[发明专利]知识驱动的车间智能排产方法

说明书

本发明公开了知识驱动的车间智能排产方法，首先构建多目标多约束柔性作业车间调度的数学模型；然后，根据人工排产调整经验和生产车间历史数据，分别构建离线车间知识图谱的模式层和数据层；接下来，通过离线图谱数据层获得待加工工件的工艺过程和设备分配等数据，利用改进的NSGA‑II算法求得柔性作业车间调度数学模型的Pareto最优解集，采用层次分析法从最优解集中选取最优调度方案；最后，利用实际车间状况构建在线车间知识图谱，将算法求解出的最优调度方案与在线图谱中的资源信息对比，检验调度方案可行性。若不满足实际生产，则根据离线图谱模式层中的人工排产调整经验和在线图谱中的资源对调度方案进行调整后输出。

技术领域

本发明属于生产过程智能化排产方法技术领域，具体涉及知识驱动的车间智能排产方法。

背景技术

智能制造是推进信息化和工业化深度融合的主攻方向，智能制造包括生产对象的智能化、生产过程的智能化和生产工具的智能化三个层面，其中生产过程的智能化是实现智能制造的关键环节。生产过程智能化实际是利用计算机模拟制造专家的分析、判断、推理、构思和决策等智能活动，并将这些智能活动与智能机器有机地融合起来。实现生产过程智能化，需要对实际生产环境感知，完成智能下达生产任务和调整排产方案等方面的决策，利用设备按照排产结果运行生产过程，完成订单任务。分配结果利用设备完成加工。车间排产是生产过程的关键步骤，车间排产结果对生产过程和效率有重要影响。因此，获得高效且符合实际的排产方案是生产过程智能化的关键环节之一，优化车间排产过程和结果，对提升企业的生产效率和竞争力至关重要。

目前，虽然车间排产的数学模型及其优化求解算法很多，但由于对相对复杂的真实生产进行模型构建和求解比较困难，导致单纯依赖计算机排产算法获得的调度方案不能完全满足实际生产需求，需要人工对计算机排产方案进行调整。同时，生产过程中产生海量数据，但目前企业缺乏统一数据管理模型和对数据知识利用的方法，导致生产过程缺乏对数据知识的利用。为了充分利用人工排产调整经验和车间数据知识，需要一种方法实现数据的管理与应用。

知识图谱作为人工智能的一个重要分支，为数据的管理和应用及各数据之间建立联系提供了技术支撑。知识图谱由节点、关系和属性等元素组成，能够以三元组形式对各个数据之间建立起联系，将多源数据组成一个完整的数据库，便于数据知识的管理和应用。知识图谱的使用可以弥补车间数据管理存在的短板，建立各数据间的联系，同时将人工经验在模式层中管理，为后续生产提供指导，减少车间排产对人工调整的依赖，为生产过程智能化的实现奠定基础。

发明内容

本发明的目的在于提供知识驱动的车间智能排产方法，解决了上述车间排产中存在的问题。

本发明所采用的技术方案是，知识驱动的车间智能排产方法，具体按照以下步骤实施：

步骤1、以多目标多约束柔性作业车间调度问题为研究对象，构建数学模型；

步骤2、利用人工排产调整经验和生产车间历史数据，分别构建离线车间知识图谱的模式层和数据层，完成数据管理模型的构建；

步骤3、基于离线知识图谱数据层获取待加工工件的生产数据，利用改进的NSGA-II算法和层次分析法，获得待加工工件的Pareto最优解集和最优调度方案；

步骤4、根据实际生产构建在线车间知识图谱，将算法求解出的最优调度方案与实际生产中的资源进行对比，确定调度方案的可行性，若可行，则输出调度方案；反之，则根据离线知识图谱模式层中的人工排产调整经验和实际生产进行调整后输出。

本发明的特点还在于：

步骤1的模型具体如下：生产车间有n个待加工工件，可选设备m台，其每个待加工工件包含一道或多道工序O_i,j(i＝1,2,…,n；j＝1,2,…,m)，其中每道工序可选设备是一台或多台，且一道工序在每台设备上加工时间有可能不相同。