[发明专利]一种生产数据驱动的动态作业车间调度规则智能选择方法

摘要

本发明提供了一种基于生产数据驱动的动态作业车间调度规则智能选择方法，属于制造企业作业车间排产调度应用领域，主要包括：引入Multi‑Pass算法仿真机制，建立作业车间生产调度仿真平台，生成排产调度的样本数据；对获得的样本数据作筛选，生成调度参数集；设计不同调度目标下用于调度知识学习的BP神经网络模型；提出一种改进的萤火虫算法优化BP神经网络模型的训练，获得NFA‑BP模型；将各调度目标下的NFA‑BP模型集合成一个智能调度模块，并与作业车间MES系统进行集成，指导在线调度；人工调整在线排产调度的偏差并更新调度参数集，智能调度模块进行在线优化学习；适应了真实车间生产状况的智能调度模块根据当前作业冲突决策点输出最优调度规则。

主权项

一种生产数据驱动的动态作业车间调度规则智能选择方法，其特征在于，具体实现过程为：步骤1：基于Multi‑Pass算法仿真技术建立作业车间生产调度仿真平台，其中包括预置调度目标集、调度规则集和生产状态参数集，多次运行该仿真平台生成一批调度问题对应的最优调度方案集，其中包括了用于调度知识学习的样本数据集；步骤2：对获得的样本数据集进行约简和筛选处理，形成调度参数集；步骤3：设计不同调度目标下用于调度知识学习的BP神经网络模型；步骤4：提出一种改进的萤火虫算法优化BP神经网络模型的训练，获得NFA‑BP模型；步骤5：将各调度目标下的NFA‑BP模型集合成一个智能调度模块，并与作业车间MES系统进行集成，由MES数据API提供当前作业车间关键生产状态数据给智能调度模块，用以指导在线排产调度；步骤6：人工调整在线排产调度的偏差并适时调整调度知识库，即更新调度参数集，另外智能调度模块进行在线优化学习；步骤7：适应了真实车间生产状况的智能调度模块根据当前作业冲突决策点输出最优调度规则。