本发明专利技术提供了一种工厂控制方案决策方法、装置及计算机设备，所述方法包括基于目标工厂的控制目标、控制方案以及层次分析法构建权重矩阵；所述权重矩阵用于体现各控制方案对目标层的重要性排序；基于熵权法和所述权重矩阵计算各个控制方案的组合权重；将所述各控制方案、所述组合权重和所述目标工厂的当前监测数据输入预训练的神经网络，输出所述目标工厂的目标控制方案。本发明专利技术提供的方法能够将层次分析法和熵权法相结合以对收集到的工厂相关信息进行评估，将主观评价法与客观评价法相结合，改进传统方法中主观集过多的不足之处，使工厂管理者更加直观的了解供货信息、物料信息，以提高生产效率，保障生产环节顺利进行。保障生产环节顺利进行。保障生产环节顺利进行。
【技术实现步骤摘要】
一种工厂控制方案决策方法、装置及计算机设备
[0001]本申请涉及自动化
，特别涉及一种工厂控制方案决策方法、装置及计算机设备。
技术介绍
[0002]制造业是实体经济的一大支柱，随着云计算、大数据、人工智能等高新技术的发展，传统制造业在向智能制造的方向转型。制造执行系统(，MES)可以加强对工厂运行的控制，例如可以有效管控生产进度，发现生产瓶颈；可以统计员工产出，实现对员工的绩效考核；还可以制定生产计划，使得生产过程更为科学合理
[0003]接入MES系统的生产管控信息化平台能够使得生产管理更为便捷，监测数据的过程更为直观，但对一些潜在风险的检测仍不够及时有效，如环境安全、材料安全、生态环境安全、工作运行安全等。对于此类安全风险问题，若不能及时检出并处理，可能导致较为严重的后果，因此针对工厂环境信息进行处理和评估，并根据分析结果制定解决方案在工厂运行过程中十分重要。
[0004]现有的工厂环境、工厂安全检测可以使用模糊综合评价、贝叶斯网络处理等方法，然而这些方法在信息属性相关性较大时分类效果较差，且计算复杂，对指标权重矢量的确定主观性较强；另一方面当主观集数量较大时，还可能出现超模糊现象，导致判断失败，评价结果的准确性较低。
技术实现思路
[0005]为解决现有的工厂管理信息繁多难以把握的问题，本申请提供一种工厂控制方案决策方法、装置及计算机设备，能够将层次分析法和熵权法相结合以对收集到的工厂相关信息进行评估，以调整控制方案，提高生产效率。
[0006]一方面，提供了一种工厂控制方案决策方法，所述方法包括：
[0007]基于目标工厂的控制目标、控制方案以及层次分析法构建权重矩阵；所述权重矩阵用于体现各控制方案对目标层的重要性排序；
[0008]基于熵权法和所述权重矩阵计算各个控制方案的组合权重；
[0009]将所述各控制方案、所述组合权重和所述目标工厂的当前监测数据输入预训练的神经网络，输出所述目标工厂的目标控制方案。
[0010]在一些实施例中，所述基于目标工厂的控制目标、控制方案以及层次分析法构建权重矩阵之前，所述方法还包括：
[0011]获取所述目标工厂的评价指标体系和控制指标体系，基于所述评价指标体系和控制指标体系建立所述目标工厂的控制目标和控制方案。
[0012]在一些实施例中，所述基于目标工厂的控制目标、控制方案以及层次分析法构建权重矩阵包括：
[0013]基于所述控制目标、所述控制方案以及层次分析法构造评价层判断矩阵；所述评
价层判断矩阵用于体现各评价指标对目标层的重要性排序；
[0014]基于所述控制目标、所述控制方案以及层次分析法构造方案层判断矩阵，所述方案层判断矩阵用于体现各控制方案对各评价指标的重要性排序；
[0015]基于所述评价层判断矩阵和所述方案层判断矩阵构建所述权重矩阵。
[0016]在一些实施例中，所述基于熵权法和所述权重矩阵计算各个控制方案的组合权重，包括：
[0017]计算所述各控制方案中各项指标的熵值，
[0018]基于所述熵值计算所述各项指标的差异系数；
[0019]基于所述差异系数计算所述各项指标的熵权重；
[0020]基于乘数合成归一法、所述各项指标的熵权重、所述权重矩阵计算所述各个控制方案的组合权重。
[0021]在一些实施例中，所述基于熵权法和所述权重矩阵计算各个控制方案的组合权重，包括：
[0022]基于特征值法计算所述各控制方案中各项指标的熵权重；
[0023]基于乘数合成归一法、所述各项指标的熵权重、所述权重矩阵计算所述各个控制方案的组合权重。
[0024]在一些实施例中，所述方法还包括：
[0025]搭建神经网络；所述神经网络包括BP神经网络，所述神经网络的输入层为评价结果，隐藏层作为评价层和预测层，所述神经网络的输出包括两个神经元；
[0026]基于目标工厂的历史监测数据和训练所述神经网络。
[0027]在一些实施例中，所述神经网络的隐藏层为1层，所述隐藏层的神经元数量为4个。
[0028]另一方面，提供了一种工厂控制方案决策装置，所述装置包括：
[0029]第一权重计算模块，用于基于目标工厂的控制目标、控制方案以及层次分析法构建权重矩阵；所述权重矩阵用于体现各控制方案对目标层的重要性排序；
[0030]第二权重计算模块，基于熵权法和所述权重矩阵计算各个控制方案的组合权重；
[0031]控制方案决策模块，用于将所述各控制方案、所述组合权重和所述目标工厂的当前监测数据输入预训练的神经网络，输出所述目标工厂的目标控制方案。
[0032]在一些实施例中，所述装置还包括指标体系建立模块，用于：
[0033]获取所述目标工厂的评价指标体系和控制指标体系，基于所述评价指标体系和控制指标体系建立所述目标工厂的控制目标和控制方案。
[0034]在一些实施例中，所述第一权重计算模块具体用于：
[0035]基于所述控制目标、所述控制方案以及层次分析法构造评价层判断矩阵；所述评价层判断矩阵用于体现各评价指标对目标层的重要性排序；
[0036]基于所述控制目标、所述控制方案以及层次分析法构造方案层判断矩阵，所述方案层判断矩阵用于体现各控制方案对各评价指标的重要性排序；
[0037]基于所述评价层判断矩阵和所述方案层判断矩阵构建所述权重矩阵。
[0038]在一些实施例中，所述第二权重计算模块具体用于：
[0039]计算所述各控制方案中各项指标的熵值，
[0040]基于所述熵值计算所述各项指标的差异系数；
[0041]基于所述差异系数计算所述各项指标的熵权重；
[0042]基于乘数合成归一法、所述各项指标的熵权重、所述权重矩阵计算所述各个控制方案的组合权重。
[0043]在一些实施例中，所述第二权重计算模块具体用于：
[0044]基于特征值法计算所述各控制方案中各项指标的熵权重；
[0045]基于乘数合成归一法、所述各项指标的熵权重、所述权重矩阵计算所述各个控制方案的组合权重。
[0046]在一些实施例中，所述装置还包括模型训练模块，用于：
[0047]搭建神经网络；所述神经网络包括BP神经网络，所述神经网络的输入层为评价结果，隐藏层作为评价层和预测层，所述神经网络的输出包括两个神经元；
[0048]基于目标工厂的历史监测数据和训练所述神经网络。
[0049]在一些实施例中，所述神经网络的隐藏层为1层，所述隐藏层的神经元数量为4个。
[0050]另一方面，提供了一种计算机设备，计算机设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，处理器可加载并执行至少一条指令、至少一段程序、代码集或指令集，以实现上述申请实施例中提供的工厂控制方案决策方法。
[0051]另一方面，提供了一种计算本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种工厂控制方案决策方法，其特征在于，所述方法包括：基于目标工厂的控制目标、控制方案以及层次分析法构建权重矩阵；所述权重矩阵用于体现各控制方案对目标层的重要性排序；基于熵权法和所述权重矩阵计算各个控制方案的组合权重；将所述各控制方案、所述组合权重和所述目标工厂的当前监测数据输入预训练的神经网络，输出所述目标工厂的目标控制方案。2.根据权利要求1所述的方法，其特征在于，所述基于目标工厂的控制目标、控制方案以及层次分析法构建权重矩阵之前，所述方法还包括：获取所述目标工厂的评价指标体系和控制指标体系，基于所述评价指标体系和控制指标体系建立所述目标工厂的控制目标和控制方案。3.根据权利要求1所述的方法，其特征在于，所述基于目标工厂的控制目标、控制方案以及层次分析法构建权重矩阵包括：基于所述控制目标、所述控制方案以及层次分析法构造评价层判断矩阵；所述评价层判断矩阵用于体现各评价指标对目标层的重要性排序；基于所述控制目标、所述控制方案以及层次分析法构造方案层判断矩阵，所述方案层判断矩阵用于体现各控制方案对各评价指标的重要性排序；基于所述评价层判断矩阵和所述方案层判断矩阵构建所述权重矩阵。4.根据权利要求1所述的方法，其特征在于，所述基于熵权法和所述权重矩阵计算各个控制方案的组合权重，包括：计算所述各控制方案中各项指标的熵值，基于所述熵值计算所述各项指标的差异系数；基于所述差异系数计算所述各项指标的熵权重；基于乘数合成归一法、所述各项指标的熵权重、所述权重矩阵计算所述各个控制方案的组合权重。5.根据权利要求1所述的方法，其特征在于，所述基于熵权法和所述权重矩阵计算各个控制方案的组合权重...
【专利技术属性】
技术研发人员：黄芳，尹清玉，赵化臣，
申请(专利权)人：珠海联云科技有限公司，
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。