【技术实现步骤摘要】
本专利技术涉及智能工厂生产管理，具体而言，涉及一种基于ai调度的智能工厂生产优化方法及系统。
技术介绍
1、在传统智能工厂的生产管理领域，生产调度是保障生产高效有序进行的关键环节。然而，现有的生产调度方法存在诸多局限性。
2、一方面，对于批量生产订单的处理，传统方法通常采用固定的工序拆解方式，难以充分考虑基础工序单元之间复杂的前置依赖和并行约束关系。这导致在生产过程中，容易出现工序衔接不畅、生产流程混乱等问题，进而影响生产效率和产品质量。
3、另一方面，在资源管理方面，传统方法构建的资源池往往是静态的，无法实时反映生产设备集群、物料储备序列及人力配置信息等资源的动态变化。生产设备的运行状态会随着使用时长而改变，物料储备也会因生产消耗而不断减少，人力配置也可能因各种突发情况而调整，静态资源池无法及时捕捉这些变化，使得生产调度缺乏准确性和实时性。
4、此外，现有的生产调度方法在面对多组初始调度路径时，缺乏有效的冲突检测和自适应调整机制。对于资源占用重叠、工序依赖违反及负载超限等冲突点，无法快速准确地识别并...
【技术保护点】
1.一种基于AI调度的智能工厂生产优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于AI调度的智能工厂生产优化方法，其特征在于，所述对智能工厂接收的批量生产订单进行工序拆解，得到包含基础工序单元及关联关系的订单任务图谱，包括：
3.根据权利要求2所述的基于AI调度的智能工厂生产优化方法，其特征在于，所述识别单套工序序列中可并行执行的工序组合，标注具有相同设备类型需求且无物料依赖的工序单元，将所述工序单元标记为并行候选工序，包括：
4.根据权利要求2所述的基于AI调度的智能工厂生产优化方法，其特征在于，所述分析单套工序...
【技术特征摘要】
1.一种基于ai调度的智能工厂生产优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于ai调度的智能工厂生产优化方法，其特征在于，所述对智能工厂接收的批量生产订单进行工序拆解，得到包含基础工序单元及关联关系的订单任务图谱，包括：
3.根据权利要求2所述的基于ai调度的智能工厂生产优化方法，其特征在于，所述识别单套工序序列中可并行执行的工序组合，标注具有相同设备类型需求且无物料依赖的工序单元，将所述工序单元标记为并行候选工序，包括：
4.根据权利要求2所述的基于ai调度的智能工厂生产优化方法，其特征在于，所述分析单套工序序列中工序单元之间的物料传递关系，当前工序的输出物料为后续工序的输入物料时，在两者之间建立前置依赖关系，记录依赖强度参数，包括：
5.根据权利要求1所述的基于ai调度的智能工厂生产优化方法，其特征在于，所述依据工厂实时资源状态构建动态资源池，包括：
6.根据权利要求5所述的基于ai调度的智能工厂生产优化方法，其特征在于，所述根据所述实时运行数据将生产设备划分为可用状态、待维...
【专利技术属性】
技术研发人员：谢宗国，周骏，周兴富，谢飞，孙自强，王敏，向龙，
申请(专利权)人：四川环龙技术织物有限公司，
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。