权重作为输出，并将所述输出取实部后与所述原材料准备数据和交付时间进行拼接后输入多层感知机，获得所述多层感知机输出的服装产能估算值。
22、可选的，将编码后的数据转换为趋势组合时序特征，具体为：
23、将编码后的数据进行离散傅里叶变换，获得趋势组合时序特征；
24、其中，变换后的趋势组合时序特征的表达式，具体为：
25、；
26、其中，为频率，为编码后的数据，为积分变量，j为虚数单位，t表示积分时间区间的上限，表示编码后的数据在进行离散傅里叶变换时的积分变量表示，、、分别表示原材料预加工数据、流水线加工数据和人工复检数据变换后对应的趋势组合时序特征。
27、可选的，根据所述趋势组合时序特征，确定不同生产环节之间的关联权重作为输出，具体为：
28、将、、按照预设尺度拆分为多个patch，每个patch包含多个时间点的数据；
29、将每个patch按照、、的顺序依次并排组合，将组合好的数据送入一个由2个线性层和1个卷积层构成的拟合网络，生成不同生产环节之间的关联权重。
30、可选的，基于所述服装生产数据，生成产能优化策略，具体为：
31、判断预计原材料使用量是否大于当前原材料库存量和原材料预计购入量之和；若是，则根据原材料差值，生成原材料准备优化建议；若否，获取人工复检数据；
32、判断人工复检数据中是否存在不合格数目超过预设数量的不合格环节；若是，则根据不合格环节中每个工位的生产数据，生成流水线加工优化建议；若否，根据原材料预加工数据，生成原材料预加工优化建议或流水线调度优化建议。
33、本专利技术的第二方面，提供一种服装产能预测方法，包括：
34、采集若干个工序区域的服装生产数据；
35、其中，所述服装生产数据包括原材料准备数据、原材料预加工数据、流水线加工数据和人工复检数据；
36、将原材料预加工数据、流水线加工数据和人工复检数据转换为趋势组合时序特征，并基于所述趋势组合时序特征、所述原材料准备数据和交付时间，预测服装产能估算值；
37、根据服装产能估算值和服装产能预设值，判断服装产能是否满足要求，若否，基于所述服装生产数据，生成产能优化策略。
38、本专利技术的有益效果在于：提出了一种服装产能预测系统及方法，通过采集若干个工序区域包括原材料准备数据、原材料预加工数据、流水线加工数据和人工复检数据的服装生产数据；将服装生产数据转换为趋势组合时序特征，并基于所述趋势组合时序特征、所述原材料准备数据和交付时间，预测服装产能估算值；本文档来自技高网...
【技术保护点】
1.一种服装产能预测系统，其特征在于，包括：
2.根据权利要求1所述的服装产能预测系统，其特征在于，所述边缘计算模块，具体包括：
3.根据权利要求2所述的服装产能预测系统，其特征在于，所述边缘计算模块，还包括：
4.根据权利要求3所述的服装产能预测系统，其特征在于，所述边缘计算模块，还包括：
5.根据权利要求4所述的服装产能预测系统，其特征在于，所述边缘计算模块，还包括：
6.根据权利要求1所述的服装产能预测系统，其特征在于，所述产能估算模块，具体包括：
7.根据权利要求6所述的服装产能预测系统，其特征在于，将编码后的数据转换为趋势组合时序特征，具体为：
8.根据权利要求7所述的服装产能预测系统，其特征在于，根据所述趋势组合时序特征，确定不同生产环节之间的关联权重作为输出，具体为：
9.根据权利要求5所述的服装产能预测系统，其特征在于，基于所述服装生产数据，生成产能优化策略，具体为：
10.一种服装产能预测方法，其特征在于，包括：
【技术特征摘要】
1.一种服装产能预测系统，其特征在于，包括：
2.根据权利要求1所述的服装产能预测系统，其特征在于，所述边缘计算模块，具体包括：
3.根据权利要求2所述的服装产能预测系统，其特征在于，所述边缘计算模块，还包括：
4.根据权利要求3所述的服装产能预测系统，其特征在于，所述边缘计算模块，还包括：
5.根据权利要求4所述的服装产能预测系统，其特征在于，所述边缘计算模块，还包括：
6.根据权利要求1所述的服装产能预测系统...
【专利技术属性】
技术研发人员：王晗，何少均，王小芬，张强，沈才兰，龚世蓉，魏明英，江孝蓉，陶红梅，蒲腾龙，
申请(专利权)人：四川汉丝服饰有限公司，
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。