【技术实现步骤摘要】
本专利技术涉及智能制造，具体是多源异构数据驱动的智能制造决策系统及方法。
技术介绍
1、在生产制造过程中，如何根据当前的生产需求，实现高效率和高收益的生产决策是一个复杂的问题。决策过程中需要考虑多来源数据，这些数据结构不同，虽然数据彼此之间存在内在关联，但无法直接建立对应关系，因此无法直接用于构建生产决策。
2、公开号为cn113610373a的中国专利公开了基于智能制造的信息决策处理方法及系统，使得信息决策文本训练模型能够与智能制造信息集所获取到的业务决策请求相匹配，提高了信息决策文本训练模型与业务决策请求之间的适配性，进而提升了信息决策的效率。
3、但是，该专利技术未能考虑多个生产变量因素对生产制造的影响，以及未能通过控制生产过程中的重要的变量因素来实现多机制的智能生产决策。
4、鉴于此，本专利技术提出多源异构数据驱动的智能制造决策系统及方法，用于解决上述问题。
技术实现思路
1、本专利技术解决的技术问题是：如何通过将多来源数据简化，来解决生产过程中变量与生产效益的关系，以及如何建立多个决策机制来实现对生产制造过程的智能控制。
2、为实现上述目的，本专利技术提供如下技术方案：
3、采集历史生产数据，构建历史生产数据的函数模型，通过迭代计算的方式，计算出具体函数模型；
4、获取当前生产任务数据和生产变量数据，将生产任务数据代入函数模型，并构建生产决策参数；
5、构建自动决策模型，设立决策机制和决策
6、将生产任务均分为多个生产周期进行生产，基于执行的决策机制，通过管控生产变量数据，不断调整每个生产周期的生产效益；
7、构建决策管理平台，实时记录自动决策模型的工作信息，并生成日志文件，平台管理人员参照日志文件对决策机制进行优化。
8、优选的，所述历史生产数据包括，成本数据、物料数据和效率数据，所述成本数据包括，物料成本和能耗成本， 所述物料数据包括，物料供给速率，物料供给速率为受调控变量；所述能耗成本包括，能源消耗量和能源价格，能源价格根据时间变化进行上下波动，并且具有周期性。
9、优选的，所述函数模型包括，第一函数模型和第二函数模型；
10、在第一函数模型的计算中，将生产效率数据和物料供给速率数据整合为第一数据集，数据集分为训练数据集、验证数据集和测试数据集，以生产效率为因变量和以物料供给速率为自变量，迭代计算生产效率和物料供给速率数据的函数模型参数，设定第一函数模型在损失函数值小于第一目标预设值时停止迭代，通过迭代计算得出生产效率数据和物料供给速率数据的具体函数模型；
11、在第二函数模型的计算中，将生产效率数据和生产收益数据整合为第二数据集，第二数据集分为训练数据集、验证数据集和测试数据集，以生产收益为自变量和以生产效率为因变量，迭代计算生产收益和生产效率数据的函数模型参数，设定第二函数模型在损失函数值小于第二目标预设值时停止迭代，通过迭代计算得出生产效率数据和生产收益数据的函数模型。
12、优选的，所述当前生产任务包括，获取当前生产任务的待生产数量和生产任务截止时间；
13、所述生产变量数据包括，物料供给速率和能源价格；
14、所述物料供给速率包括，基础物料供给速率和最大物料供给速率；
15、基于任务截止时间和当前时间，计算出剩余生产时长：;
16、根据基础物料供给速率，计算出当前生产任务的基础生产效率，并根据当前生产任务的待生产数量，计算出最大生产时长:；
17、基于最大生产时长和剩余生产时长，构建决策参数rp，按照参数rp值划分决策机制，决策参数rp的计算公式如下：
18、
19、其中，rp为决策参数。
20、优选的，所述决策机制包括，建立第一决策机制、第二决策机制和第三决策机制；设立决策参数阈值、和；
21、当时，划分生产任务为第一类型生产任务，自动决策模型执行第一决策机制，采用高收益的生产决策；
22、当时，划分生产任务为第二类型生产任务，自动决策模型执行第二决策机制，采用平衡的生产决策；
23、当时，划分生产任务为第三类型生产任务；自动决策模型执行第三决策机制，采用高效率的生产决策。
24、优选的，所述决策机制还包括，建立物料供给机制，在基础物料供给速率和最大物料供给速率之间构建高收益物料供给速率；
25、基于生产效率数据和物料供给速率数据的函数模型、生产效率数据和生产收益数据的函数模型，将生产效率数据与物料供给速率数据之间函数模型代入物料供给数据和生产效率数据的函数中，拟合出物料供给速率数据与生产收益数据的函数模型；
26、求出物料供给速率数据与生产收益数据函数的导函数，设定自变量中基础物料供给速率和最大物料供给速率之间导函数值最大点为高收益物料供给速率。
27、优选的，所述生产周期包括，在确定所要执行的生产决策机制后，将生产任务均分为n个生产周期；在每个生产周期内，按照当前决策机制的生产决策下达决策指令，构建决策规划模型，通过下达决策指令，控制模型变量，实行决策机制的生产决策。
28、优选的，所述调整每个生产周期的生产决策包括，
29、在以第一决策机制的生产决策进行生产时，若当前生产周期的能源价格由波谷向上波动，则减小当前周期的物料供给速率，并在能源价格处于波峰时，将物料供给速率降至基础供给速率；
30、若当前生产周期的能源价格由波峰向下波动，则增加物料供给速率，并在能源价格到达波谷时，将物料供给速率提升到高收益物料供给速率；
31、当以第二决策机制的生产决策进行生产时，在能源价格的波谷范围设定价格阈值，若当前周期的能源价格高于价格阈值，在当前生产周期内按照基础物料供给速率供给物料；
32、若当前周期的能源价格低于价格阈值，以最大物料供给速率供给物料；
33、当以第三决策机制的生产决策进行生产时，不考虑能源的价格波动和生产收益，始终以最大物料供给速率控制生产效率进行生产。
34、优选的，所述决策管理平台包括，在决策管理平台管理决策指令，并安排工作人员监管自动决策模型；
35、决策管理平台收集当前决策机制在每个生产周期的理论生产效益以及实际生产效益，所述理论生产效益包括理论生产效率和理论生产收益，所述实际生产效益包括实际生产效率和实际生产收益；
36、设立生产效率监管阈值和生产收益监管阈值，在生产周期结束时，监管平台收集生产效益数据，计算生产周期内生产效益，若连续两个生产周期内：，，则触发决策监管机制；
37、当触发决策监管机制时，监管平台通过日志功能自动调出监管机制当前生产周期的生产数据以及决策指令，通过交互界面呈现给工作人员，当监管人员检测出自动决策模型中的错误参数时，对错误参数进行修正本文档来自技高网...
【技术保护点】
1.多源异构数据驱动的智能制造决策方法，其特征在于：包括，
2.根据权利要求1所述的多源异构数据驱动的智能制造决策方法，其特征在于：所述历史生产数据包括，成本数据、物料数据和效率数据，所述成本数据包括，物料成本和能耗成本，所述物料数据包括，物料供给速率，物料供给速率为受调控变量；所述能耗成本包括，能源消耗量和能源价格，能源价格根据时间变化进行上下波动，并且具有周期性。
3.根据权利要求2所述的多源异构数据驱动的智能制造决策方法，其特征在于：所述函数模型包括第一函数模型和第二函数模型；
4.根据权利要求3所述的多源异构数据驱动的智能制造决策方法，其特征在于：所述当前生产任务包括，获取当前生产任务的待生产数量和生产任务截止时间；
5.根据权利要求4所述的多源异构数据驱动的智能制造决策方法，其特征在于：所述决策机制包括，建立第一决策机制、第二决策机制和第三决策机制；设立决策参数阈值、和；
6.根据权利要求5所述的多源异构数据驱动的智能制造决策方法，其特征在于：所述决策机制还包括，建立物料供给机制，在基础物料供给速率和最大物料供
7.根据权利要求6所述的多源异构数据驱动的智能制造决策方法，其特征在于：所述生产周期包括，在确定所要执行的生产决策机制后，将生产任务均分为n个生产周期；在每个生产周期内，按照当前决策机制的生产决策下达决策指令，构建决策规划模型，通过下达决策指令，控制模型变量，实行决策机制的生产决策。
8.根据权利要求7所述的多源异构数据驱动的智能制造决策方法，其特征在于：所述调整每个生产周期的生产决策包括，
9.根据权利要求8所述的多源异构数据驱动的智能制造决策方法，其特征在于：所述决策管理平台包括，在决策管理平台管理决策指令，并安排工作人员监管自动决策模型；
10.一种多源异构数据驱动的智能制造决策系统，其基于权利要求1-9任一项所述的一种多源异构数据驱动的智能制造决策方法实现，其特征在于：包括数据采集和计算模块、决策参数模块、自动决策模块、生产优化模块以及决策监管模块；
11.一种电子设备，其特征在于，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；所述处理器通过调用所述存储器中存储的计算机程序，执行权利要求1～9任一项所述的多源异构数据驱动的智能制造决策方法。
12.一种计算机可读存储介质，其特征在于：储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1～9任一项所述的多源异构数据驱动的智能制造决策方法。
...【技术特征摘要】
1.多源异构数据驱动的智能制造决策方法，其特征在于：包括，
2.根据权利要求1所述的多源异构数据驱动的智能制造决策方法，其特征在于：所述历史生产数据包括，成本数据、物料数据和效率数据，所述成本数据包括，物料成本和能耗成本，所述物料数据包括，物料供给速率，物料供给速率为受调控变量；所述能耗成本包括，能源消耗量和能源价格，能源价格根据时间变化进行上下波动，并且具有周期性。
3.根据权利要求2所述的多源异构数据驱动的智能制造决策方法，其特征在于：所述函数模型包括第一函数模型和第二函数模型；
4.根据权利要求3所述的多源异构数据驱动的智能制造决策方法，其特征在于：所述当前生产任务包括，获取当前生产任务的待生产数量和生产任务截止时间；
5.根据权利要求4所述的多源异构数据驱动的智能制造决策方法，其特征在于：所述决策机制包括，建立第一决策机制、第二决策机制和第三决策机制；设立决策参数阈值、和；
6.根据权利要求5所述的多源异构数据驱动的智能制造决策方法，其特征在于：所述决策机制还包括，建立物料供给机制，在基础物料供给速率和最大物料供给速率之间构建高收益物料供给速率；
7.根据权利要求6所述的多源异构数据驱动的智能制造决策方法，其特征在于：所述生产周期包...
【专利技术属性】
技术研发人员：冯钟灵，李旭，党鑫，席梦男，王志伟，关乃源，梁超，孙光勇，
申请(专利权)人：南京迅集科技有限公司，
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。