【技术实现步骤摘要】
本专利技术属于工厂生产，具体为基于aigc大模型跨平台调用的工厂排产方法。
技术介绍
1、随着制造业的快速发展，工厂生产过程的优化和智能化已成为提高生产效率、降低成本的关键传统的工厂排产系统存在一定的局限性，例如缺乏对生产数据的深度分析、生产计划调整不够灵活等，近年来，人工智能技术的快速发展为解决这些问题提供了新的可能，aigc大模型作为一种强大的人工智能工具，具有强大的数据学习和分析能力，可以应用于工厂排产系统，提升其智能化水平在现有的技术中，一些基于人工智能的工厂排产系统已经得到应用，这些系统主要利用机器学习算法对生产数据进行训练，以实现生产计划的自动化编排，然而，这些系统通常只针对某一特定的生产环境或生产流程，不具备跨平台的调用能力，因此其应用范围受到限制，现有技术中往往无法充分考虑到资源复杂情况与多种约束条件，导致排产结果不够优化，对此，我们提出了基于aigc大模型跨平台调用的工厂排产方法。
技术实现思路
1、针对现有技术的不足，本专利技术提供了基于aigc大模型跨平台调用的工厂排产方法，以解决以上技术问题。
2、为实现上述目的，本专利技术提供如下技术方案：基于aigc大模型跨平台调用的工厂排产方法，排产步骤为：
3、s1、数据准备，收集与整理工厂排产相关的数据，并进行数据的预处理与清洗，将数据存储在可访问的存储系统中；
4、s2、构建aigc大模型，基于收集到的数据，构建aigc大模型，并训练模型以学习工厂排产问题的规律与特征；
...【技术保护点】
1.基于AIGC大模型跨平台调用的工厂排产方法，其特征在于，排产步骤为：
2.根据权利要求1所述的基于AIGC大模型跨平台调用的工厂排产方法，其特征在于，排产系统包括有：数据采集模块、存储系统、计算机端与AIGC大模型模块，数据采集模块用以采集工厂机器工作状态，存储系统用以存储收集得到的数据，AICG大模型模块建立在计算机端的内部。
3.根据权利要求1所述的基于AIGC大模型跨平台调用的工厂排产方法，其特征在于：S1步骤中收集整理工厂的信息包括有工厂的订单信息、机器的设备信息与库存信息，数据的预处理步骤包括清洗和整理、特征提取与转换与数据的归一化，将数据归类，打上数据标签，打包上传给集成好的AIGC平台。
4.根据权利要求3所述的基于AIGC大模型跨平台调用的工厂排产方法，其特征在于：数据清洗步骤包括对原始数据源的数据进行检测分析，得出原始数据源中存在的数据问题，分析出的数据源个数和数据源中的“脏”数据程度定义数据清洗策略和规则，选择清洗算法，检测属性错误和检测重复记录的算法，对找到的错误进行纠正，特征提取步骤为根据需求，通过过滤法选择相关的特
5.根据权利要求1所述的基于AIGC大模型跨平台调用的工厂排产方法，其特征在于：S2步骤中AICG大模型构建步骤为数据的收集，对收集的数据进行处理，选择合适的AICG模型，对AICG模型使用数据集进行训练，进行评估与优化，调整模型的参数结构，模型包括图结构、属性数据与关系权重。
6.根据权利要求1所述的基于AIGC大模型跨平台调用的工厂排产方法，其特征在于：S2步骤中利用构建的AIGC大模型对预处理后的数据进行训练学习，建立智能排产求解模型，选择合适的算法和参数进行训练，并通过反向传播方法优化模型，即可多次调用并由平台系统评价各模型的评分。
7.根据权利要求1所述的基于AIGC大模型跨平台调用的工厂排产方法，其特征在于：S3步骤中实现跨平台调用功能步骤为确定设计目标，明确跨平台调用设计的目标，选择合适的编程语言，进行系统框架的构建，安装跨平台开发工具，根据接口定义生成连接代码，打开配置文件，设置服务地址，在网关服务中编写逻辑代码，进行开发，对开发的系统进行测试，保证功能正常，正常进行跨平台使用。
8.根据权利要求1所述的基于AIGC大模型跨平台调用的工厂排产方法，其特征在于：S4步骤中通过传感器与摄像头设备采集生产数据，采集的数据包括有生产进度、机器状态与能耗信息情况，将平台企业现有业力数据进行模块数据抽取到中间数据库，将采集到的数据存储到存储系统内部。
9.根据权利要求8所述的基于AIGC大模型跨平台调用的工厂排产方法，其特征在于：数据存储的方式通过顺序存储，在一块连续的存储区中一个接一个的存储数据，将相连的接电存储在物理位置上的存储单元内。
10.根据权利要求1所述的基于AIGC大模型跨平台调用的工厂排产方法，其特征在于：S5步骤中根据AICG大模型预测的结果和实际生产需求，制定生产计划，根据实时监控和预警结果，对生产计划进行调整，如调整生产序列和任务优先级，更新模型参数，重新训练模型，以适应实时变化的生产环境，通过反馈机制和持续改进，优化排产系统的性能和准确性。
...【技术特征摘要】
1.基于aigc大模型跨平台调用的工厂排产方法，其特征在于，排产步骤为：
2.根据权利要求1所述的基于aigc大模型跨平台调用的工厂排产方法，其特征在于，排产系统包括有：数据采集模块、存储系统、计算机端与aigc大模型模块，数据采集模块用以采集工厂机器工作状态，存储系统用以存储收集得到的数据，aicg大模型模块建立在计算机端的内部。
3.根据权利要求1所述的基于aigc大模型跨平台调用的工厂排产方法，其特征在于：s1步骤中收集整理工厂的信息包括有工厂的订单信息、机器的设备信息与库存信息，数据的预处理步骤包括清洗和整理、特征提取与转换与数据的归一化，将数据归类，打上数据标签，打包上传给集成好的aigc平台。
4.根据权利要求3所述的基于aigc大模型跨平台调用的工厂排产方法，其特征在于：数据清洗步骤包括对原始数据源的数据进行检测分析，得出原始数据源中存在的数据问题，分析出的数据源个数和数据源中的“脏”数据程度定义数据清洗策略和规则，选择清洗算法，检测属性错误和检测重复记录的算法，对找到的错误进行纠正，特征提取步骤为根据需求，通过过滤法选择相关的特征，设定阈值，选择若干特征，得到特征的权值系数，根据系数从小到大选择特征，将选择的特征进行转换，对特征进行评估，确保满足需求，数据归一化的步骤采用标准化进行，将特征值缩放到均值为0，标准差为1的范围内，标准化的计算公式为：
5.根据权利要求1所述的基于aigc大模型跨平台调用的工厂排产方法，其特征在于：s2步骤中aicg大模型构建步骤为数据的收集，对收集的数据进行处理，选择合适的aicg模型，对aicg模型使用数据集进行训练，进行评估与优化，调整模型的参数结构，模型包括图结构、属性数...
【专利技术属性】
技术研发人员：倪海平，
申请(专利权)人：苏州智慧鹿智能科技有限公司，
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。