基于纵向联邦学习工业软件对接的生产计划管理优化方法技术

本发明专利技术公开基于纵向联邦学习工业软件对接的生产计划管理优化方法，该方法先基于企业自身需求，进行纵向联邦的联合建模学习任务确认，再对联邦学习参与企业样本数据流数据进行预处理，接着对联邦学习参与企业进行样本对齐，然后对联邦学习参与企业进行参数交换的加密纵向联邦学习，最后根据企业需求应用联邦学习预测结果，进行企业生产计划优化管理；本发明专利技术运用联邦学习手段得到下一时间周期的生产计划最优化调配情况，基于工业互联网工业软件系统统筹管理企业资源，提高企业生产力与生产效率，共同建立更强大的模型，从而有效改善当前企业生产计划管理的滞后性。前企业生产计划管理的滞后性。前企业生产计划管理的滞后性。

【技术实现步骤摘要】
基于纵向联邦学习工业软件对接的生产计划管理优化方法


[0001]本专利技术涉及机器学习和工业互联网
，尤其涉及基于纵向联邦学习工业软件对接的生产计划管理优化方法。

技术介绍

[0002]工业互联网作为新时代信息技术与制造业深度结合的产物，可以引领新一代电子信息技术与先进制造技术的有机融合，推动我国制造业企业的信息化革命，工业互联网是中国制造业产业升级的重要基础设施，对未来发展有着全面、深层和革命性的影响。
[0003]目前在信息化建设较差的制造业企业中，对于边缘模块以及生产设备本地数据的统筹管理程度较低，数据获取能力较差，在生产计划管理工作上主要基于当前生产需求，在这种情况下资源调配存在明显的滞后性，严重影响生产效率和企业生产力，无法完成人、机、物的协同生产，在全球工业生产信息化浪潮下，这类企业迫切地需要进行信息化改革与产业链升级，对边缘层生产数据进行系统管理和运用。
[0004]而在信息化建设较好的制造业企业中，工业生产中的资源调配主要基于MES系统、PLM系统以及ERP系统等工业互联网生产管理工业软件辅助来设定生产计划本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于纵向联邦学习工业软件对接的生产计划管理优化方法，其特征在于，包括以下步骤：步骤一：将上中下游工业企业或同企业不同纵向部门作为工业互联网纵向联邦学习的各参与方，在工业互联网纵向联邦学习的各参与方之间，以企业生产计划中的原材料流、产品流和信息流作为学习样本，确认学习任务，工业互联网纵向联邦学习的各参与方确认学习任务后，在各自企业工业软件系统中调取相关数据并整理，为联邦学习软件对接完成企业数据准备；步骤二：企业数据准备完毕后，先对准备好的企业数据进行清洗，将其中的重合数据进行删减，并对缺失数据进行增补或策略性填补，再采用归一化对企业数据进行无量纲化处理，并统一数据维度，接着对企业数据进行随机采样处理，实现企业数据类别平衡，然后采用聚类分箱的方式对企业数据进行数据分箱处理，即设置阈值对企业数据的样本特征进行分类；步骤三：采用基于Freedman协议的加密样本ID对齐方法，先对样本特征参数进行加密，再将加密后的样本特征参数在可信中间服务器服务器上进行样本对齐，进行工业企业样本数据流联邦学习的各参与方之间的样本对齐；步骤四：在可信中间服务器的协作下，工业互联网纵向联邦学习的各参与方采用基于Paillier半同态加密的原材料流纵向联邦学习，先通过中间服务器生成密钥与数据加密，再计算企业本地加密特征，接着通过中间服务器更新全局模型，最后企业根据全局模型更新本地模型，并输出学习结果，即未来原材料流特征预测值；步骤五：工业互联网纵向联邦学习的各参与方根据企业需求应用联邦学习输出的学习结果，设计下一时间周期样本数据流生产计划，优化生产管理，基于先验知识进行生产计划管理优化，完成基于纵向联邦学习工业软件对接的生产计划优化管理。2.根据权利要求1所述的基于纵向联邦学习工业软件对接的生产计划管理优化方法，其特征在于：所述步骤一中，各参与方确认学习任务的具体步骤为：上游与中游企业以不同原材料流作为学习样本，通过上游企业工业软件系统中掌握的各原材料流开采能力、运力、初加工能力和订单特征，和中游企业工业软件系统中掌握的相同原材料流的订单、有效消耗和库存特征进行特征扩充，根据学习结果进行原材料流的优化调配，中游和下游企业以不同产品为学习样本，确认中游和下游企业之间纵向联邦学习任务。3.根据权利要求1所述的基于纵向联邦学习工业软件对接的生产计划管理优化方法，其特征在于：所述步骤二中，企业数据的归一化方式如下：其中，x为归一化前的原材料流数据，x
′
为归一化后的原材料流数据。4.根据权利要求1所述的基于纵向联邦学习工业软件对接的生产计划管理优化方法，其特征在于：所述步骤二中，企业数据随机采...

【专利技术属性】
技术研发人员：崔灵果，冯海瑜，柴森春，王昭洋，张百海，姚分喜，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：