一种总装车间物料需求预测方法技术

本发明专利技术为一种总装车间物料需求预测方法，属于智能制造领域，满足辅料需求预测触发条件时，首先，判断是周期出发还是辅料可以用量触发，设置触发工位；然后确定触发工位的对应关键基准件及该关键基准件当前所在工位；最后再确定触发工位需生成的辅料配送任务数及最佳送达时间段；当满足关重件需求预测触发条件时，根据关重件需求预测方法及工位完工耗时预测算法，确定并更新后续工位的关重件配送任务的最佳送达时间段。本方法综合考虑了工人信息、基准件等级、辅料等级及关重件等级，建立了完工耗时预测模型，并针对辅料、关重件分别提出物料需求预测方法，为物料搬运系统提供预测物料搬运任务及最佳送达时间段，为物料搬运系统提供调度缓冲时间。统提供调度缓冲时间。统提供调度缓冲时间。

【技术实现步骤摘要】
一种总装车间物料需求预测方法


[0001]本专利技术涉及智能制造领域，具体涉及一种总装车间物料需求预测方法。

技术介绍

[0002]生产装配通常需要多种物料，针对用量大、单价低的辅料，常在工位点设置缓存区用于辅料存储；针对结构重要、价格昂贵的关重件，不设置工位缓存区，物料搬运系统根据工位需求及时配送关重件至需求工位。由于工位装配执行需满足物料齐套性，因此如何保障缓存区辅料库存量在要求库存量区间、关重件在最佳时间段送达需求工位，逐渐成为智能制造领域的一大研究热点。现有的应用和研究中，前者的实现手段主要为当工位缓存区辅料实时库存量达到某一阈值时，工位向物料系统发出辅料需求，物料搬运系统根据辅料需求配送定额辅料至工位缓存区，当物料搬运系统中任务量大且交通拥堵度高时，难以保证在辅料达到最低要求库存量前能进行辅料补给；后者的研究方向主要有物料搬运调度及完工时间预测两方面，物料搬运调度目前已有大量的相关文献，如公开号为CN111653098A，专利名称为多载量自动导引车交叉路口通行顺序优化方法的中国专利技术专利申请，其研究了调度中的交通管控问题，后者的研究相对较少，且现有研究中对完工耗时影响因素的考虑维度少，如名称为卫星总装数字孪生车间物料准时配送方法的文章，仅考虑了工人维度，对物料存在等级差异的场景，该文章中所提方法其预测误差较大、场景适应性较低。此外，现有技术中，一般依据预测完工时间对所有物料均采用统一需求预测方法，并未深入考虑辅料、关重件的配送策略的区别，导致方法实际应用转化困难。

技术实现思路

[0003]为解决现有技术中存在的技术缺陷，本专利技术提出了一种总装车间物料需求预测方法，通过综合考虑工人信息、基准件等级、辅料等级及关重件等级，建立完工耗时预测模型，并基于完工耗时预测模型，针对辅料、关重件分别提出物料需求预测方法，为物料搬运系统提供预测物料搬运任务及最佳送达时间段，为物料搬运系统提供调度缓冲时间。
[0004]本专利技术通过以下技术方案实现：
[0005]一种总装车间物料需求预测方法，包括以下步骤：
[0006]步骤1：判断是否满足辅料需求预测触发条件或关重件需求预测触发条件，若满足辅料需求预测触发条件，进入步骤2，若满足关重件需求预测触发条件，进入步骤5，若均不满足，进入步骤1；
[0007]步骤2：判断是否为周期触发，若是，将所有工位设置为触发工位，若否，将辅料可用量C低于最小库存量C
min
的工位设置为触发工位；
[0008]步骤3：根据关键基准件确定方法及工位完工耗时预测算法，确定触发工位的对应关键基准件及该关键基准件当前所在工位；
[0009]步骤4：根据辅料需求预测方法、工位完工耗时预测算法、触发工位的对应关键基准件及该关键基准件当前所在工位，确定触发工位需生成的辅料配送任务数及最佳送达时
间段；
[0010]步骤5：根据关重件需求预测方法及工位完工耗时预测算法，确定并更新后续工位的关重件配送任务的最佳送达时间段。
[0011]进一步地，所述辅料需求预测触发条件，包括周期触发与最小库存量触发。
[0012]进一步地，所述最小库存量触发，为出现辅料可用量低于最小库存量的工位。
[0013]进一步地，所述关重件需求预测触发条件，为出现开始执行下一装配任务的工位。
[0014]进一步地，所述辅料可用量，其计算公式如下：
[0015]C＝C
r
+c
′
*Δ
ꢀꢀꢀ
(1)
[0016]式中，C
r
为工位辅料缓存区中辅料实际余量，c
′
为工位待送达的辅料配送任务的个数，Δ为单次配送任务辅料补给量。
[0017]进一步地，所述工位完工耗时预测算法，为将预测所需装配信息输入对应工位的完工耗时预测模型，获得工位完工预测耗时，基准件b
j
在工序线P
i
的第r个工位(r为正整数)上的完工预测耗时为：
[0018][0019]式中，为工位的完工耗时预测模型；p、C
B
·
C
An
、C
Kl
分别为此次装配的工人信息、基准件的等级、第n种辅料的等级及第l种关重件的等级；N为工位装配需辅料种数；L为工位装配需关重件种数。
[0020]进一步地，所述完工耗时预测模型，为改进蜻蜒算法优化的BP神经网络，其建立包括以下步骤：
[0021]步骤3.1.1：确定BP神经网络的隐藏层的总层数U、隐藏层的第u层节点数n
h，u
、输入层的节点数I与输出层的节点数K。
[0022]步骤3.1.2：确定蜻蜒种群规模数DS、最大迭代次数t
max
与蜻蜒个体的维数D。
[0023]步骤3.1.3：根据种群初始化方法，生成蜻蜒算法的初始种群。
[0024]步骤3.1.4：计算蜻蜒个体的适应度值，若存在蜻蜒个体的适应度值优于食物，将食物更新为该蜻蜒个体，若存在蜻蜒个体的适应度值劣于天敌，将天敌更新为该蜻蜒个体。
[0025]步骤3.1.5：判断是否达到最大迭代次数，若是，进入步骤3.1.8；若否，进入步骤3.1.6。
[0026]步骤3.1.6：根据邻域半径更新机制，为蜻蜒个体更新邻域半径。
[0027]步骤3.1.7：判断食物是否连续G次迭代未变化，若是，根据种群生成机制，生成新的种群，进入步骤3.1.4；若否，根据基本蜻蜒算法定义，更新蜻蜒个体位置和步长向量，进入步骤3.1.4。
[0028]步骤3.1.8：将食物对应解作为BP神经网络的初始权重和偏差，利用样本数据库对BP神经网络进行训练，建立完工耗时预测模型。
[0029]进一步地，所述样本数据库，由多组样本数据组成。
[0030]进一步地，所述样本数据，由输入数据和输出数据组成，其中输入数据包含工人信息、基准件等级、辅料等级、关重件等级，输出数据为实际完工耗时。
[0031]进一步地，所述蜻蜒个体的维数D，为BP神经网络所需的初始权重与偏差的个数之和，其计算方法如下：
[0032][0033]进一步地，所述种群初始化方法，为伯努利混沌映射种群初始化方法，其包括以下步骤：
[0034]步骤3.1.3.1：根据伯努利混沌映射公式，获得含D*DS个数据的混沌序列[Z1，Z2，...，Z
D*DS
]，伯努利混沌映射公式如下：
[0035][0036]式中，λ取0.4；Z0为(0，1)的随机数。
[0037]步骤3.1.3.2：基于混沌序列，生成初始蜻蜒种群，初始种群中第i个蜻蜒个体的第j维分量的计算公式如下：
[0038][0039]式中，i＝1，2，...，D；lb
j
为蜻蜒个体的取值下限矩阵lb的第j维分量；ub
j
为蜻蜒个体的取值上限矩阵ub的第j维分量。
[0040]步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种总装车间物料需求预测方法，其特征在于，包括以下步骤：步骤1：判断是否满足辅料需求预测触发条件或关重件需求预测触发条件，若满足辅料需求预测触发条件，进入步骤2，若满足关重件需求预测触发条件，进入步骤5，若均不满足，进入步骤1；步骤2：判断是否为周期触发，若是，将所有工位设置为触发工位，若否，将辅料可用量C低于最小库存量C
min
的工位设置为触发工位；步骤3：根据关键基准件确定方法及工位完工耗时预测算法，确定触发工位的对应关键基准件及该关键基准件当前所在工位；步骤4：根据辅料需求预测方法、工位完工耗时预测算法、触发工位的对应关键基准件及该关键基准件当前所在工位，确定触发工位需生成的辅料配送任务数及最佳送达时间段；步骤5：根据关重件需求预测方法及工位完工耗时预测算法，确定并更新后续工位的关重件配送任务的最佳送达时间段。2.根据权利要求1所述的一种总装车间物料需求预测方法，其特征在于，所述辅料需求预测触发条件，包括周期触发与最小库存量触发，其中，所述最小库存量触发，为出现辅料可用量低于最小库存量的工位，所述辅料可用量计算公式如下：C＝C
r
+c
′
*Δ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，C
r
为工位辅料缓存区中辅料实际余量，c
′
为工位待送达的辅料配送任务的个数，Δ为单次配送任务辅料补给量；所述关键基准件，为使触发工位的辅料可用余量C达到C
max
‑
Δ或C
min
的基准件，其中，C
max
为工位辅料缓存区的最大库存量。3.根据权利要求1所述的一种总装车间物料需求预测方法，其特征在于，所述工位完工耗时预测算法具体为：基准件b
j
在工序线P
i
的第r个工位上的完工预测耗时为：式中，为工位的完工耗时预测模型，p、C
B
、C
An
、C
Kl
分别为此次装配的工人信息、基准件的等级、第n种辅料的等级及第l种关重件的等级，N为工位装配需辅料种数，L为工位装配需关重件种数。4.根据权利要求3所述的一种总装车间物料需求预测方法，其特征在于，所述完工耗时预测模型，为改进蜻蜒算法优化的BP神经网络，其建立包括以下步骤：步骤3.1.1：确定BP神经网络的隐藏层的总层数U、隐藏层的第u层节点数n
h，u
、输入层的节点数I与输出层的节点数K；步骤3.1.2：确定蜻蜒种群规模数DS、最大迭代次数t
max
与蜻蜒个体的维数D；步骤3.1.3：根据种群初始化方法，生成蜻蜒算法的初始种群；步骤3.1.4：计算蜻蜒个体的适应度值，若存在蜻蜒个体的适应度值优于食物，将食物更新为该蜻蜒个体，若存在蜻蜒个体的适应度值劣于天敌，将天敌更新为该蜻蜒个体；步骤3.1.5：判断是否达到最大迭代次数，若是，进入步骤3.1.8，若否，进入步骤3.1.6；步骤3.1.6：根据邻域半径更新机制，为蜻蜒个体更新邻域半径；
步骤3.1.7：判断食物是否连续G次迭代未变化，若是，根据种群生成机制，生成新的种群，进入步骤3.1.4，若否，根据基本蜻蜒算法定义，更新蜻蜒个体位置和步长向量，进入步骤3.1.4；步骤3.1.8：将食物对应解作为BP神经网络的初始权重和偏差，利用样本数据库对BP神经网络进行训练，建立完工耗时预测模型，其中，样本数据库由多组样本数据组成，每组样本数据由输入数据和输出数据组成，其中输入数据包含工人信息、基准件等级、辅料等级、关重件等级，输出数据为实际完工耗时。5.根据权利要求4的一种总装车间物料需求预测方法，其特征在于，所述邻域半径更新机制，为邻域半径奖惩机制，为根据种群中蜻蜒个体适应度值对蜻蜒个体的邻域半径进行更新，种群中第i个蜻蜒个体的第j维的邻域半径更新公式如下：式中，E
i
为种群中第i个蜻蜒个体的适应度值，E
max
为种群中所有蜻蜒个体的适应度值中的最大值，E
min
为种群中所有蜻蜒个体的适应度值中的最小值，为奖惩系数，R
j
为蜻蜒个体的第j维的基本邻域半径，计算公式如下：式中，iter为当前迭代次数，t
max
为最大迭代次数。6.根据权利要求5的一种总装车间物料需求预测方法，其特征在于，所述种群生成机制，为多级变异及种群初始化复合机制，包括以下步骤：步骤3.1.7.1将当前种群O中蜻蜒个体按适应度值升序排列，选择位于设定比例的蜻蜒个体，对每个蜻蜒个体进行一次克隆，克隆时复制对应蜻蜒个体的步长向量属性，形成克隆种群A，对A中每个蜻蜒个体以设定概率连续变异若干次，对应步长向量保持不变，并将变异操作后的蜻蜒个体按适应度值升序排列，变异操作如下：操作后的蜻蜒个体按适应...

【专利技术属性】
技术研发人员：胡亚，楼佩煌，郭大宏，钱晓明，
申请(专利权)人：天奇自动化工程股份有限公司，
类型：发明
国别省市：