【技术实现步骤摘要】
本申请涉及智能制造，尤其涉及一种智能云仿真的工艺卡优化方法、装置、设备及存储介质。
技术介绍
1、随着制造业向智能化、数字化转型，工艺卡(process card)在生产过程中的重要性不断提高。工艺卡是生产工艺的详细说明，指导生产操作、质量控制和资源调配等。然而，传统的工艺卡在优化方法往往依赖静态的数据分析和人工调整，无法实时响应生产现场的变化。并且工艺卡优化大多基于预设规则和历史数据，缺乏自学习和自适应的能力，无法根据生产中的实时数据自动优化工艺过程。在这现有复杂、多变的生产需求往往使得传统工艺卡优化方法难以满足灵活性要求，导致生产效率和资源利用率降低。因此如何针对工艺卡进行改进，以应对快速变化的生产需求和复杂的工艺环境是现阶段丞待解决的技术问题。
技术实现思路
1、本申请提供一种智能云仿真的工艺卡优化方法，能够将资产登记存储在数据库中，并通过多重审核机制对资产变更请求信息进行审核，从而确保资产的安全性。
2、第一方面，本申请实施例提供一种智能云仿真的工艺卡优化方法，所述工艺卡优化方法包括以下步骤：
3、获取生产车间中的设备运行数据、环境数据和生产进度数据，得到生产车间数据，通过无线网络将所述生产车间数据传输至云平台；
4、在云平台中利用大数据处理技术对所述生产车间数据进行数据清洗，去除所述生产车间数据中的异常数据，得到初始生产车间数据；
5、基于fea有限元分析模型建立工艺卡多层次仿真模型，根据生产车间的历史数据设置生产场景和工艺
6、基于改进的gan生成对抗网络对所述初始生产车间数据和所述初始工艺卡生产方案进行学习；
7、利用强化算法q学习定义所述gan生成对抗网络学习过程中的状态、动作和奖励，得到目标工艺卡生产方案；
8、将所述目标工艺卡生产方案通过hadoop并行计算框架进行多线程管理和数据共享，并通过生产控制系统将所述目标工艺卡生产方案推送至生产设备和操作人员进行执行。
9、在一种可能实现方式中，所述获取生产车间中的设备运行数据、环境数据和生产进度数据，得到生产车间数据，通过无线网络将所述生产车间数据传输至云平台，包括：
10、在生产车间内部署温度传感器、压力传感器和振动传感器，每5秒通过传感器获取电机的转速、设备部件的温度变化参数，对采集后的数据按照设备编号、采集时间信息进行整理，得到设备运行数据；
11、通过温湿度传感器、光照传感器和空气质量传感器对车间不同位置的环境进行数据采集，将采集到的数据标注空间位置，得到环境数据；
12、通过读取每个生产工序节点的任务完成标记、产品流转计数装置、人工录入的物料准备和产品质检环节的时间节点信息，得到生产进度数据；
13、将所述设备运行数据、环境数据和生产进度数据依据统一的时间戳进行对齐合并，得到生产车间数据；
14、利用aes加密算法对所述生产车间数据进行加密，加密后通过无线网络将所述生产车间数据传输至云平台。
15、在一种可能实现方式中，所述在云平台中利用大数据处理技术对所述生产车间数据进行数据清洗，去除所述生产车间数据中的异常数据，得到初始生产车间数据，包括：
16、获取生产车间数据，利用线性插值法补充所述生产车间数据缺失值，得到第一生产车间数据；
17、利用k-means聚类算法对所述第一生产车间数据进行聚类处理，
18、
19、其中，e是总的聚类误差平方和，k是聚类簇的数量，ci表示第i个聚类簇，x是簇ci中的数据点，ui第个聚类簇的质心；
20、将所述生产车间数据中具有相似特征的数据点划分到同一类中，通过不断迭代更新质心位置，重新分配数据点到最近质心所在簇，直至收敛到最小值，得到正常数据聚类，去除远离各类簇质心的数据点，得到第二生产车间数据；
21、将所述第二生产车间数据中的设备运行数据、环境数据和生产进度数据进行分表存储，得到初始生产车间数据。
22、在一种可能实现方式中，所述基于fea有限元分析模型建立工艺卡多层次仿真模型，根据生产车间的历史数据设置生产场景和工艺参数，利用所述工艺卡多层次仿真模型对生产场景和工艺参数进行模拟计算，得到初始工艺卡生产方案，包括：
23、依据车间生产的产品特性及工艺流程，在ansys仿真软件中基于fea有限元分析原理建立工艺卡多层次仿真模型；
24、获取生产车间的历史生产数据，分析所述历史生产数据中不同订单产品的生产场景细节和工艺参数，提取生产场景模式；
25、根据所述生产场景模式设定对应的工艺参数初始值，根据所述工艺参数初始值启动所述工艺卡多层次仿真模型进行模拟运算；
26、根据所述工艺卡多层次仿真模型中的力学方程和热力学方程对所述工艺参数初始值中材料变形指标、加工能耗指标和生产节拍指标进行数值计算；
27、结合生产效率、产品质量和成本控制，筛选出工艺参数组合与生产流程安排，得到初始工艺卡生产方案。
28、在一种可能实现方式中，所述基于改进的gan生成对抗网络对所述初始生产车间数据和所述初始工艺卡生产方案进行学习，包括：
29、采用全连接神经网络结构建立gan生成对抗网络的生成器，至少包括输入层、中间层和输出层；在所述中间层中设置多个隐藏层，将re l u函数为激活函数，引入非线性变换，输出层神经元数量与工艺卡生产方案数据维度进行匹配；
30、利用全连接神经网络结构建立gan生成对抗网络的判别器，输入层用于接收与生成器输出维度相同的数据，中间层设置隐藏层，将leakyre l u函数设置为激活函数，输出层利用sigmoid函数将输出压缩至(0,1)之间；
31、引入梯度惩罚对建立的gan生成对抗网络进行改进，增加梯度惩罚项到判别器损失函数，得到wgan-gp生成对抗网络；
32、从初始生产车间数据和初始工艺卡生产方案中随机抽取一批真实生产车间数据与工艺卡生产方案，计算判别器对真实数据的输出和损失，从先验噪声分布中采集一批噪声向量，通过生成器得到生成数据，计算判别器对生成数据的输出及损失；
33、判别器的总损失根据梯度惩罚进行计算，基于梯度反向传播更新判别器权重，保持判别器权重不变，再次从噪声分布采样计算生成器损失，通过反向传播更新生成器权重；
34、不断调整学习率、判别器与生成器训练次数比例，噪声分布参数，通过监控训练过程中的损失曲线、生成样本质量优化超参数设置。
35、在一种可能实现方式中，所述利用强化算法q学习定义所述gan生成对抗网络学习过程中的状态、动作和奖励，得到目标工艺卡生产方案，包括：
36、建立q表，行对应状态空间s中的不同状态，列对应动作空间a中的各个动作，q表的初始值随机设定在(-0.1本文档来自技高网...
【技术保护点】
1.一种智能云仿真的工艺卡优化方法，其特征在于，所述工艺卡优化方法包括以下步骤：
2.如权利要求1所述一种智能云仿真的工艺卡优化方法，其特征在于，所述获取生产车间中的设备运行数据、环境数据和生产进度数据，得到生产车间数据，通过无线网络将所述生产车间数据传输至云平台，包括：
3.如权利要求1所述一种智能云仿真的工艺卡优化方法，其特征在于，所述在云平台中利用大数据处理技术对所述生产车间数据进行数据清洗，去除所述生产车间数据中的异常数据，得到初始生产车间数据，包括：
4.如权利要求1所述一种智能云仿真的工艺卡优化方法，其特征在于，所述基于FEA有限元分析模型建立工艺卡多层次仿真模型，根据生产车间的历史数据设置生产场景和工艺参数，利用所述工艺卡多层次仿真模型对生产场景和工艺参数进行模拟计算，得到初始工艺卡生产方案，包括：
5.如权利要求1所述一种智能云仿真的工艺卡优化方法，其特征在于，所述基于改进的GAN生成对抗网络对所述初始生产车间数据和所述初始工艺卡生产方案进行学习，包括：
6.如权利要求1所述一种智能云仿真的工艺卡优化方法
7.如权利要求1所述一种智能云仿真的工艺卡优化方法，其特征在于，所述将所述目标工艺卡生产方案通过Hadoop并行计算框架进行多线程管理和数据共享，并通过生产控制系统将所述目标工艺卡生产方案推送至生产设备和操作人员进行执行，包括：
8.一种智能云仿真的工艺卡优化装置，其特征在于，所述工艺卡优化装置包括以下模块：
9.一种智能云仿真的工艺卡优化设备，其特征在于，所述智能云仿真的工艺卡优化设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述智能云仿真的工艺卡优化方法的各个步骤。
...【技术特征摘要】
1.一种智能云仿真的工艺卡优化方法，其特征在于，所述工艺卡优化方法包括以下步骤：
2.如权利要求1所述一种智能云仿真的工艺卡优化方法，其特征在于，所述获取生产车间中的设备运行数据、环境数据和生产进度数据，得到生产车间数据，通过无线网络将所述生产车间数据传输至云平台，包括：
3.如权利要求1所述一种智能云仿真的工艺卡优化方法，其特征在于，所述在云平台中利用大数据处理技术对所述生产车间数据进行数据清洗，去除所述生产车间数据中的异常数据，得到初始生产车间数据，包括：
4.如权利要求1所述一种智能云仿真的工艺卡优化方法，其特征在于，所述基于fea有限元分析模型建立工艺卡多层次仿真模型，根据生产车间的历史数据设置生产场景和工艺参数，利用所述工艺卡多层次仿真模型对生产场景和工艺参数进行模拟计算，得到初始工艺卡生产方案，包括：
5.如权利要求1所述一种智能云仿真的工艺卡优化方法，其特征在于，所述基于改进的gan生成对抗网络对所述初始生产车间数据和...
【专利技术属性】
技术研发人员：罗祥麟，王心醉，孔飞，岳月，李鹏飞，
申请(专利权)人：季华实验室，
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。