一种智能车间关键设备维护决策生成方法、设备和介质技术

本发明专利技术涉及一种智能车间关键设备维护决策生成方法、设备和介质，包括以下步骤：S1、设置工件管理智能体，以获取智能车间关键设备的实时信息，包括加工工件质量检测信息和关键设备运行信息；S2、设置维护智能体，所述维护智能体的状态空间基于所述实时信息设计，动作空间和奖励值基于预先设定的维护决策需求设计；S3、以生产收益最大化为优化目标，令所述维护智能体通过SARSA(λ)算法进行强化学习并更新查找表，所述查找表用于存储强化学习过程中每组状态‑动作及对应的奖励值，根据最终输出的查找表确定智能车间关键设备维护决策方案。与现有技术相比，本发明专利技术可以进一步提高对智能车间加工工件质量的控制能力。

【技术实现步骤摘要】

本专利技术属于工业设备维护，尤其是涉及一种智能车间关键设备维护决策生成方法、设备和介质。

技术介绍

1、智能车间中，关键设备是生产线的瓶颈和关键节点，具有高精度、高效率、高自动化等特点，能够完成高质量、大规模的生产任务。然而，由于长时间高负荷使用和生产环境恶劣等因素，机械磨损、电路故障、软件故障等问题难以避免，导致关键设备的稳定性和精度下降，从而影响工件质量和生产效率。例如，当设备的精度下降时，会导致工件的尺寸、形状等方面的偏差，从而降低工件的质量；设备的稳定性下降时，直接导致工件成品率下降，进而影响产品的交付时间和生产效率。维护决策旨在减少或消除关键设备在生产过程中的状态恶化，确保设备稳定运行，有效地提高产品质量水平，从而实现生产目标。因此，及时监控设备异常，对关键设备进行有效的维护决策，是保证生产效率和产品质量的重要环节。

2、中国专利申请202310946888.7公开了一种基于强化学习的工厂设备预测性维护方案优化方法，通过提取和处理工厂设备的历史运行参数，建立预测模型，利用训练好的预测模型对工厂设备的运行状态进行预测，可以帮助预测潜在故本文档来自技高网...

【技术保护点】

1.一种智能车间关键设备维护决策生成方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种智能车间关键设备维护决策生成方法，其特征在于，步骤S1中，所述加工工件质量检测信息包括检测误差和成本，所述检测误差包括I类检测误差和II类检测误差，所述I类检测误差为将合格品检测为不合格品，所述II类检测误差为将不合格品检测为合格品，所述成本包括合格品收益、加工成本、返工成本、惩罚成本、维护成本和机会成本。

3.根据权利要求1所述的一种智能车间关键设备维护决策生成方法，其特征在于，步骤S1中，所述关键设备运行信息包括关键设备持续加工时间和刀具磨损程度。

4...

【技术特征摘要】

1.一种智能车间关键设备维护决策生成方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种智能车间关键设备维护决策生成方法，其特征在于，步骤s1中，所述加工工件质量检测信息包括检测误差和成本，所述检测误差包括i类检测误差和ii类检测误差，所述i类检测误差为将合格品检测为不合格品，所述ii类检测误差为将不合格品检测为合格品，所述成本包括合格品收益、加工成本、返工成本、惩罚成本、维护成本和机会成本。

3.根据权利要求1所述的一种智能车间关键设备维护决策生成方法，其特征在于，步骤s1中，所述关键设备运行信息包括关键设备持续加工时间和刀具磨损程度。

4.根据权利要求1所述的一种智能车间关键设备维护决策生成方法，其特征在于，步骤s2中，所述动作空间设计为集合a＝{a1，a3，a3}，其中a1表示加工动作，a2表示i类维护动作，a3表示ii类维护动作。

5.根据权利要求4...

【专利技术属性】
技术研发人员：乔非，陈心一，刘鹃，
申请(专利权)人：同济大学，
类型：发明
国别省市：