CN113780883A - 生产车间调度方法、装置和存储介质 - Google Patents

生产车间调度方法、装置和存储介质 Download PDF

Info

Publication number
CN113780883A
CN113780883A CN202111130672.0A CN202111130672A CN113780883A CN 113780883 A CN113780883 A CN 113780883A CN 202111130672 A CN202111130672 A CN 202111130672A CN 113780883 A CN113780883 A CN 113780883A
Authority
CN
China
Prior art keywords
quality evaluation
evaluation index
procedure
equipment
score
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.)
Pending
Application number
CN202111130672.0A
Other languages
English (en)
Inventor
刘义俊
刘孝阳
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.)
Wuxi Weiint Data Technology Co ltd
Original Assignee
Wuxi Weiint Data Technology Co ltd
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 Wuxi Weiint Data Technology Co ltd filed Critical Wuxi Weiint Data Technology Co ltd
Priority to CN202111130672.0A priority Critical patent/CN113780883A/zh
Publication of CN113780883A publication Critical patent/CN113780883A/zh
Pending legal-status Critical Current

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
    • G06Q10/0639—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
    • G06Q10/06—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
    • G06Q10/06395—Quality analysis or 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
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (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

本申请公开了一种生产车间调度方法、装置和存储介质，涉及生产制造技术领域，所述方法包括：获取目标制品在生产过程中的质量评价指标；对于每个质量评价指标，构建所述质量评价指标所对应的回归模型；根据每个质量评价指标所对应的回归模型，获取对第X+1工序中每台物料可送达设备的评分；根据获取到的各个评分对生产车间进行调度。解决了现有技术中需要动态调整设备参数，对生产资源造成浪费的问题，达到了将第X工序和第X+1工序相关联，实现将在制品调度到更合适的设备上进行加工，使得在制品的质量评价指标的参数值向着更好的方向发展，直至最后一道工序加工完毕。

Description

生产车间调度方法、装置和存储介质
技术领域
本发明涉及一种生产车间调度方法、装置和存储介质，属于生产制造技术领域。
背景技术
当今，光伏太阳能产业已经成为新能源的领军产业。资源与环境的变化要求光伏太阳能产业要能够满足未来社会对能源高依赖性的需求。然而，太阳能电池片(以下简称电池片)在生产过程中，不同设备的工艺参数的不同会给电池片的质量造成极大的影响，尤其是经过多道工序的累积之后，这种设备工艺参数差异的累积，会导致在不同设备上工艺的电池片的最终的成品质量出现非常大的差异。甚至，如果设备参数的不良影响一直累积到最后一道工序，会直接造成电池片成为不合格品，无法使用。
太阳能电池片在生产过程中，同一道工序的不同设备的工艺参数的差异，会对电池片的质量产生不同的影响。而为了提高太阳能电池片的成品质量，现有方法包括：采集工艺后产品质量状态的数据，通过分析质量状态数据的方差等数据，根据分析结果对设备的参数进行调整。
然而，由于上述方法需要动态的调整设备参数，这对生产资源会造成很大的浪费。
发明内容
本发明的目的在于提供一种生产车间调度方法、装置和存储介质，用于解决现有技术中存在的问题。
为达到上述目的，本发明提供如下技术方案：
根据第一方面，本发明实施例提供了一种生产车间调度方法，所述方法包括：
获取目标制品在生产过程中的质量评价指标；
对于每个质量评价指标，构建所述质量评价指标所对应的回归模型；
根据每个质量评价指标所对应的回归模型，获取对第X+1工序中每台物料可送达设备的评分；
根据获取到的各个评分对生产车间进行调度。
可选的，所述对于每个质量评价指标，构建所述质量评价指标所对应的回归模型，包括：
对于每个质量评价指标，根据所述目标制品的历史生产数据通过批梯度下降法，构建所述质量评价指标所对应的回归模型。
可选的，所述根据每个质量评价指标所对应的回归模型，获取对第X+1工序中每台物料可送达设备的评分，包括：
对于每个质量评价指标，通过所述质量评价指标所对应的回归模型预测物料经过第X+1工序中的每台物料可送到设备后的所述质量评价指标的预测值；
对于第X+1工序中的每台物料可送达设备，根据各个质量评价指标在第X工序的指标值以及对应的预测值，获取每台物料可送达设备的评分。
可选的，所述各个质量评价指标划分为第一类质量评价指标和第二类质量评价指标，所述第一类质量评价指标包括性能与指标值成正相关关系的质量评价指标，所述第二类质量评价指标包括性能与指标值成负相关关系的质量评价指标；
所述对于第X+1工序中的每台物料可送达设备，根据各个质量评价指标在第X工序的指标值以及对应的预测值，获取每台物料可送达设备的评分，包括：
对于第X+1工序中的每台物料可送达设备，根据所述第一类质量评价指标中的每个质量评价指标的预测值和指标值的差值计算第一得分；
根据所述第二类质量评价指标中的每个质量评价指标的指标值与预测值的差值计算第二得分；
根据计算得到的各个第一得分和第二得分，获取每台物料可送达设备的评分。
可选的，所述根据获取到的各个评分对生产车间进行调度之后，所述方法还包括：
对于每个质量评价指标，获取物料经过第X+1工序中的每台物料可送达设备后的所述质量评价指标的真实值；
根据所述真实值和对应的预测值更新每个质量评价指标所对应的回归模型。
可选的，所述根据获取到的各个评分对生产车间进行调度，包括：
根据获取得到的各个评分为所述第X+1工序中的每台物料可送达设备分配匹配的第X工序中的已下料设备；
根据分配结果对所述生产车间进行调度。
可选的，所述根据获取得到的各个评分为所述第X+1工序中的每台物料可送达设备分配匹配的第X工序中的已下料设备，包括：
若所述第X工序的目标已下料设备与所述第X+1工序中的至少两台物料可送达设备匹配，则将所述目标已下料设备分配至所述至少两台物料可送达设备中评分较高的一台。
可选的，所述根据获取得到的各个评分为所述第X+1工序中的每台物料可送达设备分配匹配的第X工序中的已下料设备，包括：
根据计算得到的各个评分形成匹配矩阵，所述匹配矩阵中的每一行对应于第X工序中的一台已下料的设备，每一列对应于第X+1工序中的一台物料可送达设备；
根据所述匹配矩阵为所述第X+1工序中的每台物料可送达设备分配匹配的第X工序中的已下料设备。
第二方面，提供了一种生产车间调度装置，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如第一方面所述的方法。
第三方面，提供了一种计算机存储介质，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如第一方面所述的方法。
通过获取目标制品在生产过程中的质量评价指标；对于每个质量评价指标，构建所述质量评价指标所对应的回归模型；根据每个质量评价指标所对应的回归模型，获取对第X+1工序中每台物料可送达设备的评分；根据获取到的各个评分对生产车间进行调度。解决了现有技术中需要动态调整设备参数，对生产资源造成浪费的问题，达到了将第X工序和第X+1工序相关联，实现将在制品调度到更合适的设备上进行加工，使得在制品的质量评价指标的参数值向着更好的方向发展，直至最后一道工序加工完毕。
另外，通过匹配矩阵进行设备之间的匹配，使得在制品的质量处于一个当前条件下的最优，对质量不好的在制品能够及时将其调度到工艺参数更加适合的设备上，同时对质量好的在制品也能够保证其质量不受工艺过程状态的影响，从而完成质量的优化。
附图说明
图1为本发明一个实施例提供的生产车间的任意两个工序的加工工序示意图；
图2为本发明一个实施例提供的生产车间调度方法的方法流程图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等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。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；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。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同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结合。
大多产品的生产过程是一个流水线生产车间，车间共有若干道工序组成，工序总数记为P，每一道工序都有若干台并行的设备进行相同的工艺，所有的制品流经所有的工序后形成成品。在如图1所示的示意图中，X和X+1为生产过程中的任意两道工序，M为X工序的设备数量，N为X+1工序的设备数量。
请参考图2，其示出了本申请一个实施例提供的生产车间调度方法的方法流程图，如图2所示，所述方法包括：
步骤201，获取目标制品在生产过程中的质量评价指标；
可选的，本步骤包括：根据目标制品的生产历史数据以及工艺要求，获取质量评价指标。
比如，以目标制品为太阳能电池来举例说明，质量评价指标包含但不限于少子寿命、工艺减重、折射率、反射率中的至少一种，获取到的质量评价指标的集合记为E＝{e1，e2，…，er}。其中，e1,e2，…，er为各个质量评价指标。
实际实现时，在获取得到质量评价指标之后，将制品的质量评价指标分为两类，第一类质量评价指标包括性能与指标值成正相关关系的质量评价指标，所述第二类质量评价指标包括性能与指标值成负相关关系的质量评价指标。这也就是说，第一类为数值越大越好的评价指标，记为B＝{b1，b2，…，bl}，第二类为数值越小越好的评价指标，记为S＝{s1，s2，…，sk}，有B∪S＝E，且
Figure BDA0003280370710000061
Figure BDA0003280370710000062
l+k＝r。
步骤202，对于每个质量评价指标，构建所述质量评价指标所对应的回归模型；
对于每个质量评价指标，根据所述目标制品的历史生产数据通过批梯度下降法，构建所述质量评价指标所对应的回归模型。
具体的，本步骤包括：
S1：根据历史生产数据和制造理论，得出工艺过程中影响在制品质量的影响因子，包含但不限于制绒槽液体浓度，制绒槽液体比例、炉温、气体浓度等影响因子，其集合记为F＝{factor1，factor1,…,factorp}，p为影响因子的个数。
其中，factor1,factor1,…,factorp为获取到的各个影响因子。
S2：针对集合E中的每一个质量评价指标，按照B和S两个分类分别建立线性回归方程，其线性回归方程为：
Figure BDA0003280370710000071
其中，i∈{1,2,3,…，l}，j∈{1,2，3，…,k}，即：共计建立(l+k)个回归模型，每一个回归模型对应一个质量评价指标，
Figure BDA0003280370710000072
表示影响因子factor1对质量评价指标bi的影响权重，
Figure BDA0003280370710000073
同理。
S3：根据历史生产数据，通过批梯度下降法，计算各个线性回归模型中各个参数
Figure BDA0003280370710000074
的拟合，从而得出拟合后的回归模型。
步骤203，根据每个质量评价指标所对应的回归模型，获取对第X+1工序中每台物料可送达设备的评分；
本步骤包括：
第一，对于每个质量评价指标，通过所述质量评价指标所对应的回归模型预测物料经过第X+1工序中的每台物料可送到设备后的所述质量评价指标的预测值；
对X工序的下料位的物料，通过数据采集平台与生产现场PLC交互获取其可以送达的第X+1工序的设备。对第X+1工序中可以送达的每一台设备，根据线性回归模型的预测值，实现对可送达设备的评价。其中，根据回归模型计算得到的预测值为
Figure BDA0003280370710000081
第二，对于第X+1工序中的每台物料可送达设备，根据各个质量评价指标在第X工序的指标值以及对应的预测值，获取每台物料可送达设备的评分。
(1)、对于第X+1工序中的每台物料可送达设备，根据所述第一类质量评价指标中的每个质量评价指标的预测值和指标值的差值计算第一得分；
对于集合B中的质量评价指标，在X+1工序加工之前，质量评价指标bi的值为Vbi，经过第X+1工序的加工之后，bi的预测值为
Figure BDA0003280370710000082
其中i∈{1,2，3,…,l}，对第X+1工序中，每一台设备对质量评价指标bi的评价得分为
Figure BDA0003280370710000083
Figure BDA0003280370710000084
(2)、根据所述第二类质量评价指标中的每个质量评价指标的指标值与预测值的差值计算第二得分；
对于集合S中的质量评价指标，在第X+1序加工之前，质量评价指标sj的值为Vsj，经过第X+1工序的加工之后，sj的预测值为
Figure BDA0003280370710000085
其中j∈{1，2，3,…，k}，对(X+1)工序中，每一台设备对质量评价指标sj的评价得分为
Figure BDA0003280370710000086
Figure BDA0003280370710000087
(3)、根据计算得到的各个第一得分和第二得分，获取每台物料可送达设备的评分。
对第X+1工序，任一台设备的总得分为：
Figure BDA0003280370710000088
其中z∈{1，2，3，…，n}，n为第X+1工序中可以接收X工序物料的设备总数量。
步骤204，根据获取到的各个评分对生产车间进行调度。
可选的。本步骤包括：
第一，根据获取得到的各个评分为所述第X+1工序中的每台物料可送达设备分配匹配的第X工序中的已下料设备；
实际实现时，可以将评分最高的第X工序的已下料设备和第X+1工序的可送达设备进行匹配。然而，若所述第X工序的目标已下料设备与所述第X+1工序中的至少两台物料可送达设备匹配，则将所述目标已下料设备分配至所述至少两台物料可送达设备中评分较高的一台。
可选的，本步骤还可以实现为：根据计算得到的各个评分形成匹配矩阵，所述匹配矩阵中的每一行对应于第X工序中的一台已下料的设备，每一列对应于第X+1工序中的一台物料可送达设备；根据所述匹配矩阵为所述第X+1工序中的每台物料可送达设备分配匹配的第X工序中的已下料设备。
实际实现时，对第X工序中已下料的设备集合XL＝{1，2，3，…，m}，第X+1工序中可以接收物料的设备集合JL＝{1，2，3，…，n}，根据集合XL中每一个设备xli(i＝1，2,3，…m)的物料在JL集合中每一台设备jlj(j＝1,2，…，n)上加工的得分(也即步骤203中计算得到的得分)，形成Match矩阵，矩阵的每一行对应X工序一台下料的设备，每一列对应X+1工序的一台可接收物料的设备或者虚拟设备。
如果m>n，添加(m-n)台虚拟设备，虚拟设备的得分为负无穷大,具体实现时，可取值为Q，Q为一个极小的负数，如-100000。
得出的矩阵Match如下：
Figure BDA0003280370710000101
其中，Scoreij为(X+1)工序第j个设备加工X工序的第i个下料口的物料的得分，且i∈{1，2,3,…m},j∈{1,2,3,…f}，f为m和n中的较大值。
在矩阵的每一行中选出一个得分最高的值，将该得分最高的值所在列分配给该行，如果某两行所对应的最大值所在列相同，将该列分配给值较大的行。比如若第1行与第2行中最大值所在列均为第(f-1)列，但是Score1(f-1)>Score2(f-1)，则将(f-1)列分配给第1行。
在矩阵Match中，对每一行都采用上述方式进行匹配，找出每一行所匹配的列，直至所有的行都匹配完成。
第二，根据分配结果对所述生产车间进行调度。
以通过匹配矩阵进行匹配来举例说明，根据矩阵的匹配结果进行解码。其中第一行对应XL集合中第一个设备xl1，第一列对应JL集合中的第一个设备jl1，以此类推，对匹配后的矩阵进行解码，得到最终的匹配结果。其中大于n的列，表示添加的虚拟设备，如果XL集合中有设备xli匹配到虚拟设备，表示设备xli下料位的物料需要等待，第X+1工序没有能足够的设备可以接收该物料。
在解码之后，将X工序的设备编号以及其对应的X+1工序的设备的编号发送到MCS(Material Control System)系统，驱动AGV(Automated Guided Vehicle)在生产车间实施调度，在调度结束后，实时解锁X工序和X+1工序的设备。
在上述各个实施例中，为了保证调度的精度，可以对构建的回归模型进行实时更新，更新的步骤包括：
第一，对于每个质量评价指标，获取物料经过第X+1工序中的每台物料可送达设备后的所述质量评价指标的真实值；
第二，根据所述真实值和对应的预测值更新每个质量评价指标所对应的回归模型。
在一种可能的实施例中，对于B集合中的质量评价指标bi，在没有经过第X+1工序之前值为Vbi，经过第X+1工序的某一台设备加工后其预测值为
Figure BDA0003280370710000111
实际上，经过第X+1工序的某一台设备加工后其真实值为
Figure BDA0003280370710000115
计算真实值与预测值之间的差异：
Figure BDA0003280370710000112
回归模型中第t个参数
Figure BDA0003280370710000113
的更新公式为：
Figure BDA0003280370710000114
其中，α为学习率，取值范围为(0,1)。
类似的，对集合S中的质量评价指标的回归模型的更新策略与上述方法一致，在此不再赘述。
综上所述，通过获取目标制品在生产过程中的质量评价指标；对于每个质量评价指标，构建所述质量评价指标所对应的回归模型；根据每个质量评价指标所对应的回归模型，获取对第X+1工序中每台物料可送达设备的评分；根据获取到的各个评分对生产车间进行调度。解决了现有技术中需要动态调整设备参数，对生产资源造成浪费的问题，达到了将第X工序和第X+1工序相关联，实现将在制品调度到更合适的设备上进行加工，使得在制品的质量评价指标的参数值向着更好的方向发展，直至最后一道工序加工完毕。
另外，通过匹配矩阵进行设备之间的匹配，使得在制品的质量处于一个当前条件下的最优，对质量不好的在制品能够及时将其调度到工艺参数更加适合的设备上，同时对质量好的在制品也能够保证其质量不受工艺过程状态的影响，从而完成质量的优化。
本申请还提供了一种生产车间调度装置，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如上所述的方法。
本申请还提供了一种计算机存储介质，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如上所述的方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种生产车间调度方法，其特征在于，所述方法包括：
获取目标制品在生产过程中的质量评价指标；
对于每个质量评价指标，构建所述质量评价指标所对应的回归模型；
根据每个质量评价指标所对应的回归模型，获取对第X+1工序中每台物料可送达设备的评分；
根据获取到的各个评分对生产车间进行调度。
2.根据权利要求1所述的方法，其特征在于，所述对于每个质量评价指标，构建所述质量评价指标所对应的回归模型，包括：
对于每个质量评价指标，根据所述目标制品的历史生产数据通过批梯度下降法，构建所述质量评价指标所对应的回归模型。
3.根据权利要求1所述的方法，其特征在于，所述根据每个质量评价指标所对应的回归模型，获取对第X+1工序中每台物料可送达设备的评分，包括：
对于每个质量评价指标，通过所述质量评价指标所对应的回归模型预测物料经过第X+1工序中的每台物料可送到设备后的所述质量评价指标的预测值；
对于第X+1工序中的每台物料可送达设备，根据各个质量评价指标在第X工序的指标值以及对应的预测值，获取每台物料可送达设备的评分。
4.根据权利要求3所述的方法，其特征在于，所述各个质量评价指标划分为第一类质量评价指标和第二类质量评价指标，所述第一类质量评价指标包括性能与指标值成正相关关系的质量评价指标，所述第二类质量评价指标包括性能与指标值成负相关关系的质量评价指标；
所述对于第X+1工序中的每台物料可送达设备，根据各个质量评价指标在第X工序的指标值以及对应的预测值，获取每台物料可送达设备的评分，包括：
对于第X+1工序中的每台物料可送达设备，根据所述第一类质量评价指标中的每个质量评价指标的预测值和指标值的差值计算第一得分；
根据所述第二类质量评价指标中的每个质量评价指标的指标值与预测值的差值计算第二得分；
根据计算得到的各个第一得分和第二得分，获取每台物料可送达设备的评分。
5.根据权利要求3所述的方法，其特征在于，所述根据获取到的各个评分对生产车间进行调度之后，所述方法还包括：
对于每个质量评价指标，获取物料经过第X+1工序中的每台物料可送达设备后的所述质量评价指标的真实值；
根据所述真实值和对应的预测值更新每个质量评价指标所对应的回归模型。
6.根据权利要求1至5任一所述的方法，其特征在于，所述根据获取到的各个评分对生产车间进行调度，包括：
根据获取得到的各个评分为所述第X+1工序中的每台物料可送达设备分配匹配的第X工序中的已下料设备；
根据分配结果对所述生产车间进行调度。
7.根据权利要求6所述的方法，其特征在于，所述根据获取得到的各个评分为所述第X+1工序中的每台物料可送达设备分配匹配的第X工序中的已下料设备，包括：
若所述第X工序的目标已下料设备与所述第X+1工序中的至少两台物料可送达设备匹配，则将所述目标已下料设备分配至所述至少两台物料可送达设备中评分较高的一台。
8.根据权利要求6所述的方法，其特征在于，所述根据获取得到的各个评分为所述第X+1工序中的每台物料可送达设备分配匹配的第X工序中的已下料设备，包括：
根据计算得到的各个评分形成匹配矩阵，所述匹配矩阵中的每一行对应于第X工序中的一台已下料的设备，每一列对应于第X+1工序中的一台物料可送达设备；
根据所述匹配矩阵为所述第X+1工序中的每台物料可送达设备分配匹配的第X工序中的已下料设备。
9.一种生产车间调度装置，其特征在于，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如权利要求1至8任一所述的方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如权利要求1至8任一所述的方法。
CN202111130672.0A 2021-09-26 2021-09-26 生产车间调度方法、装置和存储介质 Pending CN113780883A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111130672.0A CN113780883A (zh) 2021-09-26 2021-09-26 生产车间调度方法、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111130672.0A CN113780883A (zh) 2021-09-26 2021-09-26 生产车间调度方法、装置和存储介质

Publications (1)

Publication Number Publication Date
CN113780883A true CN113780883A (zh) 2021-12-10

Family

ID=78853509

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111130672.0A Pending CN113780883A (zh) 2021-09-26 2021-09-26 生产车间调度方法、装置和存储介质

Country Status (1)

Country Link
CN (1) CN113780883A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016101181A1 (zh) * 2014-12-23 2016-06-30 清华大学 基于指标预报和解相似度分析的光刻工序动态调度方法
CN105843189A (zh) * 2016-04-09 2016-08-10 北京化工大学 一种用于半导体生产线基于简化仿真模型的高效调度规则选择方法
CN107370188A (zh) * 2017-09-11 2017-11-21 国网山东省电力公司莱芜供电公司 一种计及风电出力的电力系统多目标调度方法
CN111880489A (zh) * 2020-07-07 2020-11-03 北京理工大学 一种复杂制造系统回归调度方法
CN112633772A (zh) * 2021-01-05 2021-04-09 东华大学 一种纺织面料染色车间多智能体深度强化学习调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016101181A1 (zh) * 2014-12-23 2016-06-30 清华大学 基于指标预报和解相似度分析的光刻工序动态调度方法
CN105843189A (zh) * 2016-04-09 2016-08-10 北京化工大学 一种用于半导体生产线基于简化仿真模型的高效调度规则选择方法
CN107370188A (zh) * 2017-09-11 2017-11-21 国网山东省电力公司莱芜供电公司 一种计及风电出力的电力系统多目标调度方法
CN111880489A (zh) * 2020-07-07 2020-11-03 北京理工大学 一种复杂制造系统回归调度方法
CN112633772A (zh) * 2021-01-05 2021-04-09 东华大学 一种纺织面料染色车间多智能体深度强化学习调度方法

Similar Documents

Publication Publication Date Title
US20180356803A1 (en) Method and system for batch scheduling uniform parallel machines with different capacities based on improved genetic algorithm
CN107506956A (zh) 基于改进粒子群算法供应链生产运输协同调度方法及系统
US20030171829A1 (en) System and method for complex process optimization and control
CN105760621B (zh) 一种考虑复杂度的装配线平衡方法
CN113822588B (zh) 基于离散的人工蜂群进化的自动导向车辆调度方法
CN110928261A (zh) 分布式异构流水车间的分布估计调度方法及系统
CN113112121A (zh) 一种基于多目标非支配排序的车间布局调度优化方法
CN115185247A (zh) 一种基于产品加工质量的机床运行状态预测与车间调度方法
CN115239198A (zh) 工单分配方法及相关装置、电子设备、介质和程序产品
CN111260161B (zh) 一种众包任务下发的方法及设备
CN111027760A (zh) 一种基于最小二乘向量机的电力负荷预测方法
CN113793030A (zh) 物料调度方法、装置和存储介质
CN113780883A (zh) 生产车间调度方法、装置和存储介质
CN117314091B (zh) 一种考虑行为的作业任务单分配方法
CN110490446A (zh) 一种基于改进遗传算法的模块化工艺重组方法
CN117148806B (zh) 基于数字孪生的自动装配混流生产线布局优化方法及装置
CN110648037A (zh) 一种整车生产评价方法及装置
CN111144616A (zh) 面向企业能源消费的预测方法、系统、计算机设备和存储介质
CN114926092A (zh) 基于mes智能制造的生产管理系统及方法
CN112947345B (zh) 面向确定性可重入传感器车间动态批调度智能优化方法
CN106447065B (zh) 碳纤维原丝生产过程中凝固浴环节性能指标的预测方法
Vimala Rani et al. Performance evaluation of ATC based greedy heuristic algorithms in scheduling diffusion furnace in wafer fabrication
CN113283755A (zh) 一种车间智能调度决策方法
CN114016125A (zh) 单晶炉加料方法、装置和存储介质
AU2021105079A4 (en) The controlling machine tools system by using machine learning techniques.

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