CN117709617A - 一种基于mes的生产车间智能排程系统 - Google Patents
一种基于mes的生产车间智能排程系统 Download PDFInfo
- Publication number
- CN117709617A CN117709617A CN202311464511.4A CN202311464511A CN117709617A CN 117709617 A CN117709617 A CN 117709617A CN 202311464511 A CN202311464511 A CN 202311464511A CN 117709617 A CN117709617 A CN 117709617A
- Authority
- CN
- China
- Prior art keywords
- data
- production
- module
- time
- scheduling
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 117
- 238000012544 monitoring process Methods 0.000 claims abstract description 42
- 238000005457 optimization Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 238000012800 visualization Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 86
- 230000008569 process Effects 0.000 claims description 32
- 239000002245 particle Substances 0.000 claims description 27
- 238000004891 communication Methods 0.000 claims description 19
- 230000000007 visual effect Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000001934 delay Effects 0.000 abstract description 2
- 238000013468 resource allocation Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 239000002994 raw material Substances 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000011265 semifinished product Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Abstract
本发明涉及一种基于MES的生产车间智能排程系统，具体涉及生产排程技术领域，包括数据采集传输模块、数据处理分析模块、数据建模优化模块、生产排程调度模块以及监控反馈可视化模块，通过自动化排程和优化算法，减少生产车间的闲置时间，提高设备利用率和工人效率，根据实时数据和需求情况进行排程计划，合理分配设备和人力资源，通过实时监控和调整排程计划，减少生产中的错误和延迟，利用监控反馈可视化及时发现质量问题，并提供反馈信息，通过实时报告和数据分析，帮助优化生产策略和资源配置，涉及到多个目标和约束条件解决多目标之间的冲突，并给出最佳的综合方案。
Description
技术领域
本发明涉及生产排程技术领域，更具体地说，本发明涉及一种基于MES的生产车间智能排程系统。
背景技术
随着工业互联网发展，现代生产车间通常涉及多个设备、工序和任务，随着生产车间的自动化和智能化程度的提高，传统的人工排程和调度已经无法满足生产的需求。
传统的排程系统通常是基于静态的排程规则和预设的计划，无法充分考虑实际生产车间的动态变化和不确定性，缺乏对生产车间实时状态的监控和反馈机制。
基于MES的生产车间智能排程系统集成设备系统和生产系统获取车间关键数据，通过多种系统和模型实时动态对生产车间进行监控和反馈，并获取生产排程最优方案。
发明内容
本发明针对现有技术中存在的技术问题，提供一种基于MES的生产车间智能排程系统，通过数据建模优化模块和监控反馈可视化模块，以解决上述背景技术中提出的问题。
本发明解决上述技术问题的技术方案如下：包括数据采集传输模块、数据处理分析模块、数据建模优化模块、生产排程调度模块以及监控反馈可视化模块；
数据采集传输模块：建立车间设备和生产系统智能接口，集成设备系统和生产系统获取车间关键数据，利用无线通信方法实时并按一定时间间隔批量传输关键数据至MES系统；
数据处理分析模块：对数据异常值和缺失值进行判断和处理，通过记录数据来源、定义数据字典、注释数据字段方式建立元数据管理系统，通过皮尔逊相关系数和最小最大归一化操作建立特征工程系统，实现数据特征分析；
数据建模优化模块：根据生成系统工序和工序安排定义变量和添加模型约束条件，并建立优化模型输入相应启发式优化算法获取最优生成工序安排方案；
生产排程调度模块：通过维护一个禁忌表并采用邻域搜索策略进行探索，调用数据建模优化模块根据生成最优排程方案转换实际任务和工单进行分配；
监控反馈可视化模块：接收来自传感器、检测设备以及人工操作员的数据输入，利用实时监测和反馈数据提供可视化界面以图表、曲线形式直观展示给用户。
在一个优选地实施方式中，所述数据采集传输模块建立车间设备和生产系统智能接口，通过设备控制系统记录生产工序所需时间，包括设置时间、加工时间和清洗时间，所述设备控制系统连接多种传感器并利用网络接口实现对设备的远程监控、操作和调节，通过PLC设备监控系统监测设备运行状态，包括设备开机、关机、故障和维修情况，所述PLC设备监控系统连接PLC设备，监测设备的运行状态及运行数据，通过建立RFID标签跟踪物料库存情况，包括原材料的到货和消耗、半成品和成品的存储流动情况，所述RFID标签通过无线电波传输数据，用于识别和跟踪物体，通过管理和监控销售活动获取销售订单和预测需求确定产品需求，利用无线通信方法实时并按阈值时间间隔批量传输关键数据至MES系统，所述无线通信方法为Modbus工业通信协议，支持串行通信和以太网通信方式，利用物理层接口和TCP/IP协议作为传输协议实现设备和生产数据传输，其中阈值时间间隔为每小时。
在一个优选地实施方式中，所述数据处理分析模块根据收集数据均值和标准差值并计算数据上下界，用于判断超出上下界的观测值视为异常值，所述数据均值和标准差值以及数据上下界具体公式为：
其中S表示数据均值，xi表示第i个数据集中观测值，n表示数据集中观测值数量，Sd表示数据标准差值，利用均值替代方法填充缺失值和替代异常值，对来自多个源头数据进行数据匹配和整合，利用唯一标识符对不同数据源记录进行关联整合操作，使其具有一致标识和对应关系，通过逻辑检查和比对参考数据进行追溯数据源头，建立元数据管理系统用于减少数据解读的歧义，所述元数据管理系统通过记录数据来源、定义数据字典、注释数据字段方式提高数据的可理解性和一致性，建立特征工程系统，通过皮尔逊相关系数选择最相关和最具有预测能力特征值，所述皮尔逊相关系数具体公式为：
其中r表示皮尔逊系数，cov(x,y)表示变量x、y的协方差，Sd(x)、Sd(y)表示变量x、y的标准差值，皮尔逊相关系数取值范围为-1到1之间，其绝对值越接近1表示相关性越强，越接近0表示相关性越弱，组合、变换和衍生原始特征数据，生成新的特征增加模型表达能力，利用最小最大归一化对特征进行缩放，用于消除特征之间的量纲差异，所述最小-最大归一化公式为：
其中Z表示归一化后的数据，x表示原始数据，xmin表示原始数据的最小值，xmax表示原始数据的最大值，利用标签编码将非数值型的特征转化为数值型的特征，通过线性判别分析进行特征降维减少特征数量，所述线性判别分析通过将样本投影到低维空间中，同时最大化类别间的差异性并最小化类别内的差异性。
在一个优选地实施方式中，所述数据建模优化模块对生产系统工序和工序安排定义二进制变量和连续变量，用于表示是否选择工序和表示工序安排时间，定义最小化总体生产时间、最小化总体成本和最大化生产效率目标函数，所述最小化总体生产时间、最小化总体成本和最大化生产效率目标函数具体公式为：
T＝max(ti+di)
其中T总体生产时间，ti表示第i个工序的开始时间，di表示第i个工序的处理时间，其中所有工序的完成时间中选择最晚的时间节点表示总体生产时间，C表示总体成本，ci表示第i个工序的成本，P表示单位时间内完成工序的数量和单位时间内的产能表示的生产效率，di表示第i个工序的处理时间，n表示生产工序数量，添加生产系统资源约束、生产工序时间约束和优先级规则约束，其中资源约束限制同时处理的工序数量和工序所需资源的总量，生产工序时间约束限制每个工序的完成时间不能早于前置工序的完成时间加上工序所需时间，优先级规则约束规定工序优先级，判断生产工序前后依赖关系，添加生产工序之间相关性限制条件，添加设备可用性和维护时间限制条件，利用上述定义和添加条件建立优化模型并输入相应的启发式优化算法获取最优生产工序安排方案，所述启发式优化算法为粒子群算法，随机生成例子并随机初始化其位置和速度，根据优化目标函数获取每个粒子适应度值，利用当前速度、位置以及个体最优位置和群体最优位置，通过更新公式更新粒子速度和位置，重复迭代更新粒子步骤直到满足停止迭代的条件，并输出最优解，其更新公式为：
Vi+1＝w*vi+c1*rand(0,1)*(pbesti-xi)+c2*rand(0,1)*(gbesti-xi)
xi+1＝xi+Vi+1
其中Vi+1表示更新粒子速度，w表示惯性权重，vi表示第i次迭代时粒子的速度，c1、c2表示加速系数，rand(0,1)表示0到1之间的随机数，pbesti表示粒子个体最优解，gbesti表示全局最优解，xi表示粒子当前位置，xi+1表示更新粒子位置。
在一个优选地实施方式中，所述生产排程调度模块通过维护一个禁忌表，记录已经搜索过的解以及其相关信息，采用邻域搜索策略进行探索，通过对当前解进行一定的扰动和变化，生成新的候选解进行评估，所述邻域搜索策略利用交换、插入、颠倒、移动和局部优化操作进行单独和组合使用，通过变化和探索生成新的解并进行评估和选择，调用数据建模优化模块根据生成的最优排程方案转换实际任务和工单，分配依据包括设备的能力、工人的技能和工作负荷平衡，根据设备状态和工作进展情况，动态调度资源，包括设备、工人和原材料，利用排程方案对设备状态进行实时监控，包括设备运行状况、故障情况、维护需求。
在一个优选地实施方式中，所述监控反馈可视化模块接收来自传感器、检测设备以及人工操作员的数据输入，用于监测设备的状态和环境条件，安装摄像头建立视觉系统监测生产过程中的关键环节，实时监控设备和生产状态，包括设备的运行状况、生产进度、温湿度参数，并利用无线通信方式将反馈信息传输至MES系统，利用实时监测和反馈数据提供可视化界面，通过实时监控生产车间的生产状态和进度，提供准确的生产进度报告，包括已完成任务、进行中任务和待处理任务的数量和进度，通过实时监控设备和工人的工作状态，根据实际情况进行资源调度和优化，通过实时监测生产过程中的关键环节和质量指标，及时发现质量问题，并提供反馈信息，并将排程结果以图表、曲线形式直观展示给用户，包括生产进展、资源利用情况以及产能状况。
在一个优选地实施方式中，具体包括以下步骤：
101.建立车间设备和生产系统智能接口，集成设备系统和生产系统获取车间关键数据，利用无线通信方法实时并按一定时间间隔批量传输关键数据至MES系统；
102.对数据异常值和缺失值进行判断和处理，建立元数据管理系统减少数据解读的歧义，通过皮尔逊相关系数和最小最大归一化操作建立特征工程系统，实现数据特征分析；
103.根据生成系统工序和工序安排定义变量和添加模型约束条件，并建立优化模型并利用粒子群算法进行更新迭代，获取最优生成工序安排方案；
104.通过维护禁忌表并采用邻域搜索策略进行探索，调用数据建模优化模块根据生成最优排程方案转换实际任务和工单进行分配；
105.接收来自传感器、检测设备以及人工操作员的数据输入，利用实时监测和反馈数据提供可视化界面以图表、曲线形式直观展示给用户。
本发明的有益效果是：通过自动化排程和优化算法，减少生产车间的闲置时间，提高设备利用率和工人效率，根据实时数据和需求情况进行排程计划，合理分配设备和人力资源，最大程度地利用有限资源，通过实时监控和调整排程计划，减少生产中的错误和延迟，提高产品质量，利用监控反馈可视化及时发现质量问题，并提供反馈信息，通过实时报告和数据分析，为管理层提供决策支持，帮助优化生产策略和资源配置，涉及到多个目标和约束条件解决多目标之间的冲突，并给出最佳的综合方案。
附图说明
图1为本发明系统流程图；
图2为本发明系统结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
在本申请的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本申请的描述中，术语“例如”一词用来表示“用作例子、例证或说明”。本申请中被描述为“例如”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。
实施例1
本实施例提供了如图1所示一种基于MES的生产车间智能排程系统，具体包括以下步骤：
101.建立车间设备和生产系统智能接口，集成设备系统和生产系统获取车间关键数据，利用无线通信方法实时并按一定时间间隔批量传输关键数据至MES系统；
102.对数据异常值和缺失值进行判断和处理，建立元数据管理系统减少数据解读的歧义，通过皮尔逊相关系数和最小最大归一化操作建立特征工程系统，实现数据特征分析；
103.根据生成系统工序和工序安排定义变量和添加模型约束条件，并建立优化模型并利用粒子群算法进行更新迭代，获取最优生成工序安排方案；
104.通过维护禁忌表并采用邻域搜索策略进行探索，调用数据建模优化模块根据生成最优排程方案转换实际任务和工单进行分配；
105.接收来自传感器、检测设备以及人工操作员的数据输入，利用实时监测和反馈数据提供可视化界面以图表、曲线形式直观展示给用户。
实施例2
本实施例提供了如图2所示一种基于MES的生产车间智能排程系统，具体包括：包括数据采集传输模块、数据处理分析模块、数据建模优化模块、生产排程调度模块以及监控反馈可视化模块；
数据采集传输模块：建立车间设备和生产系统智能接口，集成设备系统和生产系统获取车间关键数据，利用无线通信方法实时并按一定时间间隔批量传输关键数据至MES系统。
数据处理分析模块：对数据异常值和缺失值进行判断和处理，通过记录数据来源、定义数据字典、注释数据字段方式建立元数据管理系统，通过皮尔逊相关系数和最小最大归一化操作建立特征工程系统，实现数据特征分析。
数据建模优化模块：根据生成系统工序和工序安排定义变量和添加模型约束条件，并建立优化模型输入相应启发式优化算法获取最优生成工序安排方案。
生产排程调度模块：通过维护一个禁忌表并采用邻域搜索策略进行探索，调用数据建模优化模块根据生成最优排程方案转换实际任务和工单进行分配。
监控反馈可视化模块：接收来自传感器、检测设备以及人工操作员的数据输入，利用实时监测和反馈数据提供可视化界面以图表、曲线形式直观展示给用户。
101.建立车间设备和生产系统智能接口，集成设备系统和生产系统获取车间关键数据，利用无线通信方法实时并按一定时间间隔批量传输关键数据至MES系统；
本实施例中，具体需要说明的是数据采集传输模块，所述数据采集传输模块建立车间设备和生产系统智能接口，通过设备控制系统记录生产工序所需时间，包括设置时间、加工时间和清洗时间，所述设备控制系统连接多种传感器并利用网络接口实现对设备的远程监控、操作和调节，通过PLC设备监控系统监测设备运行状态，包括设备开机、关机、故障和维修情况，所述PLC设备监控系统连接PLC设备，监测设备的运行状态及运行数据，通过建立RFID标签跟踪物料库存情况，包括原材料的到货和消耗、半成品和成品的存储流动情况，所述RFID标签通过无线电波传输数据，用于识别和跟踪物体，通过管理和监控销售活动获取销售订单和预测需求确定产品需求，利用无线通信方法实时并按阈值时间间隔批量传输关键数据至MES系统，所述无线通信方法为Modbus工业通信协议，支持串行通信和以太网通信方式，利用物理层接口和TCP/IP协议作为传输协议实现设备和生产数据传输，其中阈值时间间隔为每小时。
102.对数据异常值和缺失值进行判断和处理，建立元数据管理系统减少数据解读的歧义，通过皮尔逊相关系数和最小最大归一化操作建立特征工程系统，实现数据特征分析；
本实施例中，具体需要说明的是数据处理分析模块，所述数据处理分析模块根据收集数据均值和标准差值，计算数据上下界，判断超出上下界的观测值视为异常值，所述数据均值和标准差值以及数据上下界具体公式为：
其中S表示数据均值，xi表示第i个数据集中观测值，n表示数据集中观测值数量，Sd表示数据标准差值，利用均值替代方法填充缺失值和替代异常值，对来自多个源头数据进行数据匹配和整合，利用唯一标识符对不同数据源记录进行关联整合操作，使其具有一致标识和对应关系，通过逻辑检查和比对参考数据进行追溯数据源头，建立元数据管理系统用于减少数据解读的歧义，所述元数据管理系统通过记录数据来源、定义数据字典、注释数据字段方式提高数据的可理解性和一致性，建立特征工程系统，通过皮尔逊相关系数选择最相关和最具有预测能力特征值，所述皮尔逊相关系数具体公式为：
其中r表示皮尔逊系数，cov(x,y)表示变量x、y的协方差，Sd(x)、Sd(y)表示变量x、y的标准差值，皮尔逊相关系数取值范围为-1到1之间，其绝对值越接近1表示相关性越强，越接近0表示相关性越弱，组合、变换和衍生原始特征数据，生成新的特征增加模型表达能力，利用最小最大归一化对特征进行缩放，用于消除特征之间的量纲差异，所述最小-最大归一化公式为：
其中Z表示归一化后的数据，x表示原始数据，xmin表示原始数据的最小值，xmax表示原始数据的最大值，利用标签编码将非数值型的特征转化为数值型的特征，通过线性判别分析进行特征降维减少特征数量，所述线性判别分析通过将样本投影到低维空间中，同时最大化类别间的差异性并最小化类别内的差异性。
103.根据生成系统工序和工序安排定义变量和添加模型约束条件，并建立优化模型并利用粒子群算法进行更新迭代，获取最优生成工序安排方案；
本实施例中，具体需要说明的是数据建模优化模块，所述数据建模优化模块对生产系统工序和工序安排定义二进制变量和连续变量，用于表示是否选择工序和表示工序安排时间，定义最小化总体生产时间、最小化总体成本和最大化生产效率目标函数，所述最小化总体生产时间、最小化总体成本和最大化生产效率目标函数具体公式为：
T＝max(ti+di)
其中T总体生产时间，ti表示第i个工序的开始时间，di表示第i个工序的处理时间，其中所有工序的完成时间中选择最晚的时间节点表示总体生产时间，C表示总体成本，ci表示第i个工序的成本，P表示单位时间内完成工序的数量和单位时间内的产能表示的生产效率，di表示第i个工序的处理时间，n表示生产工序数量，添加生产系统资源约束、生产工序时间约束和优先级规则约束，其中资源约束限制同时处理的工序数量和工序所需资源的总量，生产工序时间约束限制每个工序的完成时间不能早于前置工序的完成时间加上工序所需时间，优先级规则约束规定工序优先级，判断生产工序前后依赖关系，添加生产工序之间相关性限制条件，添加设备可用性和维护时间限制条件，利用上述定义和添加条件建立优化模型并输入相应的启发式优化算法获取最优生产工序安排方案，所述启发式优化算法为粒子群算法，随机生成例子并随机初始化其位置和速度，根据优化目标函数获取每个粒子适应度值，利用当前速度、位置以及个体最优位置和群体最优位置，通过更新公式更新粒子速度和位置，重复迭代更新粒子步骤直到满足停止迭代的条件，并输出最优解，其中更新公式为：
Vi+1＝w*vi+c1*rand(0,1)*(pbesti-xi)+c2*rand(0,1)*(gbesti-xi)
xi+1＝xi+Vi+1
其中Vi+1表示更新粒子速度，w表示惯性权重，vi表示第i次迭代时粒子的速度，c1、c2表示加速系数，rand(0,1)表示0到1之间的随机数，pbesti表示粒子个体最优解，gbesti表示全局最优解，xi表示粒子当前位置，xi+1表示更新粒子位置。
104.通过维护禁忌表并采用邻域搜索策略进行探索，调用数据建模优化模块根据生成最优排程方案转换实际任务和工单进行分配；
本实施例中，具体需要说明的是生产排程调度模块，所述生产排程调度模块通过维护一个禁忌表，记录已经搜索过的解以及其相关信息，采用邻域搜索策略进行探索，通过对当前解进行一定的扰动和变化，生成新的候选解进行评估，所述邻域搜索策略利用交换、插入、颠倒、移动和局部优化操作进行单独和组合使用，通过变化和探索生成新的解并进行评估和选择，调用数据建模优化模块根据生成的最优排程方案转换实际任务和工单，分配依据包括设备的能力、工人的技能和工作负荷平衡，根据设备状态和工作进展情况，动态调度资源，包括设备、工人和原材料，利用排程方案对设备状态进行实时监控，包括设备运行状况、故障情况、维护需求。
105.接收来自传感器、检测设备以及人工操作员的数据输入，利用实时监测和反馈数据提供可视化界面以图表、曲线形式直观展示给用户；
本实施例中，具体需要说明的是监控反馈可视化模块，所述监控反馈可视化模块接收来自传感器、检测设备以及人工操作员的数据输入，用于监测设备的状态和环境条件，安装摄像头建立视觉系统监测生产过程中的关键环节，实时监控设备和生产状态，包括设备的运行状况、生产进度、温湿度参数，并利用无线通信方式将反馈信息传输至MES系统，利用实时监测和反馈数据提供可视化界面，通过实时监控生产车间的生产状态和进度，提供准确的生产进度报告，包括已完成任务、进行中任务和待处理任务的数量和进度，通过实时监控设备和工人的工作状态，根据实际情况进行资源调度和优化，通过实时监测生产过程中的关键环节和质量指标，及时发现质量问题，并提供反馈信息，并将排程结果以图表、曲线形式直观展示给用户，包括生产进展、资源利用情况以及产能状况。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
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。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、嵌入式计算机或者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装置。
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装置的制造品，该指令装置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，则本发明也意图包括这些改动和变型在内。
Claims (7)
1.一种基于MES的生产车间智能排程系统，其特征在于：包括数据采集传输模块、数据处理分析模块、数据建模优化模块、生产排程调度模块以及监控反馈可视化模块；
数据采集传输模块：建立车间设备和生产系统智能接口，集成设备系统和生产系统获取车间关键数据，利用无线通信方法实时并按一定时间间隔批量传输关键数据至MES系统；
数据处理分析模块：对数据异常值和缺失值进行判断和处理，通过记录数据来源、定义数据字典、注释数据字段方式建立元数据管理系统，通过皮尔逊相关系数和最小最大归一化操作建立特征工程系统，实现数据特征分析；
数据建模优化模块：根据生成系统工序和工序安排定义变量和添加模型约束条件，并建立优化模型输入相应启发式优化算法获取最优生成工序安排方案；
生产排程调度模块：通过维护一个禁忌表并采用邻域搜索策略进行探索，调用数据建模优化模块根据生成最优排程方案转换实际任务和工单进行分配；
监控反馈可视化模块：接收来自传感器、检测设备以及人工操作员的数据输入，利用实时监测和反馈数据提供可视化界面以图表、曲线形式直观展示给用户。
2.根据权利要求1所述的一种基于MES的生产车间智能排程系统，其特征在于：所述数据采集传输模块通过PLC设备监控系统监测设备运行状态，建立RFID标签跟踪物料库存情况，管理和监控销售活动获取销售订单和预测需求确定产品需求，利用无线通信方法实时并按一定时间间隔批量传输关键数据至MES系统。
3.根据权利要求1所述的一种基于MES的生产车间智能排程系统，其特征在于：所述数据处理分析模块根据收集数据均值和标准差值并计算数据上下界，用于判断超出上下界的观测值视为异常值，所述数据均值和标准差值以及数据上下界具体公式为：
其中表示数据均值，xi表示第i个数据集中观测值，n表示数据集中观测值数量，Sd表示数据标准差值，通过皮尔逊相关系数选择最相关和最具有预测能力特征值，所述皮尔逊相关系数具体公式为：
其中r表示皮尔逊系数，cov(x,y)表示变量x、y的协方差，Sd(x)、Sd(y)表示变量x、y的标准差值，皮尔逊相关系数取值范围为-1到1之间，其绝对值越接近1表示相关性越强，越接近0表示相关性越弱，利用最小最大归一化对特征进行缩放，用于消除特征之间的量纲差异，所述最小-最大归一化公式为：
其中Z表示归一化后的数据，x表示原始数据，xmin表示原始数据的最小值，xmax表示原始数据的最大值。
4.根据权利要求1所述的一种基于MES的生产车间智能排程系统，其特征在于：所述数据建模优化模块定义二进制变量和连续变量，定义最小化总体生产时间、最小化总体成本和最大化生产效率目标函数，添加多种生产系统约束条件，并建立优化模型输入相应启发式优化算法获取最优生成工序安排方案。
5.根据权利要求4所述的一种基于MES的生产车间智能排程系统，其特征在于：所述最小化总体生产时间、最小化总体成本和最大化生产效率目标函数，其具体公式为：
T＝max(ti+di)
其中T总体生产时间，ti表示第i个工序的开始时间，di表示第i个工序的处理时间，其中所有工序的完成时间中选择最晚的时间节点表示总体生产时间，C表示总体成本，ci表示第i个工序的成本，P表示单位时间内完成工序的数量和单位时间内的产能表示的生产效率，di表示第i个工序的处理时间，n表示生产工序数量，所述启发式优化算法为粒子群算法，其更新公式为：
Vi+1＝w*vi+c1*rand(0,1)*(pbesti-xi)+c2*rand(0,1)*(gbesti-xi)
xi+1＝xi+Vi+1
其中Vi+1表示更新粒子速度，w表示惯性权重，vi表示第i次迭代时粒子的速度，c1、c2表示加速系数，rand(0,1)表示0到1之间的随机数，pbesti表示粒子个体最优解，gbesti表示全局最优解，xi表示粒子当前位置，xi+1表示更新粒子位置。
6.根据权利要求1所述的一种基于MES的生产车间智能排程系统，其特征在于：所述生产排程调度模块通过禁忌搜索对当前解进行一定的扰动和变化，生成新的候选解进行评估，调用数据建模优化模块根据生成的最优排程方案转换实际任务和工单。
7.根据权利要求1所述的一种基于MES的生产车间智能排程系统，其特征在于：所述监控反馈可视化模块通过摄像头建立视觉系统监测生产过程中的关键环节，利用无线通信方式将反馈信息传输至MES系统并提供可视化界面，用于将排程结果以图表、曲线形式直观展示给用户。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311464511.4A CN117709617A (zh) | 2023-11-07 | 2023-11-07 | 一种基于mes的生产车间智能排程系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311464511.4A CN117709617A (zh) | 2023-11-07 | 2023-11-07 | 一种基于mes的生产车间智能排程系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117709617A true CN117709617A (zh) | 2024-03-15 |
Family
ID=90159566
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311464511.4A Pending CN117709617A (zh) | 2023-11-07 | 2023-11-07 | 一种基于mes的生产车间智能排程系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117709617A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117808458A (zh) * | 2024-03-01 | 2024-04-02 | 中国人民解放军海军工程大学 | 一种设备修理线优化方法、系统、电子设备与存储介质 |
-
2023
- 2023-11-07 CN CN202311464511.4A patent/CN117709617A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117808458A (zh) * | 2024-03-01 | 2024-04-02 | 中国人民解放军海军工程大学 | 一种设备修理线优化方法、系统、电子设备与存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9958861B2 (en) | Production control system and integrated production control system | |
| KR101825881B1 (ko) | 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템 | |
| CN111915410B (zh) | 面向高动态生产物流过程的智能管控系统 | |
| CN107464025B (zh) | 基于大数据的供应链需求预测与智能决策方法 | |
| CN104620181A (zh) | 识别、捕捉、分类和运用半自动制造装备中的各个操作人员特有的部落知识,以执行自动技术监督操作,从而改善制造系统性能的系统和设备及其方法 | |
| CN115062478A (zh) | 基于数字孪生的动态车间生产排程调度方法、系统及介质 | |
| CN117709617A (zh) | 一种基于mes的生产车间智能排程系统 | |
| Tian et al. | Real-time shop floor scheduling method based on virtual queue adaptive control: Algorithm and experimental results | |
| CN116029682A (zh) | 一种基于bim技术的施工进度管理方法及系统 | |
| Hung et al. | Analysis of key success factors for industry 4.0 development | |
| CN116341931B (zh) | 一种多偏好钢铁企业经营数据分析系统及方法 | |
| CN116012109A (zh) | 基于元宇宙的订单生成方法及定制生产方法 | |
| Chen et al. | Digital twin-oriented collaborative optimization of fuzzy flexible job shop scheduling under multiple uncertainties | |
| Mosavi et al. | Intelligent energy management using data mining techniques at Bosch Car Multimedia Portugal facilities | |
| Turgay et al. | Digital Twin Based Flexible Manufacturing System Modelling with Fuzzy Approach | |
| CN117829554B (zh) | 智能感知成品修复决策支持系统 | |
| Wang et al. | Big data analytics for scheduling and machining | |
| CN116976755B (zh) | 一种基于数据处理的产业协同分析评价系统 | |
| CN116090702B (zh) | 一种基于物联网的erp数据智能监管系统及方法 | |
| Zhang et al. | Batch sizing control of a flow shop based on the entropy-function theorems | |
| CN107358348A (zh) | 一种基于oee提高计划容错性的方法 | |
| WO2024065484A1 (zh) | 用于识别事件的方法、装置、设备和介质 | |
| CN114418177B (zh) | 基于生成对抗网络的数字孪生车间的新产品物料配送预测方法 | |
| Wang et al. | Research on Disturbance for Job-shops Based on Production Data | |
| Bala et al. | Multi-Agent Based Smart System for Supply Chain Management |
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 |