CN116560322B - 一种装配式生产线的生产控制方法及系统 - Google Patents
一种装配式生产线的生产控制方法及系统 Download PDFInfo
- Publication number
- CN116560322B CN116560322B CN202310598113.5A CN202310598113A CN116560322B CN 116560322 B CN116560322 B CN 116560322B CN 202310598113 A CN202310598113 A CN 202310598113A CN 116560322 B CN116560322 B CN 116560322B
- Authority
- CN
- China
- Prior art keywords
- control
- data
- production
- production line
- fitness
- 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 230
- 238000000195 production control method Methods 0.000 title claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims abstract description 56
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims description 35
- 238000011156 evaluation Methods 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 11
- 230000032683 aging Effects 0.000 claims description 10
- 230000008030 elimination Effects 0.000 claims description 8
- 238000003379 elimination reaction Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000001360 synchronised effect Effects 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000013459 approach Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种装配式生产线的生产控制方法及系统,涉及智能控制技术领域,方法包括:基于装配式生产线数据平台,获取装配式生产线的N个人机组合信息,根据输送单元,获取M个传输方式,将N个人机组合信息与M个传输方式进行组合寻优,获取第一选择数据后输入检测设备选择单元进行检测设备的选择,将配置参数输入生产控制模型内的生产配置控制层,输出控制结果,根据控制结果与装配式生产线中的平衡系数,对装配式生产线进行生产控制,本发明解决了现有技术中人员与机器之间配比不平衡,导致装配式生产线生产控制的效率低的技术问题,实现了对装配式生产线的人员机器进行平衡,提高装配式生产线生产控制的效率。
Description
技术领域
本发明涉及智能控制技术领域,具体涉及一种装配式生产线的生产控制方法及系统。
背景技术
随着生产线的发展,特别是装配式生产线的发展装配式生产线是一种特殊的产品导向布局形式。装配式生产线指的是由一些物料搬运设备连接起来的连续生产线。装配式生产线是一种很重要的技术,可以说,任何有着多种零部件并进行大批量生产的最终产品在某种程度上都采用装配式生产线进行生产。因此装配式生产线的布置受装配式生产线设备,产品,人员,物流运输以及生产方式等多种因素的影响。同时装配式生产线也是人和机器的有效组合,最充分体现设备的灵活性,它将输送系统、随行夹具和在线专机、检测设备有机的组合,而在现有技术中存在人员与机器之间配比不平衡,导致装配式生产线生产控制的效率低的技术问题,实现了对装配式生产线的人员机器进行平衡,提高装配式生产线生产控制的效率。
发明内容
本申请提供了一种装配式生产线的生产控制方法及系统,用于针对解决现有技术中存在的人员与机器之间配比不平衡,导致装配式生产线生产控制的效率低的技术问题。
鉴于上述问题,本申请提供了一种装配式生产线的生产控制方法及系统。
第一方面,本申请提供了一种装配式生产线的生产控制方法,所述方法包括:基于装配式生产线数据平台,获取装配式生产线的N个人机组合信息,N为大于1的正整数;根据所述输送单元,获取M个传输方式,M为大于1的正整数;将所述N个人机组合信息与所述M个传输方式进行组合寻优,获取第一选择数据;将所述第一选择数据输入所述检测设备选择单元进行检测设备的选择,获取配置参数;将所述配置参数输入生产控制模型内的生产配置控制层,输出控制结果;根据所述控制结果与所述装配式生产线中的平衡系数,对所述装配式生产线进行生产控制。
第二方面,本申请提供了一种装配式生产线的生产控制系统,所述系统包括:信息获取模块,所述信息获取模块用于基于装配式生产线数据平台,获取装配式生产线的N个人机组合信息,N为大于1的正整数;方式获取模块,所述方式获取模块用于根据所述输送单元,获取M个传输方式,M为大于1的正整数;组合寻优模块,所述组合寻优模块用于将所述N个人机组合信息与所述M个传输方式进行组合寻优,获取第一选择数据;选择模块,所述选择模块用于将所述第一选择数据输入所述检测设备选择单元进行检测设备的选择,获取配置参数;结果获取模块,所述结果获取模块用于将所述配置参数输入生产控制模型内的生产配置控制层,输出控制结果;生产控制模块,所述生产控制模块用于根据所述控制结果与所述装配式生产线中的平衡系数,对所述装配式生产线进行生产控制。
本申请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:
本申请提供的一种装配式生产线的生产控制方法及系统,涉及智能控制技术领域,解决了现有技术中人员与机器之间配比不平衡,导致装配式生产线生产控制的效率低的技术问题,实现了对装配式生产线的人员机器进行平衡,提高装配式生产线生产控制的效率。
附图说明
图1为本申请提供了一种装配式生产线的生产控制方法流程示意图;
图2为本申请提供了一种装配式生产线的生产控制方法中获取装配式生产线的N个人机组合信息流程示意图;
图3为本申请提供了一种装配式生产线的生产控制方法中获取第一选择数据流程示意图;
图4为本申请提供了一种装配式生产线的生产控制方法中输出控制结果流程示意图;
图5为本申请提供了一种装配式生产线的生产控制方法中对装配式生产线生产控制流程示意图;
图6为本申请提供了一种装配式生产线的生产控制系统结构示意图。
附图标记说明:信息获取模块1,方式获取模块2,组合寻优模块3,选择模块4,结果获取模块5,生产控制模块6。
具体实施方式
本申请通过提供一种装配式生产线的生产控制方法及系统,用于解决现有技术中人员与机器之间配比不平衡,导致装配式生产线生产控制的效率低的技术问题。
实施例一
如图1所示,本申请实施例提供了一种装配式生产线的生产控制方法,该方法应用于生产控制系统,生产控制系统与输送单元、检测设备选择单元通信连接,该方法包括:
步骤S100:基于装配式生产线数据平台,获取装配式生产线的N个人机组合信息,N为大于1的正整数;
具体而言,本申请实施例提供的一种装配式生产线的生产控制方法应用于生产控制系统,该生产控制系统与输送单元、检测设备选择单元通信连接,该输送单元、检测设备选择单元用于进行装配式生产线参数的采集。
为保证装配式生产线中的人机平衡,首先需要通过装配式生产线数据平台对目标装配式生产线的N个人机组合信息进行获取,装配式生产线数据平台是包含装配式生产线平面布置的类型、装配式生产线节拍控制形式、装配式生产线品种、装配式生产线工作站特性、装配式生产线的长度等与装配式生产线相关的数据的平台,进一步的,根据装配式生产线数据平台中所包含的生产线节拍控制形式,对当前的人员动态信息与机器动态信息进行提取,并基于装配式生产线数据平台中的生产线基础信息对当前所提取的人员动态信息以及机器动态信息进行是否平衡的稳定性评估,从而对具有稳定性的N个人机组合信息进行获取,且N为大于1的正整数,具有稳定性的N个人机组合信息是指在装配式生产线中存在人机合作的操作,当人机合作时效率比单一人员操作或单一机器操作的效率高时,视为稳定,为后期实现对装配式生产线进行生产控制作为重要参考依据。
步骤S200:根据所述输送单元,获取M个传输方式,M为大于1的正整数;
具体而言,通过与生产控制系统所通信连接的输送单元对装配式生产线中的M个传输方式进行获取,该输送单元中包含的传输方式可以有同步传输的/(强制式)也可以是非同步传输/(柔性式),同步传输是指以在装配式生产线中存在同定的时钟节拍来发送生产线控制数据信号的,非同步传输是指在装配式生产线中发送生产线控制数据的一方和接收生产线控制数据的一方的时钟完全不同步,生产线控制数据由字节或者帧组成,且生产线控制数据包含同步信息,从而对M个传输方式进行获取,且 M为大于1的正整数,同时M可以等于2,进而为实现对装配式生产线进行生产控制做保障。
步骤S300:将所述N个人机组合信息与所述M个传输方式进行组合寻优,获取第一选择数据;
具体而言,为提高对装配式生产线进行生产控制的效率,因此需要对上述所获N个人机组合信息与所获M个传输方式进行组合寻优,是指将N个人机组合信息与M个传输方式进行随机组合,同时任意提取一个组合记录数据,并对所提取的组合记录数据进行适应度分析,获取对应适应度,若当前组合适应度是否大于或等于与该组相邻的组合的适应度,将相邻的组合记录数据淘汰,若小于,将当前组合记录数据淘汰,进一步的,对所保留的组合记录数据记作第一选择数据,为后续实现对装配式生产线进行生产控制夯实基础。
步骤S400:将所述第一选择数据输入所述检测设备选择单元进行检测设备的选择,获取配置参数;
具体而言,通过将第一选择数据输入至与生产控制系统所通信连接的检测设备选择单元,检测设备选择单元是指在装配式生产线在运作的过程中,对设备配置根据人机稳定性进行检测设备的选择,进一步的,将上述所获第一选择数据输入至检测设备选择单元中,在检测设备选择单元内根据第一选择数据中所包含对应的组合记录数据与检测设备选择单元中所包含的设备进行匹配,从而对匹配成功的设备进行选择,在此基础上对所选择的设备进行设备对应配置参数的获取,实现对装配式生产线进行生产控制有着推进的作用。
步骤S500:将所述配置参数输入生产控制模型内的生产配置控制层,输出控制结果;
具体而言,通过将上述所获配置参数输入至所构建的生产控制模型内的生产配置控制层中,通过生产控制模型内的生产配置控制层根据配置参数对设备的选择,实现在装配式生产线中的人员手工装配或人员机器的半自动装配,该生产控制模型是基于BP神经网络进行构建的,生产控制模型包含数据输入层、生产配置控制层、控制结果输出层,生产控制模型的输入数据包括配置参数,配置参数输入至生产控制模型的数据输入层中,配置参数经过数据输入层进入与数据输入层所连接的生产配置控制层,同时在生产配置控制层中对配置参数中所包含的多个机器自动配置参数集合、多个人力配置参数集合和多个人机组合配置参数进行数据标注后,对生产控制模型进行监督训练和验证,直到所述生产控制模型收敛或准确率达到预设要求,最终通过生产控制模型中的控制结果输出层对包括控制结果的输出数据进行输出,以便为后期对装配式生产线进行生产控制时作为参照数据。
步骤S600:根据所述控制结果与所述装配式生产线中的平衡系数,对所述装配式生产线进行生产控制。
具体而言,通过上述所输出的控制结果与装配式生产线中的平衡系数,对目标装配式生产线进行生产控制,装配式生产线中的平衡系数是指人员与机器之间的平衡比率,平衡比率越大则装配式生产线的生产效率越高,从而根据生产控制模型内所输出的控制结果中对装配式生产线中的人机分配控制比率与装配式生产线中平衡系数进行均值计算,最终根据所计算出的均值对目标装配式生产线进行相应的生产控制,人员与机器可以对装配式生产线中的自动焊接、自动压槽、自动套丝等进行生产控制,实现了对装配式生产线的人员机器进行平衡,提高装配式生产线生产控制的效率。
进一步而言,如图2所示,本申请步骤S100还包括:
步骤S110:通过所述装配式生产线数据平台中的生产线节拍控制形式,获取人动信息,机动信息;
步骤S120:基于装配生产线基础信息,对所述人动信息与所述机动信息进行稳定性评估,获取稳定性评估结果;
步骤S130:将所述稳定性评估结果添加至所述装配式生产线的N个人机组合信息中。
具体而言,通过装配式生产线数据平台中所包含的生产线节拍控制形式,对当前的人员动态信息与机器动态信息进行提取,即人动信息、机动信息,进一步的,以装配生产线基础信息作为基准,对人动信息以及机动信息进行稳定性评估,当人机合作时效率比单一人员操作或单一机器操作的效率高时,视为稳定性高,当人机合作时效率比单一人员操作或单一机器操作的效率低时,视为稳定性低,将稳定性评估结果高的进行提取,并将所提取出的稳定性评估结果与其所对应的人机组合信息添加至装配式生产线的N个人机组合信息中对其进行完善,提高后期实现对装配式生产线进行生产控制准确率。
进一步而言,本申请步骤S300还包括:
步骤S310:根据所述装配生产线基础信息对所述N个人机组合信息与所述M个传输方式进行权重训练;
步骤S320:根据所述权重训练结果对所述N个人机组合信息与所述M个传输方式进行序列化组合。
具体而言,以上述所获装配生产线基础信息作为基础,对N个人机组合信息与M个传输方式进行权重训练,其装配生产线基础信息可以包含装配线设备,装配线产品,装配线人员,装配线物流运输以及装配线生产方式等信息,根据其对装配式生产线的影响对应进行权重训练分配,对装配式生产线的影响越大则权重训练分配比例越高,进一步的,权重训练需要基于大量的数据汇总以及精确确定权重后再进行针对性计算,示例性的,N个人机组合信息与M个传输方式权重占比可以为第一影响系数:第二影响系数为6:4,则加权计算过程后的影响参数分别为第一影响参数*0.6,第二影响参数*0.4,根据该权重训练结果对N个人机组合信息与M个传输方式进行序列化组合,是指所具有的不同权重对N个人机组合信息与M个传输方式根据由大到小的序列进行组合,达到为后期实现对装配式生产线进行生产控制提供重要依据的技术效果。
进一步而言,如图3所示,本申请步骤S300还包括:
步骤S330:将所述N个人机组合信息与所述M个传输方式进行随机组合,提取第k个组合记录数据;
步骤S340:对所述第k个组合记录数据进行适应度分析,获取第k个组合记录适应度;
步骤S350:判断所述第k个组合记录适应度是否大于或等于第k-1个组合记录适应度;
步骤S360:若大于或等于,将第k-1个组合记录数据添加进淘汰数据组,若小于,将所述第k个组合记录数据添加进所述淘汰数据组;
步骤S370:判断k是否满足禁忌表更新周期;
步骤S380:若满足,将所述第k个组合记录适应度或所述第k-1个组合记录适应度输入禁忌表进行更新,获取禁忌表更新值,设为所述第一选择数据。
具体而言,通过对N个人机组合信息与M个传输方式进行随机组合,并在所有随机组合中提取任意一组组合记录数据,将其记作第k个组合记录数据,并对第k组控制参数触发频率特征和第k组控制参数触发时效特征进行获取后,第k组控制参数触发频率特征是指对生产控制中第k个组合记录数据进行人机组合调整的触发频次,其频率越高则越好,其第k组控制参数触发时效特征是指计算每次触发频率中的频次出现时距离当前时间时长,求取多个时长平均值,以其倒数作为时效特征,时间越短则越好,从而根据对第k组控制参数触发频率特征与第k组控制参数触发时效特征,求取第k个组合记录适应度。
进一步的对第k个组合记录适应度是否大于或等于第k-1个组合记录适应度进行判断,若第k个组合记录适应度大于或等于第k-1个组合记录适应度,则将第k-1个组合记录数据添加进淘汰数据组,若第k个组合记录适应度小于第k-1个组合记录适应度,则将第k个组合记录数据添加进所述淘汰数据组,即两两相邻组的组合记录适应度进行比较,将组合记录适应度低的组添加至淘汰数据组。
从而对k是否满足禁忌表更新周期判断,其禁忌表是为了防止搜索出现循环,将适值作为禁忌对象且该禁忌表为不断更新的表,即把最新的组合记录适应度计入,最老的组合记录适应度从表中释放,若k满足禁忌表更新周期,则将第k个组合记录适应度或所述第k-1个组合记录适应度输入禁忌表进行更新,再对禁忌表的更新次数是否满足预设更新次数进行判断,若禁忌表的更新次数满足预设更新次数,其中预设更新次数由相关技术人员根据禁忌表中的更新数据量进行预设,则从禁忌表中提取禁忌表初始值,并判断第k个组合记录适应度或所述第k-1个组合记录适应度是否大于或等于禁忌表初始值中的禁忌组合记录适应度,若第k个组合记录适应度或所述第k-1个组合记录适应度大于或等于禁忌表初始值中的禁忌组合记录适应度,则根据第k个组合记录数据或第k-1个组合记录数据,对禁忌表初始值进行替换,并将其设为所述禁忌表更新值,以所替换的禁忌表更新值设为第一选择数据结果进行输出。
若第k个组合记录适应度或所述第k-1个组合记录适应度小于禁忌表初始值中的禁忌组合记录适应度,则将禁忌表初始值设为禁忌表更新值,以该禁忌表更新值设为第一选择数据进行输出。
进一步而言,如图4所示,本申请步骤S500还包括:
步骤S510:对所述控制结果进行连续控制记录,获取连续控制数据;
步骤S520:将所述连续控制数据进行异常检测,输出连续异常控制结果;
步骤S530:根据所述连续异常控制结果和所述控制结果进行所述生产控制的异常识别。
具体而言,通过对生产控制模型所输出的控制结果对装配式生产线进行生产控制的过程中,对该控制结果所进行的生产控制在固定时段进行连续控制记录,即对装配式生产线在运作的过程中根据控制结果进行控制时对各项控制参数进行连续记录与采集,各项控制参数可以包含装配线设备控制参数,装配线产品控制参数,装配线人员控制参数,装配线物流运输控制参数以及装配线生产方式控制参数等控制参数,并将连续采集的各项控制参数进行汇总记作连续控制数据,继而对连续控制数据进行异常检测,即将所采集到的各项控制参数与大数据中正常运作的装配式生产线中所对应的控制参数范围进行比较,若所采集到的各项控制参数不在所获控制参数范围中,则视为异常,进一步的,将所有判定为异常的数据进行提取,从而对连续异常控制结果进行输出,并根据连续异常控制结果与生产控制模型中的控制结果在装配式生产线的生产过程中完成对生产控制的异常识别,以此保证后期对装配式生产线更好的进行生产控制。
进一步而言,本申请步骤S500还包括:
步骤S540:基于BP神经网络,构建所述生产控制模型,所述生产控制模型的输入数据包括配置参数,输出数据包括控制结果;
步骤S550:所述生产控制模型包含数据输入层、生产配置控制层、控制结果输出层;
步骤S560:对所述配置参数中包含的多个机器自动配置参数集合、多个人力配置参数集合和多个人机组合配置参数进行数据标注,获得第一构建数据集,其中,所述第一构建数据集内包括第一训练集和第一验证集;
步骤S570:采用所述第一训练集和第一验证集对所述生产控制模型进行监督训练和验证,直到所述生产控制模型收敛或准确率达到预设要求。
具体而言,在BP神经网络的基础上,其BP神经网络是指一种按照误差逆向传播算法训练的多层前馈神经网络,进一步对生产控制模型进行构建,其中,生产控制模型的输入数据包括将第一选择数据输入检测设备选择单元进行检测设备的选择所获取的配置参数,且在生产控制模型中包含数据输入层、生产配置控制层、控制结果输出层,并对配置参数中包含的多个机器自动配置参数集合、多个人力配置参数集合和多个人机组合配置参数进行不同配置参数的标识,即数据标注,从而获得第一构建数据集,而生产控制模型为机器学习中的,可以不断进行自我迭代优化的神经网络模型,生产控制模型通过训练数据集和监督数据集训练获得,其中,所述第一构建数据集中的每组训练数据均包括配置参数所对应的第一训练集和第一验证集,监督数据集为与训练数据集一一对应的监督数据。
进一步的,生产控制模型构建过程为:将训练数据集中每一组训练数据输入生产控制模型,通过这组训练数据对应的监督数据进行生产控制模型的输出监督调整,当生产控制模型的输出结果与监督数据一致,则当前组训练结束,将训练数据集中全部的训练数据均训练结束,则生产控制模型训练完成。
为了保证生产控制模型的收敛以及准确性,其收敛过程可以是生产控制模型中的输出数据会聚于一点时,向某一个值靠近则为收敛,其准确性可以通过测试数据集进行生产控制模型的测试处理,举例而言,测试准确率可以设定为80%,当测试数据集的测试准确率满足80%时,则生产控制模型构建完成。
最终将配置参数输入生产控制模型,输出控制结果,最终达到对装配式生产线进行更精准的生产控制的技术效果。
进一步而言,如图5所示,本申请步骤S600还包括:
步骤S610:获取预设平衡系数;
步骤S620:判断所述装配式生产线中的平衡系数是否满足大于等于所述预设平衡系数;
步骤S630:若不满足,则根据所述装配式生产线中的平衡系数,对所述控制结果进行修正;
步骤S640:根据修正控制结果,获取修正平衡系数;
步骤S650:判断所述修正平衡系数是否满足大于等于所述预设平衡系数;
步骤S660:若满足,则根据所述修正控制结果与所述修正平衡系数对所述装配式生产线进行控制。
具体而言,为提高对装配式生产线中生产控制的效率,因此需要对装配式生产线中的平衡系数是否满足大于等于预设平衡系数的情况进行判断,其中预设平衡系数由相关技术人员根据大数据中装配式平衡系数的数据量进行预设,若装配式生产线中的平衡系数不满足大于等于预设平衡系数时,则根据装配式生产线中平衡系数的大小对控制结果进行修正,此时的平衡系数为小于预设平衡系数的情况,即在当前生产控制中人机控制不平衡,从而将控制结果中的人机控制比例进行修正调整,直至当前平衡系数大于等于预设平衡系数,在此基础上根据修正控制结果,对修正平衡系数进行对应获取,进一步的,再对所获修正平衡系数是否满足大于等于预设平衡系数进行判断,当修正平衡系数满足大于等于预设平衡系数时,则根据所获修正控制结果与修正平衡系数对装配式生产线进行生产控制的修正更新,达到基于修正更新的生产控制对装配式生产线进行更为精准的生产控制。
实施例二
基于与前述实施例中一种装配式生产线的生产控制方法相同的发明构思,如图6所示,本申请提供了一种装配式生产线的生产控制系统,系统包括:
信息获取模块1,所述信息获取模块1用于基于装配式生产线数据平台,获取装配式生产线的N个人机组合信息,N为大于1的正整数;
方式获取模块2,所述方式获取模块2用于根据所述输送单元,获取M个传输方式,M为大于1的正整数;
组合寻优模块3,所述组合寻优模块3用于将所述N个人机组合信息与所述M个传输方式进行组合寻优,获取第一选择数据;
选择模块4,所述选择模块4用于将所述第一选择数据输入所述检测设备选择单元进行检测设备的选择,获取配置参数;
结果获取模块5,所述结果获取模块5用于将所述配置参数输入生产控制模型内的生产配置控制层,输出控制结果;
生产控制模块6,所述生产控制模块6用于根据所述控制结果与所述装配式生产线中的平衡系数,对所述装配式生产线进行生产控制。
进一步而言,系统还包括:
人机信息获取模块,所述人机信息获取模块用于通过所述装配式生产线数据平台中的生产线节拍控制形式,获取人动信息,机动信息;
稳定性评估模块,所述稳定性评估模块用于基于装配生产线基础信息,对所述人动信息与所述机动信息进行稳定性评估,获取稳定性评估结果;
添加模块,所述添加模块用于将所述稳定性评估结果添加至所述装配式生产线的N个人机组合信息中。
进一步而言,系统还包括:
权重训练模块,所述权重训练模块用于根据所述装配生产线基础信息对所述N个人机组合信息与所述M个传输方式进行权重训练;
序列化组合模块,所述序列化组合模块用于根据所述权重训练结果对所述N个人机组合信息与所述M个传输方式进行序列化组合。
进一步而言,系统还包括:
随机组合模块,所述随机组合模块用于将所述N个人机组合信息与所述M个传输方式进行随机组合,提取第k个组合记录数据;
适应度分析模块,所述适应度分析模块用于对所述第k个组合记录数据进行适应度分析,获取第k个组合记录适应度;
第一判断模块,所述第一判断模块用于判断所述第k个组合记录适应度是否大于或等于第k-1个组合记录适应度;
第二判断模块,所述第二判断模块用于若大于或等于,将第k-1个组合记录数据添加进淘汰数据组,若小于,将所述第k个组合记录数据添加进所述淘汰数据组;
第三判断模块,所述第三判断模块用于判断k是否满足禁忌表更新周期;
更新模块,所述更新模块用于若满足,将所述第k个组合记录适应度或所述第k-1个组合记录适应度输入禁忌表进行更新,获取禁忌表更新值,设为所述第一选择数据。
进一步而言,系统还包括:
控制记录模块,所述控制记录模块用于对所述控制结果进行连续控制记录,获取连续控制数据;
异常控制模块,所述异常控制模块用于将所述连续控制数据进行异常检测,输出连续异常控制结果;
异常识别模块,所述异常识别模块用于根据所述连续异常控制结果和所述控制结果进行所述生产控制的异常识别。
进一步而言,系统还包括:
第一模型构建模块,所述第一模型构建模块用于基于BP神经网络,构建所述生产控制模型,所述生产控制模型的输入数据包括配置参数,输出数据包括控制结果;
第二模型构建模块,所述第二模型构建模块用于所述生产控制模型包含数据输入层、生产配置控制层、控制结果输出层;
数据标注模块,所述数据标注模块用于对所述配置参数中包含的多个机器自动配置参数集合、多个人力配置参数集合和多个人机组合配置参数进行数据标注,获得第一构建数据集,其中,所述第一构建数据集内包括第一训练集和第一验证集;
第三模型构建模块,所述第三模型构建模块用于采用所述第一训练集和第一验证集对所述生产控制模型进行监督训练和验证,直到所述生产控制模型收敛或准确率达到预设要求。
进一步而言,系统还包括:
系数获取模块,所述系数获取模块用于获取预设平衡系数;
第四判断模块,所述第四判断模块用于判断所述装配式生产线中的平衡系数是否满足大于等于所述预设平衡系数;
修正模块,所述修正模块用于若不满足,则根据所述装配式生产线中的平衡系数,对所述控制结果进行修正;
修正系数获取模块,所述修正系数获取模块用于根据修正控制结果,获取修正平衡系数;
第五判断模块,所述第五判断模块用于判断所述修正平衡系数是否满足大于等于所述预设平衡系数;
控制模块,所述控制模块用于若满足,则根据所述修正控制结果与所述修正平衡系数对所述装配式生产线进行控制。
本说明书通过前述对一种装配式生产线的生产控制方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种装配式生产线的生产控制系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种装配式生产线的生产控制方法,其特征在于,所述方法应用于生产控制系统,所述生产控制系统与输送单元、检测设备选择单元通信连接,所述方法包括:
基于装配式生产线数据平台,获取装配式生产线的N个人机组合信息,N为大于1的正整数;
通过所述装配式生产线数据平台中的生产线节拍控制形式,获取人员动态信息,机器动态信息;
基于装配生产线基础信息,对所述人员动态信息与所述机器动态信息进行稳定性评估,其中,具有稳定性的人机组合信息是指在装配式生产线中存在人机合作的操作,当人机合作时效率比单一人员操作或单一机器操作的效率高时,视为稳定;
将所述稳定性评估结果添加至所述装配式生产线的N个人机组合信息中;
根据所述输送单元,获取M个传输方式,M为大于1的正整数,其中,所述M个传输方式包括同步传输、非同步传输,所述同步传输是指以在装配式生产线中存在同定的时钟节拍来发送生产线控制数据信号的传输方式,所述非同步传输是指在装配式生产线中发送生产线控制数据的一方和接收生产线控制数据的一方的时钟完全不同步的传输方式;
将所述N个人机组合信息与所述M个传输方式进行组合寻优,获取第一选择数据;
将所述N个人机组合信息与所述M个传输方式进行随机组合,提取第k个组合记录数据;
对所述第k个组合记录数据进行适应度分析,获取第k个组合记录适应度,其中,第k个组合记录适应度是基于第k组控制参数触发频率特征与第k组控制参数触发时效特征所获,所述第k组控制参数触发频率特征是指生产控制中第k个组合记录数据进行人机组合调整的触发频次,其频率越高则越好,所述第k组控制参数触发时效特征是指计算每次触发频率中的频次出现时距离当前时间时长,求取多个时长平均值,以其倒数作为时效特征,时间越短则越好;
判断所述第k个组合记录适应度是否大于或等于第k-1个组合记录适应度;
若大于或等于,将第k-1个组合记录数据添加进淘汰数据组,若小于,将所述第k个组合记录数据添加进所述淘汰数据组;
判断k是否满足禁忌表更新周期;
若满足,将所述第k个组合记录适应度或所述第k-1个组合记录适应度输入禁忌表进行更新,判断所述禁忌表的更新次数是否满足预设更新次数,若所述禁忌表的更新次数满足所述预设更新次数,其中,所述预设更新次数由相关技术人员根据所述禁忌表中的更新数据量进行预设,则从所述禁忌表中提取禁忌表初始值,并判断所述第k个组合记录适应度或所述第k-1个组合记录适应度是否大于或等于所述禁忌表初始值中的禁忌组合记录适应度,若所述第k个组合记录适应度或所述第k-1个组合记录适应度大于或等于所述禁忌表初始值中的所述禁忌组合记录适应度,则根据所述第k个组合记录数据或所述第k-1个组合记录数据,对所述禁忌表初始值进行替换,设为所述禁忌表更新值,以所替换的所述禁忌表更新值设为所述第一选择数据结果进行输出,若所述第k个组合记录适应度或所述第k-1个组合记录适应度小于所述禁忌表初始值中的禁忌组合记录适应度,则将所述禁忌表初始值设为禁忌表更新值,以该禁忌表更新值设为所述第一选择数据;
将所述第一选择数据输入所述检测设备选择单元进行检测设备的选择,获取配置参数;
将所述配置参数输入生产控制模型内的生产配置控制层,输出控制结果;
根据所述控制结果与所述装配式生产线中的平衡系数,对所述装配式生产线进行生产控制,其中,所述平衡系数是指人员与机器之间的平衡比率,且所述平衡比率越大则装配式生产线的生产效率越高。
2.如权利要求1所述的方法,其特征在于,将所述N个人机组合信息与M个传输方式进行组合寻优之前,还包括:
根据所述装配生产线基础信息对所述N个人机组合信息与所述M个传输方式进行权重训练;
根据所述权重训练结果对所述N个人机组合信息与所述M个传输方式进行序列化组合。
3.如权利要求1所述的方法,其特征在于,输出所述控制结果之后,还包括:
对所述控制结果进行连续控制记录,获取连续控制数据;
将所述连续控制数据进行异常检测,输出连续异常控制结果;
根据所述连续异常控制结果和所述控制结果进行所述生产控制的异常识别。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于BP神经网络,构建所述生产控制模型,所述生产控制模型的输入数据包括配置参数,输出数据包括控制结果;
所述生产控制模型包含数据输入层、生产配置控制层、控制结果输出层;
对所述配置参数中包含的多个机器自动配置参数集合、多个人力配置参数集合和多个人机组合配置参数进行数据标注,获得第一构建数据集,其中,所述第一构建数据集内包括第一训练集和第一验证集;
采用所述第一训练集和第一验证集对所述生产控制模型进行监督训练和验证,直到所述生产控制模型收敛或准确率达到预设要求。
5.如权利要求1所述的方法,其特征在于,对所述装配式生产线进行生产控制,还包括:
获取预设平衡系数;
判断所述装配式生产线中的平衡系数是否满足大于等于所述预设平衡系数;
若不满足,则根据所述装配式生产线中的平衡系数,对所述控制结果进行修正;
根据修正控制结果,获取修正平衡系数;
判断所述修正平衡系数是否满足大于等于所述预设平衡系数;
若满足,则根据所述修正控制结果与所述修正平衡系数对所述装配式生产线进行控制。
6.一种装配式生产线的生产控制系统,其特征在于,所述系统与输送单元、检测设备选择单元通信连接,所述系统包括:
信息获取模块,所述信息获取模块用于基于装配式生产线数据平台,获取装配式生产线的N个人机组合信息,N为大于1的正整数;
人机信息获取模块,所述人机信息获取模块用于通过所述装配式生产线数据平台中的生产线节拍控制形式,获取人员动态信息,机器动态信息;
稳定性评估模块,所述稳定性评估模块用于基于装配生产线基础信息,对所述人员动态信息与所述机器动态信息进行稳定性评估,其中,具有稳定性的人机组合信息是指在装配式生产线中存在人机合作的操作,当人机合作时效率比单一人员操作或单一机器操作的效率高时,视为稳定;
添加模块,所述添加模块用于将所述稳定性评估结果添加至所述装配式生产线的N个人机组合信息中;
方式获取模块,所述方式获取模块用于根据所述输送单元,获取M个传输方式,M为大于1的正整数,其中,所述M个传输方式包括同步传输、非同步传输,所述同步传输是指以在装配式生产线中存在同定的时钟节拍来发送生产线控制数据信号的传输方式,所述非同步传输是指在装配式生产线中发送生产线控制数据的一方和接收生产线控制数据的一方的时钟完全不同步的传输方式;
组合寻优模块,所述组合寻优模块用于将所述N个人机组合信息与所述M个传输方式进行组合寻优,获取第一选择数据;
随机组合模块,所述随机组合模块用于将所述N个人机组合信息与所述M个传输方式进行随机组合,提取第k个组合记录数据;
适应度分析模块,所述适应度分析模块用于对所述第k个组合记录数据进行适应度分析,获取第k个组合记录适应度,其中,第k个组合记录适应度是基于第k组控制参数触发频率特征与第k组控制参数触发时效特征所获,所述第k组控制参数触发频率特征是指生产控制中第k个组合记录数据进行人机组合调整的触发频次,其频率越高则越好,所述第k组控制参数触发时效特征是指计算每次触发频率中的频次出现时距离当前时间时长,求取多个时长平均值,以其倒数作为时效特征,时间越短则越好;
第一判断模块,所述第一判断模块用于判断所述第k个组合记录适应度是否大于或等于第k-1个组合记录适应度;
第二判断模块,所述第二判断模块用于若大于或等于,将第k-1个组合记录数据添加进淘汰数据组,若小于,将所述第k个组合记录数据添加进所述淘汰数据组;
第三判断模块,所述第三判断模块用于判断k是否满足禁忌表更新周期;
更新模块,所述更新模块用于若满足,将所述第k个组合记录适应度或所述第k-1个组合记录适应度输入禁忌表进行更新,判断所述禁忌表的更新次数是否满足预设更新次数,若所述禁忌表的更新次数满足所述预设更新次数,其中,所述预设更新次数由相关技术人员根据所述禁忌表中的更新数据量进行预设,则从所述禁忌表中提取禁忌表初始值,并判断所述第k个组合记录适应度或所述第k-1个组合记录适应度是否大于或等于所述禁忌表初始值中的禁忌组合记录适应度,若所述第k个组合记录适应度或所述第k-1个组合记录适应度大于或等于所述禁忌表初始值中的所述禁忌组合记录适应度,则根据所述第k个组合记录数据或所述第k-1个组合记录数据,对所述禁忌表初始值进行替换,设为所述禁忌表更新值,以所替换的所述禁忌表更新值设为所述第一选择数据结果进行输出,若所述第k个组合记录适应度或所述第k-1个组合记录适应度小于所述禁忌表初始值中的禁忌组合记录适应度,则将所述禁忌表初始值设为禁忌表更新值,以该禁忌表更新值设为所述第一选择数据;
选择模块,所述选择模块用于将所述第一选择数据输入所述检测设备选择单元进行检测设备的选择,获取配置参数;
结果获取模块,所述结果获取模块用于将所述配置参数输入生产控制模型内的生产配置控制层,输出控制结果;
生产控制模块,所述生产控制模块用于根据所述控制结果与所述装配式生产线中的平衡系数,对所述装配式生产线进行生产控制,其中,所述平衡系数是指人员与机器之间的平衡比率,且所述平衡比率越大则装配式生产线的生产效率越高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310598113.5A CN116560322B (zh) | 2023-05-25 | 2023-05-25 | 一种装配式生产线的生产控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310598113.5A CN116560322B (zh) | 2023-05-25 | 2023-05-25 | 一种装配式生产线的生产控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116560322A CN116560322A (zh) | 2023-08-08 |
CN116560322B true CN116560322B (zh) | 2024-01-02 |
Family
ID=87498103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310598113.5A Active CN116560322B (zh) | 2023-05-25 | 2023-05-25 | 一种装配式生产线的生产控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116560322B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117260053B (zh) * | 2023-11-15 | 2024-04-02 | 张家港广大特材股份有限公司 | 一种特种钢材焊接控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831492A (zh) * | 2012-06-06 | 2012-12-19 | 西安电子科技大学 | 工业缝制行业中平衡生产线的方法 |
CN103049801A (zh) * | 2012-12-20 | 2013-04-17 | 四川长虹电器股份有限公司 | 生产线布局优化设计方法 |
CN211180638U (zh) * | 2019-09-30 | 2020-08-04 | 上汽大通汽车有限公司 | 跨车间多平台共线混流排产的优化控制系统 |
WO2022000924A1 (zh) * | 2020-07-01 | 2022-01-06 | 北京工业大学 | 基于ammas-ga嵌套算法的双资源模具作业车间调度优化方法 |
-
2023
- 2023-05-25 CN CN202310598113.5A patent/CN116560322B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831492A (zh) * | 2012-06-06 | 2012-12-19 | 西安电子科技大学 | 工业缝制行业中平衡生产线的方法 |
CN103049801A (zh) * | 2012-12-20 | 2013-04-17 | 四川长虹电器股份有限公司 | 生产线布局优化设计方法 |
CN211180638U (zh) * | 2019-09-30 | 2020-08-04 | 上汽大通汽车有限公司 | 跨车间多平台共线混流排产的优化控制系统 |
WO2022000924A1 (zh) * | 2020-07-01 | 2022-01-06 | 北京工业大学 | 基于ammas-ga嵌套算法的双资源模具作业车间调度优化方法 |
Non-Patent Citations (3)
Title |
---|
基于启发式平衡搜索法的装配线平衡方法;沈维蕾;谢峰;柴畅;;组合机床与自动化加工技术(11);全文 * |
基于遗传的装配线平衡系统研究;王红军;赵建辉;;计算机工程与应用(10);全文 * |
多目标装配线平衡的优化算法;宋华明, 韩玉启;运筹与管理(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116560322A (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116560322B (zh) | 一种装配式生产线的生产控制方法及系统 | |
CN101771477B (zh) | 手机射频发射功率校正系统及方法 | |
CN112182961B (zh) | 一种换流站无线网络信道大尺度衰落建模预测方法 | |
CN109815855B (zh) | 一种基于机器学习的电子设备自动测试方法及系统 | |
CN109387521A (zh) | 图像处理系统 | |
CN113344479B (zh) | 面向在线课堂的学习参与度智能评估方法和装置 | |
CN112818025A (zh) | 试题生成方法、装置和系统、计算机存储介质和程序产品 | |
CN101501711A (zh) | 用于信号识别装置的学习数据集的优化方法以及能够优化学习数据集的信号识别装置 | |
CN111179576A (zh) | 一种具有归纳学习的用电信息采集故障诊断方法及系统 | |
CN116824369A (zh) | 基于边缘计算与yolov7-tiny的荔枝病害实时检测系统及其方法 | |
CN113094404B (zh) | 一种大数据采集多核参数自适应分时记忆驱动方法及系统 | |
CN109388169A (zh) | 参考电压产生器 | |
CN107944552A (zh) | 一种基于Elman神经网络的工业物联网参数预测方法 | |
CN112633900A (zh) | 基于机器学习的工业物联网数据验证方法 | |
CN113886992A (zh) | 一种基于多保真度数据的数字孪生建模方法 | |
CN110988803A (zh) | 一种高置信度动态调整的雷达辐射源个体识别系统 | |
CN1801323B (zh) | 语音/语者识别系统的负载最佳化方法 | |
CN113177074B (zh) | 一种提升环境自适应性的光学性能监测系统及方法 | |
CN116795065B (zh) | 一种不饱和聚酯树脂的生产设备控制方法及系统 | |
CN111310907A (zh) | 一种微波组件故障诊断方法、装置及设备 | |
TW201203137A (en) | Data correction method for remote terminal unit | |
CN116805053A (zh) | 一种用于卷积神经网络输出层的错因修正插件 | |
CN116777843A (zh) | 一种基于动态非极大值抑制的厨余垃圾检测方法及系统 | |
CN117880420A (zh) | 一种基于情绪反馈分析技术的智能外呼系统 | |
CN115221925A (zh) | 基于雷达数据的摔倒检测模型训练、摔倒检测方法及装置 |
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 |