本发明专利技术提供一种用于产业互联网的协同制造方法及系统，涉及电数据处理领域。其中，提供了一种将分类任务与预测建模任务进行融合的排产决策神经网络。采取分类任务联合促进排产数量数据的预测建模任务，采取多个模块层级充分学习不同排产数量级区间的关键数据的高层级特征描述，采取层级学习剪枝工具学习各模块层级分别输出的高层级特征描述的精确度，以克服因排产数量数据的失衡与有效信息不足带来的后果，提高生产需求决策结果的可靠性。
【技术实现步骤摘要】
本申请涉及电数据处理领域，具体涉及一种用于产业互联网的协同制造方法及系统。
技术介绍
1、随着产业互联网的不断发展和普及，越来越多的企业开始关注互联网技术在生产制造领域的应用。而在生产制造领域中，智能化排产是一项重要的技术，它可以在提高生产效率的同时，有效地降低生产成本，提高产品质量，为企业创造更大的经济价值。传统的排产方式大多依赖厂房内工人的经验和手工制定排产计划，这种方式存在着很多问题，如排产计划制定不及时、不准确，无法满足客户需求变化等。此外，由于人工排产计划制定需要考虑的因素过多，时间和精力成本也较高。因此，推广智能化排产技术已成为企业提高生产效率的重要手段。
2、智能化排产在产业互联网协同制造中的应用背景是多方面的。首先，随着信息化技术的不断发展，企业生产数据可以实时采集和处理。这些数据可以用于优化生产计划，提高生产效率，同时还能帮助企业更好地掌握生产过程中的各项指标，进一步提高产品质量和降低生产成本。其次，随着产业互联网的发展，越来越多的企业开始实现生产线的智能化改造。通过物联网技术实现设备之间的联网和信息交换，进一步提高生产的自动化程度，同时也为智能化排产提供了更多的数据来源。最后，智能化排产技术在产业互联网协同制造中的应用还可以进一步加强企业内部各部门之间的协作。通过采用云计算和大数据分析等技术，可以将生产、物流、销售等各个环节进行无缝对接，实现全流程的自动化控制和管理，提高生产效率和企业的整体竞争力。
3、如何提高智能化排产结果的准确性和可靠性，是智能化排产的重要课题。
技术实现思路
1、本申请提供了一种用于产业互联网的协同制造方法及系统。
2、根据本申请公开的一方面，提供了一种用于产业互联网的协同制造方法，所述方法包括：
3、获取待决策生产任务的排产参照关键数据，其中，所述排产参照关键数据被配置为在生产需求决策环节中提供参照依据；
4、根据排产决策神经网络中的多层级特征挖掘模块包括的x个模块层级，基于所述排产参照关键数据进行中间特征挖掘，得到x个层级挖掘特征；所述x为至少等于2的正整数，在所述排产决策神经网络的调优时中，所述x个模块层级分别被配置为学习不同排产数量级区间的关键数据的高层级特征描述；
5、根据所述排产决策神经网络中的层级学习剪枝工具，基于所述排产参照关键数据，确定所述x个层级挖掘特征分别对应的决策贡献评分；
6、根据所述排产决策神经网络中的融合仿射模块，基于所述x个层级挖掘特征及其分别对应的所述决策贡献评分，确定所述待决策生产任务对应的目标编码数组；
7、基于所述目标编码数组，确定所述待决策生产任务对应的生产需求决策结果，以便基于所述生产需求决策结果进行协同制造。
8、可选地，所述根据排产决策神经网络中的多层级特征挖掘模块包括的x个模块层级，基于所述排产参照关键数据进行中间特征挖掘，得到x个层级挖掘特征，包括：
9、根据所述多层级特征挖掘模块中的主干特征提炼单元，基于所述排产参照关键数据进行特征提炼，得到参照执行特征；
10、根据所述多层级特征挖掘模块中的每个所述模块层级，对所述参照执行特征进行中间特征挖掘，得到每个所述模块层级对应的层级挖掘特征；
11、所述根据所述排产决策神经网络中的层级学习剪枝工具，基于所述排产参照关键数据，确定所述x个层级挖掘特征分别对应的决策贡献评分，包括：
12、根据所述层级学习剪枝工具中的深度前馈网络结构，基于所述排产参照关键数据，确定推理描述数组；所述推理描述数组中包括x个维度的决策贡献评分，所述x个维度的决策贡献评分与所述x个层级挖掘特征成对映射；
13、根据所述层级学习剪枝工具中的标准化单元，对所述推理描述数组进行标准化执行，得到标准推理描述数组；所述标准推理描述数组中包括所述x个层级挖掘特征分别对应的决策贡献评分。
14、可选地，所述根据所述排产决策神经网络中的融合仿射模块，基于所述x个层级挖掘特征及其分别对应的所述决策贡献评分，确定所述待决策生产任务对应的目标编码数组，包括：
15、根据所述融合仿射模块中的特征交互单元，基于所述x个层级挖掘特征分别对应的所述决策贡献评分，对所述x个层级挖掘特征进行加权线性组合，得到所述目标编码数组；所述基于所述目标编码数组，确定所述待决策生产任务对应的生产需求决策结果，包括：根据所述融合仿射模块中的仿射单元，基于所述目标编码数组，确定所述待决策生产任务对应的生产需求决策结果。
16、可选地，所述获取待决策生产任务的排产参照关键数据，包括：
17、获取所述待决策生产任务对应的生产系统的历史排产数据，将所述历史排产数据作为所述排产参照关键数据。
18、可选地，所述方法还包括所述排产决策神经网络的调优过程，包括：
19、获取网络调优模板集合；其中，所述网络调优模板集合包括多个网络调优模板，每个所述网络调优模板包括模板关键数据和对应的生产需求注释信息；
20、根据待调优的排产决策神经网络中的多层级特征挖掘模块包括的x个模块层级，基于所述网络调优模板中的所述模板关键数据进行中间特征挖掘，得到x个模板层级挖掘特征；所述x为至少等于2的正整数，所述x个模块层级分别被配置为学习不同排产数量级区间的模板关键数据的高层级特征描述；
21、根据所述排产决策神经网络中的层级学习剪枝工具，基于所述网络调优模板中所述模板关键数据，确定所述x个模板层级挖掘特征分别对应的模板决策贡献评分；
22、根据所述排产决策神经网络中的融合仿射模块，基于所述x个模板层级挖掘特征及其分别对应的所述模板决策贡献评分，确定所述网络调优模板对应的模板编码数组；
23、根据所述模板编码数组，确定所述网络调优模板对应的模板生产需求决策结果；
24、基于所述网络调优模板集合中各所述网络调优模板分别对应的模板生产需求决策结果和各所述网络调优模板分别包括的生产需求注释信息，确定生产需求代价信息；
25、基于所述生产需求代价信息，修正所述排产决策神经网络的网络可学习参数。
26、可选地，所述网络调优模板集合包括x个排产数量级区间分别对应的网络调优模板子集，所述排产数量级区间对应的网络调优模板子集中各个所述网络调优模板分别包括的生产需求决策结果均属于所述排产数量级区间；所述x个排产数量级区间包括一个排产数量为设定数值的数量区间和x-1个排产数量不为设定数值的数量区间，所述x-1个排产数量不为设定数值的数量区间分别对应的网络调优模板子集包括的网络调优模板的数量差值小于设定的差值临界值；
27、所述方法还包括：
28、针对每个所述网络调优模板，根据所述网络调优模板包括的生产需求注释信息，确定所述网络调优模板对应的排产数量标签；所述排产数量标签中包括所述x个排产数量级区间分别对应的排产数量标签数据，所述生产需求注释信息所属的排产数量本文档来自技高网
...
【技术保护点】
1.一种用于产业互联网的协同制造方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据排产决策神经网络中的多层级特征挖掘模块包括的x个模块层级，基于所述排产参照关键数据进行中间特征挖掘，得到x个层级挖掘特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述排产决策神经网络中的融合仿射模块，基于所述x个层级挖掘特征及其分别对应的所述决策贡献评分，确定所述待决策生产任务对应的目标编码数组，包括：
4.根据权利要求1~3任一项所述的方法，其特征在于，所述获取待决策生产任务的排产参照关键数据，包括：
5.根据权利要求1~3任一项所述的方法，其特征在于，所述方法还包括所述排产决策神经网络的调优过程，包括：
6.根据权利要求5所述的方法，其特征在于，所述网络调优模板集合包括x个排产数量级区间分别对应的网络调优模板子集，所述排产数量级区间对应的网络调优模板子集中各个所述网络调优模板分别包括的生产需求决策结果均属于所述排产数量级区间；所述x个排产数量级区间包括一个排产数量为设定数值的数量区间和x-1个排产数量不为设定数值的数量区间，所述x-1个排产数量不为设定数值的数量区间分别对应的网络调优模板子集包括的网络调优模板的数量差值小于设定的差值临界值；
7.根据权利要求5所述的方法，其特征在于，所述方法还包括：
8.根据权利要求7所述的方法，其特征在于，所述基于所述网络调优模板集合中各所述网络调优模板分别对应的所述模板编码数组和各所述网络调优模板分别包括的生产需求注释信息，确定匹配代价信息，包括：
9.根据权利要求8所述的方法，其特征在于，所述基于所述网络调优模板集合中各所述网络调优模板分别对应的所述模板编码数组，确定编码匹配张量，包括：
10.一种协同制造系统，其特征在于，包括互相通信连接的生产终端和管理终端，所述管理终端包括：
...
【技术特征摘要】
1.一种用于产业互联网的协同制造方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据排产决策神经网络中的多层级特征挖掘模块包括的x个模块层级，基于所述排产参照关键数据进行中间特征挖掘，得到x个层级挖掘特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述排产决策神经网络中的融合仿射模块，基于所述x个层级挖掘特征及其分别对应的所述决策贡献评分，确定所述待决策生产任务对应的目标编码数组，包括：
4.根据权利要求1~3任一项所述的方法，其特征在于，所述获取待决策生产任务的排产参照关键数据，包括：
5.根据权利要求1~3任一项所述的方法，其特征在于，所述方法还包括所述排产决策神经网络的调优过程，包括：
6.根据权利要求5所述的方法，其特征在于，所述网络调优模板集合包括x个排产数量级区间分别对应的网络调优模板子集，所述排产数量级区间对应的...
【专利技术属性】
技术研发人员：钱晓钧，张梅甫，
申请(专利权)人：北京国联视讯信息技术股份有限公司，
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。