【技术实现步骤摘要】
用于服装车缝产线平衡决策模型的生成方法、设备及介质
[0001]本申请涉及智能制造
,尤其涉及一种用于服装车缝产线平衡决策模型的生成方法、设备及介质。
技术介绍
[0002]随着云计算、物联网、人工智能等技术的不断发展,涌现出越来越多的数字化工厂。数字化工厂能够实现产品从原材料采购、产品设计以及生产加工等全生产链条的数字化处理;还能够按照柔性制造模式进行生产制造。其中,柔性制造模式是指通过系统结构、人员组织、运作方式和市场营销等方面的改革,使生产系统能对市场需求变化作出快速地适应,同时消除冗余无用的损耗,力求企业获得更大的效益。在柔性制造模式下,数字化工厂以消费者需求为核心,重构传统以产定销的生产模式,实现按需智造。
[0003]对数字化工厂来说,生产线平衡与否直接影响生产效率。生产线平衡是指对生产的全部工序进行平均化,调整作业负荷,以使各作业时间尽可能相近的技术手段与方法。生产线平衡的目的是消除作业间不平衡的效率损失以及生产过剩。
[0004]目前,针对数字化工厂中的一些产线,特别是服装制造工厂中的车缝产线,主要依赖产线负责人员观察生产线的状态,发现制约整体生产线产出量的瓶颈工序,对瓶颈工序的人员进行调整,以实现生产线平衡。但是,这种依赖人工经验对生产线进行平衡的方式,由于人工经验具有局限性,主要着眼于解决眼前瓶颈,缺乏全局规划,准确性较差,另外,往往是在一道工序出现明显瓶颈时才会进行人员调整,此时生产线可能已经产生效率损失,难以有效、及时地实现生产线平衡。
技术实现思路
[0 ...
【技术保护点】
【技术特征摘要】
1.一种用于服装车缝产线平衡决策模型的生成方法,其特征在于,包括:响应服务界面上的信息输入操作,获取车缝产线端提供的实际产线数据,所述实际产线数据至少包括车缝产线上的产线实体、产线实体的属性和产线实体之间的关联关系;从所维护的仿真框架中,选择与所述实际产线数据适配的目标仿真框架,根据所述目标仿真框架与所述实际产线数据,生成所述车缝产线对应的仿真环境;运行与所述实际产线数据适配的目标训练脚本,以基于所述仿真环境采用模仿学习和强化学习结合的方式进行两阶段的模型训练,得到所述车缝产线所需的产线平衡决策模型;并将所述产线平衡决策模型提供给所述车缝产线端进行产线平衡调整。2.根据权利要求1所述的方法,其特征在于,从所维护的仿真框架中,选择与所述实际产线数据适配的目标仿真框架,包括:根据仿真框架适合的产线类型,选择与所述车缝产线所属产线类型适合的仿真框架作为所述目标仿真框架;或者在所述服务界面上展示可供车缝产线端选择的仿真框架,响应于所述车缝产线端的第一选择操作,将被选中的仿真框架作为所述目标仿真框架。3.根据权利要求1所述的方法,其特征在于,根据所述目标仿真框架与所述实际产线数据,生成所述车缝产线对应的仿真环境,包括:根据所述实际产线数据,生成所述车缝产线进行产线平衡决策所需的各种动作数据和各种触发事件;根据所述实际产线数据初始化所述目标仿真框架的状态空间,并将所述车缝产线进行产线平衡决策所需的各种动作数据和各种触发事件分别配置到所述目标仿真框架的动作空间和事件空间中,以得到所述车缝产线对应的仿真环境。4.根据权利要求1所述的方法,其特征在于,运行与所述实际产线数据适配的目标训练脚本之前,还包括:在所述服务界面上展示可供车缝产线端选择的多个训练脚本,响应于所述车缝产线端的第二选择操作,将被选中的训练脚本作为与所述车缝产线数据适配的目标训练脚本;其中,不同训练脚本对应的模型训练逻辑不同。5.根据权利要求1
‑
4任一项所述的方法,其特征在于,运行与所述实际产线数据适配的目标训练脚本,以基于所述仿真环境采用模仿学习和强化学习结合的方式进行两阶段的模型训练,得到所述车缝产线所需的产线平衡决策模型,包括:运行与所述实际产线数据适配的目标训练脚本,以执行下述模型训练操作:在第一模型训练阶段,基于人工经验与所述仿真环境交互以对产线平衡决策过程进行模拟,得到由多个第一动作数据及其对应的第一产线数据形成的第一训练样本集,基于第一训练样本集进行模型训练,得到以产线数据为输入以动作数据为输出的初始网络模型;在第二模型训练阶段,基于所述初始网络模型与所述仿真环境交互以对产线平衡决策过程进行模拟,得到由多个第二动作数据及其对应的第二产线数据、奖励函数值和下一产线数据形成的第二训练样本集,基于所述第二训练样本集对所述初始网络模型进行强化训练,得到产线平衡决策模型。6.一种用于服装车缝产线平衡决策模型的生成方法,其特征在于,包括:
根据车缝产线的实际产线数据,构建车缝产线的仿真环境,并利用所述仿真环境模拟所述车缝产线上产线实体在正常生产过程中的状态变化,模拟过程至少包括第一阶段和第二阶段;在所述第一阶段,基于人工经验与所述仿真环境交互以模拟正常生产过程中的外部输入,得到由多个第一动作数据及其对应的第一产线数据形成的第一训练样本集,基于第一训练样本集进行模型训练,得到以产线数据为输入以动作数据为输出的初始网络模型;在所述第二阶段,基于所述初始网络模型与所述仿真环境交互以模拟正常生产过程中的外部输入,得到由多个第二动作数据及其对应的第二产线数据、奖励函数值和下一产线数据形成的第二训练样本集,基于所述第二训练样本集对所述初始网络模型进行强化训练,得到目标网络模型。7.根据权利要求6所述的方法,其特征在于,所述实际产线数据包括车缝产线上存在的产线实体、产线实体的属性和产线实体之间的关联关系,则根据车缝产线的实际产线数据,构建车缝产线的仿真环境,包括:根据所述实际产线数据,构建所述仿真环境对应的状态空间、动作空间和事件空间,以得到所述仿真环境;其中,所述状态空间用于存储仿真过程中所述车缝产线上动态变化的产线实体、产线实体的属性以及产线实体的关联关系,所述动作空间用于存储所述车缝产线进行产线平衡决策所需的各种动作数据,所述事件空间包括所述车缝产线进行产线平衡决策所需的各种触发事件。8.根据权利要求7所述的方法,其特征在于,基于人工经验与所述仿真环境交互以模拟正常生产过程中的外部输入,得到由多个第一动作数据及其对应的第一产线数据形成的第一训练样本集,包括:...
【专利技术属性】
技术研发人员:唐坤杰,周垚学,韦袆,
申请(专利权)人:阿里巴巴中国有限公司,
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。