CN111932217B - 一种Neural-MOS神经元网络智能生产操作系统及其运行方法 - Google Patents
一种Neural-MOS神经元网络智能生产操作系统及其运行方法 Download PDFInfo
- Publication number
- CN111932217B CN111932217B CN202011075348.9A CN202011075348A CN111932217B CN 111932217 B CN111932217 B CN 111932217B CN 202011075348 A CN202011075348 A CN 202011075348A CN 111932217 B CN111932217 B CN 111932217B
- Authority
- CN
- China
- Prior art keywords
- production
- layer
- data
- information
- industrial
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 293
- 210000002569 neuron Anatomy 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000003993 interaction Effects 0.000 claims abstract description 56
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 18
- 230000007246 mechanism Effects 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 238000011022 operating instruction Methods 0.000 claims description 4
- 230000008520 organization Effects 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 43
- 238000012545 processing Methods 0.000 description 15
- 238000013461 design Methods 0.000 description 10
- 239000000463 material Substances 0.000 description 9
- 238000012827 research and development Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000001537 neural effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010330 laser marking Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 206010012186 Delayed delivery Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010892 electric spark Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
-
- 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
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Neurology (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种Neural‑MOS神经元网络智能生产操作系统及其运行方法,适用于工业企业的生产资源,包括:一个生产事件层;一个动态镜像层,通过建模的方式构建一个虚拟工厂,所述虚拟工厂与所述工业企业的生产资源一一对应,并且所述动态镜像层实时接收所述生产事件层所采集的生产数据;一个资源调度层,所述资源调度程序实时协调和调度所述生产资源,并且接收所述动态镜像层传输的生产数据;以及一个功能应用层,所述功能应用层设置有多个工业APP,所述工业APP通过所述数据接口与所述资源调度层进行双向信息交互。本系统能够提高企业生产效率,减少管理人员,对企业内部生产资源进行实时追踪和指挥调度。
Description
技术领域
本发明涉及信息管理系统,特别涉及一种Neural-MOS神经元网络智能生产操作系统及其运行方法。
背景技术
随着工业4.0、中国制造2025、工业互联网等概念的兴起,面向工业领域的新一代信息管理系统也将迎来迅速发展阶段。随着行业数字化进程的推进,传统企业转型升级加大,运用先进技术理念,推动智能制造发展,已成为必然趋势。因此大多数工业企业急需一套应用于企业生产管理的操作系统。目前有实力研发工业操作系统的企业大多在国外,例如德国、美国、日本等发达国家。
我国制造业正面临从价值链的低端向中高端,从制造业大国向制造强国、从中国制造向中国创造转变的关键历史时期。大部分制造型企业尤其在离散制造例如模具等领域的制造型企业,仍然是在依靠数量庞大的工人完成制造流程。这就导致了我们国家的制造型企业无法全部照搬国外的操作系统进行产业升级。这对大量依靠人工完成的中国制造型企业来说,一套自主研发,适合中国国情的生产操作系统的出现变得极为重要和迫切。
行业数字化进程的推进,传统企业转型升级加大,运用先进技术理念,推动智能制造发展,已成为必然趋势。其中大规模定制化生产工厂的车间信息化升级既是当前的热点也是当前的技术难点。具体的难点在于很多制造型企业起源于私人作坊,生产管理水平较为混乱,并且整个制造工序结构复杂、零件繁多、工艺多变,整个企业内部的信息存在非常大的不确定性,生搬硬套地使用一种ERP或者MES管理系统等流程式的系统来进行管理,很容易造成管理系统错误率提高,反而无法起到积极的作用。
目前,很多企业以及信息化服务公司也都提供了很多系统解决方案,其中包括海尔集团在专利号为201711105190.3的专利文稿中公开了一种工业互联网平台,该平台以用户体验为中心创造用户价值,通过鼓励用户参与交互、虚拟设计、制造、交互等过程,将转变为用户持续、深度参与的交互体验,这样的平台的优点在于个性化定制,但是却忽略了制造型企业最重要的部分,就是制造过程的信息化管理和生产资源的调度管理。
还有例如北京适创提出的CAE模拟仿真系统,集中在软件算法,尤其是CAE模拟仿真领域,专注于智能工业设计和计算机辅助工程的研究和应用。该系统提供一种Supreium-HPDC 在线模拟计算服务,无需购买软件用户在线远程模拟,计算结束自动推送详细的标准化文字、动画报告,支持多个设计方案并发式计算验证。也就是说,该系统为工业制造企业的研发提供了一套解决方案,但是仍然没有关注在制造型企业最重要的部分,就是制造过程的信息化管理和生产资源的调度管理。
因此,目前对于制造型企业尤其是离散制造企业来说,付上巨额的投资代价引进一套类似于ERP或MES的信息管理系统或者是植根于国外的生产操作系统或者是研发管理系统,都很难以解决工业企业中的核心问题,也就是生产管理、资源调度管理混乱。目前,迫切需要一套生产管理与指挥调度的系统,能够提高生产效率,同时减少企业管理人员的参与。
发明内容
本发明提供了一种Neural-MOS神经元网络智能生产操作系统及其运行方法,能够有效进行生产管理和资源调度管理,提升整体企业的管理水平,减少管理的工作量从而减少管理人员,同时使用神经元信息交互网络进行信息传输,能够保证大量数据的优化处理。
为了解决上述技术问题,本发明的技术方案为:
一种Neural-MOS神经元网络智能生产操作系统,适用于工业企业的生产资源,包括:
一个生产事件层,所述生产事件层设置有多个信息交互装置,所述信息交互装置采集所述工业企业的生产资源的生产数据;
一个动态镜像层,所述动态镜像层设置有一个数字孪生单元,所述数字孪生单元对所述工业企业的生产资源进行抽象封装,并建立双向映射,并且所述动态镜像层实时接收所述生产事件层所采集的生产数据;
一个资源调度层,所述资源调度层设置有一个资源调度程序以及多个数据接口,所述资源调度程序实时协调和调度所述生产资源,并且接收所述动态镜像层传输的生产数据;以及
一个功能应用层,所述功能应用层设置有多个工业APP,所述工业APP通过所述数据接口与所述资源调度层进行双向信息交互,使用者通过所述工业APP输入操作指令并传输至所述资源调度层,所述资源调度层接收所述操作指令,处理并向所述动态镜像层传输一个控制指令,进而调度所述生产事件层对应的生产资源执行所述控制指令。
优选地,所述数字孪生单元通过建模的方式构建一个虚拟工厂,所述虚拟工厂与所述工业企业的生产资源一一对应。
优选地,所述虚拟工厂根据所述工业企业的组织架构建立一个神经元信息交互网络,所述神经元信息交互网络设置有多个信息节点。
优选地,所述信息节点对应所述工业企业的生产资源,并对其抽象封装,所述生产资源的生产数据通过相应的所述信息节点传输至其他的信息节点。
优选地,所述信息交互装置设置为智能终端、智能网关、机联网模块、传感器中的一个或者多个。
优选地,所述资源调度层实时追踪所述生产资源的生产数据,动态调整所述控制指令,实时下发至所述动态镜像层。
优选地,所述工业APP设置有多个电子表单,通过所述电子表单接收和发送所述生产数据和输入操作指令。
本发明还提供了一种基于Neural-MOS神经元网络智能生产操作系统的运行方法,包括:
(a)在所述生产事件层中采集生产数据,双向映射至所述动态镜像层,并通过所述资源调度层传输显示在所述工业APP上;
(b)在所述工业APP上接收用户输入的操作指令;
(c)所述操作指令传输至所述资源调度层,所述资源调度层根据采集所述生产资源的生产数据和所述工业APP的指令要求,处理并输出一个控制指令,传输至所述动态镜像层;
(d)所述控制指令通过所述动态镜像层传输至所述生产事件层,并通过相应的生产资源执行所述控制指令。
优选地,所述运行方法中的信息传输通过所述动态镜像层的所述神经元信息交互网络完成。
优选地,在步骤(c)中还包括一种动态调度方法,包括:
(c1)获取当前的生产资源的生产数据和状态数据以及所述工业APP的指令要求;
(c2)根据所述生产数据和状态数据以及指令要求,输出一个控制指令,并发送至所述动态镜像层;
(c3)实时追踪所述生产数据和状态数据,动态调整所述控制指令,实时发送至所述动态镜像层。
采用上述技术方案,由于采用神经元信息交互网络以及智能动态调度等技术方案,使得本发明的有益效果在于:
第一、根据工业企业的生产资源,构建虚拟工厂,提升信息传递的效率,保证有序处理生产数据和状态数据,并进一步提升生产效率;
第二、通过所述智能调度层的协调和管理,通过计算机算法替代企业重复性、规律性的管理工作,提高员工的工作效率,同时减少管理人员的工作责任;
第三、通过本系统,解决工业企业中的生产资源闲置和冲突的问题,提高生产资源的利用率,减少生产资源的浪费,以及在生产资源冲突的时候进行优化处理。
附图说明
图1为本发明所述Neural-MOS神经元网络智能生产操作系统的系统结构分层示意图;
图2为本发明所述Neural-MOS神经元网络智能生产操作系统的虚拟工厂的示意图;
图3为本发明所述Neural-MOS神经元网络智能生产操作系统的神经元信息交互网络的对比示意图;
图4为本发明所述Neural-MOS神经元网络智能生产操作系统的电子表单的示意图;
图5为本发明所述Neural-MOS神经元网络智能生产操作系统的动态调度的示意图;
图6为本发明所述Neural-MOS神经元网络智能生产操作系统的运行流程示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是,对于这些实施方式的说明用于帮助理解本发明,但并不构成对本发明的限定。此外,下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,本发明提供了一种Neural-MOS神经元网络智能生产操作系统,适用于工业企业的生产资源,所述Neural-MOS神经元网络智能生产操作系统根据神经元网络计算模型开发的,以事件为驱动的、集模具生产与经营为一体的动态实时的大数据信息管理系统,工业企业的海量数据在本系统中进行处理,并能够智能地协调和调度,同时提高企业的生产效率。
所述Neural-MOS神经元网络智能生产操作系统包括一个生产事件层1,所述生产事件层1用于描述工业企业的生产事件,所述生产事件包括生产资源和生产关系,其中生产资源包括人员、机器、材料、环境等,所述生产关系包括不同人员之间的组织关系例如厂长和经理等,不同机器之间从属关系例如数控机床和打孔机等,以及材料之间的工序关系等。
通常地,所述生产事件层1采集所述工业企业的生产资源的生产数据,生产数据包括产量、进度、良品率等等,根据采集到的生产数据,可以直接了解到当前的所述生产资源的生产情况如何。具体地,所述生产事件层1设置有多个信息交互装置10,所述信息交互装置10一方面采集所述生产资源的生产数据,另一方面可以接收来自系统内部的数据信息。其中,所述信息交互装置10设置为智能终端例如PC或平板灯、机联网模块、传感器中的一个或者多个,通过所述信息交互装置10,所述生产事件层1实时采集了各类生产数据。
例如,工业企业的车间的零配件涉及多道加工工序,如开粗、淬火、精光等,这些工序会改变零件的外形或者进行高温处理,所以传统的纸质打码方式并不适用,如何对车间内的每一个零件进行标识成了一大难点。
在不断的摸索中,在零件的非加工面进行激光打标是一种可行方式,通过激光打标机,在每一个零件上刻印唯一编码,做到物料、图纸、加工任务的统一,从而实现对每一个零件的数字化追踪与管控。
如图2所示,所述Neural-MOS神经元网络智能生产操作系统还包括一个动态镜像层2,所述动态镜像层2对应于所述生产资源的数字化,通过数学建模的方式将现实世界中工业企业的人、机、料、法、环抽象封装。具体地,所述动态镜像层2设置有一个数字孪生单元20,所述数字孪生单元20对所述工业企业的生产资源进行抽象封装,并建立双向映射,通过建模的方式构建一个虚拟工厂21,所述虚拟工厂21中的数据与真实工业企业中的生产数据一一对应,并且所述动态镜像层2实时接收所述生产事件层1所采集的生产数据,所述动态镜像层2还可以传输指令给所述生产事件层1。
可以理解的是,所述动态镜像层2是工业企业实现数字化的基础,具体地抽象封装和定义的对象和内容如下所示:
1)人员:主要包括操作工人、工序组长、钳工、钳工组长、生产管理员等,抽象层将其技能、职位、生产行为、基本信息进行抽象封装;
2)机器:主要包括各类加工设备,如 CNC、线切割、电火花、慢走丝等设备,对设备基本信息、运行状态、加工记录进行抽象封装;
3)物料:主要包括毛胚料、标准件、外包加工件等,对这些物料的设计进度、物料编码、采购状态、入库状态、加工进度、成本结构等进行对应的抽象封装。
如图1所示,当所述动态镜像层2中的生产数据被抽象出来之后,所述Neural-MOS神经元网络智能生产操作系统也要这些抽象数据进行处理和分析。具体地,所述Neural-MOS神经元网络智能生产操作系统还包括一个资源调度层3,所述资源调度层3设置有一个资源调度程序30以及多个数据接口31,所述资源调度程序30实时协调和调度所述生产资源,并且接收所述动态镜像层2传输的生产数据。
在所述资源调度层3一方面能够调度所述生产资源完成相应的操作,另一方面当所述生产资源遇到冲突的时候,能够及时地协调这些生产资源,更好地服务于工业企业的生产管理。例如一个生产任务下发时,所述生产任务被分解成多个生产工序,不同的生产工序对应不同的生产资源(当然同一个生产资源也可能适用于不同的生产工序),正常情况下就按部就班地按照工序的先后进行处理,当多个生产任务同时下发时,则在同一个生产工序之间,可能会出现生产资源被挤占,严重的情况甚至导致所有的生产任务都无法完成。
因此,所述资源调度层3需要处理生产资源的管理,还需要应对在工业企业中经常出现的问题就是不稳定因素频繁发生。所述资源调度层3能够实时地追踪所述生产资源的生产数据,动态调整所述控制指令,实时下发至所述动态镜像层2。
可以理解的是,所述Neural-MOS神经元网络智能生产操作系统可兼容当前模具工厂的各种管理方式,对设备自动化程度要求低,可实现对生产资源的实时指挥调度,该系统适配性强,上线周期短,使用效果显著,可最大程度地满足工业企业的管理需求。同时还能够让企业无需招聘员工、购买昂贵的专业软件和制造设备,只要通过平台终端就能完成产品的设计、工艺、制造、采购、营销等各个环节。
如图1所示,所述Neural-MOS神经元网络智能生产操作系统还包括一个功能应用层4,所述功能应用层4设置有多个工业APP40,所述工业APP40通过所述数据接口31与所述资源调度层3进行双向信息交互,使用者通过所述工业APP40输入指令并传输至所述资源调度层3,所述资源调度层3接收所述指令,处理并向所述动态镜像层2传输一个控制指令,进而调度所述生产事件层1对应的生产资源执行所述控制指令。
对于所述功能应用层4而言,管理人员可依据实际管理需求定义不同的模块功能,包括订单管理、进度追踪、生产排程、异常处理、成本统计、工时统计、品质管理、交期管理等功能 APP,通过所述功能应用层4功能的辅助,可帮助管理者弥补管理中的不足,并对实际生产做出科学的决策。
需要注意的是,所述虚拟工厂21中对应所述工业企业的生产资源抽象封装,并根据所述工业企业的组织架构建立一个神经元信息交互网络22。所述神经元信息交互网络22包括多个信息节点23,所述生产资源的生产数据通过相应的所述信息节点23双向传输至其他的信息节点23。
如图3所示,具体地,在通常的工业企业中,信息传递的方式通过多点对多点,尤其是当工序复杂的情况下,很有可能几个点的信息传输非常混乱,并且会导致信息没有及时地发送到所需要的地方。所述神经元信息交互网络22实现了点对多点的方式,实现从随意化信息交互到规范化信息交互的转变,将大大减少低效、不科学的信息交互链路,减少因不确定性造成的低级错误。
例如,在工业企业中,包括业务部门、研发部门、设计部门、生产部门和管理部门等等,通常情况下,业务部门的业务员直接面对客户,也最了解客户的需求。当客户需要调整一下产品的需求信息,业务员一般直接找到设计部门的设计师或者研发部门的研发人员或者生产部门的操作工,业务员为了提高效率直接找到这些一线员工,跳过了他们的直属领导,这样会直接影响后续的生产管理任务,进而影响整个部门的生产进度。另外,由业务员口述给设计师或者研发人员的关于客户的需求信息,再由设计师转述给生产操作工,中间可能造成信息的不完整,即使当时按照转述的需求信息进行生产,也可能与客户真实想要的内容有很大出入。
因此,在本系统的所述神经元信息交互网络22中,每一个信息节点23代表了业务部门、研发部门、设计部门、生产部门和管理部门的一线员工、班组长、经理、主任以及厂长等,使得生产数据和需求信息能够快速有序地在各个组织架构中流动,从而提高整个工业企业的生产管理水平。
进一步地,所述神经元信息交互网络22中的所述信息节点23设置有信息交互机制,所述生产数据按照所述信息交互机制在所述多个信息节点23之间流动。所述信息交互机制包括信息的准入机制和信息的权限机制,其中信息的准入机制设置为所述神经元信息交互网络22之间传输的数据信息需要被限定,限定在所述生产资源的生产数据,避免其他的数据占到正常传输的通道,数据信息在传输的时候需要被监督和限制。所述信息的权限机制设置为所述信息节点23之中设置有权限级别,例如查阅、转发、停止、下放、消除等等,当一个生产数据的权限级别在某一个信息节点23中无法被停止,则需要被转发至下一个权限更高的所述信息节点23上。
举例地,在其中一个工业企业中,根据企业的组织架构:厂长-车间主任-班组长-操作工等,构建一个神经元信息交互网络22。其中厂长的权限包括:查阅、转发、下达、停止、消除,车间主任的权限包括:查阅、转发、下达,班组长的权限包括:查阅、转发,操作工的权限包括查阅。因此,一个需要停止的生产信息,则通过操作工-班组长-车间主任-厂长,直接上传至厂长所对应的信息节点23。
再举例地,在一个生产车间中,共有两个操机工A和B,一个操机工A控制两台数控机床(CNC),另一个操机工B控制其余两台数控机床(CNC),还有一个CNC主管负责管理两个操机工,此外,CNC主管还需要向厂长汇报。那么,在所述虚拟工厂21中,操机工A对应的所述信息节点23连接两个CNC对应的信息节点23,同时两个操机工的信息节点23连接至CNC主管所对应的信息节点23,所述CNC主管的信息节点23将信息传输至厂长对应的信息节点23。
所述Neural-MOS神经元网络智能生产操作系统中的生产数据信息的流动与传输,以生产数据为基础,所述工业企业的生产资源的一系列生产数据也以特定时间进行结构化存储,实现整个工业企业的数据联动,打通信息孤岛。在这个基础上,实现企业内部生产数据的快速互联互通,实现生产资源的动态调度,从而加速信息流转,大幅度提升企业敏捷响应能力。进一步地,降低部门之间的沟通壁垒,让企业各部门进行紧密的协同合作。
在所述神经元信息交互网络22中还设置了一个智能实时动态生产指挥数据链,所述数据链是指互通数据的链路,通过所述数据链,可以实现企业各类生产数据的实时采集与信息共享,此外,还可实现生产指令的实时下达和实时传输。
例如在一个工业企业内部,其包括业务、设计、生产、装配等人员或设备,这些全部接入所述神经元信息交互网络22,通过所述智能实时动态生产指挥数据链,企业的各类信息与指令均可以在所述神经元信息交互网络22进行实时交互。可以帮助企业大幅提升信息交互效率,提高应对异常问题以及突发事件的能力,实现生产资源的优化调度,最终实现企业生产效率跃升。
例如,通过所述神经元信息交互网络22,一个操机工人每天可从信息终端上直接获取实时加工任务,当发现异常时,工人仅需向系统反馈将异常信息,该信息将自动通过所述神经元信息交互网络22传达至相关人员,相关人员借助智能决策辅助数据制定解决措施,最后,解决措施转换为生产指令再次通过数据链下发到相关生产人员。
相比于大部分被动式记录系统或者流程式计划系统,所述神经元信息交互网络22灵活性高、柔性强,在不确定性事件频繁发生的情况下,可以实现对人、机、料科学及时的优化调度,在非标离散化制造领域具有明显优势。
如图4所示,进一步地,为了建立一个统一的企业内部信息交互结构,帮助企业确定生产规范,在所述工业APP40设置有多个电子表单41,通过所述电子表单41接收和发送所述生产数据和输入指令。通过所述电子表单41的数字化手段,提高操作便捷性与信息交互效率,建立了结构化、格式化、数字化的生产规范,持续提炼与固化生产经验,突破规模化发展瓶颈。基于电子表单41的人机交互贴合工人习惯,便于传承生产经验,可实时追踪进度与结果。
同时,实现了生产过程的实时监测,对每一个环节的数字化管控,实现了生产数据的实时采集、汇总和统计。在实时掌握生产进度以及设备负荷的基础上,逐步建立动态生产排程体系,利用计算机大存储、高运算的能力特点,实现生产任务池的实时维护,通过设定排程要求,利用智能生产排程算法对车间内部所有设计、加工等资源进行模拟排产,产生一定运算量内的最优解,进而通过人机协作的方式大幅优化排程的实时性、科学性与合理性,提高企业生产运转效率,降低延期交付率。
在工业企业的生产过程充满了异常状况,如设计出错、零件加工错误、零件丢失、图纸版本错误等,但由于匮乏实时反馈渠道,很多异常被隐藏在一线生产过程中,导致异常无法得到及时处理。
基于Neural-MOS神经元网络智能生产操作系统,建立一个智能调度的问题反馈网络,通过所述神经元信息交互网络22的信息传输,使异常问题能得到快速的定责与决策。异常问题的在线统计可以帮助生产管理人员实时了解车间发生的异常情况,并对异常进行快速响应,此外,工序出错统计可以帮助管理者直观定位当前主要问题,针对性制定改进措施,实现管理精力的精准投放,提高投入产出比。
此外,通过将各类生产数据集中呈现至所述动态镜像层,根据多维度的统计数据综合评判工业企业的运行状态,包括进度、试状态、加工耗时数和加工状态等,全程追踪生产状态;同时,按照交期先后顺序将排期在前的生产任务集中优势资源进行生产,保证交货准时率;此外,决策者可依靠实时异常数据,建立品质管控系统,减少低级错误,提升品质。
如图5所示,举例地说明基于Neural-MOS神经元网络智能生产操作系统的动态调度方法,其中所述生产资源的生产数据和用户输入的操作指令的指令需求传输至所述资源调度层3的资源调度程序30,所述资源调度程序30根据生产数据生成多个生产任务,不同的生产任务被下发至不同的动态任务堆栈中,其中一个动态任务堆栈可能包括多个生产任务,所有的动态任务堆栈结合以来,一同完成当前的生产任务。
当一个新的生产数据或者状态数据出现时,例如其中一台生产机器意外停机了,那么这台机器所对应的生产任务则需要停止运行,并且通过所述资源调度程序30对当前其他的生产任务进行处理和分析,以获取当前还空闲的动态任务堆栈信息,并将生产任务传输至该动态任务堆栈。当没有空闲的动态任务堆栈时,则需要考虑所有生产任务的完成时间,并且在相应的动态任务堆栈之后进行排期。此外,还需要考虑的是,当前需要插入的生产任务是否加急,以及是否会影响到现有的生产任务的排期。
如图6所示,本发明还提供了一种基于Neural-MOS神经元网络智能生产操作系统的系统运行方法,包括:
(a)在所述生产事件层中采集生产数据,双向映射至所述动态镜像层,并通过所述资源调度层传输显示在所述工业APP上;
(b)在所述工业APP上接收用户输入的操作指令;
(c)所述操作指令传输至所述资源调度层,所述资源调度层根据采集所述生产资源的生产数据和所述工业APP的指令要求,处理并输出一个控制指令,传输至所述动态镜像层;
(d)所述控制指令通过所述动态镜像层传输至所述生产事件层,并通过相应的生产资源执行所述控制指令。
具体地,所述运行方法中的信息传输通过所述动态镜像层的所述神经元信息交互网络完成。
进一步地,在步骤(c)中还包括一种动态调度方法,包括:
(c1)获取当前的生产资源的生产数据和状态数据以及所述工业APP的指令要求;
(c2)根据所述生产数据和状态数据以及指令要求,输出一个控制指令,并发送至所述动态镜像层;
(c3)实时追踪所述生产数据和状态数据,动态调整所述控制指令,实时发送至所述动态镜像层。
可以理解的是,所述生产资源的生产数据一部分可以直接显示在所述工业APP40上,另一部分可能直接隐藏在系统内部,所述工业APP40上的输入的指令为使用者直接点击其中加载的电子表单41的指令。
根据上述系统和方法,本发明的其中一个优势在于:在不确定事件频繁发生的情况下,对于人、机、料科学及时的优化调度,大幅度提升工业企业的生产效率和信息传递效率。
本发明的另一个优势在于:提高工业企业内部的生产资源的管理水平,减少生产资源的闲置浪费,提高生产资源的使用率,在生产资源冲突的情况下提高资源优化效率。
本发明的另一个优势在于:兼容当前模具工厂的各种管理方式,对设备自动化程度要求低,实现对于生产资源的实时指挥调度,系统适配性强。
以上结合附图对本发明的实施方式作了详细说明,但本发明不限于所描述的实施方式。对于本领域的技术人员而言,在不脱离本发明原理和精神的情况下,对这些实施方式进行多种变化、修改、替换和变型,仍落入本发明的保护范围内。
Claims (7)
1.一种Neural-MOS神经元网络智能生产操作系统,适用于工业企业的生产资源,其特征在于,包括:
一个生产事件层,所述生产事件层设置有多个信息交互装置,所述信息交互装置采集所述工业企业的生产资源的生产数据;
一个动态镜像层,所述动态镜像层设置有一个数字孪生单元,所述数字孪生单元对所述工业企业的生产资源进行抽象封装,并建立双向映射,并且所述动态镜像层实时接收所述生产事件层所采集的生产数据;所述数字孪生单元通过建模的方式构建一个虚拟工厂,所述虚拟工厂与所述工业企业的生产资源一一对应;所述虚拟工厂根据所述工业企业的组织架构建立一个神经元信息交互网络,所述神经元信息交互网络设置有多个信息节点;所述信息节点对应所述工业企业的生产资源,并对其抽象封装,所述生产资源的生产数据通过相应的所述信息节点传输至其他的信息节点;所述神经元信息交互网络中的所述信息节点设置有信息交互机制,所述生产数据按照所述信息交互机制在所述多个信息节点之间流动;所述信息交互机制包括信息的准入机制和信息的权限机制,其中信息的准入机制设置为所述神经元信息交互网络之间传输的数据信息需要被限定,限定在所述生产资源的生产数据;所述信息的权限机制设置为所述信息节点之中设置有权限级别;所述神经元信息交互网络中还设置了一个智能实时动态生产指挥数据链,所述数据链是指互通数据的链路,通过所述数据链,实现生产数据的实时采集与信息共享,并实现生产指令的实时下达和实时传输;
一个资源调度层,所述资源调度层设置有一个资源调度程序以及多个数据接口,所述资源调度程序实时协调和调度所述生产资源,并且接收所述动态镜像层传输的生产数据;以及
一个功能应用层,所述功能应用层设置有多个工业APP,所述工业APP通过所述数据接口与所述资源调度层进行双向信息交互,使用者通过所述工业APP输入操作指令并传输至所述资源调度层,所述资源调度层接收所述操作指令,处理并向所述动态镜像层传输一个控制指令,进而调度所述生产事件层对应的生产资源执行所述控制指令。
2.根据权利要求1所述的Neural-MOS神经元网络智能生产操作系统,其特征在于,所述信息交互装置设置为智能终端、智能网关、机联网模块、传感器中的一个或者多个。
3.根据权利要求1所述的Neural-MOS神经元网络智能生产操作系统,其特征在于,所述资源调度层实时追踪所述生产资源的生产数据,动态调整所述控制指令,实时下发至所述动态镜像层。
4.根据权利要求1所述的Neural-MOS神经元网络智能生产操作系统,其特征在于,所述工业APP设置有多个电子表单,通过所述电子表单接收和发送所述生产数据和输入操作指令。
5.一种基于Neural-MOS神经元网络智能生产操作系统的运行方法,其特征在于,基于如权利要求1所述的一种Neural-MOS神经元网络智能生产操作系统实现,方法包括:
(a)在所述生产事件层中采集生产数据,双向映射至所述动态镜像层,并通过所述资源调度层传输显示在所述工业APP上;
(b)在所述工业APP上接收用户输入的操作指令;
(c)所述操作指令传输至所述资源调度层,所述资源调度层根据采集所述生产资源的生产数据和所述工业APP的指令要求,处理并输出一个控制指令,传输至所述动态镜像层;
(d)所述控制指令通过所述动态镜像层传输至所述生产事件层,并通过相应的生产资源执行所述控制指令。
6.根据权利要求5所述的运行方法,其特征在于,所述运行方法中的信息传输通过所述动态镜像层的所述神经元信息交互网络完成。
7.根据权利要求5所述的运行方法,其特征在于,在步骤(c)中还包括一种动态调度方法,包括:
(c1)获取当前的生产资源的生产数据和状态数据以及所述工业APP的指令要求;
(c2)根据所述生产数据和状态数据以及指令要求,输出一个控制指令,并发送至所述动态镜像层;
(c3)实时追踪所述生产数据和状态数据,动态调整所述控制指令,实时发送至所述动态镜像层。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011075348.9A CN111932217B (zh) | 2020-10-10 | 2020-10-10 | 一种Neural-MOS神经元网络智能生产操作系统及其运行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011075348.9A CN111932217B (zh) | 2020-10-10 | 2020-10-10 | 一种Neural-MOS神经元网络智能生产操作系统及其运行方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111932217A CN111932217A (zh) | 2020-11-13 |
CN111932217B true CN111932217B (zh) | 2022-01-14 |
Family
ID=73334319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011075348.9A Active CN111932217B (zh) | 2020-10-10 | 2020-10-10 | 一种Neural-MOS神经元网络智能生产操作系统及其运行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111932217B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270508A (zh) * | 2020-11-25 | 2021-01-26 | 东北大学 | 一种满足个性化定制生产的数字孪生智慧云调度方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205229754U (zh) * | 2015-10-29 | 2016-05-11 | 焦作煤业(集团)有限责任公司计讯处 | 一种煤矿安全综合监控系统 |
CN107330608A (zh) * | 2017-06-27 | 2017-11-07 | 宁波创元信息科技有限公司 | 一种基于神经元网络技术的生产排程方法 |
CN108490904A (zh) * | 2018-05-10 | 2018-09-04 | 东北大学 | 一种基于设备多工况运行的能源系统优化调度方法 |
CN109559039A (zh) * | 2018-11-29 | 2019-04-02 | 贵州航天云网科技有限公司 | 一种基于数字孪生技术的虚拟工厂业务协同系统 |
-
2020
- 2020-10-10 CN CN202011075348.9A patent/CN111932217B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205229754U (zh) * | 2015-10-29 | 2016-05-11 | 焦作煤业(集团)有限责任公司计讯处 | 一种煤矿安全综合监控系统 |
CN107330608A (zh) * | 2017-06-27 | 2017-11-07 | 宁波创元信息科技有限公司 | 一种基于神经元网络技术的生产排程方法 |
CN108490904A (zh) * | 2018-05-10 | 2018-09-04 | 东北大学 | 一种基于设备多工况运行的能源系统优化调度方法 |
CN109559039A (zh) * | 2018-11-29 | 2019-04-02 | 贵州航天云网科技有限公司 | 一种基于数字孪生技术的虚拟工厂业务协同系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111932217A (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112073461B (zh) | 一种基于云边协同的工业互联网系统 | |
US10101734B2 (en) | Routing of enterprise resource planning messages | |
CN108009739A (zh) | 一种智能机加车间生产计划与调度一体化方法 | |
WO2023272837A1 (zh) | 一种面向航空产业集群的制造过程管控系统架构 | |
Younus et al. | MES development and significant applications in manufacturing-A review | |
CN109884993A (zh) | 一种制药数字化车间管理系统 | |
CN102663569A (zh) | 一种可视化工作流引擎系统 | |
CN112270612A (zh) | 一种乳制品数字化工厂系统 | |
CN113104459B (zh) | 一种基于信息汇聚的仓储设备管控平台 | |
CN111932217B (zh) | 一种Neural-MOS神经元网络智能生产操作系统及其运行方法 | |
CN112462702A (zh) | 一种基于工业互联网的智能监测与智慧调度系统 | |
CN116415386A (zh) | 一种基于实时数据驱动的数字孪生产线可视化系统 | |
CN115407723A (zh) | 一种5g智能制造数字化车间 | |
Sekkat et al. | Developing integrated performance measurement system using component based approach | |
CN108282390A (zh) | 一种智能化车间安全总控技术 | |
Li et al. | Design and application of intelligent equipment management platform | |
Pawlewski et al. | Application potential of Agent Based Simulation and Discrete Event Simulation in enterprise integration modelling concepts | |
Tomov et al. | The role of digital information models for horizontal and vertical interaction in intelligent production | |
CN111178838A (zh) | 一种基于云计算的智能数字化工厂系统 | |
Grauer et al. | Towards an IT-framework for digital enterprise integration | |
CN105717901A (zh) | 一种船厂车间生产线数控设备网络管理系统 | |
CN115456380A (zh) | 一种基于企业的智能制造数字化集成分析系统 | |
CN205983185U (zh) | 一种面向工业生产的数字化车间 | |
CN114742540A (zh) | 一种智能制造管理系统 | |
Wang et al. | The perspective of B2MML based on implementation |
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 |