【技术实现步骤摘要】
本专利技术属于生产线任务调度与优化，具体涉及基于人工智能的自动化生产线任务调度与优化方法及系统。
技术介绍
1、随着工业化的深入发展，自动化生产线已成为制造企业提高生产效率、降低生产成本的重要手段。然而，传统的生产线调度方法往往依赖于人工经验和固定的规则，难以应对复杂多变的生产环境和需求。因此，引入人工智能技术，对生产线任务进行智能调度和优化，成为当前研究的热点。
2、如授权公告号为cn113780747b的中国专利公开了一种生产线任务自动划分抓取调度系统及方法，包括能够独立运行的产线系统、能够独立运行的工位系统，产线系统与工位系统通信连接；以及包括设置在产线系统的工艺模型构建模块，用于构建产品生产所需工序；设置在工位系统的生产任务抓取模块，用于获取产品生产所需工序信息；设置在产线系统的生产任务划分模块，用于根据工序将生产任务划分为多个子任务；设置在工位系统的调度任务抓取模块，用于抓取子任务并执行，直至所有生产任务完成等；该专利技术优化了生产线任务划分调度流程，提升了生产线任务流程效率，实现了柔性生产，精益生产，降低了成本。
3、再如公开号为cn112686471a的中国专利公开了一种基于贪婪策略的钢材生产优化调度方法，包括以下步骤：s1：从生产购销合同中获取生产总任务，再将各个生产任务按照生产工序分解成若干生产子任务；s2：根据车间生产线的相关信息，生成生产线信息表，每条生产线完成一道工序；s3：创建结构体数组t和工序信息数组w，所述结构体数组t为分解后的生产子任务的集合，所述工序信息数组w存储工序信息
4、上述方案还存在如下问题：
5、在对生产线的生产任务进行调度时，没有综合考虑生产线的具体情况，例如生产线的生产效率、生产设备的故障情况以及生产线的稳定性等等，这些都会影响到生产任务的调度和优化，本专利技术旨在通过多方面因素的综合考虑，合理分配和调度生产任务，以实现生产效率最大化。
技术实现思路
1、本专利技术的目的在于提供基于人工智能的自动化生产线任务调度与优化方法及系统，用于解决现
技术介绍
中提出的技术问题。
2、为了实现上述目的，本专利技术采用了如下技术方案：基于人工智能的自动化生产线任务调度与优化方法，包括如下步骤：
3、采集各生产线的历史生产数据，历史生产数据包括生产综合数据和生产效率，生产综合数据包括设备状态、产量、产品合格率、工单完成时间、原材料供应率。
4、基于生产综合数据，训练预测出生产效率的机器学习模型，采集实时的生产综合数据，并输入到训练完成的机器学习模型内预测出生产效率；
5、基于预测出的生产效率与预设的生产效率阈值进行比对分析，判断生成生产效率等级，并根据生产效率等级分配生产任务；
6、获取各生产线设备的历史综合数据，所述历史综合数据包括设备运行状态综合参数和设备故障率，基于设备运行状态综合参数预测未来时刻的设备故障率；
7、将预测出的未来时刻的设备故障率与预设的设备故障率阈值进行比对分析，并根据分析结果确定检修频率等级；
8、基于预测出的生产效率、未来时刻的设备故障率以及故障修复的平均时间，生成生产线稳定系数；
9、将生产线稳定系数与预设的生产线稳定系数阈值进行对比分析，生成相应的生产线稳定等级，并基于生产线稳定等级动态调整生产任务。
10、优选的，所述训练预测出生产效率的机器学习模型的方式如下：
11、将采集到的生产综合数据转换为对应的一组特征向量；
12、将每组特征向量作为机器学习模型的输入，机器学习模型以每组生产综合数据对应的生产效率作为输出，以每组生产综合数据实际对应的生产效率作为预测目标，以最小化机器学习模型损失函数值作为训练目标；当机器学习模型损失函数值小于或等于预设的目标损失值时停止训练。
13、优选的，所述判断生成生产效率等级的方式如下：
14、生产效率等级包括：一级生产效率、二级生产效率和三级生产效率，所述一级生产效率、二级生产效率和三级生产效率依次递减；
15、将预测出的生产效率标记为yx，预设生产效率阈值为yx1、yx2，其中，yx1＜yx2；
16、当yx≤yx1时，此时，生成三级生产效率；
17、当yx2≥yx＞yx1时，此时，生成二级生产效率；
18、当yx＞yx2时，此时，生成一级生产效率。
19、优选的，所述根据生产效率等级分配生产任务的方式如下：
20、从生产购销合同中获取生产总任务，然后基于生产总任务，按照订单的紧急程度、订单规模和产品的生产周期，对生产任务进行优先级划分。
21、优选的，所述预测未来时刻设备故障率的机器学习模型的训练方法包括；
22、预设预测时间步长k、滑动步长p以及滑动窗口长度n；将历史综合数据使用滑动窗口方法将其转化为多个训练样本，一个训练样本对应一个标签，并构成一组训练数据，多组训练数据构成训练集，将训练集作为机器学习模型的输入，预测时间步长k后的未来时刻设备故障率作为输出，每个训练集的后续设备故障率作为预测目标，以预测准确率作为训练目标，对机器学习进行训练；生成根据设备运行状态综合参数预测未来时刻设备故障率的机器学习模型。
23、优选的，所述确定检修频率等级的方式如下：
24、检修频率等级包括一级检修频率、二级检修频率和三级检修频率，所述一级检修频率、二级检修频率和三级检修频率依次递减；
25、将预测的设备故障率标记为sg，预设设备故障率阈值为sg1、sg2，其中，sg1＜sg2；
26、当sg≤sg1时，此时，生成三级检修频率；
27、当sg2≥sg＞sg1时，此时，生成二级检修频率；
28、当sg＞sg2时，此时，生成一级检修频率。
29、优选的，所述故障修复的平均时间的计算方式如下：
30、
31、式中，gx表示故障修复的平均时间，i表示故障修复的总次数，tj表示第j次故障修复所用的时间，j∈(1,2,……,i)。
32、优选的，所述生产线稳定系数sw根据生产效率、设备故障率、故障修复的平均时间进行加权运算获得。
33、优选的，所述将生产线稳定系数与预设的生产线稳定系数阈值生成相应的生产线稳定等级的方式如下：
34、预设生产线稳定系数阈值为sw1、sw2，其中，sw1＜sw2；
35、当sw≤sw1时，此时，生成生产线稳定性低；
36、当sw2≥sw＞sw1时，此时，生成生产线稳定性中等；
37、当sw＞sw2时，此时，生成生产线稳定性高。
38、基于人工智能的自动化生产线任务调度与优化系统，基于本文档来自技高网...
【技术保护点】
1.基于人工智能的自动化生产线任务调度与优化方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于人工智能的自动化生产线任务调度与优化方法，其特征在于，所述训练预测出生产效率的机器学习模型的方式如下：
3.如权利要求2所述的基于人工智能的自动化生产线任务调度与优化方法，其特征在于，所述判断生成生产效率等级的方式如下：
4.如权利要求3所述的基于人工智能的自动化生产线任务调度与优化方法，其特征在于，所述根据生产效率等级分配生产任务的方式如下：
5.如权利要求4所述的基于人工智能的自动化生产线任务调度与优化方法，其特征在于，所述预测未来时刻设备故障率的机器学习模型的训练方法包括；
6.如权利要求5所述的基于人工智能的自动化生产线任务调度与优化方法，其特征在于，所述确定检修频率等级的方式如下：
7.如权利要求6所述的基于人工智能的自动化生产线任务调度与优化方法，其特征在于，所述故障修复的平均时间的计算方式如下：
8.如权利要求7所述的基于人工智能的自动化生产线任务调度与优化方法，其特征在于，所述生
9.如权利要求8所述的基于人工智能的自动化生产线任务调度与优化方法，其特征在于，所述将生产线稳定系数与预设的生产线稳定系数阈值生成相应的生产线稳定等级的方式如下：
10.基于人工智能的自动化生产线任务调度与优化系统，用于实现权利要求1-9任一所述的基于人工智能的自动化生产线任务调度与优化方法，其特征在于，包括：
...【技术特征摘要】
1.基于人工智能的自动化生产线任务调度与优化方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于人工智能的自动化生产线任务调度与优化方法，其特征在于，所述训练预测出生产效率的机器学习模型的方式如下：
3.如权利要求2所述的基于人工智能的自动化生产线任务调度与优化方法，其特征在于，所述判断生成生产效率等级的方式如下：
4.如权利要求3所述的基于人工智能的自动化生产线任务调度与优化方法，其特征在于，所述根据生产效率等级分配生产任务的方式如下：
5.如权利要求4所述的基于人工智能的自动化生产线任务调度与优化方法，其特征在于，所述预测未来时刻设备故障率的机器学习模型的训练方法包括；
6.如权利要求5所述的基于人工智能的自动化生产线任务调度...
【专利技术属性】
技术研发人员：江海，
申请(专利权)人：深圳芯港智能制造有限公司，
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。