[发明专利]基于智能学习算法的机器控制方法

说明书

本发明属于智能控制技术领域，涉及一种基于智能学习算法的机器控制方法，包括测量当前制程的生产环境的条件参数，对生产环境内产出的产品进行在线测试，基于嵌入式模型对参数集进行评估，将匹配嵌入式模型且获得最优产量的参数集发送到MES级别控制器，智能学习模块对原设定是否有缺陷提出调整或不调整的决定并对调整的正确性进行评估，确定更优的方案，重复调整直到确定最优方案并生产。本控制方法能够立即自动调整工艺参数，不需要人工干预。纠正生产参数响应时间很快，可以将劣质产品的损失、材料的损失和生产时间降到最低。这也导致更好的预测生产计划和提高交付能力。

技术领域

本发明涉及智能控制技术领域，特别涉及一种基于智能学习算法的机器控制方法。

背景技术

传统上，自动化过程是通过预设参数和逻辑控制实际流程步骤的过程，这些参数，如控制范围和设置值，是基于个人经验和试错测试手工设置的。优化水平基于经验评价，而不是现有条件的平行度量。工艺的优化一般是参数设置、生产测试和结果评估的循环，直到达到目标效果。然而在这个循环过程当中依旧免不了操作人员的参与，操作人员从获知测试结果到做出评估当中会经历较长的时间，以致实际环境的测量和调整往往滞后，从而导致质量和容量的损失。如何加快评估效率既是提高生产效率的方法，也是提高测量准确率的重点。

发明内容

本发明的主要目的在于提供一种基于智能学习算法的机器控制方法，用来自动评估检测结果并快速做出结果评估和调整决策。

本发明通过如下技术方案实现上述目的：一种基于智能学习算法的机器控制方法，包括如下步骤：

S1、测量当前制程的生产环境的条件参数，然后将条件参数报告给MES服务器；

S2、对生产环境内产出的产品进行在线测试，并将测试参数报告给MES服务器；

S3、通过人工智能模块基于嵌入式模型对条件参数和测试参数组成的参数集进行评估；

S4、将匹配嵌入式模型且获得更优产量的参数集发送到MES级别控制器；

S5、智能学习模块若发现原设定存在缺陷，则会根据已知的更优产量的参数集对生产环境条件提出调整，同时对调整的正确性进行评估并判断是否要维持调整后的设定；

S6、若验证调整后的设定更优化，环回控制器将会对MES服务器的原设定进行调整；

S7、重复S1～S6直到确定最优产量的参数集并维持生产。

具体的，所述条件参数包括本制程的温度、湿度、压力中的一种或多种。

进一步的，所述条件参数还包括前一个工作制程的吞吐量和状态。

具体的，所述测试参数包括产品的生产效率和合格率。

采用上述技术方案，本发明技术方案的有益效果是：

本控制方法能够立即自动调整工艺参数，不需要人工干预。纠正生产参数响应时间很快，可以将劣质产品的损失、材料的损失和生产时间降到最低。这也导致更好的预测生产计划和提高交付能力。

具体实施方式

下面结合具体实施例对本发明作进一步详细说明。

一种基于智能学习算法的机器控制方法，包括如下步骤：

S1、测量当前制程的生产环境的条件参数，然后将条件参数报告给MES(制造执行系统)服务器。本步骤是为了搜集制程的输入信息，比如本制程的温度、湿度、压力等，也包括前一个制程的吞吐量和状态等。

S2、对生产环境内产出的产品进行在线测试，并将测试参数报告给MES服务器。本步骤是为了搜集制程的输出信息，比如生产效率和合格率等重要指标。