CN112101758A - 基于人工智能的制衣厂生产异常决策系统及方法 - Google Patents

Abstract

本发明公开了基于人工智能的制衣厂生产异常决策系统及方法，包括辅助决策系统，辅助决策系统由制衣厂动态数据监控模块、数据中台、人工智能中台和决策推送模块组成，制衣厂动态数据监控模块通过云服务器与数据中台连接，人工智能中台通过传输模块与决策推送模块连接。本发明通过设有的制衣厂动态数据监控模块，通过物联设备将设备状态数据，跟单数据，制衣生产数据上传至云服务器的数据中台，数据中心萃取需要相关联的数据传送至平台的人工智能中台，再根据大数据分析深度学习智能运算分析，将智能决策意见以及实施方案通过平台决策推送模块通知到各个工序环节，能够迅速的帮助服装厂以最快的速度排除异常恢复上产。

Description

基于人工智能的制衣厂生产异常决策系统及方法

技术领域

本发明涉及一种系统及方法，特别涉及基于人工智能的制衣厂生产异常决策系统及方法，属于物联网大数据技术领域。

背景技术

在制衣厂生产管理的过程中，制衣厂采用流水线生产方式，每一道工序的继续都完全依赖于上一道工序的完成，因此制衣厂生产过程一旦发生异常时，管理层最重要的就是在生产现场解除导致停工的原因并迅速做出决策处理，然而，当前制衣厂生产过程中遇到异常时，通常存在以下弊端：

1.制衣厂影响生产效率的原因有很多，如制衣设备故障，工人生病不适，布料发现次品。其中大概率都是因为设备故障，而不同的原因都涉及不同的角色，往往当工人停工时根据自己节奏上报给组长，组长人工识别，再电话通知机修，机修到场后现场判别设备问题，再往返拿相应配件，决策时间慢与处理流程冗余，又因为每个工序的停工很容易影响下一个工序，生产工具制衣设备也是备用数量有限，种类繁复，经常会因此影响生产。

2.现有MES，ERP等企业管理软件，只能当流水线发生停止时提示，但是并不能获悉真正的导致停产的问题，也无法判定决策，只是告知管理层现象，并无决策处理闭环，最后在决策处理时还是依托组长的原有流程。

3.人为判定太依赖于经验，往往组长虽然负责解决生产异常但不懂设备问题，机修又属于制衣厂稀有资源，一般工人与机修比为100:3；专业人才稀缺。面对小微企业更是经常为了节省开支采用兼职的机修。

4.亚健康设备难以发现，制衣设备没有数据中心汇总对比制衣设备状态数据曲线时，往往不能发现亚健康的制衣设备，当制衣设备处于亚健康时工人每日需要停工数次用于解决断线或断针导致的问题，穿线和穿针又是很费时的，而机修调试完设备往往也不可能在设备边上等上数小时来确认设备是否亚健康。

因此，当生产异常时，需要一种基于人工智能的制衣厂生产异常决策系统及方法。

发明内容

本发明的目的在于提供基于人工智能的制衣厂生产异常决策系统及方法，以解决上述背景技术中提出的能够通过人工智能帮助管理人员迅速做出决策的问题。

为实现上述目的，本发明提供如下技术方案：基于人工智能的制衣厂生产异常决策系统，包括辅助决策系统，所述辅助决策系统由制衣厂动态数据监控模块、数据中台、人工智能中台和决策推送模块组成，所述制衣厂动态数据监控模块通过云服务器与数据中台连接，所述数据中台通过大数据萃取平台与人工智能中台连接，所述人工智能中台通过传输模块与决策推送模块连接。

作为本发明的一种优选技术方案，所述制衣厂动态数据监控模块由制衣设备状态数据监控模块、制衣跟单数据监控模块和制衣生产数据监控模块组成。

作为本发明的一种优选技术方案，所述制衣设备状态数据监控模块由制衣设备速度监控模块、制衣设备数控监控模块、制衣设备机械断针监控模块和制衣设备温度监控模块组成。

作为本发明的一种优选技术方案，所述数据中台由数据储存中心和数据萃取中心组成。

作为本发明的一种优选技术方案，所述人工智能中台由分析模块和决策模块组成。

作为本发明的一种优选技术方案，所述决策推送模块由跟单角色模块、组长角色模块、机修角色模块、设备经销商设备模块和服装厂供应链模块。

作为本发明的一种优选技术方案，所述制衣设备状态数据监控模块包括以下步骤：

(1)通过多个手轮霍尔传感器的旋转值，采集到制衣设备的实时速度值。以下数据包简称为(S)，当S＝0时设备无启动，当0<S≤MAX值时，S是制衣设备的实时运行速度值；

(2)通过对制衣设备的伺服电机等驱动装置和控制箱连接，采集制衣设备数控部分系统状态正常与否以及数控真实参数，当数控发生错误时数控部分错误代码。以下数据包简称为(E)，当E＝0时设备数控系统正常；当E＝1，2，3…N，分别为对应的数控错误代码；

(3)通过将传感器安装在制衣设备的侧门或边门，只有当发生断针或者断线时，缝纫工人就会打开边门或侧门。采集到断针或断线信号。以下数据包简称为(D)，当D＝0表示未断针或断线，当D＝1表示断针或断线；

(4)通过将温度传感器安装在制衣设备的用于得知制衣设备的内部温度，以下数据包简称为(W)，W＝N(N为常数)时，即代表设备内部温度值。

作为本发明的一种优选技术方案，所述分析模块包括以下步骤：

情况a：当制衣设备速度监控数据(S)＝0,制衣数控监控模块数据(E)＝0，制衣设备机械断针模块监控模块数据(D)＝1，制衣设备温度监控数据(W)＝N1(设备常温)，分析模块得制衣设备断针或断线中；

情况b：当制衣设备速度监控数据(S)＝0,制衣数控监控模块数据(E)＝(1.2.3…N)，制衣设备机械断针模块监控模块数据(D)＝0，制衣设备温度监控数据(W)＝N1(设备常温)，分析模块得制衣设备数控发生对应错误。数控错误包括E＝1：定针信号错误，2：电机过流，4：调速器错误，8：输入电压过高，16：输入电压过低，32：电机未连接，64：电控电源关闭；

情况c：当制衣设备速度监控数据(S)＝N(自然数),制衣数控监控模块数据(E)＝0，制衣设备机械断针模块监控模块数据(D)＝0，制衣设备温度监控数据(W)＝N1(设备常温)，分析模块得制衣设备正常运行中；

情况d：当制衣设备速度监控数据(S)＝N(自然数),制衣数控监控模块数据(E)＝0，制衣设备机械断针模块监控模块数据(D)＝0，制衣设备温度监控数据(W)＝N2(设备温度异常)，分析模块得制衣设备运行中，属于机械亚健康需要机修再调试检测，机械结构可能发生异常摩擦；

情况e：当制衣设备速度监控数据(S)＝0,制衣数控监控模块数据(E)＝0，制衣设备机械断针模块监控模块数据(D)＝0，制衣设备温度监控数据(W)＝N2(设备温度异常)，分析模块得制衣设备因为机械摩擦已经导致设备停工，需紧急处理。

作为本发明的一种优选技术方案，所述决策模块包括以下步骤：

a情况下决策：当{S}集合有一个规律波动，单位时间内发生情况a过多频率，设备处于亚健康，机修需检测制衣设备机械原因，同时将异常紧急程度按紧急程度分为L1～L5，此情况定义为L2，决策为轻度关注，结合生产数据订单曲线安排生产集中度影响较低时段推送机修按规定时间内检测设备断针；

当{S}集合为0，同时长时间处于情况a时，此情况定义为L5.决策为协同关注，此时已经影响正常生产，且错误原因需要多方协助处理，会同时推送组长，机修紧急到位；

b情况下决策：此时分析得出，流水线工位因为设备数控故障已经停工，同时将异常紧急程度按紧急程度分为L1～L5，此情况定义为L4。决策为重度关注，推送机修紧急出动，排在首要推送任务中维修执行，并直接推送根据不同的错误代码所需携带的零部件，如果备用零部件已激活，系统会同步推送给已绑定的设备经销商，立马推送必须配送或邮寄的配件名称；

c情况下决策：

当{S}集合曲线规律，且处于情况c，决策为L1一切正常；

当{S}集合长时间为0，处于情况c，决策为L4，属于已停工但是不属于设备问题，推送组长立马到工位前，询问工人状况；

当{S}集合曲线与同期对比曲线{S1}差异明显，且处于情况c，决策为L2，轻度关注，推送组长关心相对应的工人，可提示概率为工人的心情或其他心理因素；

d情况下决策：生产正常，决策为L2，为轻度关注，推送机修是因为制衣设备内部发生异常高温，提示机修检测设备内部机械摩擦为主；

e情况下决策：生产不正常，决策为L4，为重度关注，并推送机修立马前往设备前，检测制衣设备内部机械摩擦原因。

与现有技术相比，本发明的有益效果是：

1.本发明基于人工智能的制衣厂生产异常决策系统及方法，通过设有的制衣厂动态数据监控模块，通过物联设备将设备状态数据，跟单数据，制衣生产数据上传至云服务器的数据中台，数据中心萃取需要相关联的数据传送至平台的人工智能中台，再根据大数据分析深度学习智能运算分析，将智能决策意见以及实施方案通过平台决策推送模块通知到各个工序环节，能够迅速的帮助服装厂以最快的速度排除异常恢复上产，解决了决策时间慢与处理流程冗余的问题，提高服装厂管理决策的效率，实用性强。

附图说明

图1为本发明的结构示意图；

图2为本发明的流程示意图；

图3为本发明的方法的流程图。

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。

请参阅图1-图3，本发明提供了基于人工智能的制衣厂生产异常决策系统及方法的技术方案：

根据图1所示，包括辅助决策系统，辅助决策系统由制衣厂动态数据监控模块、数据中台、人工智能中台和决策推送模块组成，制衣厂动态数据监控模块通过云服务器与数据中台连接，数据中台通过大数据萃取平台与人工智能中台连接，人工智能中台通过传输模块与决策推送模块连接。

制衣厂动态数据监控模块由制衣设备状态数据监控模块、制衣跟单数据监控模块和制衣生产数据监控模块组成。

制衣设备状态数据监控模块由制衣设备速度监控模块、制衣设备数控监控模块、制衣设备机械断针监控模块和制衣设备温度监控模块组成。

数据中台由数据储存中心和数据萃取中心组成。

人工智能中台由分析模块和决策模块组成。

决策推送模块由跟单角色模块、组长角色模块、机修角色模块、设备经销商设备模块和服装厂供应链模块。

制衣设备状态数据监控模块包括以下步骤：

(1)通过多个手轮霍尔传感器的旋转值，采集到制衣设备的实时速度值。以下数据包简称为(S)，当S＝0时设备无启动，当0<S≤MAX值时，S是制衣设备的实时运行速度值；

(2)通过对制衣设备的伺服电机等驱动装置和控制箱连接，采集制衣设备数控部分系统状态正常与否以及数控真实参数，当数控发生错误时数控部分错误代码。以下数据包简称为(E)，当E＝0时设备数控系统正常；当E＝1，2，3…N，分别为对应的数控错误代码；

(3)通过将传感器安装在制衣设备的侧门或边门，只有当发生断针或者断线时，缝纫工人就会打开边门或侧门。采集到断针或断线信号。以下数据包简称为(D)，当D＝0表示未断针或断线，当D＝1表示断针或断线；

(4)通过将温度传感器安装在制衣设备的用于得知制衣设备的内部温度，以下数据包简称为(W)，W＝N(N为常数)时，即代表设备内部温度值。

分析模块包括以下步骤：

情况a：当制衣设备速度监控数据(S)＝0,制衣数控监控模块数据(E)＝0，制衣设备机械断针模块监控模块数据(D)＝1，制衣设备温度监控数据(W)＝N1(设备常温)，分析模块得制衣设备断针或断线中；

情况b：当制衣设备速度监控数据(S)＝0,制衣数控监控模块数据(E)＝(1.2.3…N)，制衣设备机械断针模块监控模块数据(D)＝0，制衣设备温度监控数据(W)＝N1(设备常温)，分析模块得制衣设备数控发生对应错误。数控错误包括E＝1：定针信号错误，2：电机过流，4：调速器错误，8：输入电压过高，16：输入电压过低，32：电机未连接，64：电控电源关闭；

情况c：当制衣设备速度监控数据(S)＝N(自然数),制衣数控监控模块数据(E)＝0，制衣设备机械断针模块监控模块数据(D)＝0，制衣设备温度监控数据(W)＝N1(设备常温)，分析模块得制衣设备正常运行中；

情况d：当制衣设备速度监控数据(S)＝N(自然数),制衣数控监控模块数据(E)＝0，制衣设备机械断针模块监控模块数据(D)＝0，制衣设备温度监控数据(W)＝N2(设备温度异常)，分析模块得制衣设备运行中，属于机械亚健康需要机修再调试检测，机械结构可能发生异常摩擦；

情况e：当制衣设备速度监控数据(S)＝0,制衣数控监控模块数据(E)＝0，制衣设备机械断针模块监控模块数据(D)＝0，制衣设备温度监控数据(W)＝N2(设备温度异常)，分析模块得制衣设备因为机械摩擦已经导致设备停工，需紧急处理。

决策模块包括以下步骤：

a情况下决策：当{S}集合有一个规律波动，单位时间内发生情况a过多频率，设备处于亚健康，机修需检测制衣设备机械原因，同时将异常紧急程度按紧急程度分为L1～L5，此情况定义为L2，决策为轻度关注，结合生产数据订单曲线安排生产集中度影响较低时段推送机修按规定时间内检测设备断针；

当{S}集合为0，同时长时间处于情况a时，此情况定义为L5.决策为协同关注，此时已经影响正常生产，且错误原因需要多方协助处理，会同时推送组长，机修紧急到位；

b情况下决策：此时分析得出，流水线工位因为设备数控故障已经停工，同时将异常紧急程度按紧急程度分为L1～L5，此情况定义为L4。决策为重度关注，推送机修紧急出动，排在首要推送任务中维修执行，并直接推送根据不同的错误代码所需携带的零部件，如果备用零部件已激活，系统会同步推送给已绑定的设备经销商，立马推送必须配送或邮寄的配件名称；

c情况下决策：

当{S}集合曲线规律，且处于情况c，决策为L1一切正常；

当{S}集合长时间为0，处于情况c，决策为L4，属于已停工但是不属于设备问题，推送组长立马到工位前，询问工人状况；

当{S}集合曲线与同期对比曲线{S1}差异明显，且处于情况c，决策为L2，轻度关注，推送组长关心相对应的工人，可提示概率为工人的心情或其他心理因素；

d情况下决策：生产正常，决策为L2，为轻度关注，推送机修是因为制衣设备内部发生异常高温，提示机修检测设备内部机械摩擦为主；

e情况下决策：生产不正常，决策为L4，为重度关注，并推送机修立马前往设备前，检测制衣设备内部机械摩擦原因。

具体使用时，本发明基于人工智能的制衣厂生产异常决策系统及方法，制衣厂动态数据监控模块通过物联设备将设备状态数据，跟单数据，制衣生产数据上传至云服务器的数据中台，数据中心萃取需要相关联的数据传送至平台的人工智能中台，再根据大数据分析深度学习智能运算分析，将智能决策意见以及实施方案通过平台决策推送模块通知到跟单角色、组长角色、机修角色、设备经销商设备和服装厂供应链，能够迅速有效的帮助服装厂以最快的速度排除异常恢复上产，解决了决策时间慢与处理流程冗余的问题，提高服装厂管理决策的效率，实用性强。

此外，请参阅图2，当中小微服装产业集聚机修不足时，或者零配件由多家设备配件经销商服务选择时。系统将优先通过本地化故障判定，辅助小微企业工人或者老板自行检测并对简易故障指导辅助维修，如服务器系统判定为需要复杂故障需要配件以及技术支持，推送到有资格的经销商服务点派送决策任务。

请参阅图3，本发明还提供基于人工智能的制衣厂生产异常决策方法，所述方法包括：

S1:制衣厂动态数据监控模块获取制衣厂动态数据；

S2:数据中台负责储存所述监控模块获取的大数据并萃取需要的数据；

S3:人工智能中台根据萃取的数据进行数据分析并根据数据模型进行决策处理；

S4:决策指令推送到相应角色执行。

进一步地构架说明如下：

在本发明的描述中，需要理解的是，指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明中，除非另有明确的规定和限定，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.基于人工智能的制衣厂生产异常决策系统，包括辅助决策系统，其特征在于，所述辅助决策系统由制衣厂动态数据监控模块、数据中台、人工智能中台和决策推送模块组成，所述制衣厂动态数据监控模块通过云服务器与数据中台连接，所述数据中台通过大数据萃取平台与人工智能中台连接，所述人工智能中台通过传输模块与决策推送模块连接。

2.根据权利要求1所述的基于人工智能的制衣厂生产异常决策系统，其特征在于：所述制衣厂动态数据监控模块由制衣设备状态数据监控模块、制衣跟单数据监控模块和制衣生产数据监控模块组成。

3.根据权利要求2所述的基于人工智能的制衣厂生产异常决策系统，其特征在于：所述制衣设备状态数据监控模块由制衣设备速度监控模块、制衣设备数控监控模块、制衣设备机械断针监控模块和制衣设备温度监控模块组成。

4.根据权利要求1所述的基于人工智能的制衣厂生产异常决策系统，其特征在于：所述数据中台由数据储存中心和数据萃取中心组成。

5.根据权利要求1所述的基于人工智能的制衣厂生产异常决策系统，其特征在于：所述人工智能中台由分析模块和决策模块组成。

6.根据权利要求1所述的基于人工智能的制衣厂生产异常决策系统，其特征在于：所述决策推送模块由跟单角色模块、组长角色模块、机修角色模块、设备经销商设备模块和服装厂供应链模块。

7.根据权利要求3所述的基于人工智能的制衣厂生产异常决策方法，其特征在于：所述制衣设备状态数据监控模块包括以下步骤：

(1)通过多个手轮霍尔传感器的旋转值，采集到制衣设备的实时速度值，以下数据包简称为(S)，当S＝0时设备无启动，当0<S≤MAX值时，S是制衣设备的实时运行速度值；

(2)通过对制衣设备的伺服电机等驱动装置和控制箱连接，采集制衣设备数控部分系统状态正常与否以及数控真实参数，当数控发生错误时数控部分错误代码，以下数据包简称为(E)，当E＝0时设备数控系统正常；当E＝1，2，3…N，分别为对应的数控错误代码；

(3)通过将传感器安装在制衣设备的侧门或边门，只有当发生断针或者断线时，缝纫工人就会打开边门或侧门，采集到断针或断线信号，以下数据包简称为(D)，当D＝0表示未断针或断线，当D＝1表示断针或断线；

(4)通过将温度传感器安装在制衣设备的用于得知制衣设备的内部温度，以下数据包简称为(W)，W＝N(N为常数)时，即代表设备内部温度值。

8.根据权利要求5所述的基于人工智能的制衣厂生产异常决策方法，其特征在于：所述分析模块包括以下步骤：

情况a：当制衣设备速度监控数据(S)＝0,制衣数控监控模块数据(E)＝0，制衣设备机械断针模块监控模块数据(D)＝1，制衣设备温度监控数据(W)＝N1(设备常温)，分析模块得制衣设备断针或断线中；

情况b：当制衣设备速度监控数据(S)＝0,制衣数控监控模块数据(E)＝(1.2.3…N)，制衣设备机械断针模块监控模块数据(D)＝0，制衣设备温度监控数据(W)＝N1(设备常温)，分析模块得制衣设备数控发生对应错误，数控错误包括E＝1：定针信号错误，2：电机过流，4：调速器错误，8：输入电压过高，16：输入电压过低，32：电机未连接，64：电控电源关闭；

情况c：当制衣设备速度监控数据(S)＝N(自然数),制衣数控监控模块数据(E)＝0，制衣设备机械断针模块监控模块数据(D)＝0，制衣设备温度监控数据(W)＝N1(设备常温)，分析模块得制衣设备正常运行中；

情况d：当制衣设备速度监控数据(S)＝N(自然数),制衣数控监控模块数据(E)＝0，制衣设备机械断针模块监控模块数据(D)＝0，制衣设备温度监控数据(W)＝N2(设备温度异常)，分析模块得制衣设备运行中，属于机械亚健康需要机修再调试检测，机械结构可能发生异常摩擦；

情况e：当制衣设备速度监控数据(S)＝0,制衣数控监控模块数据(E)＝0，制衣设备机械断针模块监控模块数据(D)＝0，制衣设备温度监控数据(W)＝N2(设备温度异常)，分析模块得制衣设备因为机械摩擦已经导致设备停工，需紧急处理。

9.根据权利要求5所述的基于人工智能的制衣厂生产异常决策方法，其特征在于：所述决策模块包括以下步骤：

a情况下决策：当{S}集合有一个规律波动，单位时间内发生情况a过多频率，设备处于亚健康，机修需检测制衣设备机械原因，同时将异常紧急程度按紧急程度分为L1～L5，此情况定义为L2，决策为轻度关注，结合生产数据订单曲线安排生产集中度影响较低时段推送机修按规定时间内检测设备断针；

当{S}集合为0，同时长时间处于情况a时，此情况定义为L5.决策为协同关注，此时已经影响正常生产，且错误原因需要多方协助处理，会同时推送组长，机修紧急到位；

b情况下决策：此时分析得出，流水线工位因为设备数控故障已经停工，同时将异常紧急程度按紧急程度分为L1～L5，此情况定义为L4，决策为重度关注，推送机修紧急出动，排在首要推送任务中维修执行，并直接推送根据不同的错误代码所需携带的零部件，如果备用零部件已激活，系统会同步推送给已绑定的设备经销商，立马推送必须配送或邮寄的配件名称；

c情况下决策：

当{S}集合曲线规律，且处于情况c，决策为L1一切正常；

当{S}集合长时间为0，处于情况c，决策为L4，属于已停工但是不属于设备问题，推送组长立马到工位前，询问工人状况；

当{S}集合曲线与同期对比曲线{S1}差异明显，且处于情况c，决策为L2，轻度关注，推送组长关心相对应的工人，可提示概率为工人的心情或其他心理因素；

d情况下决策：生产正常，决策为L2，为轻度关注，推送机修是因为制衣设备内部发生异常高温，提示机修检测设备内部机械摩擦为主；

e情况下决策：生产不正常，决策为L4，为重度关注，并推送机修立马前往设备前，检测制衣设备内部机械摩擦原因。

Images