基于人工智能的全流程生产调度系统及方法
技术领域
本发明属于人工智能
技术领域
，具体涉及基于人工智能的全流程生产调度系统及方法。背景技术
复杂产品装配是典型的离散型装配，具有所需资源复杂多变、装调周期长等特点，例如卫星、飞机、船舶等，其装配过程围绕着产品进行，不同产品具有不同的工艺路线，不同工艺路线的工序之间相互独立，同时复杂产品装配过程中存在很多的不确定性生产扰动，常常导致实际执行过程与生产计划之间易产生偏差，车间任务延误、车间人员忙闲不均、资源浪费等现象。
近年来，倡导以“智能制造”为主导的第四次工业革命正在改变人类学习、工作和生活的方式，也持续推动工业生产向工业化与信息化融合发展。推进智能制造，能够有效缩短产品研制周期，提高生产效率和产品质量，降低运营成本和资源能源消耗，加快发展智能制造，对于提高制造业供给结构的适应性和灵活性、培育经济增长新动能都具有十分重要的意义。
人工智能(英语：artificial intelligence，缩写为AI)亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。该词也指出研究这样的智能系统是否能够实现，以及如何实现。同时，通过医学、神经科学、机器人学及统计学等的进步，常态预测则认为人类的很多职业也逐渐被其取代。
将人工智能应用于智能制造领域，不仅可以大幅提升制造效率，同时还可以降低人工操作带来的误差，提升产品质量。
专利号为CN201510432581.0A的专利公开了一种流水线生产调度方法及系统，包括排产、跟踪、反馈、以及调整阶段；所述排产阶段是指获取产品生产流水线站点配置及产品生产工序信息，形成初始分配建议；跟踪阶段实时获取流水线生产数据，并基于依存关系分析衡量流水线上各个站点的加工能力；反馈阶段是指基于上述对站点加工能力的分析，预测按照当前生产分配方案能够在规定的交货预期内完成规定的交货量，采用反馈控制的方法协调站点加工任务，生成生产调整建议，反馈控制流水线资源及站点配置；调整阶段是指根据反馈阶段得到的生产调整建议，调整生产线物料流转及工序站点的分配。本发明能够科学规划生产计划，调度生产资源配置保证工序内部以及工序之间的平衡。
其通过跟踪获取流水线的生产数据，以获取各个生产线的加工能力，来控制生产调度。其虽然能够保证工序内部以及工序之间的平衡，但这种调度并不能应用到生产的全流程上，且没有从根本上实现智能调度，提升效率有限。
发明内容
有鉴于此，本发明的主要目的在于提供基于人工智能的全流程生产调度系统及方法，其通过获取生产线上的运行数据，计算每个生产线的资源值，以判断是否能够调取该生产线进行使用，一方面该过程可以筛选出空闲资源较多的生产线，以保证各个生产线能够最大化利用资源，另一方面，能够整合空闲资源，提升生产线的工作效率。
为达到上述目的，本发明的技术方案是这样实现的：
基于人工智能的全流程生产调度系统，所述系统包括：数据获取单元，配置用于获取生产线的运行数据；生产线资源估计单元，配置用于基于运行数据，使用预设的资源估计模型，计算每个生产线的资源值；调度单元，配置用于从生产线中任意筛选出9个生产线，基于计算得到的每个生产线的资源值，设定一个数量值N，找到资源值最高的N个生产线，将所有的资源值进行求和计算，得到总资源值，若总资源值在设定的阈值以上，则将N个生产线进行连接，完成本次调度，若总资源值低于设定的阈值，则重新从生产线中任意筛选出9个生产线，循环执行，直到总资源值在设定的阈值以上，完成调度。
进一步的，所述运行数据至少包括：生产线运行状态、生产线位置和生产线吞吐量；所述生产线运行状态包括三种：正常、故障和空闲。
进一步的，所述生产线资源估计单元包括：运行数据预处理单元、模型建立单元和计算单元；所述运行数据预处理单元，配置用于对运行数据进行数据预处理，得到预处理数据；所述模型建立单元，配置用于建立计算模型；所述计算单元，配置用于基于建立的计算模型，将预处理数据代入到计算模型中，计算得到生产线的资源值。
进一步的，所述模型建立单元建立的计算模型使用如下公式表示：其中，C0为资源值；S0为生产线运行状态对应的值，在正常状态下，S0＝1，在故障状态下，S0＝0.5，在空闲状态下，S0＝2；T为生产线吞吐量，σ为生产线吞吐量的标准差；X为生产线位置对应的值，X的计算过程为：为每一个生产线按照位置顺序进行编号，编号完成后，X＝编号的数值/10；d1为第一中间值，d2为第二中间值。
进一步的，所述调度单元包括：随机筛选单元，配置用于从从生产线中任意筛选出9个生产线，将筛选出的9个生产线按照9宫格进行排列；总资源计算单元，配置用于基于计算得到的每个生产线的资源值，设定一个数量值N，找到资源值最高的N个生产线，将所有的资源值进行求和计算，得到总资源值；判断单元，配置用于判断计算得到的总资源是否在设定的阈值以上，若总资源值在设定的阈值以上，则将N个生产线进行连接，完成本次调度，若总资源值低于设定的阈值，则重新从生产线中任意筛选出9个生产线，循环执行，直到总资源值在设定的阈值以上，完成调度。
进一步的，所述总资源计算单元在计算得到总资源值后，还将基于设定的数量值N进行总资源值进行调整，得到调整后的总资源值，包括：调整后的总资源值＝总资源值/N；所述判断单元将基于得到的调整后的总资源值进行判断。
一种基于人工智能的全流程生产调度方法，所述方法执行以下步骤：
步骤1：获取生产线的运行数据；
步骤2:基于运行数据，使用预设的资源估计模型，计算每个生产线的资源值；
步骤3:从生产线中任意筛选出9个生产线，基于计算得到的每个生产线的资源值，设定一个数量值N，找到资源值最高的N个生产线，将所有的资源值进行求和计算，得到总资源值，若总资源值在设定的阈值以上，则将N个生产线进行连接，完成本次调度，若总资源值低于设定的阈值，则重新从生产线中任意筛选出9个生产线，循环执行，直到总资源值在设定的阈值以上，完成调度。
进一步的，所述运行数据至少包括：生产线运行状态、生产线位置和生产线吞吐量；所述生产线运行状态包括三种：正常、故障和空闲。
进一步的，所述资源估计模型使用如下公式表示：
其中，C0为资源值；S0为生产线运行状态对应的值，在正常状态下，S0＝1，在故障状态下，S0＝0.5，在空闲状态下，S0＝2；T为生产线吞吐量，σ为生产线吞吐量的标准差；X为生产线位置对应的值，X的计算过程为：为每一个生产线按照位置顺序进行编号，编号完成后，X＝编号的数值/10；d1为第一中间值，d2为第二中间值；N(d1)表示对第一中间值d1进行取整运算。
进一步的，所述资源估计模型使用如下公式表示：
其中，C0为资源值；S0为生产线运行状态对应的值，在正常状态下，S0＝1，在故障状态下，S0＝0.5，在空闲状态下，S0＝2；T为生产线吞吐量，σ为生产线吞吐量的标准差；X为生产线位置对应的值，X的计算过程为：为每一个生产线按照位置顺序进行编号，编号完成后，X＝编号的数值/10；d1为第一中间值，d2为第二中间值；N(d2)表示对第一中间值d2进行取整运算。
本发明的基于人工智能的全流程生产调度系统及方法，其通过获取生产线上的运行数据，计算每个生产线的资源值，以判断是否能够调取该生产线进行使用，一方面该过程可以筛选出空闲资源较多的生产线，以保证各个生产线能够最大化利用资源，另一方面，能够整合空闲资源，提升生产线的工作效率；主要通过以下过程实现：1.通过资源值来进行生产线资源调度：本发明通过计算每个生产线的资源值来实现生产线调度，以确保每个生产线的资源利用率能够达到最大，同时本发明在调度过程中不是单一的针对生产线的流量或者生产线的运行状态进行调度，而是进行统一的调度，将所有因素都计入资源值计算，从而实现调度的全面化；2.资源值的计算：本发明通过构建生产线的资源计算模型来实现生产线的资源计算，与现有技术不同之处在于，现有技术多半通过单一因素来评估生产线的资源，本发明可以将生产线的多种运行数据进行同一运算，得到的资源值更加客观和科学；3.通过设置值来实现调度的多样化：本发明通过设置不同的值来实现多条生产线的调度，而不是局限于对某一条或者几条生产线进行调度，提升了调度的适用性。
附图说明
图1为本发明实施例提供的物联网的基于人工智能的全流程生产调度系统的系统结构示意图；
图2为本发明实施例提供的基于人工智能的全流程生产调度系统及方法在N值为3时的调度原理示意图；
图3为本发明实施例提供的基于人工智能的全流程生产调度系统及方法在N值为4时的调度原理示意图.
具体实施方式
下面结合附图及本发明的实施例对本发明的方法作进一步详细的说明。
实施例1
如图1所示，基于人工智能的全流程生产调度系统，所述系统包括：数据获取单元，配置用于获取生产线的运行数据；生产线资源估计单元，配置用于基于运行数据，使用预设的资源估计模型，计算每个生产线的资源值；调度单元，配置用于从生产线中任意筛选出9个生产线，基于计算得到的每个生产线的资源值，设定一个数量值N，找到资源值最高的N个生产线，将所有的资源值进行求和计算，得到总资源值，若总资源值在设定的阈值以上，则将N个生产线进行连接，完成本次调度，若总资源值低于设定的阈值，则重新从生产线中任意筛选出9个生产线，循环执行，直到总资源值在设定的阈值以上，完成调度。
具体的，本发明通过获取生产线上的运行数据，计算每个生产线的资源值，以判断是否能够调取该生产线进行使用，一方面该过程可以筛选出空闲资源较多的生产线，以保证各个生产线能够最大化利用资源，另一方面，能够整合空闲资源，提升生产线的工作效率；主要通过以下过程实现：1.通过资源值来进行生产线资源调度：本发明通过计算每个生产线的资源值来实现生产线调度，以确保每个生产线的资源利用率能够达到最大，同时本发明在调度过程中不是单一的针对生产线的流量或者生产线的运行状态进行调度，而是进行统一的调度，将所有因素都计入资源值计算，从而实现调度的全面化；2.资源值的计算：本发明通过构建生产线的资源计算模型来实现生产线的资源计算，与现有技术不同之处在于，现有技术多半通过单一因素来评估生产线的资源，本发明可以将生产线的多种运行数据进行同一运算，得到的资源值更加客观和科学；3.通过设置值来实现调度的多样化：本发明通过设置不同的值来实现多条生产线的调度，而不是局限于对某一条或者几条生产线进行调度，提升了调度的适用性。
实施例2
在上一实施例的基础上，所述运行数据至少包括：生产线运行状态、生产线位置和生产线吞吐量；所述生产线运行状态包括三种：正常、故障和空闲。
实施例3
在上一实施例的基础上，所述生产线资源估计单元包括：运行数据预处理单元、模型建立单元和计算单元；所述运行数据预处理单元，配置用于对运行数据进行数据预处理，得到预处理数据；所述模型建立单元，配置用于建立计算模型；所述计算单元，配置用于基于建立的计算模型，将预处理数据代入到计算模型中，计算得到生产线的资源值。
具体的，对于一些复杂零件，一般需要进行多工序加工。尤其是轿车动力总成的一些关键零件如发动机缸盖、阀体等，涉及到的工序多、设备多、工艺复杂。在生产线工艺规划方案中，设备的排布和工艺方案的规划显得尤为重要。由于每条线占地面积很大，而一般厂房的面积也是有限的，单条线加工单个产品给工厂很大的压力，尤其是对于起验证工艺、设备的验证线来讲，其单种产品的加工总时长久，单独设计一条线不仅是成本的增加，更是资源的浪费。
实施例4
在上一实施例的基础上，所述模型建立单元建立的计算模型使用如下公式表示：其中，C0为资源值；S0为生产线运行状态对应的值，在正常状态下，S0＝1，在故障状态下，S0＝0.5，在空闲状态下，S0＝2；T为生产线吞吐量，σ为生产线吞吐量的标准差；X为生产线位置对应的值，X的计算过程为：为每一个生产线按照位置顺序进行编号，编号完成后，X＝编号的数值/10；d1为第一中间值，d2为第二中间值。
具体的，生产线又成为流水线，是工业上的一种生产方式，指每一个生产单位只专注处理某一个片段的工作，以提高工作效率及产量。
按照流水线的输送方式大体可以分为：皮带流水装配线、板链线、倍速链、插件线、网带线、悬挂线及滚筒流水线这七类流水线。一般包括牵引件、承载构件、驱动装置、涨紧装置、改向装置和支承件等组成。
流水线可扩展性高，可按需求设计输送量，输送速度，装配工位，辅助部件(包括快速接头、风扇、电灯、插座、工艺看板、置物台、24V电源、风批等，因此广受企业欢迎。流水线是人和机器的有效组合，最充分体现设备的灵活性，它将输送系统、随行夹具和在线专机、检测设备有机的组合，以满足多品种产品的输送要求。输送线的传输方式有同步传输的(强制式)，也可以是非同步传输(柔性式)，根据配置的选择，可以实现装配和输送的要求。输送线在企业的批量生产中不可或缺。
实施例5
在上一实施例的基础上，所述调度单元包括：随机筛选单元，配置用于从从生产线中任意筛选出9个生产线，将筛选出的9个生产线按照9宫格进行排列；总资源计算单元，配置用于基于计算得到的每个生产线的资源值，设定一个数量值N，找到资源值最高的N个生产线，将所有的资源值进行求和计算，得到总资源值；判断单元，配置用于判断计算得到的总资源是否在设定的阈值以上，若总资源值在设定的阈值以上，则将N个生产线进行连接，完成本次调度，若总资源值低于设定的阈值，则重新从生产线中任意筛选出9个生产线，循环执行，直到总资源值在设定的阈值以上，完成调度。
具体的，参考图2和图3，图2和图3中的九宫格中每个格子均代表一个生产线，当设定的N值为3时，其图示为图2所示。当设定的值为4是，其图示为图3所示。在计算完成总资源值后，调度单元将所有的生产线连接起来。
实施例6
在上一实施例的基础上，所述总资源计算单元在计算得到总资源值后，还将基于设定的数量值N进行总资源值进行调整，得到调整后的总资源值，包括：调整后的总资源值＝总资源值/N；所述判断单元将基于得到的调整后的总资源值进行判断。
实施例7
一种基于人工智能的全流程生产调度方法，所述方法执行以下步骤：
步骤1：获取生产线的运行数据；
步骤2:基于运行数据，使用预设的资源估计模型，计算每个生产线的资源值；
步骤3:从生产线中任意筛选出9个生产线，基于计算得到的每个生产线的资源值，设定一个数量值N，找到资源值最高的N个生产线，将所有的资源值进行求和计算，得到总资源值，若总资源值在设定的阈值以上，则将N个生产线进行连接，完成本次调度，若总资源值低于设定的阈值，则重新从生产线中任意筛选出9个生产线，循环执行，直到总资源值在设定的阈值以上，完成调度。
实施例8
在上一实施例的基础上，所述运行数据至少包括：生产线运行状态、生产线位置和生产线吞吐量；所述生产线运行状态包括三种：正常、故障和空闲。
实施例9
在上一实施例的基础上，所述资源估计模型使用如下公式表示：其中，C0为资源值；S0为生产线运行状态对应的值，在正常状态下，S0＝1，在故障状态下，S0＝0.5，在空闲状态下，S0＝2；T为生产线吞吐量，σ为生产线吞吐量的标准差；X为生产线位置对应的值，X的计算过程为：为每一个生产线按照位置顺序进行编号，编号完成后，X＝编号的数值/10；d1为第一中间值，d2为第二中间值；N(d1)表示对第一中间值d1进行取整运算。
实施例10
在上一实施例的基础上，所述资源估计模型使用如下公式表示：其中，C0为资源值；S0为生产线运行状态对应的值，在正常状态下，S0＝1，在故障状态下，S0＝0.5，在空闲状态下，S0＝2；T为生产线吞吐量，σ为生产线吞吐量的标准差；X为生产线位置对应的值，X的计算过程为：为每一个生产线按照位置顺序进行编号，编号完成后，X＝编号的数值/10；d1为第一中间值，d2为第二中间值；N(d2)表示对第一中间值d2进行取整运算。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
需要说明的是，上述实施例提供的系统，仅以上述各功能单元的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能单元来完成，即将本发明实施例中的单元或者步骤再分解或者组合，例如，上述实施例的单元可以合并为一个单元，也可以进一步拆分成多个子单元，以完成以上描述的全部或者单元功能。对于本发明实施例中涉及的单元、步骤的名称，仅仅是为了区分各个单元或者步骤，不视为对本发明的不当限定。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域技术人员应能够意识到，结合本文中所公开的实施例描述的各示例的单元、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件单元、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
术语“第一”、“另一部分”等是配置用于区别类似的对象，而不是配置用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者单元/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者单元/装置所固有的要素。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术标记作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述，仅为本发明的较佳实施例而已，并非配置用于限定本发明的保护范围。
