CN111198550A - 基于案例推理的云端智能生产优化调度在线决策方法及系统 - Google Patents

Abstract

本发明提供一种基于案例推理的云端智能生产优化调度在线决策方法，包括：利用云端智能生产调度过程的历史数据，构建调度过程案例库，采用在线检测的实时数据构建当前待决策云端智能生产调度问题的案例描述，进行案例检索、案例复用，得到当前待决策云端智能生产调度问题的调度方案，最后对案例进行修改和保存，完成案例库的更新。本发明实现了对云端智能生产优化调度过程的在线智能决策，并实现了云端智能生产调度过程知识的有效重用，最终实现资源共享，帮助企业节约资源，提高生产效率。

Description

基于案例推理的云端智能生产优化调度在线决策方法及系统

技术领域

本发明涉及工业互联网_技术领域，尤其涉及云端生产控制系统。

背景技术

众所周知，随着制造加工技术的飞速发展，传统的制造环境和制造模式也发生了巨大的改变，智能化、协同化、网络化逐步成为制造模式的发展趋势。对云端智能生产优化调度在线决策进行研究，不仅能够提高资源利用效率，从而加快实现绿色制造的进程以及实现资源共享；反过来，能够在满足生产要求和资源服务质量的前提下，对服务提供商的选择能够起到相应的指导作用。

传统的通过企业人员的经验来实现生产调度的优化，过分依赖个人经验和知识的同时，也造成了资源的浪费。因此，有学者提出各种不同的假设和理论模型，将多种方法应用于云端智能生产优化调度中，如群智能算法等。但云端智能生产调度过程问题属于半结构化和非结构化问题，单纯采用某一精确的数学模型难以对其进行在线决策，从而难以实现云端智能生产调度过程的实时优化。近年来，随着人工智能的发展，仅仅通过传统的加工人员的经验、单纯采用某一精确数学模型来实现调度方案的决策显然已经难以满足绿色制造以及在线优化的要求，如何构建可靠的云端智能生产调度过程在线智能决策系统和方法，确保使用最少的资源来满足最优的生产要求，越来越受到研究学者的关注。

发明内容

本发明的目的在于实现云端智能生产优化调度过程的在线智能决策，提供一种基于案例推理的云端智能生产优化调度在线决策方法及系统。

本发明实施例采用的技术方案是：

一种基于案例推理的云端智能生产优化调度在线决策方法，包括：利用云端智能生产调度过程的历史数据，构建调度过程案例库，采用在线检测的实时数据构建当前待决策云端智能生产调度问题的案例描述，进行案例检索、案例复用，得到当前待决策云端智能生产调度问题的调度方案，最后对案例进行修改和保存，完成案例库的更新。

具体地，该方法包括：

步骤S1，从云端智能生产优化调度中提取历史数据，包括调度指标目标值、调度方案目标值；所述调度指标目标值至少包括历史云端任务分解方案数据指标目标值、历史云端任务-资源匹配方案数据指标目标值；

步骤S2，根据所获得的历史数据，构建云端智能生产调度过程案例库，将包括历史云端任务分解方案数据指标目标值、历史云端任务-资源匹配方案数据指标目标值的调度指标目标值作为案例描述，将调度方案目标值作为案例解，所述案例描述与案例解构成案例对<案例描述，案例解>；案例由案例对来表示，获得的案例构成案例库；

步骤S3，将云端智能生产优化调度中在线采集的云端任务分解方案数据、云端任务-资源匹配方案数据指标目标值作为新的案例描述即当前待决策云端智能生产调度问题的案例描述，在步骤S2构建的案例库中进行案例检索，得到当前待决策云端智能生产调度问题的案例描述与所述案例库中已有案例描述之间一组案例相似度构成相似度集合；

步骤S4，采用排序算法将步骤S3所述相似度集合中的各相似度值按照从大到小的顺序排列，选取前k个相似度值所对应的案例库中的已有案例描述作为当前待决策云端智能生产调度问题的参考案例描述；

步骤S5，根据所检索出的已有参考案例描述，进行案例复用，获得当前待决策云端智能生产调度问题即新案例的解，也就是适用于当前待决策云端智能生产调度问题的调度方案；

步骤S6，将云端任务分解方案数据实际在线检测值与云端任务分解方案数据指标目标值、云端任务-资源匹配方案数据实际在线检测值与云端任务-资源匹配方案数据指标目标值进行比较，分别计算误差绝对值；设定相应的误差阈值，当误差绝对值大于所设误差阈值时，将云端任务分解方案数据实际在线检测值、云端任务-资源匹配方案数据实际在线检测值作为当前待决策云端智能生产调度问题的案例描述中的案例指标目标值，生成新案例，完成案例的修正；

步骤S7，对所生成的新案例，将其案例描述在建立的云端智能生产调度过程案例库中进行检索，在检索结果中选取相似度值最大的案例描述；设定相应的相似度阈值，若所选取的最大相似度值大于设定的相应的相似度阈值，则舍弃该生成的新案例，否则将该新案例保存在案例库中，实现案例库的更新。

进一步地，步骤S5具体包括：

步骤51、设定相似度阈值ε，判断当前待决策云端智能生产调度问题的案例描述与检索出的参考案例描述间的最大相似度值，如果二者之间的最大相似度值大于所设定的相似度阈值ε，执行步骤52，否则执行步骤53；

步骤52、将最大相似度值所对应案例的案例解设置为当前待决策云端智能生产调度问题即新案例的案例解，实现案例复用，再执行步骤S6；

步骤53、计算前k个参考案例的案例解的加权平均值，将求出的加权平均值作为新案例的案例解，即当前待决策云端智能生产调度问题的解，实现案例复用，再执行步骤S6。

更进一步地，

所述步骤53中，计算加权平均值时加权系数的确定方法为，取每个参考案例的案例描述与新案例的案例描述之相似度值作为加权系数。

进一步地，步骤S4中，k值取5。

本发明的实施例还提出一种基于案例推理的云端智能生产优化调度在线决策系统，包括：

历史数据获取模块，从云端智能生产优化调度中提取历史数据，包括调度指标目标值、调度方案目标值；所述调度指标目标值至少包括历史云端任务分解方案数据指标目标值、历史云端任务-资源匹配方案数据指标目标值；

调度过程案例库构建模块，根据所获得的历史数据，构建云端智能生产调度过程案例库，将包括历史云端任务分解方案数据指标目标值、历史云端任务-资源匹配方案数据指标目标值的调度指标目标值作为案例描述，将调度方案目标值作为案例解，所述案例描述与案例解构成案例对<案例描述，案例解>；案例由案例对来表示，获得的案例构成案例库；

实时数据在线采集模块，在云端智能生产优化调度中实时在线采集云端任务分解方案数据、云端任务-资源匹配方案数据指标目标值作为新的案例描述即当前待决策云端智能生产调度问题的案例描述；

调度方案生成模块，在构建的案例库中进行案例检索，得到当前待决策云端智能生产调度问题的案例描述与所述案例库中已有案例描述之间一组案例相似度构成相似度集合；将所述相似度集合中的各相似度值按照从大到小的顺序排列，选取前k个相似度值所对应的案例库中的已有案例描述作为当前待决策云端智能生产调度问题的参考案例描述；根据所检索出的已有参考案例描述，进行案例复用，获得当前待决策云端智能生产调度问题即新案例的解，也就是适用于当前待决策云端智能生产调度问题的调度方案；

调度方案案例修正模块，将云端任务分解方案数据实际在线检测值与云端任务分解方案数据指标目标值、云端任务-资源匹配方案数据实际在线检测值与云端任务-资源匹配方案数据指标目标值进行比较，分别计算误差绝对值；设定相应的误差阈值，当误差绝对值大于所设误差阈值时，将云端任务分解方案数据实际在线检测值、云端任务-资源匹配方案数据实际在线检测值作为当前待决策云端智能生产调度问题的案例描述中的案例指标目标值，生成新案例，完成案例的修正；

调度方案案例库更新模块，对所生成的新案例，将其案例描述在建立的云端智能生产调度过程案例库中进行检索，在检索结果中选取相似度值最大的案例描述；设定相应的相似度阈值，若所选取的最大相似度值大于设定的相应的相似度阈值，则舍弃该生成的新案例，否则将该新案例保存在案例库中，实现案例库的更新。

进一步地，所述根据所检索出的已有参考案例描述，进行案例复用，获得当前待决策云端智能生产调度问题即新案例的解，具体包括：

步骤51、设定相似度阈值ε，判断当前待决策云端智能生产调度问题的案例描述与检索出的参考案例描述间的最大相似度值，如果二者之间的最大相似度值大于所设定的相似度阈值ε，执行步骤52，否则执行步骤53；

步骤52、将最大相似度值所对应案例的案例解设置为当前待决策云端智能生产调度问题即新案例的案例解，实现案例复用，再执行步骤S6；

步骤53、计算前k个参考案例的案例解的加权平均值，将求出的加权平均值作为新案例的案例解，即当前待决策云端智能生产调度问题的解，实现案例复用，再执行步骤S6。

本发明的优点在于：本发明利用云端智能生产调度过程的历史数据，构建调度过程案例库，采用在线检测的实时数据构建当前待决策云端智能生产调度问题的案例描述，进行案例检索、案例复用，得到当前待决策云端智能生产调度问题的调度方案，最后对案例进行修改和保存，完成案例库的更新，以此实现对云端智能生产优化调度过程的在线智能决策，并实现了云端智能生产调度过程知识的有效重用，最终实现资源共享，帮助企业节约资源，提高生产效率。

附图说明

图1为本发明的方法流程图。

图2为本发明的系统结构示意图。

具体实施方式

下面结合具体附图和实施例对本发明作进一步说明。

众所周知，一方面，由于云端智能生产优化调度过程属于半结构化和非结构化问题，难以采用某一精确的数学模型对其进行优化；另一方面，云平台中已经积累了大量的生产调度案例知识，而运用CBR技术不仅可以很好地利用这些现成的案例知识来帮助求解当前待决策云端智能生产调度问题，而且大大提高了优化效率。

基于上述原理，本发明的一个实施例提出一种基于案例推理的云端智能生产优化调度在线决策方法，利用云端智能生产调度过程的历史数据，构建调度过程案例库，采用在线检测的实时数据构建当前待决策云端智能生产调度问题的案例描述，进行案例检索、案例复用，得到当前待决策云端智能生产调度问题的调度方案，最后对案例进行修改和保存，完成案例库的更新，以此实现对云端智能生产优化调度过程的在线智能决策。

以下结合附图对该方法进行详细说明；

步骤S1，从云端智能生产优化调度中提取历史数据，包括调度指标目标值D_i、调度方案目标值Z_i；所述调度指标目标值D_i至少包括历史云端任务分解方案数据指标目标值

历史云端任务-资源匹配方案数据指标目标值

步骤S2，根据所获得的历史数据，构建云端智能生产调度过程案例库，将包括历史云端任务分解方案数据指标目标值

历史云端任务-资源匹配方案数据指标目标值

的调度指标目标值D_i作为案例描述，将调度方案目标值Z_i作为案例解，所述案例描述与案例解构成案例对<案例描述，案例解>；案例由案例对来表示，获得的案例构成案例库；

则基于案例推理的云端智能生产调度方案案例可表示为：

C_i＝{D_i,Z_i}；

其中，C_i(i＝1,2,...n)表示调度过程案例库中第i个案例；

表示第i个案例的第j个案例描述，m为案例描述数；在其它的实施例中，案例描述数可能不止2个；D_i(i＝1,2,...,n)为第i个案例的案例描述，n为案例库中案例数；

步骤S3，将云端智能生产优化调度中在线采集的云端任务分解方案数据、云端任务-资源匹配方案数据指标目标值作为新的案例描述即当前待决策云端智能生产调度问题(附图1中简写为当前待决策调度问题)的案例描述D₀；Z₀为当前待决策云端智能生产调度问题的解，即调度方案；在步骤S2构建的案例库中进行案例检索，得到当前待决策云端智能生产调度问题的案例描述D₀与所述案例库中已有案例描述D_i之间一组案例相似度构成相似度集合S_i(D₀,D_i)(i＝1,2,...,n)；相当于当前待决策云端智能生产调度问题的案例描述D₀与所述案例库中已有案例描述D_i之间匹配n次，产生n个相似度构成相似度集合S＝{S_i}；

当前待决策云端智能生产调度问题表示如下：

C₀＝{D₀,Z₀}；

其中，C₀表示当前待决策云端智能生产调度问题；D₀表示当前待决策云端智能生产调度问题的案例描述，

表示当前待决策云端智能生产调度问题的第j个案例描述，m为当前待决策云端智能生产调度问题案例描述数；Z₀表示当前待决策云端智能生产调度问题的案例解；

当前待决策云端智能生产调度问题的案例描述D₀与所述案例库中已有案例描述D_i之间一组案例相似度S_i(D₀,D_i)的计算方法如下：

其中，S_i(D₀,D_i)(i＝1,2,...,n)表示当前待决策云端智能生产调度问题的案例描述D₀与所述案例库中已有案例描述D_i(i＝1,2,...,n)之间的相似度，n表示案例库中的案例数，ω_j为描述属性所占权值，实际应用中由专家经验给出；

表示当前待决策云端智能生产调度问题的第j个案例描述

与案例库中已有案例的第j个案例描述

之间的相似度；

步骤S4，采用排序算法将步骤S3所述相似度集合S中的各相似度值按照从大到小的顺序排列，选取前k个相似度值所对应的案例库中的已有案例描述作为当前待决策云端智能生产调度问题的参考案例描述；

通常，在k值的选择过程中，需要注意的的是k的取值既不能太大，也不能太小。k取值太大，可能会将并不相似的案例匹配进来，影响预测结果的精度；k取值过小，可能会发生过拟合效应。本实施方案中，k值取5；

步骤S5，根据所检索出的已有参考案例描述，进行案例复用，获得当前待决策云端智能生产调度问题即新案例的解，也就是适用于当前待决策云端智能生产调度问题的调度方案；具体包括以下步骤：

步骤51、设定相似度阈值ε，比较ε与S_max(D₀,D_i)的大小，S_max(D₀,D_i)(i＝1,2,...,n)为当前待决策云端智能生产调度问题即新案例的案例描述与检索出的参考案例描述间的最大相似度值，如果二者之间的最大相似度值S_max(D₀,D_i)大于所设定的相似度阈值ε，执行步骤52，否则执行步骤53；

步骤52、将最大相似度值所对应案例的案例解设置为当前待决策云端智能生产调度问题即新案例的案例解，实现案例复用，再执行步骤S6；

此时，所述当前待决策云端智能生产调度问题的案例解表示如下：Z₀＝Z_i；

其中，Z₀表示当前待决策云端智能生产调度问题的解，即生成的调度方案；Z_i表示最大相似度值S_max(D₀,D_i)所对应的第i个案例的案例解；

步骤53、计算前k个参考案例的案例解的加权平均值，将求出的加权平均值作为新案例的案例解，即当前待决策云端智能生产调度问题的解，实现案例复用，再执行步骤S6；

所述步骤53中，计算加权平均值时加权系数的确定方法为，取每个参考案例的案例描述与新案例的案例描述之相似度值作为加权系数；

此时，所述当前待决策云端智能生产调度问题的案例解表示如下：

其中，Z₀表示当前待决策云端智能生产调度问题的解，即生成的调度方案；Z_i表示第i个参考案例对应的案例解；S_i(D₀,D_i)(i＝1,2,...,n)表示当前待决策云端智能生产调度问题的案例描述D₀与所述案例库中已有案例描述D_i(i＝1,2,...,n)之间的相似度；

步骤S6，将云端任务分解方案数据实际在线检测值与云端任务分解方案数据指标目标值、云端任务-资源匹配方案数据实际在线检测值与云端任务-资源匹配方案数据指标目标值进行比较，分别计算误差绝对值；设定相应的误差阈值，当误差绝对值大于所设误差阈值时，将云端任务分解方案数据实际在线检测值、云端任务-资源匹配方案数据实际在线检测值作为当前待决策云端智能生产调度问题的案例描述中的案例指标目标值，生成新案例，完成案例的修正；

步骤S7，对所生成的新案例，将其案例描述在建立的云端智能生产调度过程案例库中进行检索，在检索结果中选取相似度值最大的案例描述；设定相应的相似度阈值，若所选取的最大相似度值大于设定的相应的相似度阈值，则舍弃该生成的新案例，否则将该新案例保存在案例库中，实现案例库的更新。

本发明的实施例还提出一种基于案例推理的云端智能生产优化调度在线决策系统，包括：

历史数据获取模块，从云端智能生产优化调度中提取历史数据，包括调度指标目标值、调度方案目标值；所述调度指标目标值至少包括历史云端任务分解方案数据指标目标值、历史云端任务-资源匹配方案数据指标目标值；

调度过程案例库构建模块，根据所获得的历史数据，构建云端智能生产调度过程案例库，将包括历史云端任务分解方案数据指标目标值、历史云端任务-资源匹配方案数据指标目标值的调度指标目标值作为案例描述，将调度方案目标值作为案例解，所述案例描述与案例解构成案例对<案例描述，案例解>；案例由案例对来表示，获得的案例构成案例库；

实时数据在线采集模块，在云端智能生产优化调度中实时在线采集云端任务分解方案数据、云端任务-资源匹配方案数据指标目标值作为新的案例描述即当前待决策云端智能生产调度问题的案例描述；

调度方案生成模块，在构建的案例库中进行案例检索，得到当前待决策云端智能生产调度问题的案例描述与所述案例库中已有案例描述之间一组案例相似度构成相似度集合；将所述相似度集合中的各相似度值按照从大到小的顺序排列，选取前k个相似度值所对应的案例库中的已有案例描述作为当前待决策云端智能生产调度问题的参考案例描述；根据所检索出的已有参考案例描述，进行案例复用，获得当前待决策云端智能生产调度问题即新案例的解，也就是适用于当前待决策云端智能生产调度问题的调度方案；

调度方案案例修正模块，将云端任务分解方案数据实际在线检测值与云端任务分解方案数据指标目标值、云端任务-资源匹配方案数据实际在线检测值与云端任务-资源匹配方案数据指标目标值进行比较，分别计算误差绝对值；设定相应的误差阈值，当误差绝对值大于所设误差阈值时，将云端任务分解方案数据实际在线检测值、云端任务-资源匹配方案数据实际在线检测值作为当前待决策云端智能生产调度问题的案例描述中的案例指标目标值，生成新案例，完成案例的修正；

调度方案案例库更新模块，对所生成的新案例，将其案例描述在建立的云端智能生产调度过程案例库中进行检索，在检索结果中选取相似度值最大的案例描述；设定相应的相似度阈值，若所选取的最大相似度值大于设定的相应的相似度阈值，则舍弃该生成的新案例，否则将该新案例保存在案例库中，实现案例库的更新。

最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于案例推理的云端智能生产优化调度在线决策方法，其特征在于，包括：利用云端智能生产调度过程的历史数据，构建调度过程案例库，采用在线检测的实时数据构建当前待决策云端智能生产调度问题的案例描述，进行案例检索、案例复用，得到当前待决策云端智能生产调度问题的调度方案，最后对案例进行修改和保存，完成案例库的更新。

2.如权利要求1所述的基于案例推理的云端智能生产优化调度在线决策方法，其特征在于，该方法具体包括：

步骤S1，从云端智能生产优化调度中提取历史数据，包括调度指标目标值、调度方案目标值；所述调度指标目标值至少包括历史云端任务分解方案数据指标目标值、历史云端任务-资源匹配方案数据指标目标值；

步骤S2，根据所获得的历史数据，构建云端智能生产调度过程案例库，将包括历史云端任务分解方案数据指标目标值、历史云端任务-资源匹配方案数据指标目标值的调度指标目标值作为案例描述，将调度方案目标值作为案例解，所述案例描述与案例解构成案例对<案例描述，案例解>；案例由案例对来表示，获得的案例构成案例库；

步骤S3，将云端智能生产优化调度中在线采集的云端任务分解方案数据、云端任务-资源匹配方案数据指标目标值作为新的案例描述即当前待决策云端智能生产调度问题的案例描述，在步骤S2构建的案例库中进行案例检索，得到当前待决策云端智能生产调度问题的案例描述与所述案例库中已有案例描述之间一组案例相似度构成相似度集合；

步骤S4，采用排序算法将步骤S3所述相似度集合中的各相似度值按照从大到小的顺序排列，选取前k个相似度值所对应的案例库中的已有案例描述作为当前待决策云端智能生产调度问题的参考案例描述；

步骤S5，根据所检索出的已有参考案例描述，进行案例复用，获得当前待决策云端智能生产调度问题即新案例的解，也就是适用于当前待决策云端智能生产调度问题的调度方案；

步骤S6，将云端任务分解方案数据实际在线检测值与云端任务分解方案数据指标目标值、云端任务-资源匹配方案数据实际在线检测值与云端任务-资源匹配方案数据指标目标值进行比较，分别计算误差绝对值；设定相应的误差阈值，当误差绝对值大于所设误差阈值时，将云端任务分解方案数据实际在线检测值、云端任务-资源匹配方案数据实际在线检测值作为当前待决策云端智能生产调度问题的案例描述中的案例指标目标值，生成新案例，完成案例的修正；

步骤S7，对所生成的新案例，将其案例描述在建立的云端智能生产调度过程案例库中进行检索，在检索结果中选取相似度值最大的案例描述；设定相应的相似度阈值，若所选取的最大相似度值大于设定的相应的相似度阈值，则舍弃该生成的新案例，否则将该新案例保存在案例库中，实现案例库的更新。

3.如权利要求2所述的基于案例推理的云端智能生产优化调度在线决策方法，其特征在于，步骤S5具体包括：

步骤51、设定相似度阈值ε，判断当前待决策云端智能生产调度问题的案例描述与检索出的参考案例描述间的最大相似度值，如果二者之间的最大相似度值大于所设定的相似度阈值ε，执行步骤52，否则执行步骤53；

步骤52、将最大相似度值所对应案例的案例解设置为当前待决策云端智能生产调度问题即新案例的案例解，实现案例复用，再执行步骤S6；

步骤53、计算前k个参考案例的案例解的加权平均值，将求出的加权平均值作为新案例的案例解，即当前待决策云端智能生产调度问题的解，实现案例复用，再执行步骤S6。

4.如权利要求3所述的基于案例推理的云端智能生产优化调度在线决策方法，其特征在于，

所述步骤53中，计算加权平均值时加权系数的确定方法为，取每个参考案例的案例描述与新案例的案例描述之相似度值作为加权系数。

5.如权利要求1所述的基于案例推理的云端智能生产优化调度在线决策方法，其特征在于，

步骤S4中，k值取5。

6.一种基于案例推理的云端智能生产优化调度在线决策系统，其特征在于，包括：

历史数据获取模块，从云端智能生产优化调度中提取历史数据，包括调度指标目标值、调度方案目标值；所述调度指标目标值至少包括历史云端任务分解方案数据指标目标值、历史云端任务-资源匹配方案数据指标目标值；

调度过程案例库构建模块，根据所获得的历史数据，构建云端智能生产调度过程案例库，将包括历史云端任务分解方案数据指标目标值、历史云端任务-资源匹配方案数据指标目标值的调度指标目标值作为案例描述，将调度方案目标值作为案例解，所述案例描述与案例解构成案例对<案例描述，案例解>；案例由案例对来表示，获得的案例构成案例库；

实时数据在线采集模块，在云端智能生产优化调度中实时在线采集云端任务分解方案数据、云端任务-资源匹配方案数据指标目标值作为新的案例描述即当前待决策云端智能生产调度问题的案例描述；

调度方案生成模块，在构建的案例库中进行案例检索，得到当前待决策云端智能生产调度问题的案例描述与所述案例库中已有案例描述之间一组案例相似度构成相似度集合；将所述相似度集合中的各相似度值按照从大到小的顺序排列，选取前k个相似度值所对应的案例库中的已有案例描述作为当前待决策云端智能生产调度问题的参考案例描述；根据所检索出的已有参考案例描述，进行案例复用，获得当前待决策云端智能生产调度问题即新案例的解，也就是适用于当前待决策云端智能生产调度问题的调度方案；

调度方案案例修正模块，将云端任务分解方案数据实际在线检测值与云端任务分解方案数据指标目标值、云端任务-资源匹配方案数据实际在线检测值与云端任务-资源匹配方案数据指标目标值进行比较，分别计算误差绝对值；设定相应的误差阈值，当误差绝对值大于所设误差阈值时，将云端任务分解方案数据实际在线检测值、云端任务-资源匹配方案数据实际在线检测值作为当前待决策云端智能生产调度问题的案例描述中的案例指标目标值，生成新案例，完成案例的修正；

调度方案案例库更新模块，对所生成的新案例，将其案例描述在建立的云端智能生产调度过程案例库中进行检索，在检索结果中选取相似度值最大的案例描述；设定相应的相似度阈值，若所选取的最大相似度值大于设定的相应的相似度阈值，则舍弃该生成的新案例，否则将该新案例保存在案例库中，实现案例库的更新。

7.如权利要求6所述的基于案例推理的云端智能生产优化调度在线决策系统，其特征在于，

所述根据所检索出的已有参考案例描述，进行案例复用，获得当前待决策云端智能生产调度问题即新案例的解，具体包括：

步骤51、设定相似度阈值ε，判断当前待决策云端智能生产调度问题的案例描述与检索出的参考案例描述间的最大相似度值，如果二者之间的最大相似度值大于所设定的相似度阈值ε，执行步骤52，否则执行步骤53；

步骤52、将最大相似度值所对应案例的案例解设置为当前待决策云端智能生产调度问题即新案例的案例解，实现案例复用，再执行步骤S6；

步骤53、计算前k个参考案例的案例解的加权平均值，将求出的加权平均值作为新案例的案例解，即当前待决策云端智能生产调度问题的解，实现案例复用，再执行步骤S6。

Images