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

本申请实施例提供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。在本申请实施例中，基于车缝产线端提供的实际产线数据与适配的仿真框架能够高效快速地构建更加逼真的车缝产线的仿真环境，仿真环境结合训练脚本以一种仿真环境、模仿学习与强化学习三者有机融合的方式进行模型训练，能够快速、高效地得到识别准确率更高的车缝产线的产线平衡决策模型。当采用产线平衡决策模型对车缝产线进行生产平衡时，能够更加全面、更加客观、更及时地感知、分析和判断车缝产线的运行情况，并进行实时的、必要的产线调整，从而减少车缝产线的效率损失，提供车缝产线整体的生产效率。提供车缝产线整体的生产效率。提供车缝产线整体的生产效率。

【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

[0005]本申请的多个方面提供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，用以快速、高效地为车缝产线提供产线平衡决策模型，使得车缝产线能够基于该模型自动、快速、及时地进行产线平衡调整，减少车缝产线的效率损失。
[0006]本申请实施例提供一种用于服装车缝产线平衡决策模型的生成方法，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，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，选择与实际产线数据适配的目标仿真框架，根据目标仿真框架与实际产线数据，生成车缝产线对应的仿真环境；运行与实际产线数据适配的目标训练脚本，以基于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，得到车缝产线所需的产线平衡决策模型；并将产线平衡决策模型提供给车缝产线端进行产线平衡调整。
[0007]本申请实施例还提供一种用于服装车缝产线平衡决策模型的生成方法，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，并利用仿真环境模拟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；在第一阶段，基于人工经验与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；在第二阶段，基于初始网络模型与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，基于第二训练样本集对初始网络模型进行强化训练，得到目标网络模型。
[0008]本申请实施例还提供一种用于服装车缝产线的平衡方法，包括：采集车缝产线在运行过程中产生的实际产线数据，实际产线数据包括车缝产线上实际存在的产线实体、产线实体的属性及产线实体的关联关系；若确定需要针对车缝产线进行产线平衡调整，将实际产线数据输入产线平衡决策模型进行动作决策，得到用于对车缝产线进行平衡调整所需的目标动作数据，目标动作数据包括目标产线实体和目标调整动作信息；根据目标调整动作信息对车缝产线上的目标产线实体执行调整动作，以使车缝产线恢复平衡。
[0009]本申请实施例还提供一种管控设备，包括：存储器和处理器；存储器，用于存储计算机程序；处理器耦合至存储器，用于执行计算机程序以用于实现本申请实施例提供的上述方法中的步骤。
[0010]本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，当计算机程序被处理器执行时，致使处理器实现本申请实施例提供的上述方法中的步骤。
[0011]在本申请实施例中，提供一种产线平衡决策模型的生成方法，在该生成方法中，预先维护至少一种仿真框架，以及预先将用于产线平衡决策模型的模型训练过程进行脚本化，并维护得到的训练脚本，这样，在用户存在模型生成需求时，基于车缝产线端提供的实际产线数据与适配的仿真框架能够高效快速地构建更加逼真的车缝产线的仿真环境，仿真环境结合训练脚本以一种仿真环境、模仿学习与强化学习三者有机融合的方式进行模型训练，能够快速、高效地得到识别准确率更高的车缝产线的产线平衡决策模型。进而，本申请实施例还提供一种用于服装车缝产线的平衡方法，该方法利用训练得到的产线平衡决策模型对车缝产线进行生产平衡时，能够更加全面、更加客观、更及时地感知、分析和判断车缝产线的运行情况，并进行实时的、必要的产线调整，从而减少车缝产线的效率损失，提供车缝产线整体的生产效率。
附图说明
[0012]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请一示例性实施例提供的一种用于车缝产线的平衡控制系统的结构示意图；图2为本申请一示例性实施例提供的另一种用于车缝产线的平衡控制系统的结构示意图；图3为本申请一示例性实施例提供的一种用于服装车缝产线平衡决策模型的生成方法的流程示意图；图4为本申请一示例性实施例提供的另一种用于服装车缝产线平衡决策模型的生成方法的流程示意图；图5为本申请一示例性实施例提供的一种服装车缝产线的平衡方法的流程示意
图；图6为本申请一示例性实施例提供的一种用于服装车缝产线平衡决策模型的生成装置的结构示意图；图7为本申请一示例性实施例提供的另一种用于服装车缝产线平衡决策模型的生成装置的结构示意图；图8为本申请一示例性实施例提供的一种用于服装车缝产线的平衡装置的结构示意图；图9为本申请一示例性实施例提供的一种管控设备的结构示意图。
具体实施方式
[0013]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0014]现有的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。为此，本申请实施例先提供一种用于服装车缝产线平衡决策模型的生成方法，预先维护本文档来自技高网...

【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：