System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【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。