CN113298429A - 一种自动化生产线的智能模拟评估方法及系统 - Google Patents
一种自动化生产线的智能模拟评估方法及系统 Download PDFInfo
- Publication number
- CN113298429A CN113298429A CN202110676598.6A CN202110676598A CN113298429A CN 113298429 A CN113298429 A CN 113298429A CN 202110676598 A CN202110676598 A CN 202110676598A CN 113298429 A CN113298429 A CN 113298429A
- Authority
- CN
- China
- Prior art keywords
- information
- production
- obtaining
- production line
- evaluated
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 319
- 238000004088 simulation Methods 0.000 title claims abstract description 75
- 238000011156 evaluation Methods 0.000 title claims abstract description 44
- 238000009826 distribution Methods 0.000 claims abstract description 75
- 238000012545 processing Methods 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 63
- 238000012549 training Methods 0.000 claims abstract description 38
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 239000000463 material Substances 0.000 claims description 116
- 239000000047 product Substances 0.000 claims description 76
- 239000002994 raw material Substances 0.000 claims description 27
- 238000012546 transfer Methods 0.000 claims description 23
- 238000013210 evaluation model Methods 0.000 claims description 21
- 230000000694 effects Effects 0.000 claims description 20
- 230000009467 reduction Effects 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 14
- 239000011265 semifinished product Substances 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 230000008439 repair process Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 34
- 238000010586 diagram Methods 0.000 description 11
- 238000003062 neural network model Methods 0.000 description 11
- 230000002349 favourable effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 239000002023 wood Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 239000013589 supplement Substances 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种自动化生产线的智能模拟评估方法及系统，其中，所述方法包括：获得第一待评估厂房信息；获得作业单元分布空间集；获得预设生产工艺流程；将作业单元分布空间集和预设生产工艺流程输入产线布局模拟系统进行训练，获得初步产线布局信息；获得所需生产加工设备集合；获得各设备间相对位置集合和预设通道横向面积信息；将初步产线布局信息、各设备间相对位置集合以及预设通道横向面积信息输入产线布局优化系统，获得实际产线分布信息；对第一待评估厂房进行各作业单位的有序分布。解决了现有技术中的无法基于各种影响因素，对生产线进行全面细致的模拟评估，使得评估结果不准确，进而降低产品加工效率的技术问题。
Description
技术领域
本发明涉及人工智能技术领域，具体地，涉及一种自动化生产线的智能模拟评估方法及系统。
背景技术
随着现代产品的复杂性增加，其工艺更加复杂，传统的流水线形式无法满足很多特定产品的生产过程，这就需要对产线的布局、工艺、物流进行设计，以避免出现效率及成本的浪费。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中存在无法基于各种影响因素，对生产线进行全面细致的模拟评估，使得评估结果不准确，影响后期的实际生产线布局，进而降低产品加工效率的技术问题。
发明内容
针对现有技术中的缺陷，本申请实施例的目的是，通过提供一种自动化生产线的智能模拟评估方法及系统，解决了现有技术中无法基于各种影响因素，对生产线进行全面细致的模拟评估，使得评估结果不准确，影响后期的实际生产线布局，进而降低产品加工效率的技术问题。基于作业单元分布空间集、预设生产工艺流程、各设备间相对位置集合以及预设通道横向面积信息等因素，达到了对生产线进行全面细致的智能模拟评估，在虚拟环境中对其进行优化，使得实际分布的生产线更有利于产品的自动加工，进而提高生产效率的技术效果。
一方面，本申请实施例提供一种自动化生产线的智能模拟评估方法，其中，所述方法应用于智能模拟评估系统，所述方法还包括：获得第一待评估厂房信息；根据所述第一待评估厂房信息，获得作业单元分布空间集，所述作业单元分布空间集包括生产加工区、缓存区以及物料堆放区；根据所述第一待评估厂房信息，获得预设生产工艺流程；将所述作业单元分布空间集和所述预设生产工艺流程输入产线布局模拟系统进行训练，获得所述第一待评估厂房信息的初步产线布局信息；根据所述生产加工区，获得所需生产加工设备集合；根据所述所需生产加工设备集合，获得各设备间相对位置集合和预设通道横向面积信息；将所述初步产线布局信息、所述各设备间相对位置集合以及所述预设通道横向面积信息输入产线布局优化系统进行优化，获得所述第一待评估厂房信息的实际产线分布信息；根据所述实际产线分布信息，对第一待评估厂房进行各作业单位的有序分布。
另一方面，本申请还提供了一种自动化生产线的智能模拟评估系统，其中，所述系统包括：第一获得单元：所述第一获得单元用于获得第一待评估厂房信息；第二获得单元：所述第二获得单元用于根据所述第一待评估厂房信息，获得作业单元分布空间集，所述作业单元分布空间集包括生产加工区、缓存区以及物料堆放区；第三获得单元：所述第三获得单元用于根据所述第一待评估厂房信息，获得预设生产工艺流程；第一输入单元：所述第一输入单元用于将所述作业单元分布空间集和所述预设生产工艺流程输入产线布局模拟系统进行训练，获得所述第一待评估厂房信息的初步产线布局信息；第四获得单元：所述第四获得单元用于根据所述生产加工区，获得所需生产加工设备集合；第五获得单元：所述第五获得单元用于根据所述所需生产加工设备集合，获得各设备间相对位置集合和预设通道横向面积信息；第二输入单元：所述第二输入单元用于将所述初步产线布局信息、所述各设备间相对位置集合以及所述预设通道横向面积信息输入产线布局优化系统进行优化，获得所述第一待评估厂房信息的实际产线分布信息；第一分布单元：所述第一分布单元用于根据所述实际产线分布信息，对第一待评估厂房进行各作业单位的有序分布。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过获得第一待评估厂房信息，获得作业单元分布空间集，进而获得预设生产工艺流程，将作业单元分布空间集和预设生产工艺流程输入产线布局模拟系统进行训练，获得初步产线布局信息，同时获得所需生产加工设备集合，获得各设备间相对位置集合和预设通道横向面积信息，进而将初步产线布局信息、各设备间相对位置集合以及预设通道横向面积信息输入产线布局优化系统，获得实际产线分布信息，进而对第一待评估厂房进行各作业单位的有序分布。基于作业单元分布空间集、预设生产工艺流程、各设备间相对位置集合以及预设通道横向面积信息等因素，达到了对生产线进行全面细致的智能模拟评估，在虚拟环境中对其进行优化，使得实际分布的生产线更有利于产品的自动加工，进而提高生产效率的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读参照以下附图对非限制性实施例所做的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本申请实施例一种自动化生产线的智能模拟评估方法的流程示意图；
图2为本申请实施例一种自动化生产线的智能模拟评估方法的根据所述第一判断结果，对所述第一物料流转路线进行调整的流程示意图；
图3为本申请实施例一种自动化生产线的智能模拟评估系统的结构示意图；
图4为本申请实施例示例性电子设备的结构示意图。
具体实施方式
本申请实施例通过提供一种自动化生产线的智能模拟评估方法及系统，解决了现有技术中无法基于各种影响因素，对生产线进行全面细致的模拟评估，使得评估结果不准确，影响后期的实际生产线布局，进而降低产品加工效率的技术问题。基于作业单元分布空间集、预设生产工艺流程、各设备间相对位置集合以及预设通道横向面积信息等因素，达到了对生产线进行全面细致的智能模拟评估，在虚拟环境中对其进行优化，使得实际分布的生产线更有利于产品的自动加工，进而提高生产效率的技术效果。
下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
随着现代产品的复杂性增加，其工艺更加复杂，传统的流水线形式无法满足很多特定产品的生产过程，这就需要对产线的布局、工艺、物流进行设计，以避免出现效率及成本的浪费。现有技术中存在无法基于各种影响因素，对生产线进行全面细致的模拟评估，使得评估结果不准确，影响后期的实际生产线布局，进而降低产品加工效率的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供一种自动化生产线的智能模拟评估方法，其中，所述方法应用于智能模拟评估系统，所述方法还包括：获得第一待评估厂房信息；根据所述第一待评估厂房信息，获得作业单元分布空间集，所述作业单元分布空间集包括生产加工区、缓存区以及物料堆放区；根据所述第一待评估厂房信息，获得预设生产工艺流程；将所述作业单元分布空间集和所述预设生产工艺流程输入产线布局模拟系统进行训练，获得所述第一待评估厂房信息的初步产线布局信息；根据所述生产加工区，获得所需生产加工设备集合；根据所述所需生产加工设备集合，获得各设备间相对位置集合和预设通道横向面积信息；将所述初步产线布局信息、所述各设备间相对位置集合以及所述预设通道横向面积信息输入产线布局优化系统进行优化，获得所述第一待评估厂房信息的实际产线分布信息；根据所述实际产线分布信息，对第一待评估厂房进行各作业单位的有序分布。
为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示，本申请实施例提供了一种自动化生产线的智能模拟评估方法，其中，所述方法应用于智能模拟评估系统，所述方法还包括：
步骤S100：获得第一待评估厂房信息；
具体而言，随着现代产品的复杂性增加，其工艺更加复杂，传统的流水线形式无法满足很多特定产品的生产过程，这就需要对产线的布局、工艺、物流进行设计，以避免出现效率及成本的浪费。在本申请实施例中，通过对生产产线进行一定的智能模拟评估，在虚拟环境中对其进行优化，使得实际分布的生产产线更有利于产品的自动加工，提高生产效率，其中，所述第一待评估厂房信息为对目标厂房进行产线的智能模拟评估，使得评估出匹配目标厂房的产线流程。
步骤S200：根据所述第一待评估厂房信息，获得作业单元分布空间集，所述作业单元分布空间集包括生产加工区、缓存区以及物料堆放区；
步骤S300：根据所述第一待评估厂房信息，获得预设生产工艺流程；
具体而言，所述作业单元分布空间集包括了各种作业区的空间分布集合，具体包括生产加工区，负责对生产原材料进行加工，是产线的核心区域；缓存区，具备后补功能，负责对生产过程的任一流程给予帮助；物料堆放区，顾名思义，生产原材料的收纳放置区域，以及其他作业空间等，同时，所述预设生产工艺流程可理解为基于目标厂房的生产成品预设的相关生产工艺流程，一般来讲，包括原料准备、原料加工、半成品流转、成品检测以及废品回修等流程，各个流程紧密配合，实现了生产产线的智能运转。
步骤S400：将所述作业单元分布空间集和所述预设生产工艺流程输入产线布局模拟系统进行训练，获得所述第一待评估厂房信息的初步产线布局信息；
具体而言，已知所述作业单元分布空间集和所述预设生产工艺流程，为了基于此获得目标厂房的产线布局，可将其输入所述产线布局模拟系统进行训练，所述产线布局模拟系统可对目标厂房相关的作业空间与工艺流程进行特征分析，进而给出适合目标厂房的产线分布，所述初步产线布局信息即为基于所述第一待评估厂房信息的初步的产线布局。
步骤S500：根据所述生产加工区，获得所需生产加工设备集合；
步骤S600：根据所述所需生产加工设备集合，获得各设备间相对位置集合和预设通道横向面积信息；
具体而言，所述所需生产加工设备集合可理解为目标厂房生产产品时，需要用到的加工设备，进一步的，所述各设备间相对位置集合可理解为生产设备两两之间的相对位置，需保持适当距离，配合实际工艺流程进行调整，所述预设通道横向面积信息为预设的生产车间的可通行的通道面积，需结合实际产线和生产成品而定，基于设备位置集合和通道面积，可对所述初步产线布局信息进行进一步的优化，使得实际的产线布局更加有利于产品的生产加工。
步骤S700：将所述初步产线布局信息、所述各设备间相对位置集合以及所述预设通道横向面积信息输入产线布局优化系统进行优化，获得所述第一待评估厂房信息的实际产线分布信息；
步骤S800：根据所述实际产线分布信息，对第一待评估厂房进行各作业单位的有序分布。
具体而言，为了进一步对所述初步产线布局信息进行优化，具体的，可将所述初步产线布局信息、所述各设备间相对位置集合以及所述预设通道横向面积信息输入产线布局优化系统进行优化，所述产线布局优化系统与所述产线布局模拟系统一脉相承，且为所述产线布局模拟系统的进阶，即基于更多的影响因素对所述初步产线布局信息进行优化，进而获得目标厂房的实际产线分布信息，所述实际产线分布信息即为最终获得的可以分布的产线，进而基于所述实际产线分布信息，对第一待评估厂房进行各作业单位的有序分布，进而使得各作业单位各司其职，合力确保生产工艺流程平稳有效进行。
优选的，本申请实施例还包括：
步骤S910：根据所述预设生产工艺流程，获得生产原材料信息、生产返修品信息以及生产合格品信息；
步骤S920：基于所述生产原材料信息、所述生产返修品信息以及所述生产合格品信息，生成物料流转路线集；
步骤S930：将所述物料流转路线集输入生产流程模拟系统进行训练，获得第一物料流转路线；
步骤S940：根据所述第一物料流转路线，对所述生产原材料信息、所述生产返修品信息以及所述生产合格品信息进行物料流转。
具体而言，还可基于物料流转对产线进行规范，进一步的，物料是生产工艺中不可缺少的部分，所述生产原材料信息既是如此，是生产工艺的起点，同时，所述生产返修品信息可理解为，生产的成品不符合出厂要求，返回生产线进行再加工的产品，所述生产合格品信息与所述生产返修品信息恰恰相反，为符合出厂要求，可投入实际应用的产品，由于不同流程的物料都有各自对应的流转线路，即生产原材料向着下一流程流转，返修品向上一流程流转，合格品向包装流程流转等，因此，可基于所述生产原材料信息、所述生产返修品信息以及所述生产合格品信息，生成物料流转路线集，所述物料流转线路集包括了各种可以实现的物料流转线路，尽管方便与否、距离远近等，为了获得一条最佳的物料流转线路，可将所述物料流转路线集输入生产流程模拟系统进行训练，所述生产流程模拟系统可对物料的加工生产进行一定模拟，所述第一物料流转线路即为适合目标厂房产品生产的物料最佳流转线路，所述第一物料流转线路在满足工艺的前提下，使得物流运输路径方便快捷，尽量避免物料交叉搬运与逆向流动，做到物流运输时间最短，进而根据所述第一物料流转路线，对所述生产原材料信息、所述生产返修品信息以及所述生产合格品信息进行物料流转，实现了基于物料流转对产线进行进一步的规范。
优选的，如图2所示，本申请实施例还包括：
步骤S1010：获得所述生产原材料信息的第一尺寸信息，并生成第一流转路径；
步骤S1020：获得生产半成品信息的第二尺寸信息，并生成第二流转路径；
步骤S1030：获得所述生产返修品信息的第三尺寸信息，并生成第三流转路径；
步骤S1040：根据所述智能模拟评估系统，生成第一预设场景，所述第一预设场景为将生产返修品进行返修的流转场景；
步骤S1050：将所述第一流转路径、所述第二流转路径以及所述第三流转路径上传至所述第一预设场景，生成第一VR模拟场景；
步骤S1060：基于所述第一VR模拟场景，判断所述生产原材料信息与所述生产返修品信息，和/或，所述生产半成品信息与所述生产返修品信息之间是否发生碰撞，并生成第一判断结果；
步骤S1070：根据所述第一判断结果，对所述第一物料流转路线进行调整。
具体而言，为了考虑物料流转过程中的可能出现的问题，进一步的，所述第一尺寸信息为生产原材料的尺寸，举例而言，如果目标工厂生产家具，则生产原材料大都为木材，一般尺寸较大，所述第一流转路径则为将木材运转至下一流程的路径，所述生产半成品信息即为生产过程中的家具半成品，可以是衣柜的框架等，则所述第二尺寸信息为半成品衣柜的外部尺寸，所述第二流转路径即为将衣柜框架运转至下一流程的路径，所述第三尺寸信息对应生产返修品的尺寸，即为已经加工好，但不符合出厂要求，需要返修的产品，所述第三流转路径即为将返修品运转至上一流程的路径，进一步的，可基于所述智能模拟评估系统，生成第一预设场景，举例而言，所述第一预设场景为将生产返修品进行返修的流转场景，众所周知，生产产线是一个循环不间断的流水线，在将返修品进行返修的过程中，新一轮的生产线继续进行，因此可将所述第一流转路径、所述第二流转路径以及所述第三流转路径上传至所述第一预设场景，生成第一VR模拟场景，所述第一VR模拟场景清晰地展示了循环往复的生产流程，因生产过程中，各个物料的尺寸存在差异，因此可基于所述第一VR模拟场景，判断所述生产原材料信息与所述生产返修品信息，和/或，所述生产半成品信息与所述生产返修品信息之间是否发生碰撞，进一步可理解为，因物料大小存在差异，返修品在返回过程中是否会与原材料运转至下一流程过程中出现碰撞，又或是，返修品在返回过程中是否会与半成品运转至下一流程过程中出现碰撞，所述第一判断结果即为模拟得到的结果，如果发生碰撞，对所述第一物料流转路线进行调整，实现了对于物料流转过程中可能出现的问题进一步细化解决，进而确保整个物料流转线路畅通无误。
优选的，本申请实施例还包括：
步骤S1110：基于所述预设生产工艺流程，获得劳力输出作业流程；
步骤S1120：根据所述劳力输出作业流程，预设人工作业活动空间；
步骤S1130：判断所述人工作业活动空间与物料流转路径之间是否存在视野盲区；
步骤S1140：若所述人工作业活动空间与所述物料流转路径之间存在所述视野盲区，生成第一修正指令；
步骤S1150：根据所述第一修正指令，对所述人工作业活动空间进行修正。
具体而言，为了对产线分布进行全面到位的评估，进一步的，所述劳力输出作业流程指的是需要人工参与的工艺流程，即机器的控制等，所述人工作业活动空间为预设的工人操作的可活动空间，进而判断所述人工作业活动空间与物料流转路径之间是否存在视野盲区，换言之，在工艺加工过程中，要确保工人的视线范围不被遮挡，肢体可以达到要求位置，空间大小方便工人操作，承受的负荷及操作时间不易使工人疲劳，同时在危险环境中要有安全防护措施等，因此确保操作人员视野宽泛是规定且必须达到的，如果操作人员操作过程中，因流转线上的货物尺寸过大而遮挡住了操作视野，对操作过程及操作人员安全形成了一定威胁，为了消除这种威胁因素，可根据所述第一修正指令，对所述人工作业活动空间进行修正，进而实现了对产线分布进行全面到位的评估，避免危险事故发生。
优选的，所述将所述物料流转路线集输入生产流程模拟系统进行训练，获得第一物料流转路线，步骤S930还包括：
步骤S931：根据所述物料流转路线集，获得第一特征数据集；
步骤S932：对所述第一特征数据集进行中心化处理，获得第二特征数据集；
步骤S933：获得所述第二特征数据集的第一协方差矩阵；
步骤S934：对所述第一协方差矩阵进行运算，获得所述第一协方差矩阵的第一特征值和第一特征向量；
步骤S935：将所述第一特征数据集投影到所述第一特征向量，获得第一降维数据集，其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。
具体而言，可根据所述物料流转路线集，获得第一特征数据集，进而对提取到的特征数据进行数值化处理，并构建特征数据集矩阵，获得所述第一特征数据集。继而对所述第一特征数据集中的各特征数据进行中心化处理，首先求解所述第一特征数据集中各特征的平均值，然后对于所有的样本，每一个特征都减去自身的均值，继而获得新的特征值，由新的特征值构成所述第二特征数据集，所述第二特征数据集为一数据矩阵。通过协方差公式：
对所述第二特征数据集进行运算，获得所述第二特征数据集的第一协方差矩阵。其中，
为所述第二特征数据集中的特征数据；
为该特征数据的平均值；M为所述第二特征数据集中的样本数据总量。继而通过矩阵运算，求出所述第一协方差矩阵的特征值及特征向量，且每一特征值对应一个特征向量。在求出的所述第一特征向量中，选取最大的前K个特征值及其对应的特征向量，并将所述第一特征数据集中的原始特征投影到所选取的特征向量之上，得到降维之后的所述第一特征数据集。通过主成分分析法对数据库中的特征数据进行降维处理，在保证信息量的前提下，剔除冗余数据，使得数据库中特征数据的样本量减小，且降维后信息量损失最小，从而加快训练模型对于数据的运算速度。
优选的，本申请实施例还包括：
步骤S936：对所述第一降维数据集和所述物料流转路线集进行遍历的特征分析，获得第一损失数据；
步骤S937：将所述第一损失数据输入物料流转路线评估模型进行增量学习，生成第二物料流转路线评估模型，所述第二物料流转路线评估模型包含于所述生产流程模拟系统。
具体而言，对所述物料流转路线集进行降维处理之后，不可避免的会造成源数据种类的丢失，为了对丢失的数据进行处理，进一步的，可对所述第一降维数据集和所述物料流转路线集进行线路特征的状态损失分析，即对其中包含的线路特征进行遍历分析，所述第一损失数据即为通过降维处理损失的源数据特征，进而将所述第一损失数据输入物料流转路线评估模型进行增量学习，换言之，每当新增数据时，并不需要重建所有的知识库，而是在原有知识库的基础上，仅对由于新增数据所引起的变化进行更新，在此，新增数据就可以理解为降维处理损失的源数据种类，通过对其增量学习，可生成第二物料流转路线评估模型，确保了源数据的种类多样性，提高模型训练效率。
优选的，本申请实施例还包括：
步骤S938：将所述物料流转路线集输入所述第二物料流转路线评估模型，所述第二物料流转路线评估模型通过多组训练数据训练所得，所述多组训练数据中的每一组训练数据均包括：所述物料流转路线集合以及用来标识第一物料流转路线的标识信息；
步骤S939：获得所述第二物料流转路线评估模型的输出信息，所述输出信息包括所述第一物料流转路线。
具体而言，所述第二物料流转路线评估模型为一神经网络模型，所述神经网络模型通过多组训练数据训练获得，所述神经网络模型即机器学习中的神经网络模型，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。所述神经网络模型通过训练数据训练的过程本质上为监督学习的过程。所述多组中的训练数据中的每一组训练数据均包括所述物料流转路线集合以及用来标识第一物料流转路线的标识信息，在获得所述物料流转路线集的情况下，神经网络模型会输出所述第一物料流转路线的标识信息来对神经网络模型输出的所述第一物料流转路线进行校验，如果输出的所述第一物料流转路线同标识的所述第一物料流转路线相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果输出的所述第一物料流转路线同标识的所述第一物料流转路线不一致，则神经网络模型自身进行调整，直到神经网络模型达到预期的准确率后，进行下一组数据的监督学习。通过训练数据使神经网络模型自身不断地修正、优化，通过监督学习的过程来提高神经网络模型处理所述数据的准确性，进而使得所述第一物料流转路线更加准确。
与现有技术相比，本发明具有如下的有益效果：
1、通过获得第一待评估厂房信息，获得作业单元分布空间集，进而获得预设生产工艺流程，将作业单元分布空间集和预设生产工艺流程输入产线布局模拟系统进行训练，获得初步产线布局信息，同时获得所需生产加工设备集合，获得各设备间相对位置集合和预设通道横向面积信息，进而将初步产线布局信息、各设备间相对位置集合以及预设通道横向面积信息输入产线布局优化系统，获得实际产线分布信息，进而对第一待评估厂房进行各作业单位的有序分布。基于作业单元分布空间集、预设生产工艺流程、各设备间相对位置集合以及预设通道横向面积信息等因素，达到了对生产线进行全面细致的智能模拟评估，在虚拟环境中对其进行优化，使得实际分布的生产线更有利于产品的自动加工，进而提高生产效率的技术效果。
实施例二
基于与前述实施例中一种自动化生产线的智能模拟评估方法同样发明构思，本发明还提供了一种自动化生产线的智能模拟评估系统，如图3所示，所述系统包括：
第一获得单元11：所述第一获得单元11用于获得第一待评估厂房信息；
第二获得单元12：所述第二获得单元12用于根据所述第一待评估厂房信息，获得作业单元分布空间集，所述作业单元分布空间集包括生产加工区、缓存区以及物料堆放区；
第三获得单元13：所述第三获得单元13用于根据所述第一待评估厂房信息，获得预设生产工艺流程；
第一输入单元14：所述第一输入单元14用于将所述作业单元分布空间集和所述预设生产工艺流程输入产线布局模拟系统进行训练，获得所述第一待评估厂房信息的初步产线布局信息；
第四获得单元15：所述第四获得单元15用于根据所述生产加工区，获得所需生产加工设备集合；
第五获得单元16：所述第五获得单元16用于根据所述所需生产加工设备集合，获得各设备间相对位置集合和预设通道横向面积信息；
第二输入单元17：所述第二输入单元17用于将所述初步产线布局信息、所述各设备间相对位置集合以及所述预设通道横向面积信息输入产线布局优化系统进行优化，获得所述第一待评估厂房信息的实际产线分布信息；
第一分布单元18：所述第一分布单元18用于根据所述实际产线分布信息，对第一待评估厂房进行各作业单位的有序分布。
进一步的，所述系统还包括：
第六获得单元：所述第六获得单元用于根据所述预设生产工艺流程，获得生产原材料信息、生产返修品信息以及生产合格品信息；
第一生成单元：所述第一生成单元用于基于所述生产原材料信息、所述生产返修品信息以及所述生产合格品信息，生成物料流转路线集；
第三输入单元：所述第三输入单元用于将所述物料流转路线集输入生产流程模拟系统进行训练，获得第一物料流转路线；
第一流转单元：所述第一流转单元用于根据所述第一物料流转路线，对所述生产原材料信息、所述生产返修品信息以及所述生产合格品信息进行物料流转。
进一步的，所述系统还包括：
第七获得单元：所述第七获得单元用于获得所述生产原材料信息的第一尺寸信息，并生成第一流转路径；
第八获得单元：所述第八获得单元用于获得生产半成品信息的第二尺寸信息，并生成第二流转路径；
第九获得单元：所述第九获得单元用于获得所述生产返修品信息的第三尺寸信息，并生成第三流转路径；
第二生成单元：所述第二生成单元用于根据所述智能模拟评估系统，生成第一预设场景，所述第一预设场景为将生产返修品进行返修的流转场景；
第一上传单元：所述第一上传单元用于将所述第一流转路径、所述第二流转路径以及所述第三流转路径上传至所述第一预设场景，生成第一VR模拟场景；
第一判断单元：所述第一判断单元用于基于所述第一VR模拟场景，判断所述生产原材料信息与所述生产返修品信息，和/或，所述生产半成品信息与所述生产返修品信息之间是否发生碰撞，并生成第一判断结果；
第一调整单元：所述第一调整单元用于根据所述第一判断结果，对所述第一物料流转路线进行调整。
进一步的，所述系统还包括：
第十获得单元：所述第十获得单元用于基于所述预设生产工艺流程，获得劳力输出作业流程；
第一预设单元：所述第一预设单元用于根据所述劳力输出作业流程，预设人工作业活动空间；
第二判断单元：所述第二判断单元用于判断所述人工作业活动空间与物料流转路径之间是否存在视野盲区；
第三生成单元：所述第三生成单元用于若所述人工作业活动空间与所述物料流转路径之间存在所述视野盲区，生成第一修正指令；
第一修正单元：所述第一修正单元用于根据所述第一修正指令，对所述人工作业活动空间进行修正。
进一步的，所述系统还包括：
第十一获得单元：所述第十一获得单元用于根据所述物料流转路线集，获得第一特征数据集；
第一处理单元：所述第一处理单元用于对所述第一特征数据集进行中心化处理，获得第二特征数据集；
第十二获得单元：所述第十二获得单元用于获得所述第二特征数据集的第一协方差矩阵；
第一运算单元：所述第一运算单元用于对所述第一协方差矩阵进行运算，获得所述第一协方差矩阵的第一特征值和第一特征向量；
第一投影单元：所述第一投影单元用于将所述第一特征数据集投影到所述第一特征向量，获得第一降维数据集，其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。
进一步的，所述系统还包括：
第一分析单元：所述第一分析单元用于对所述第一降维数据集和所述物料流转路线集进行遍历的特征分析，获得第一损失数据；
第四输入单元：所述第四输入单元用于将所述第一损失数据输入物料流转路线评估模型进行增量学习，生成第二物料流转路线评估模型，所述第二物料流转路线评估模型包含于所述生产流程模拟系统。
进一步的，所述系统还包括：
第五输入单元：所述第五输入单元用于将所述物料流转路线集输入所述第二物料流转路线评估模型，所述第二物料流转路线评估模型通过多组训练数据训练所得，所述多组训练数据中的每一组训练数据均包括：所述物料流转路线集合以及用来标识第一物料流转路线的标识信息；
第十三获得单元：所述第十三获得单元用于获得所述第二物料流转路线评估模型的输出信息，所述输出信息包括所述第一物料流转路线。
前述图1实施例一中的一种自动化生产线的智能模拟评估方法的各种变化方式和具体实例同样适用于本实施例的一种自动化生产线的智能模拟评估系统，通过前述对一种自动化生产线的智能模拟评估方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种自动化生产线的智能模拟评估系统的实施方法，所以为了说明书的简洁，再次不再详述。
实施例三
下面参考图4来描述本申请实施例的电子设备。
图4图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实例施中一种自动化生产线的智能模拟评估方法的发明构思，本发明还提供一种自动化生产线的智能模拟评估系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种自动化生产线的智能模拟评估系统的任一方法的步骤。
其中，在图4中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供一种自动化生产线的智能模拟评估方法，其中，所述方法应用于智能模拟评估系统，所述方法还包括：获得第一待评估厂房信息；根据所述第一待评估厂房信息，获得作业单元分布空间集，所述作业单元分布空间集包括生产加工区、缓存区以及物料堆放区；根据所述第一待评估厂房信息，获得预设生产工艺流程；将所述作业单元分布空间集和所述预设生产工艺流程输入产线布局模拟系统进行训练，获得所述第一待评估厂房信息的初步产线布局信息；根据所述生产加工区，获得所需生产加工设备集合；根据所述所需生产加工设备集合，获得各设备间相对位置集合和预设通道横向面积信息；将所述初步产线布局信息、所述各设备间相对位置集合以及所述预设通道横向面积信息输入产线布局优化系统进行优化，获得所述第一待评估厂房信息的实际产线分布信息；根据所述实际产线分布信息，对第一待评估厂房进行各作业单位的有序分布。
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系统。
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系统的制造品，该指令系统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 (9)
1.一种自动化生产线的智能模拟评估方法，其中，所述方法应用于智能模拟评估系统，所述方法还包括：
获得第一待评估厂房信息；
根据所述第一待评估厂房信息，获得作业单元分布空间集，所述作业单元分布空间集包括生产加工区、缓存区以及物料堆放区；
根据所述第一待评估厂房信息，获得预设生产工艺流程；
将所述作业单元分布空间集和所述预设生产工艺流程输入产线布局模拟系统进行训练，获得所述第一待评估厂房信息的初步产线布局信息；
根据所述生产加工区，获得所需生产加工设备集合；
根据所述所需生产加工设备集合，获得各设备间相对位置集合和预设通道横向面积信息；
将所述初步产线布局信息、所述各设备间相对位置集合以及所述预设通道横向面积信息输入产线布局优化系统进行优化，获得所述第一待评估厂房信息的实际产线分布信息；
根据所述实际产线分布信息，对第一待评估厂房进行各作业单位的有序分布。
2.如权利要求1所述的方法，其中，所述方法还包括：
根据所述预设生产工艺流程，获得生产原材料信息、生产返修品信息以及生产合格品信息；
基于所述生产原材料信息、所述生产返修品信息以及所述生产合格品信息，生成物料流转路线集；
将所述物料流转路线集输入生产流程模拟系统进行训练，获得第一物料流转路线；
根据所述第一物料流转路线，对所述生产原材料信息、所述生产返修品信息以及所述生产合格品信息进行物料流转。
3.如权利要求2所述的方法，其中，所述方法还包括：
获得所述生产原材料信息的第一尺寸信息，并生成第一流转路径；
获得生产半成品信息的第二尺寸信息，并生成第二流转路径；
获得所述生产返修品信息的第三尺寸信息，并生成第三流转路径；
根据所述智能模拟评估系统，生成第一预设场景，所述第一预设场景为将生产返修品进行返修的流转场景；
将所述第一流转路径、所述第二流转路径以及所述第三流转路径上传至所述第一预设场景，生成第一VR模拟场景；
基于所述第一VR模拟场景，判断所述生产原材料信息与所述生产返修品信息，和/或，所述生产半成品信息与所述生产返修品信息之间是否发生碰撞，并生成第一判断结果；
根据所述第一判断结果，对所述第一物料流转路线进行调整。
4.如权利要求3所述的方法，其中，所述方法还包括：
基于所述预设生产工艺流程，获得劳力输出作业流程；
根据所述劳力输出作业流程，预设人工作业活动空间；
判断所述人工作业活动空间与物料流转路径之间是否存在视野盲区；
若所述人工作业活动空间与所述物料流转路径之间存在所述视野盲区，生成第一修正指令；
根据所述第一修正指令，对所述人工作业活动空间进行修正。
5.如权利要求2所述的方法，其中，所述将所述物料流转路线集输入生产流程模拟系统进行训练，获得第一物料流转路线，还包括：
根据所述物料流转路线集，获得第一特征数据集；
对所述第一特征数据集进行中心化处理，获得第二特征数据集；
获得所述第二特征数据集的第一协方差矩阵；
对所述第一协方差矩阵进行运算，获得所述第一协方差矩阵的第一特征值和第一特征向量；
将所述第一特征数据集投影到所述第一特征向量，获得第一降维数据集，其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。
6.如权利要求5所述的方法，其中，所述方法还包括：
对所述第一降维数据集和所述物料流转路线集进行遍历的特征分析，获得第一损失数据；
将所述第一损失数据输入物料流转路线评估模型进行增量学习，生成第二物料流转路线评估模型，所述第二物料流转路线评估模型包含于所述生产流程模拟系统。
7.如权利要求6所述的方法，其中，所述方法还包括：
将所述物料流转路线集输入所述第二物料流转路线评估模型，所述第二物料流转路线评估模型通过多组训练数据训练所得，所述多组训练数据中的每一组训练数据均包括：所述物料流转路线集合以及用来标识第一物料流转路线的标识信息；
获得所述第二物料流转路线评估模型的输出信息，所述输出信息包括所述第一物料流转路线。
8.一种自动化生产线的智能模拟评估系统，其中，所述系统包括：
第一获得单元：所述第一获得单元用于获得第一待评估厂房信息；
第二获得单元：所述第二获得单元用于根据所述第一待评估厂房信息，获得作业单元分布空间集，所述作业单元分布空间集包括生产加工区、缓存区以及物料堆放区；
第三获得单元：所述第三获得单元用于根据所述第一待评估厂房信息，获得预设生产工艺流程；
第一输入单元：所述第一输入单元用于将所述作业单元分布空间集和所述预设生产工艺流程输入产线布局模拟系统进行训练，获得所述第一待评估厂房信息的初步产线布局信息；
第四获得单元：所述第四获得单元用于根据所述生产加工区，获得所需生产加工设备集合；
第五获得单元：所述第五获得单元用于根据所述所需生产加工设备集合，获得各设备间相对位置集合和预设通道横向面积信息；
第二输入单元：所述第二输入单元用于将所述初步产线布局信息、所述各设备间相对位置集合以及所述预设通道横向面积信息输入产线布局优化系统进行优化，获得所述第一待评估厂房信息的实际产线分布信息；
第一分布单元：所述第一分布单元用于根据所述实际产线分布信息，对第一待评估厂房进行各作业单位的有序分布。
9.一种自动化生产线的智能模拟评估系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110676598.6A CN113298429B (zh) | 2021-06-21 | 2021-06-21 | 一种自动化生产线的智能模拟评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110676598.6A CN113298429B (zh) | 2021-06-21 | 2021-06-21 | 一种自动化生产线的智能模拟评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113298429A true CN113298429A (zh) | 2021-08-24 |
| CN113298429B CN113298429B (zh) | 2024-06-25 |
Family
ID=77328672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110676598.6A Active CN113298429B (zh) | 2021-06-21 | 2021-06-21 | 一种自动化生产线的智能模拟评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113298429B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114519820A (zh) * | 2022-02-11 | 2022-05-20 | 常州刘国钧高等职业技术学校 | 一种基于机器视觉的柑橘筛选自动修正控制方法及系统 |
| CN115858308A (zh) * | 2022-12-30 | 2023-03-28 | 珠海市众知科技有限公司 | 基于大数据的自动化加工信息智能监测系统及方法 |
| CN117314263A (zh) * | 2023-11-27 | 2023-12-29 | 中国电子工程设计院股份有限公司 | 一种电子工厂生产线布局的评价方法及装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000039905A (ja) * | 1998-07-24 | 2000-02-08 | Mitsubishi Electric Corp | 工場計画作成装置 |
| KR20090123051A (ko) * | 2008-05-27 | 2009-12-02 | 재단법인서울대학교산학협력재단 | 가상의 공장 모델 구축 방법 및 장치 |
| KR20090123053A (ko) * | 2008-05-27 | 2009-12-02 | 재단법인서울대학교산학협력재단 | 시뮬레이션 기반 공장 레이아웃 설계 장치 및 방법 |
| US20160171401A1 (en) * | 2014-12-11 | 2016-06-16 | Hao Wu | Layout optimization for interactional objects in a constrained geographical area |
| CN108846502A (zh) * | 2018-04-27 | 2018-11-20 | 中车青岛四方机车车辆股份有限公司 | 车间生产线布局优化方法及装置 |
| CN108873829A (zh) * | 2018-05-28 | 2018-11-23 | 上海新增鼎数据科技有限公司 | 一种基于梯度提升决策树的磷酸生产参数控制方法 |
| WO2019112380A1 (ko) * | 2017-12-08 | 2019-06-13 | 에스케이 주식회사 | 스마트 팩토리 레이아웃 효율성 평가 방법 및 시스템 |
| CN109948933A (zh) * | 2019-04-18 | 2019-06-28 | 南京百仕瑞企业管理咨询有限公司 | 一种智能工厂布局规划方法及系统 |
| US20190236479A1 (en) * | 2018-01-31 | 2019-08-01 | The Johns Hopkins University | Method and apparatus for providing efficient testing of systems by using artificial intelligence tools |
| CN110084405A (zh) * | 2019-04-01 | 2019-08-02 | 青岛科技大学 | 吞吐柔性智能装配物流路径规划方法 |
| US20190354641A1 (en) * | 2018-05-21 | 2019-11-21 | Arizona Board Of Regents On Behalf Of The University Of Arizona | Systems and methods for simulation-based resource and layout optimization |
-
2021
- 2021-06-21 CN CN202110676598.6A patent/CN113298429B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000039905A (ja) * | 1998-07-24 | 2000-02-08 | Mitsubishi Electric Corp | 工場計画作成装置 |
| KR20090123051A (ko) * | 2008-05-27 | 2009-12-02 | 재단법인서울대학교산학협력재단 | 가상의 공장 모델 구축 방법 및 장치 |
| KR20090123053A (ko) * | 2008-05-27 | 2009-12-02 | 재단법인서울대학교산학협력재단 | 시뮬레이션 기반 공장 레이아웃 설계 장치 및 방법 |
| US20160171401A1 (en) * | 2014-12-11 | 2016-06-16 | Hao Wu | Layout optimization for interactional objects in a constrained geographical area |
| WO2019112380A1 (ko) * | 2017-12-08 | 2019-06-13 | 에스케이 주식회사 | 스마트 팩토리 레이아웃 효율성 평가 방법 및 시스템 |
| US20190236479A1 (en) * | 2018-01-31 | 2019-08-01 | The Johns Hopkins University | Method and apparatus for providing efficient testing of systems by using artificial intelligence tools |
| CN108846502A (zh) * | 2018-04-27 | 2018-11-20 | 中车青岛四方机车车辆股份有限公司 | 车间生产线布局优化方法及装置 |
| US20190354641A1 (en) * | 2018-05-21 | 2019-11-21 | Arizona Board Of Regents On Behalf Of The University Of Arizona | Systems and methods for simulation-based resource and layout optimization |
| CN108873829A (zh) * | 2018-05-28 | 2018-11-23 | 上海新增鼎数据科技有限公司 | 一种基于梯度提升决策树的磷酸生产参数控制方法 |
| CN110084405A (zh) * | 2019-04-01 | 2019-08-02 | 青岛科技大学 | 吞吐柔性智能装配物流路径规划方法 |
| CN109948933A (zh) * | 2019-04-18 | 2019-06-28 | 南京百仕瑞企业管理咨询有限公司 | 一种智能工厂布局规划方法及系统 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114519820A (zh) * | 2022-02-11 | 2022-05-20 | 常州刘国钧高等职业技术学校 | 一种基于机器视觉的柑橘筛选自动修正控制方法及系统 |
| CN114519820B (zh) * | 2022-02-11 | 2023-05-16 | 常州刘国钧高等职业技术学校 | 一种基于机器视觉的柑橘筛选自动修正控制方法及系统 |
| CN115858308A (zh) * | 2022-12-30 | 2023-03-28 | 珠海市众知科技有限公司 | 基于大数据的自动化加工信息智能监测系统及方法 |
| CN117314263A (zh) * | 2023-11-27 | 2023-12-29 | 中国电子工程设计院股份有限公司 | 一种电子工厂生产线布局的评价方法及装置 |
| CN117314263B (zh) * | 2023-11-27 | 2024-03-26 | 中国电子工程设计院股份有限公司 | 一种电子工厂生产线布局的评价方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113298429B (zh) | 2024-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113298429A (zh) | 一种自动化生产线的智能模拟评估方法及系统 | |
| CN108763710B (zh) | 一种基于bim的装配式建筑正向深化设计方法 | |
| CN108121216B (zh) | 一种基于数字化工厂的自动化车间虚拟调试方法 | |
| US11010506B2 (en) | Method for designing a die surface | |
| CN104122796B (zh) | 一种智能装配序列规划方法 | |
| CN106951695A (zh) | 多工况下的机械设备剩余使用寿命计算方法及系统 | |
| CN110794788B (zh) | 一种生产排程装置、方法、设备及计算机可读存储介质 | |
| US20200401113A1 (en) | Determining optimal material and/or manufacturing process | |
| CN111356988B (zh) | 用于调度半导体加工的方法和系统 | |
| CN110163409B (zh) | 一种应用于置换流水车间的卷积神经网络调度方法 | |
| Mohtashami | A new hybrid method for buffer sizing and machine allocation in unreliable production and assembly lines with general distribution time-dependent parameters | |
| CN111931340A (zh) | 一种公差管理系统及管理方法 | |
| Stittgen et al. | Towards operating curves of additive manufacturing equipment: production logistics and its contribution to increased productivity and reduced throughput time | |
| US11699013B2 (en) | Computer-implemented method for simulation of an electrical circuit | |
| CN115545246A (zh) | 多车型分批柔性生产线调度方法 | |
| CN115983584A (zh) | 一种装配过程规划优化方法、装置、设备及介质 | |
| Kikolski | Determination of ISO 22400 Key Performance Indicators using Simulation Models: The Concept and Methodology. | |
| Efthymiou et al. | Evaluating manufacturing systems robustness: an aerospace case study | |
| CN106067075B (zh) | 一种建筑用能负荷预测模型建立、负荷预测方法及其装置 | |
| Bernedixen et al. | Simulation-based multi-objective bottleneck improvement: towards an automated toolset for industry | |
| CN110287272A (zh) | 一种可配置实时特征提取方法、装置及系统 | |
| US11757741B2 (en) | Demand prediction apparatus, demand prediction method and program for predicting a demand of a path on a network using selected trend patterns | |
| KR20130015426A (ko) | ３ｄ 플랜트 구축 공정 시뮬레이션을 이용한 자동차 차체공장 구축 방법 | |
| Gerschütz et al. | Enabling Initial Design-Checks of Parametric Designs Using Digital Engineering Methods | |
| Xin et al. | Analysis of chaotic dynamics for aircraft assembly lines |
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 |