CN110334919B - 一种生产线资源匹配方法及装置 - Google Patents

一种生产线资源匹配方法及装置 Download PDF

Info

Publication number
CN110334919B
CN110334919B CN201910534369.3A CN201910534369A CN110334919B CN 110334919 B CN110334919 B CN 110334919B CN 201910534369 A CN201910534369 A CN 201910534369A CN 110334919 B CN110334919 B CN 110334919B
Authority
CN
China
Prior art keywords
machine
manufacturing
task
parameter
intelligent
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910534369.3A
Other languages
English (en)
Other versions
CN110334919A (zh
Inventor
杨刚
翟开莉
周兴社
高亚晶
姚远
王启
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN201910534369.3A priority Critical patent/CN110334919B/zh
Publication of CN110334919A publication Critical patent/CN110334919A/zh
Application granted granted Critical
Publication of CN110334919B publication Critical patent/CN110334919B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种生产线资源匹配方法及装置，涉及智能制造领域。用以解决现有技术无法解决生产环境中存在生产目标单一、生产方式固定、生产流程僵化的问题。本发明实施例提供了一种生产线资源匹配方法及装置，该方法包括：根据生产任务包括的多个工序确定每个工序对应的任务属性，根据每个工业智能机器与工序的对应关系确定每个工业智能机器的制造能力；将每个工序对应的任务属性分别与每个工业智能机器对应的制造能力进行匹配，将与工序对应的任务属性匹配成功的工业智能机器确定为第一工业智能机器，若生产任务包括的多个工序均确定有执行工序的所述第一工业智能机器，将多个第一工业智能机器按照工序的顺序确定为智能生产线。

Description

一种生产线资源匹配方法及装置
技术领域
本发明涉及智能制造领域，更具体的涉及一种生产线资源匹配方法及装置。
背景技术
在工业4.0和智能制造的影响下，为了提高传统生产线的生产效率，逐步解决传统生产线无法满足用户个性化需求的问题，云计算、大数据等新技术开始逐渐引入到智能生产线。
传统制造模式中，产品功能和需求的变化使得生产线无法生产出符合要求的产品，人工调整生产系统的结构和控制系统也将导致大量的人力、物力资源的浪费。并且重置生产流程与设备配置难度较高，对工厂与生产车间人员来说无疑是一项巨大的挑战。传统的生产线无法满足用户对产品的个性化需求，生产流程无法根据生产任务动态改变，生产效率低。
综上所述，现有的生成线存在生产目标单一、生产方式固定、生产流程僵化的问题。
发明内容
本发明实施例提供一种生产线资源匹配方法及装置，用以解决现有技术无法解决生产环境中存在生产目标单一、生产方式固定、生产流程僵化的问题。
本发明实施例提供了一种生产线资源匹配方法，包括：
根据生产任务包括的多个工序确定每个所述工序对应的任务属性，根据每个智能机器与所述工序的对应关系确定每个所述智能机器的制造能力；
将每个所述工序对应的任务属性分别与每个所述智能机器对应的所述制造能力进行匹配，将与所述工序对应的所述任务属性匹配成功的所述智能机器确定为第一智能机器，并确定所述第一智能机器能够执行所述工序；
若所述生产任务包括的多个所述工序均确定有执行所述工序的所述第一智能机器，将多个所述第一智能机器按照所述工序的顺序确定为智能生产线。
优选地，所述任务属性包括第一工序类型，第一物料类型，第一物料名称，第一质量要求，第一精度参数，第一时间参数，第一空间参数，第一物料尺寸；
所述制造能力包括第二工序类型，第二质量要求，第二精度参数，第二物料类型，第二空间参数，第二物料尺寸，第二时间参数和第二物料名称；
所述将每个所述工序对应的所述任务属性分别与每个所述智能机器对应的所述制造能力进行匹配，具体包括：
将所述工序对应的任务属性与所述制造能力分别建立布尔约束，最小值约束和阈值约束，若所述布尔约束，所述最小值约束和所述阈值约束均满足约束条件，则确定所述工序对应的所述任务属性匹配成功；
所述布尔约束如下所示：
PT＝pti；MT＝mti；MN＝mni；
所述最小值约束如下所示：
QT≤qti；AC≤aci；TP≤tpi；PP≤ppi；
所述阈值约束如下所示：
MS-threshold≤msi≤MS+threshold
其中，pti表示制造能力集合中第i个所述制造能力对应的所述第二工序类型，mti表示第i个所述制造能力对应的所述第二物料类型，mni表示第i个所述制造能力对应的所述第二物料名称，qti表示制造能力集合中第i个所述制造能力对应的第二质量参数，aci表示制造能力集合中第i个所述制造能力对应的第二精度参数，tpi表示制造能力集合中第i个所述制造能力对应的第二时间参数，ppi表示制造能力集合中第i个所述制造能力对应的第二空间参数，msi表示制造能力集合中第i个所述制造能力对应的第二物料尺寸；
PT为所述第一工序类型，MT为所述第一物料类型，MN为所述第一物料名称，QT为所述第一质量要求，AC为所述第一精度参数，TP为所述第一时间参数，PP为所述第一空间参数，MS为所述第一物料尺寸。
优选地，所述任务属性还包括第一基本信息，第一制造信息，第一任务领域和第一执行状态；
所述任务属性采用XML语法规范描述，且采用XML语法规范描述的所述第一工序类型，所述第一物料类型，所述第一物料名称，所述第一质量要求，所述第一精度参数，所述第一时间参数，所述第一空间参数，所述第一物料尺寸，所述第一基本信息，所述第一制造信息，所述第一任务领域和所述第一执行状态均包括有一致的识别码。
优选地，所述每个所述工序对应至少一台所述智能机器；
将与所述工序对应的所述任务属性匹配成功的所述智能机器确定为第一智能机器，具体包括：
当确定所述工序对应的所述任务属性匹配成功的所述智能机器包括多台时，根据所述工序的要求和每台所述智能机器的整体性，将整体性能最好并符合所述工序要求的所述智能机器确定为所述第一智能机器；
所述智能机器的整体性能按照下列公式确定：
PE＝W1*T+W2*P+W3*S+W4*H
其中，W表示该指标所占的权重，T为机器加工时间，P为机器功耗，S为机器加工成功率，H为机器历史使用情况。
优选地，所述制造能力还包括第二机器信息，所述制造能力采用XML语法规范描述；
且采用XML语法规范描述的所述第二机器信息，第二工序类型，第二质量要求，第二精度参数，第二物料类型，第二空间参数，第二物料尺寸，第二时间参数和第二物料名称均包括有一致的识别码；
所述将与所述工序对应的所述任务属性匹配成功的所述智能机器确定为第一智能机器之前，还包括：
根据所述制造能力包括的所述第二机器信息的识别码，确认与所述第二机器信息对应的所述智能机器，并依次确定每台智能机器所包括的机器加工时间，机器功耗，机器加工成功率和机器历史使用情况。
本发明实施例还提供了一种生产线资源匹配装置，包括：
第一确定单元，用于根据生产任务包括的多个工序确定每个所述工序对应的任务属性，根据每个智能机器与所述工序的对应关系确定每个所述智能机器的制造能力；
第二确定单元，用于将每个所述工序对应的任务属性分别与每个所述智能机器对应的所述制造能力进行匹配，将与所述工序对应的所述任务属性匹配成功的所述智能机器确定为第一智能机器，并确定所述第一智能机器能够执行所述工序；
第三确定单元，用于若所述生产任务包括的多个所述工序均确定有执行所述工序的所述第一智能机器，将多个所述第一智能机器按照所述工序的顺序确定为智能生产线。
优选地，所述任务属性包括第一工序类型，第一物料类型，第一物料名称，第一质量要求，第一精度参数，第一时间参数，第一空间参数，第一物料尺寸；
所述制造能力包括第二工序类型，第二质量要求，第二精度参数，第二物料类型，第二空间参数，第二物料尺寸，第二时间参数和第二物料名称；
所述第二确定单元具体用于：
将所述工序对应的任务属性与所述制造能力分别建立布尔约束，最小值约束和阈值约束，若所述布尔约束，所述最小值约束和所述阈值约束均满足约束条件，则确定所述工序对应的所述任务属性匹配成功；
所述布尔约束如下所示：
PT＝pti；MT＝mti；MN＝mni；
所述最小值约束如下所示：
QT≤qti；AC≤aci；TP≤tpi；PP≤ppi；
所述阈值约束如下所示：
MS-threshold≤msi≤MS+threshold
其中，pti表示制造能力集合中第i个所述制造能力对应的所述第二工序类型，mti表示第i个所述制造能力对应的所述第二物料类型，mni表示第i个所述制造能力对应的所述第二物料名称，qti表示制造能力集合中第i个所述制造能力对应的第二质量参数，aci表示制造能力集合中第i个所述制造能力对应的第二精度参数，tpi表示制造能力集合中第i个所述制造能力对应的第二时间参数，ppi表示制造能力集合中第i个所述制造能力对应的第二空间参数，msi表示制造能力集合中第i个所述制造能力对应的第二物料尺寸；
PT为所述第一工序类型，MT为所述第一物料类型，MN为所述第一物料名称，QT为所述第一质量要求，AC为所述第一精度参数，TP为所述第一时间参数，PP为所述第一空间参数，MS为所述第一物料尺寸。
优选地，所述任务属性还包括第一基本信息，第一制造信息，第一任务领域和第一执行状态；
所述任务属性采用XML语法规范描述，且采用XML语法规范描述的所述第一工序类型，所述第一物料类型，所述第一物料名称，所述第一质量要求，所述第一精度参数，所述第一时间参数，所述第一空间参数，所述第一物料尺寸，所述第一基本信息，所述第一制造质信息，所述第一任务领域和所述第一执行状态均包括有一致的识别码。
优选地，所述每个所述工序对应至少一台所述智能机器；
所述第二确定单元具体用于：
当确定所述工序对应的所述任务属性匹配成功的所述智能机器包括多台时，根据所述工序的要求和每台所述智能机器的整体性，将整体性能最好并符合所述工序要求的所述智能机器确定为所述第一智能机器；
所述智能机器的整体性能按照下列公式确定：
PE＝W1*T+W2*P+W3*S+W4*H
其中，W表示该指标所占的权重，T为机器加工时间，P为机器功耗，S为机器加工成功率，H为机器历史使用情况。
优选地，所述制造能力还包括第二机器信息，所述制造能力采用XML语法规范描述；
且采用XML语法规范描述的所述第二机器信息，第二工序类型，第二质量要求，第二精度参数，第二物料类型，第二空间参数，第二物料尺寸，第二时间参数和第二物料名称均包括有一致的识别码；
所述第二确定单元还用于：
根据所述制造能力包括的所述第二机器信息的识别码，确认与所述第二机器信息对应的所述智能机器，并依次确确定每台智能机器所包括的机器加工时间，机器功耗，机器加工成功率和机器历史使用情况。
本发明实施例提供了一种生产线资源匹配方法及装置，该方法包括：根据生产任务包括的多个工序确定每个所述工序对应的任务属性，根据每个智能机器与所述工序的对应关系确定每个所述智能机器的制造能力；将每个所述工序对应的任务属性分别与每个所述智能机器对应的所述制造能力进行匹配，将与所述工序对应的所述任务属性匹配成功的所述智能机器确定为第一智能机器，并确定所述第一智能机器能够执行所述工序；若所述生产任务包括的多个所述工序均确定有执行所述工序的所述第一智能机器，将多个所述第一智能机器按照所述工序的顺序确定为智能生产线。该方法中，确定生产任务包括的每个工序对应的多个任务属性，再确定智能机器包括的多个制造属性对应的制造能力，将每个工序的任务属性与每台智能机器的制造能力进行匹配，从而能够执行该工序的第一智能机器，最后将多台第一智能机器按照工序的顺序确定为智能生产线。该方法一方面解决传统生产线只能生产一种特定产品的弊端，使得现有的生产线可以生产的产品具有多样化、个性化的特点；另一方面解决生产任务包括的一个工序只能由单个机器来执行的问题，通过智能机器选择策略能够选出最适合执行该工序的工业智能机器，提高了生产线的灵活性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种生产线资源匹配方法流程示意图；
图2为本发明实施例提供的一种生产线资源匹配方法基本结构示意图；
图3为本发明实施例提供的生产任务包括的多个任务属性结构示意图；
图4为本发明实施例提供的智能机器包括的多个制造能力结构示意图；
图5为本发明实施例提供的一种生产线资源匹配装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚，完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1示例性的示出了本发明实施例提供的一种生产线资源匹配方法流程示意图，如图1所示，该方法主要包括以下步骤：
步骤101，根据生产任务包括的多个工序确定每个所述工序对应的任务属性，根据每个智能机器与所述工序的对应关系确定每个所述智能机器的制造能力；
步骤102，将每个所述工序对应的任务属性分别与每个所述智能机器对应的所述制造能力进行匹配，将与所述工序对应的所述任务属性匹配成功的所述智能机器确定为第一智能机器，并确定所述第一智能机器能够执行所述工序；
步骤103，若所述生产任务包括的多个所述工序均确定有执行所述工序的所述第一智能机器，将多个所述第一智能机器按照所述工序的顺序确定为智能生产线。
需要说明的是，该方法的执行主体为处理器，处理器与输入端和显示端电联接，输入端一方面用于输入生产任务包括的多个工序，每个工序对应的每个任务属性的要求；另一方面用于输入多台智能机器对应的各项制造能力；而显示端用于显示最终能够执行该生产任务包括的每个工序的智能机器的名称。
在步骤101中，先确定生产任务包括的工序流程，即该生产任务中总共包括多少个工序，然后根据确定的工序的数量，再依次确认每个工序所对应的任务属性。图2为本发明实施例提供的一种生产线资源匹配方法基本结构示意图，如图2所示，图2中显示的工序流程可以包括有p1，p2，p3…pi…pn等多个工序。
图3为本发明实施例提供的生产任务包括的多个任务属性结构示意图，如图3所示，本发明实施例中，每个工序所对应的任务属性主要包括有任务的基本信息，制造信息，任务所属领域，工序信息以及任务执行状态信息等属性。具体地，任务基本信息应涵盖有生产任务的明确信息，主要包括有任务编号，任务名称，任务优先级等。制造信息包括具有个性化特征的产品编号，产品名称，产品数量，以及产品几何特征等；其中，产品几何特征主要包括产品颜色，产品尺寸等信息。任务领域主要包括加工制造和物流配送两种类型。执行状态可划分为未开始状态，执行状态和已完成状态。工序信息包括工序编号，工序类型，工艺水平，物料信息以及工序参数；其中工序类型包括加工，装配，运送等类型。工艺水平主要是指精度要求，质量要求。物料信息包括物料类型，物料尺寸以及物料其他相关信息。
在实际应用中，生产任务与工序存在一对多的关系，即一个生产任务可以包含有多个工序。在本发明实施例中，当确定生产任务包含的各个工序对应的任务属性之后，可以使用XML Schema语法规范对生产任务包括的任务属性进行描述。如下所示，为本发明实施例提供的采用XML Schema语法规范描述的任务属性：
Figure BDA0002100712440000091
根据生产任务包括的多个工序以及每个工序对应的任务属性，初步确认与上述工序匹配的多台智能机器；当确认智能机器之后，需要依次确认每台智能机器的制造能力。如图2所示，图2中每台智能机器对应一个制造能力，其中，多台智能机器就会对应多个制造能力，比如，制造能力可以包括有cp1，cp2，cpi…cpn等多个。
进一步地，需要确认每台智能机器对应的制造能力所包括的具体参数。图4为本发明实施例提供的智能机器包括的多个制造能力结构示意图，如图4所示，本发明实施例中，智能机器包括的制造能力主要包括有机器信息，工序类型，工艺水平，物料信息，工艺参数等。机器信息主要包括有机器编号，机器名称以及生产厂商信息。工序类型主要包括加工，装配，运送三种类型。工艺水平包括质量和精度，其中，质量的好坏和精度大小都能反映出制造能力的好坏程度。物料信息包括物料类型，物料编号，物料名称和物料尺寸等信息。由于不同的智能机器具有不同的参数，所以工序参数主要包括空间参数以及时间参数。
在本发明实施例中，可以使用XML Schema语法规范对智能机器包括的制造能力进行描述，如下所示，为本发明实施例提供的采用XML Schema语法规范描述制造能力：
Figure BDA0002100712440000111
在本发明实施例中，由于需要将每个工序对应的多个任务属性分别与智能机器包括制造能力进行匹配，而在图3和图4中，包括有多个名称一致的术语，为了能够将上述名称一致的术语进行区别，在以下介绍中，在任务属性包括的多个术语前增加“第一”，相应地，在制造能力包括的多个术语前增加“第二”。
具体地，任务属性包括的参数有第一工序类型，第一物料类型，第一物料名称，第一质量要求，第一精度参数，第一时间参数，第一空间参数，第一物料尺寸，第一基本信息，第一制造信息，第一任务领域和第一执行状态。制造能力包括的参数有第二工序类型，第二质量要求，第二精度参数，第二物料类型，第二空间参数，第二物料尺寸，第二时间参数和第二物料名称。
在步骤102中，将每个工序对应的任务属性分别与智能机器包括制造能力进行匹配，即判断任务属性包括的几个参数和制造能力包括的几个参数建立的关系是否满足约束条件，其建立的关系主要包括三类方式：
第一类方式为布尔约束：
在实际应用中，工序类型，物料类型，物料名称建立的约束为布尔约束，即任务属性包括的第一工序类型，第一物料类型，第一物料名称与制造能力包括的第二工序类型，第二物料类型，第二物料名称的数值必须完全相同，则可以确定任务属性包括的第一工序类型，第一物料类型，第一物料名称与制造能力包括的第二工序类型，第二物料类型，第二物料名称建立的布尔约束满足约束条件。在本发明实施例中，采用以下公式表示布尔约束：
PT＝pti； (公式1)
MT＝mti； (公式2)
MN＝mni； (公式3)
其中，pti表示制造能力集合中第i个制造能力对应的第二工序类型，mti表示第i个制造能力对应的第二物料类型，mni表示第i个制造能力对应的第二物料名称，PT为所述第一工序类型，MT为所述第一物料类型，MN为所述第一物料名称。
第二类方式为最小值约束：
在实际应用中，质量要求，精度要求，时间参数，空间参数建立的约束为最小值约束，即工业智能机器的制造能力所能提供的第二质量参数应大于或等于每个工序所要求的第一质量参数；工业智能机器的制造能力所能提供的第二精度参数应大于或等于每个工序要求的第一精度参数；工业智能机器的制造能力制造能力所提供的第二时间参数应满足工序所提出的第一时间参数的要求，工业智能机器的制造能力所能提供空间位置也能够满足工序所提出的位置相关要求，在本发明实施例中，采用以下公式表示最小值约束：
QT≤qti； (公式4)
AC≤aci； (公式5)
TP≤tpi； (公式6)
PP≤ppi； (公式7)
其中，qti表示制造能力集合中第i个制造能力对应的第二质量参数，aci表示制造能力集合中第i个制造能力对应的第二精度参数，tpi表示制造能力集合中第i个制造能力对应的第二时间参数，ppi表示制造能力集合中第i个制造能力对应的第二空间参数，QT为第一质量要求，AC为第一精度参数，TP为第一时间参数，PP为第一空间参数。
第三类方式为阈值约束：
在实际应用中，物料尺寸所建立的约束为阈值约束，即制造能力所提供的第二物料尺寸只需在工序要求物料尺寸的一定范围内就算符合约束。在本发明实施例中，采用以下公式表示阈值约束：
MS-threshold≤msi≤MS+threshold (公式8)
其中，msi表示制造能力集合中第i个制造能力对应的第二物料尺寸，MS为第一物料尺寸。
在本发明实施例中，当每个工序对应的任务属性分别与每台智能机器的制造能力匹配时满足上述三个匹配类型或者上述三个约束条件时，则可以确认生产任务包括的工序找到了与之对应的制造能力，若某个工序对应的多个任务属性与每台智能机器的制造能力匹配时，存在一个变量没有满足上述三个匹配类型时，则可以确认生产任务包括的某个工序没有找到与之对应的制造能力。
在本发明实施例中，采用xi表示第i个制造能力是否满足工序的需求，如果第i个制造能力所包含的所有变量都满足约束条件，则xi的值为1，即该制造能力符合工序的要求，找到可行解；否则xi的值为0，该制造能力不能满足工序的要求。
Figure BDA0002100712440000131
只有当工序集合中每个工序都找到可行解，智能生产线的制造能力才能满足个性化生产任务的要求，该生产任务才能够成功执行。
在实际应用中，由于生产任务包括有多个工序，而在匹配时，需要将每个工序对应的任务属性与每台智能机器对应的制造能力进行匹配，即在匹配时可能会存在某个工序会与多台智能机器对应的制造能力匹配成功，在本发明实施例中，为了解决上述问题，优选地，需要从与某个工序匹配成功的多台智能机器中选择一个最优的智能机器来执行该工序，并将选择的智能机器确认为第一智能机器。
具体地，为了能够从多台智能机器内选择出第一智能机器来执行该工序，则需要确认多台智能机器的包括的属性参数，该属性参数包括机器加工时间，机器功耗，机器加工成功率和机器历史使用情况。
在本发明实施例中，由于分别采用XML Schema语法规范描述的任务属性和制造能力。而在实际应用中，会同时存在多个生产任务，相应地，也会同时存在多台智能机器，为了能够区分上述多个生产任务及多台智能机器，优选地，本发明实施例采用XML语法规范描述第一工序类型，第一物料类型，第一物料名称，第一质量要求，第一精度参数，第一时间参数，第一空间参数，第一物料尺寸，第一基本信息，第一制造质信息，第一任务领域和第一执行状态时，第一工序类型，第一物料类型，第一物料名称，第一质量要求，第一精度参数，第一时间参数，第一空间参数，第一物料尺寸，第一基本信息，第一制造质信息，第一任务领域和第一执行状态均包括了一个一致的识别码，通过该识别码，可以确认具有相同识别码的上述任务属性属于同一个生产任务；相应地，在采用XML语法规范描述第二机器信息，工序类型，质量要求，精度参数，物料类型，空间参数，物料尺寸，时间参数和物料名称时，第二机器信息，工序类型，质量要求，精度参数，物料类型，空间参数，物料尺寸，时间参数和物料名称也均包括了一个一致的识别码，通过该识别码，可以确认具有相同识别码的上述制造能力属于同一台智能机器。基于此，可以根据匹配方式，依次选择与某一个工序匹配成功的多个制造能力的参数，从而确认与该制造能力的参数具有同一种识别码的智能机器的名称，进一步地确定该智能机器所包括的机器加工时间，机器功耗，机器加工成功率和机器历史使用情况参数等属性参数，表1为本发明实施例提供的智能机器选择属性参数的参数因素。
表1智能机器选择属性参数的参考因素
Figure BDA0002100712440000151
进一步地，当确认与某个工序匹配成功的多台智能机器的属性参数之后，则需要根据每台智能机器的属性参数，确定该智能机器的整体性能，然后再根根据某个工序的具体要求，从多台智能机器内选择一个能够执行该工序的智能机器，并将该智能机器确认为第一智能机器，即确认第一智能机器能够执行该工序。
在本发明实施例中，智能机器的整体性能按照下列公式确定：
PE＝W1*T+W2*P+W3*S+W4*H (公式10)
其中，W表示该指标所占的权重，T为机器加工时间，P为机器功耗，S为机器加工成功率，H为机器历史使用情况。需要说明的是，在实际应用中，权重可根据实际应用场景进行调节，比如，若对生产数量较多，生产效率要求高的制造，应适当增加T的权重W1；若对产品质量要求较高的加工任务，应适当增加S的权重W3；机器整体性能所参考的指标不唯一。根据机器性能计算公式可得到不同机器的性能指标，通过参考该指标，择优选出机器性能较高的机器。
在步骤103中，由于每个生产任务可以包括有多个工序，若生产任务包括的多个工序通过上述步骤102提供的方法均可以确定能够执行该工序的第一智能机器，则将该生产任务包括的多个工序按照执行顺序进行排序，然后将每个工序对应的第一智能机器按照工序的顺序进行排序，并将排序后的多台第一制造机器确定为智能生产线。
为了更清楚的介绍本发明实施例提供的生产线资源匹配方法，以下介绍一个具体地应用案例。
若一个红色小木块进行加工，则需要执行喷漆工序和打磨工序，现有可以提供喷漆能力，打磨能力，抓取能力的两个工业智能机器人，需要确定每个机器人所要执行的加工工序。
可以根据本发明提出的方法选择出执行该生产任务所需的任务属性。假设喷漆工序，打磨工序要求的各项参数如下表2所示,两个工业智能机器人提供的制造能力各项参数如表3所示：
表2喷漆工序和打磨工序所对应的任务属性
Figure BDA0002100712440000161
表3两个工业智能机器人提供的制造能力
Figure BDA0002100712440000162
其中，表2和表3中，时间参数TP的单位为min，其余属性单位为cm)根据上述工序-制造能力匹配方法，将工序与制造能力的值进行对比，根据所建立的约束关系，机器1与机器2均可满足工序1与工序2的要求，两个机器可以完成生产任务。但是，由于工序1即可由机器1完成，又可由机器2完成，此时需要根据机器选择策略选择出最适合执行该工序的机器。两个机器的各项参数如下表：
Figure BDA0002100712440000171
在该应用场景中，工序1对机器的质量要求较高，所以计算公式中需要增加机器加工成功率所占的权重。如指定W1的值为0.01，W2的值为0.01，W3的值为0.97，W4的值为0.01，计算得：机器1的PE＝0.01*20+0.01*40+0.97*80％+0.01*80％＝1.384，机器2的PE＝0.01*30+0.01*50+0.97*90％+0.01*70％＝1.68，所以工序1选择机器2执行，资源匹配成功。由于工序2对机器质量要求不高，所以工序2可由机器1执行，以提高生产线资源利用率。最终工序1由机器2执行，工序2由机器1执行。匹配完成。
综上所述，本发明实施例提供了一种生产线资源匹配方法该方法中，确定生产任务包括的每个工序对应的多个任务属性，再确定智能机器包括的多个制造属性对应的制造能力，将每个工序的任务属性与每台智能机器的制造能力进行匹配，从而能够执行该工序的第一智能机器，最后将多台第一智能机器按照工序的顺序确定为智能生产线。该方法一方面解决传统生产线只能生产一种特定产品的弊端，使得现有的生产线可以生产的产品具有多样化、个性化的特点；另一方面解决生产任务包括的一个工序只能由单个机器来执行的问题，通过智能机器选择策略能够选出最适合执行该工序的工业智能机器，提高了生产线的灵活性。
基于同一发明构思，本发明实施例提供了一种生产线资源匹配装置，由于该装置解决技术问题的原理与一种生产线资源匹配方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。
图5为本发明实施例提供的一种生产线资源匹配装置结构示意图，如图5所示，该装置主要包括第一确定单元501，第二确定单元502和第三确定单元503。
第一确定单元501，用于根据生产任务包括的多个工序确定每个所述工序对应的任务属性，根据每个智能机器与所述工序的对应关系确定每个所述智能机器的制造能力；
第二确定单元502，用于将每个所述工序对应的任务属性分别与每个所述智能机器对应的所述制造能力进行匹配，将与所述工序对应的所述任务属性匹配成功的所述智能机器确定为第一智能机器，并确定所述第一智能机器能够执行所述工序；
第三确定单元503，用于若所述生产任务包括的多个所述工序均确定有执行所述工序的所述第一智能机器，将多个所述第一智能机器按照所述工序的顺序确定为智能生产线。
优选地，所述任务属性包括第一工序类型，第一物料类型，第一物料名称，第一质量要求，第一精度参数，第一时间参数，第一空间参数，第一物料尺寸；
所述制造能力包括第二工序类型，第二质量要求，第二精度参数，第二物料类型，第二空间参数，第二物料尺寸，第二时间参数和第二物料名称；
所述第二确定单元502具体用于：
将所述工序对应的任务属性与所述制造能力分别建立布尔约束，最小值约束和阈值约束，若所述布尔约束，所述最小值约束和所述阈值约束均满足约束条件，则确定所述工序对应的所述任务属性匹配成功；
所述布尔约束如下所示：
PT＝pti；MT＝mti；MN＝mni；
所述最小值约束如下所示：
QT≤qti；AC≤aci；TP≤tpi；PP≤ppi；
所述阈值约束如下所示：
MS-threshold≤msi≤MS+threshold
其中，pti表示制造能力集合中第i个所述制造能力对应的所述第二工序类型，mti表示第i个所述制造能力对应的所述第二物料类型，mni表示第i个所述制造能力对应的所述第二物料名称，qti表示制造能力集合中第i个所述制造能力对应的第二质量参数，aci表示制造能力集合中第i个所述制造能力对应的第二精度参数，tpi表示制造能力集合中第i个所述制造能力对应的第二时间参数，ppi表示制造能力集合中第i个所述制造能力对应的第二空间参数，msi表示制造能力集合中第i个所述制造能力对应的第二物料尺寸；
PT为所述第一工序类型，MT为所述第一物料类型，MN为所述第一物料名称，QT为所述第一质量要求，AC为所述第一精度参数，TP为所述第一时间参数，PP为所述第一空间参数，MS为所述第一物料尺寸。
优选地，所述任务属性还包括第一基本信息，第一制造信息，第一任务领域和第一执行状态；
所述任务属性采用XML语法规范描述，且采用XML语法规范描述的所述第一工序类型，所述第一物料类型，所述第一物料名称，所述第一质量要求，所述第一精度参数，所述第一时间参数，所述第一空间参数，所述第一物料尺寸，所述第一基本信息，所述第一制造质信息，所述第一任务领域和所述第一执行状态均包括有一致的识别码。
优选地，所述每个所述工序对应至少一台所述智能机器；
所述第二确定单元具体502用于：
当确定所述工序对应的所述任务属性匹配成功的所述智能机器包括多台时，根据所述工序的要求和每台所述智能机器的整体性，将整体性能最好并符合所述工序要求的所述智能机器确定为所述第一智能机器；
所述智能机器的整体性能按照下列公式确定：
PE＝W1*T+W2*P+W3*S+W4*H
其中，W表示该指标所占的权重，T为机器加工时间，P为机器功耗，S为机器加工成功率，H为机器历史使用情况。
优选地，所述制造能力还包括第二机器信息，所述制造能力采用XML语法规范描述；
且采用XML语法规范描述的所述第二机器信息，第二工序类型，第二质量要求，第二精度参数，第二物料类型，第二空间参数，第二物料尺寸，第二时间参数和第二物料名称均包括有一致的识别码；
所述第二确定单元502还用于：
根据所述制造能力包括的所述第二机器信息的识别码，确认与所述第二机器信息对应的所述智能机器，并依次确确定每台智能机器所包括的机器加工时间，机器功耗，机器加工成功率和机器历史使用情况。
应当理解，以上一种生产线资源匹配装置包括的单元仅为根据该设备装置实现的功能进行的逻辑划分，实际应用中，可以进行上述单元的叠加或拆分。并且该实施例提供的一种生产线资源匹配装置所实现的功能与上述实施例提供的一种生产线资源匹配方法一一对应，对于该装置所实现的更为详细的处理流程，在上述方法实施例一中已做详细描述，此处不再详细描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种生产线资源匹配方法，其特征在于，包括：
根据生产任务包括的多个工序确定每个所述工序对应的任务属性，根据每个工业智能机器与所述工序的对应关系确定每个所述工业智能机器的制造能力；
将每个所述工序对应的所述任务属性分别与每个所述工业智能机器对应的所述制造能力进行匹配，将与所述工序对应的所述任务属性匹配成功的所述工业智能机器确定为第一工业智能机器，并确定所述第一工业智能机器能够执行所述工序；
若所述生产任务包括的多个所述工序均确定有执行所述工序的所述第一工业智能机器，将多个所述第一工业智能机器按照所述工序的顺序确定为智能生产线；
其中，所述任务属性包括第一工序类型，第一物料类型，第一物料名称，第一质量要求，第一精度参数，第一时间参数，第一空间参数，第一物料尺寸；
所述制造能力包括第二工序类型，第二质量要求，第二精度参数，第二物料类型，第二空间参数，第二物料尺寸，第二时间参数和第二物料名称；
所述将每个所述工序对应的所述任务属性分别与每个所述工业智能机器对应的所述制造能力进行匹配，具体包括：
将所述工序对应的任务属性与所述制造能力分别建立布尔约束，最小值约束和阈值约束，若所述布尔约束，所述最小值约束和所述阈值约束均满足约束条件，则确定所述工序对应的所述任务属性匹配成功；
所述布尔约束如下所示：
PT＝pti；MT＝mti；MN＝mni；
所述最小值约束如下所示：
QT≤qti；AC≤aci；TP≤tpi；PP≤ppi；
所述阈值约束如下所示：
MS-threshold≤msi≤MS+threshold
其中，pti表示制造能力集合中第i个所述制造能力对应的所述第二工序类型，mti表示第i个所述制造能力对应的所述第二物料类型，mni表示第i个所述制造能力对应的所述第二物料名称，qti表示制造能力集合中第i个所述制造能力对应的第二质量参数，aci表示制造能力集合中第i个所述制造能力对应的第二精度参数，tpi表示制造能力集合中第i个所述制造能力对应的第二时间参数，ppi表示制造能力集合中第i个所述制造能力对应的第二空间参数，msi表示制造能力集合中第i个所述制造能力对应的第二物料尺寸；
PT为所述第一工序类型，MT为所述第一物料类型，MN为所述第一物料名称，QT为所述第一质量要求，AC为所述第一精度参数，TP为所述第一时间参数，PP为所述第一空间参数，MS为所述第一物料尺寸。
2.如权利要求1所述的匹配方法，其特征在于，所述任务属性还包括第一基本信息，第一制造信息，第一任务领域和第一执行状态；
所述任务属性采用XML语法规范描述，且采用XML语法规范描述的所述第一工序类型，所述第一物料类型，所述第一物料名称，所述第一质量要求，所述第一精度参数，所述第一时间参数，所述第一空间参数，所述第一物料尺寸，所述第一基本信息，所述第一制造信息，所述第一任务领域和所述第一执行状态均包括有一致的识别码。
3.如权利要求1所述的匹配方法，其特征在于，所述每个所述工序对应至少一台所述工业智能机器；
将与所述工序对应的所述任务属性匹配成功的所述工业智能机器确定为第一工业智能机器，具体包括：
当确定所述工序对应的所述任务属性匹配成功的所述智能机器包括多台时，根据所述工序的要求和每台所述智能机器的整体性，将整体性能最好并符合所述工序要求的所述智能机器确定为第一智能机器；
所述智能机器的整体性能按照下列公式确定：
PE＝W1*T+W2*P+W3*S+W4*H
其中，W表示指标所占的权重，T为机器加工时间，P为机器功耗，S为机器加工成功率，H为机器历史使用情况。
4.如权利要求1所述的匹配方法，其特征在于，所述制造能力还包括第二机器信息，所述制造能力采用XML语法规范描述；
且采用XML语法规范描述的所述第二机器信息，第二工序类型，第二质量要求，第二精度参数，第二物料类型，第二空间参数，第二物料尺寸，第二时间参数和第二物料名称均包括有一致的识别码；
所述将与所述工序对应的所述任务属性匹配成功的所述智能机器确定为第一智能机器之前，还包括：
根据所述制造能力包括的所述第二机器信息的识别码，确认与所述第二机器信息对应的所述智能机器，并依次确定每台智能机器所包括的机器加工时间，机器功耗，机器加工成功率和机器历史使用情况。
5.一种生产线资源匹配装置，其特征在于，包括：
第一确定单元，用于根据生产任务包括的多个工序确定每个所述工序对应的任务属性，根据每个智能机器与所述工序的对应关系确定每个所述智能机器的制造能力；
第二确定单元，用于将每个所述工序对应的任务属性分别与每个所述智能机器对应的所述制造能力进行匹配，将与所述工序对应的所述任务属性匹配成功的所述智能机器确定为第一智能机器，并确定所述第一智能机器能够执行所述工序；
第三确定单元，用于若所述生产任务包括的多个所述工序均确定有执行所述工序的所述第一智能机器，将多个所述第一智能机器按照所述工序的顺序确定为智能生产线；
其中，所述任务属性包括第一工序类型，第一物料类型，第一物料名称，第一质量要求，第一精度参数，第一时间参数，第一空间参数，第一物料尺寸；
所述制造能力包括第二工序类型，第二质量要求，第二精度参数，第二物料类型，第二空间参数，第二物料尺寸，第二时间参数和第二物料名称；
所述第二确定单元具体用于：
将所述工序对应的任务属性与所述制造能力分别建立布尔约束，最小值约束和阈值约束，若所述布尔约束，所述最小值约束和所述阈值约束均满足约束条件，则确定所述工序对应的所述任务属性匹配成功；
所述布尔约束如下所示：
PT＝pti；MT＝mti；MN＝mni；
所述最小值约束如下所示：
QT≤qti；AC≤aci；TP≤tpi；PP≤ppi；
所述阈值约束如下所示：
MS-threshold≤msi≤MS+threshold
其中，pti表示制造能力集合中第i个所述制造能力对应的所述第二工序类型，mti表示第i个所述制造能力对应的所述第二物料类型，mni表示第i个所述制造能力对应的所述第二物料名称，qti表示制造能力集合中第i个所述制造能力对应的第二质量参数，aci表示制造能力集合中第i个所述制造能力对应的第二精度参数，tpi表示制造能力集合中第i个所述制造能力对应的第二时间参数，ppi表示制造能力集合中第i个所述制造能力对应的第二空间参数，msi表示制造能力集合中第i个所述制造能力对应的第二物料尺寸；
PT为所述第一工序类型，MT为所述第一物料类型，MN为所述第一物料名称，QT为所述第一质量要求，AC为所述第一精度参数，TP为所述第一时间参数，PP为所述第一空间参数，MS为所述第一物料尺寸。
6.如权利要求5所述的匹配装置，其特征在于，所述任务属性还包括第一基本信息，第一制造信息，第一任务领域和第一执行状态；
所述任务属性采用XML语法规范描述，且采用XML语法规范描述的所述第一工序类型，所述第一物料类型，所述第一物料名称，所述第一质量要求，所述第一精度参数，所述第一时间参数，所述第一空间参数，所述第一物料尺寸，所述第一基本信息，所述第一制造信息，所述第一任务领域和所述第一执行状态均包括有一致的识别码。
7.如权利要求5所述的匹配装置，其特征在于，所述每个所述工序对应至少一台所述智能机器；
所述第二确定单元具体用于：
当确定所述工序对应的所述任务属性匹配成功的所述智能机器包括多台时，根据所述工序的要求和每台所述智能机器的整体性，将整体性能最好并符合所述工序要求的所述智能机器确定为第一智能机器；
所述智能机器的整体性能按照下列公式确定：
PE＝W1*T+W2*P+W3*S+W4*H
其中，W表示指标所占的权重，T为机器加工时间，P为机器功耗，S为机器加工成功率，H为机器历史使用情况。
8.如权利要求5所述的匹配装置，其特征在于，所述制造能力还包括第二机器信息，所述制造能力采用XML语法规范描述；
且采用XML语法规范描述的所述第二机器信息，第二工序类型，第二质量要求，第二精度参数，第二物料类型，第二空间参数，第二物料尺寸，第二时间参数和第二物料名称均包括有一致的识别码；
所述第二确定单元还用于：
根据所述制造能力包括的所述第二机器信息的识别码，确认与所述第二机器信息对应的所述智能机器，并依次确定每台智能机器所包括的机器加工时间，机器功耗，机器加工成功率和机器历史使用情况。
CN201910534369.3A 2019-06-20 2019-06-20 一种生产线资源匹配方法及装置 Active CN110334919B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910534369.3A CN110334919B (zh) 2019-06-20 2019-06-20 一种生产线资源匹配方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910534369.3A CN110334919B (zh) 2019-06-20 2019-06-20 一种生产线资源匹配方法及装置

Publications (2)

Publication Number Publication Date
CN110334919A CN110334919A (zh) 2019-10-15
CN110334919B true CN110334919B (zh) 2022-05-27

Family

ID=68142137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910534369.3A Active CN110334919B (zh) 2019-06-20 2019-06-20 一种生产线资源匹配方法及装置

Country Status (1)

Country Link
CN (1) CN110334919B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111080394B (zh) * 2019-11-13 2024-06-18 联想(北京)有限公司 匹配方法、设备及存储介质
CN110968065A (zh) * 2019-12-18 2020-04-07 北京云杉世界信息技术有限公司 一种生鲜加工控制方法及装置
CN111898919B (zh) * 2020-08-07 2021-05-14 赣州市南康区城发家具产业智能制造有限责任公司 一种智能制造共享方法
CN111898917B (zh) * 2020-08-07 2021-04-23 中译语通科技（青岛）有限公司 基于大数据的智能制造管理系统
CN112966937B (zh) * 2021-03-05 2023-04-11 奥特斯(中国)有限公司 用于向生产设施的机器分配资源的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521694A (zh) * 2011-12-07 2012-06-27 西北工业大学 一种基于组合赋权法的多工艺方案规划方法
CN103942610A (zh) * 2014-04-04 2014-07-23 同济大学 基于任务的可重组制造系统多态构型优化方法
CN108710354A (zh) * 2018-06-12 2018-10-26 苏州威登智能科技有限公司 一种用于小批量产品的柔性智能生产线
CN109636168A (zh) * 2018-12-05 2019-04-16 北京工业大学 一种基于本体语义的云平台调度资源智能匹配方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7379989B2 (en) * 2003-07-31 2008-05-27 International Business Machines Corporation Method for dual agent processes and dual active server processes

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521694A (zh) * 2011-12-07 2012-06-27 西北工业大学 一种基于组合赋权法的多工艺方案规划方法
CN103942610A (zh) * 2014-04-04 2014-07-23 同济大学 基于任务的可重组制造系统多态构型优化方法
CN108710354A (zh) * 2018-06-12 2018-10-26 苏州威登智能科技有限公司 一种用于小批量产品的柔性智能生产线
CN109636168A (zh) * 2018-12-05 2019-04-16 北京工业大学 一种基于本体语义的云平台调度资源智能匹配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
面向工艺元任务的资源匹配方法研究;李双跃等;《浙江工业大学学报》;20070815(第04期);第355-360页 *

Also Published As

Publication number Publication date
CN110334919A (zh) 2019-10-15

Similar Documents

Publication Publication Date Title
CN110334919B (zh) 一种生产线资源匹配方法及装置
Simaria et al. A genetic algorithm based approach to the mixed-model assembly line balancing problem of type II
CN105677462A (zh) 基于物联网的分布式任务系统及业务处理方法
CN109992407A (zh) 一种yarn集群gpu资源调度方法、装置和介质
CN103793223A (zh) 一种规则创建方法及系统
KR102229859B1 (ko) 기계 학습 및 전이 학습을 이용한 공정 관리 방법, 장치 및 시스템
CN105988930A (zh) 测试用例生成方法和装置
CN109978474A (zh) 一种工作流控制方法及工作流控制装置
CN109213080B (zh) 一种机床的控制方法及其装置
CN109765868A (zh) 多车型共线的生产控制方法、装置、设备及系统
CN109709985A (zh) 一种无人机任务优化方法、装置及系统
CN114091589B (zh) 模型训练方法、装置、电子设备及介质
CN109800078B (zh) 一种任务处理方法、任务分发终端及任务执行终端
CN106874080B (zh) 基于分布式服务器集群的数据计算方法及系统
CN113222253B (zh) 排产优化方法、装置、设备及计算机可读存储介质
CN105511959A (zh) 虚拟资源分配方法和装置
CN116663806B (zh) 考虑不同作业场景的人机协作拆卸线设置方法
CN116611633A (zh) 车辆的排产方法、装置及电子设备
CN109343966B (zh) 一种无人节点的集群组织方法及装置
CN103116319B (zh) 数控系统中实现加工刀具自动选用控制的方法
CN115437757A (zh) 调度方法、系统、服务器和计算机可读存储介质
CN109784593A (zh) 用于多层仓库的产能均衡处理方法和装置
CN113671924A (zh) Dcs实时值置值方法和系统、设备及存储介质
CN103279339B (zh) 一种代码上线系统及方法
CN116090705B (zh) 基于智慧工地的数据处理方法、系统及云平台

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant