一种面向智能制造的调度知识管理系统技术方案

本发明专利技术涉及一种面向智能制造的调度知识管理系统，包括：调度知识学习模块，由数据驱动，用于对调度数据样本进行知识挖掘，获得调度知识；调度知识应用模块，在接收到调度请求时响应，用于调用所述调度知识生成与智能车间生产状态相匹配的调度策略，并获得调度结果；调度知识在线评估模块，在获得调度结果后响应，用于根据所述调度结果，判断调度知识有效性；调度知识更新模块，在判定调度知识失效时响应，用于应用在线学习方法，在增加更新样本的基础上对调度知识进行调整。与现有技术相比，本发明专利技术能更好地提高调度知识的适应性，确保调度有效性，并具有可持续优化智能车间整体性能的优势。

【技术实现步骤摘要】
一种面向智能制造的调度知识管理系统
本专利技术涉及智能制造领域，尤其是涉及一种面向智能制造的调度知识管理系统。
技术介绍
在智能车间中，由于物联网技术和各种信息系统的广泛应用，如企业资源计划系统(EnterpriseResourcePlanning，ERP)、制造执行系统(ManufacturingExecutionSystem，MES)、质量控制系统(QualityControlSystem，QCS)等，存储了越来越多的数据。这些数据中也包含了与生产运营相关的信息，反映了智能车间的运行情况，蕴藏着丰富的生产调度知识，采用数据挖掘技术可以从数据中提取出与车间运作相关的调度知识，并可将其应用于智能车间运营决策中，指导车间运行，以提高智能车间的自适应性。中国专利“一种生产数据驱动的动态作业车间调度规则智能选择方法”(专利公开号：CN107767022A)专利技术了一种基于生产数据驱动的动态作业车间调度规则智能选择方法，该方法基于Multi-Pass算法建立作业车间生产调度仿真平台，生成排产调度的样本数据；对获得的样本数据作筛选，生成调度参数集；设计不同调度目标下用于调度知识学习的BP神经网络模型；并使用一种改进的萤火虫算法优化BP神经网络模型的训练，获得NFA-BP模型；将各调度目标下的NFA-BP模型集合成一个智能调度模块，并与作业车间MES系统进行集成，指导在线调度。法国Nantes大学的ShahzadA等人(“DiscoveringDispatchingRulesForJobShopSchedulingProblemThroughDataMining”，见8thInternationalConferenceofModelingandSimulation,2010)针对JobShop动态调度问题，提出一种基于数据挖掘的调度规则选择框架，该框架采用禁忌搜索算法获得优化的调度数据，在此基础上，通过决策树算法学习得到近似最优的调度规则。中国专利“基于论域动态划分和学习的模糊调度规则挖掘方法”(专利公开号：CN104698838A)，针对具有组批特征的微电子生产线调度问题的特点，提出一种新的模糊调度规则形式及基于Aprior算法的模糊调度规则智能挖掘算法，同时设计了一种和声搜索算法对关键参数进行优化学习，在以最小化平均通过时间为调度目标的微电子生产线调度问题上可以产生较好的调度效果。不难看出，依据调度知识可以指导生产，获得良好的调度效果。在人工调度中，调度决策会随着产品的种类、车间设备的运行负荷、订单交货期、车间中的在制品数量等信息而动态变化，同样，对于由机器学习生成的调度知识，也有同样的要求。而在智能车间中，生产是随着市场的需求动态变化的，因此，调度知识也需要是动态的，这也意味着，若智能车间状态发生较大变化，先前生成的调度知识的训练样本未能涵盖当前生产状态(包括产品种类和设备等因素)，则调度知识无法匹配当前生产环境，那么，通过调度知识应用模块获得的调度策略也不能满足调度目标，最终无法保证车间运行性能的持续优化。为此，需要对调度知识进行全生命周期的管理，包括，调度知识的生成、调度知识的应用，调度知识的评估和调度知识的更新四个部分。但目前尚未有调度知识管理相关的文献和专利。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种面向智能制造的调度知识管理系统。本专利技术的目的可以通过以下技术方案来实现：一种面向智能制造的调度知识管理系统，包括：调度知识学习模块，由数据驱动，用于对调度数据样本进行知识挖掘，获得调度知识；调度知识应用模块，在接收到调度请求时响应，用于调用所述调度知识生成与智能车间生产状态相匹配的调度策略，并获得调度结果；调度知识在线评估模块，在获得调度结果后响应，用于根据所述调度结果，判断调度知识有效性；调度知识更新模块，在判定调度知识失效时响应，用于应用在线学习方法，在增加更新样本的基础上对调度知识进行调整。进一步地，所述调度知识表征：在既定的调度目标下，生产状态与调度策略的匹配关系。进一步地，所述调度知识学习模块中，采用极限学习机算法进行知识挖掘，学习获得调度知识。进一步地，所述调度知识在线评估模块包括：控制图生成单元，用于根据所述调度结果获得调度满意度，生成调度满意度控制图；知识有效性判断单元，用于根据所述调度满意度控制图的分布情况判断调度知识是否有效。进一步地，所述调度满意度指实际调度结果与期望调度结果的比值，表达式为：其中，λ为调度满意度，P为实际调度结果，P′为期望调度结果。进一步地，所述调度满意度控制图的生成过程具体为：以多个调度满意度值作为一个样本组，计算多个样本组的平均值均值和平均极差，多个样本组的平均值组成调度满意度控制图，并设置上、下控制界限，计算公式为：其中，分别为上、下控制界限，为样本组的平均值均值，为样本组的平均极差，σ为样本组平均值的标准差，A2为控制图系数。进一步地，所述有效性判断单元中，当调度满意度控制图的分布情况满足以下任一条件时判定为调度知识失效：1)样本组的平均值Xi超出控制图中的上下控制界限；2)连续三个Xi中有两个Xi落于区域A，该区域A包括和3)连续五个Xi中有四个Xi落于区域B，该区域B包括和进一步地，所述调度知识在线评估模块还包括：控制图有效性判断单元，用于记录调度知识失效次数，在连续两次发生调度知识失效时，判定调度满意度控制图失效，调用所述控制图生成单元重新生成调度满意度控制图。进一步地，所述调度知识更新模块采用在线极限学习机算法，基于新增有更新样本的样本集，训练调整已有的调度知识。进一步地，所述更新样本的选取方式为：以近似线性依靠条件描述新样本与原样本集的变化，当新样本与原样本线性独立时，将新样本作为更新样本。与现有技术相比，本专利技术针对工业4.0环境下大数据技术在智能车间运营管理中大量应用这一趋势，提出调度知识的全生命周期管理，具有以如下有益效果：1)本专利技术通过将调度知识的管理应用于智能车间运营中，对调度知识的整个生命周期进行管理，包括调度知识的学习、调度知识的应用、调度知识的在线评估以及调度知识的更新，能更好地提高调度知识的适应性，确保调度有效性，可持续优化智能车间整体性能。2)本专利技术通过控制图来分析智能车间在应用调度知识后的调度满意度，判断调度过程是否受控，实现调度知识的在线评估，直观，有效。3)本专利技术应用近似线性依靠(ALD)选择用于调度知识更新的新样本数据，同时采用在线学习算法，更新已有的调度知识，提高了调度知识的适应性。4)本专利技术对解决数据驱动的智能车间运作具有重要的应用价值，对提高智能车间的生产管理水平具有重要的指导意义。附图说明图1为本专利技术的结构示意图；图2为本专利技术实施例中调度知识更新对瓶颈设备等待队长的影响；图3为本专利技术实施例中调度知识更新对生产率的影响；图4为本专利技术实施例中调度知识更新对日均移动步数的影响；图5为本专利技术实施例中调度满意度控制图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。如图1所示，本专利技术提供一种面向智能制造的调度知识管理系统，包括调度知识学习模块、调度知识应用模块、调本文档来自技高网...

【技术保护点】
1.一种面向智能制造的调度知识管理系统，其特征在于，包括：调度知识学习模块，由数据驱动，用于对调度数据样本进行知识挖掘，获得调度知识；调度知识应用模块，在接收到调度请求时响应，用于调用所述调度知识生成与智能车间生产状态相匹配的调度策略，并获得调度结果；调度知识在线评估模块，在获得调度结果后响应，用于根据所述调度结果，判断调度知识有效性；调度知识更新模块，在判定调度知识失效时响应，用于应用在线学习方法，在增加更新样本的基础上对调度知识进行调整。

【技术特征摘要】
1.一种面向智能制造的调度知识管理系统，其特征在于，包括：调度知识学习模块，由数据驱动，用于对调度数据样本进行知识挖掘，获得调度知识；调度知识应用模块，在接收到调度请求时响应，用于调用所述调度知识生成与智能车间生产状态相匹配的调度策略，并获得调度结果；调度知识在线评估模块，在获得调度结果后响应，用于根据所述调度结果，判断调度知识有效性；调度知识更新模块，在判定调度知识失效时响应，用于应用在线学习方法，在增加更新样本的基础上对调度知识进行调整。2.根据权利要求1所述的面向智能制造的调度知识管理系统，其特征在于，所述调度知识表征：在既定的调度目标下，生产状态与调度策略的匹配关系。3.根据权利要求1所述的面向智能制造的调度知识管理系统，其特征在于，所述调度知识学习模块中，采用极限学习机算法进行知识挖掘，学习获得调度知识。4.根据权利要求1所述的面向智能制造的调度知识管理系统，其特征在于，所述调度知识在线评估模块包括：控制图生成单元，用于根据所述调度结果获得调度满意度，生成调度满意度控制图；知识有效性判断单元，用于根据所述调度满意度控制图的分布情况判断调度知识是否有效。5.根据权利要求4所述的面向智能制造的调度知识管理系统，其特征在于，所述调度满意度指实际调度结果与期望调度结果的比值，表达式为：其中，λ为调度满意度，P为实际调度结果，P′为期望调度结果。6.根据权利要求4所述的面向智能制造的调度知识管理系统，其特征在...

【专利技术属性】
技术研发人员：马玉敏，乔非，沈一路，陆晓玉，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31