本發(fā)明屬于生產(chǎn)排產(chǎn)優(yōu)化，尤其涉及一種生成式動態(tài)生產(chǎn)資源排產(chǎn)均衡方法及系統(tǒng)。

背景技術(shù)：

1、生產(chǎn)排產(chǎn)優(yōu)化一直是制造業(yè)中的關(guān)鍵問題，傳統(tǒng)的基于時間最小化的策略，過于機(jī)械化地產(chǎn)出排產(chǎn)結(jié)果，并且這些最優(yōu)排產(chǎn)計劃是在理想情況下的排產(chǎn)結(jié)果，實際生產(chǎn)可能與理想條件有所偏差。在大型離散制造行業(yè)特別是軌道交通裝配的領(lǐng)域中，裝配工藝復(fù)雜、規(guī)模大、工時長，相對于自動化生產(chǎn)制造更依賴人在生產(chǎn)中發(fā)揮的作用。而且經(jīng)常會遇到訂單不穩(wěn)定的情況，導(dǎo)致了一些生產(chǎn)人員在密集工作之后再無工作計劃，其工作時間與閑置時間分配極不均衡。而經(jīng)過計劃員人工排產(chǎn)/調(diào)產(chǎn)的結(jié)果是計劃員充分考慮各種生產(chǎn)要素，均衡了各方利益而得到的均衡排產(chǎn)結(jié)果。如果能夠?qū)⒂媱潌T的這種行為模式學(xué)習(xí)并固化，那么在自動排產(chǎn)時將得到理想的生產(chǎn)資源均衡排產(chǎn)結(jié)果，從而達(dá)到智能排產(chǎn)、智能制造這一最終目標(biāo)。

技術(shù)實現(xiàn)思路

1、為克服相關(guān)技術(shù)中存在的問題，本發(fā)明公開實施例提供了一種生成式動態(tài)生產(chǎn)資源排產(chǎn)均衡方法及系統(tǒng)，具體涉及一種基于生成式模型的動態(tài)生產(chǎn)資源均衡算法。本發(fā)明提出的方法通過線性規(guī)劃初步得到排產(chǎn)的理想結(jié)果，再將理想結(jié)果作為輸入調(diào)用機(jī)器學(xué)習(xí)模型，得到最終的生產(chǎn)資源均衡排產(chǎn)結(jié)果，此模型為通過學(xué)習(xí)計劃員的排產(chǎn)歷史結(jié)果訓(xùn)練得到，學(xué)習(xí)了計劃員的調(diào)產(chǎn)行為模式，相當(dāng)于將計劃員的調(diào)/排產(chǎn)行為固化為一個算法模型。

2、所述技術(shù)方案如下：生成式動態(tài)生產(chǎn)資源排產(chǎn)均衡方法，利用線性規(guī)劃結(jié)合機(jī)器學(xué)習(xí)調(diào)產(chǎn)行為，通過學(xué)習(xí)訓(xùn)練后的深度神經(jīng)網(wǎng)絡(luò)模型對排產(chǎn)計劃進(jìn)行調(diào)整，輸出符合生產(chǎn)資源均衡的排產(chǎn)矩陣，使生產(chǎn)效率與成本控制和資源分配均衡；具體包括以下步驟：

3、s1，根據(jù)生產(chǎn)資源和生產(chǎn)資源相互之間的約束關(guān)系，根據(jù)訂單和bom得到所需開工的工序任務(wù)集合，根據(jù)工廠的臺位情況得到臺位產(chǎn)能列表，根據(jù)物料配送計劃得到每天的物料配送矩陣；基于上述信息，運(yùn)用線性規(guī)劃算法，將每日的排產(chǎn)結(jié)果抽象為每日每個工序任務(wù)所要完成的工時，調(diào)用求解器依次求解第天的排產(chǎn)完工工時，得到排產(chǎn)計劃的目標(biāo)函數(shù)，直到第天，每一道工序的完工工時之和為工序所對應(yīng)額定工時；

4、s2，在目標(biāo)函數(shù)中引入超參數(shù)系數(shù)，通過深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練學(xué)習(xí)，輸出超參數(shù)系數(shù)值，并帶入線性規(guī)劃算法的目標(biāo)函數(shù)中，得到調(diào)排產(chǎn)結(jié)果；

5、s3，在深度神經(jīng)網(wǎng)絡(luò)模型中，通過將損失函數(shù)計算擴(kuò)充，額外調(diào)用線性規(guī)劃算法得到預(yù)測值，通過深度神經(jīng)網(wǎng)絡(luò)模型輸出經(jīng)過線性規(guī)劃算法調(diào)整后再與教師值比較得到損失值，使經(jīng)過訓(xùn)練后得到的深度神經(jīng)網(wǎng)絡(luò)模型在無人工干預(yù)的情況下，作出均衡排產(chǎn)計劃。

6、在步驟s1中，所述生產(chǎn)資源，包括：工序、工序任務(wù)、臺位、臺位產(chǎn)能、物料、生產(chǎn)節(jié)拍，以及完整產(chǎn)品的物料樹bom；

7、所述約束關(guān)系，包括：工序所需臺位產(chǎn)能小于等于當(dāng)天的臺位產(chǎn)能，所需物料小于等于當(dāng)天計劃物料配送數(shù)量，生產(chǎn)節(jié)拍周期的工序任務(wù)開工時間不小于生產(chǎn)節(jié)拍所在周期的開始時間；

8、所述所需開工的工序任務(wù)集合為，此集合包括按照生產(chǎn)節(jié)拍新增的工單，附加所屬工序的所需產(chǎn)能、所需物料、工序順序、最早開工時間信息；

9、所述根據(jù)工廠的臺位情況得到臺位產(chǎn)能列表為；

10、所述根據(jù)物料配送計劃得到每天的物料配送矩陣為，為天數(shù)，為物料編號，為物料數(shù)量。

11、在步驟s1中，運(yùn)用線性規(guī)劃算法，將每日的排產(chǎn)結(jié)果抽象為每日每個工序任務(wù)所要完成的工時，調(diào)用求解器依次求解第天的排產(chǎn)完工工時，得到排產(chǎn)計劃的目標(biāo)函數(shù)，包括：

12、將每日的排產(chǎn)結(jié)果抽象為每日每個工序任務(wù)所要完成的工時，第1天的完工工時為，下標(biāo)1對應(yīng)當(dāng)前是第一天，對應(yīng)工序任務(wù)編號，共有八個工序任務(wù)，經(jīng)過調(diào)用求解器得到排產(chǎn)結(jié)果為：

13、；

14、式中，為排產(chǎn)天數(shù)，為工序任務(wù)編號，值為當(dāng)天某道工序的工作工時，；為的最小有效值；

15、排產(chǎn)結(jié)果的排產(chǎn)目標(biāo)為求每天工作完成量之和的最大值，目標(biāo)公式為：

16、；

17、式中，為工作完成量之和的最大值。

18、進(jìn)一步，在工序所需臺位產(chǎn)能小于等于當(dāng)天的臺位產(chǎn)能中，第一天需要滿足產(chǎn)能約束，包括：工序自身約束、物料可供開工的工序；

19、所述工序自身約束，包括：

20、臺位一天的產(chǎn)能能做的工序，；

21、臺位一天的產(chǎn)能能做的工序，；

22、臺位一天的產(chǎn)能能做的工序，；

23、臺位一天的產(chǎn)能能做的工序，；

24、所述物料可供開工的工序，包括：

25、物料可供開工的工序，；

26、物料可供開工的工序，；

27、物料可供開工的工序，；

28、物料可供開工的工序，；

29、物料可供開工的工序，；

30、每個工序任務(wù)開工百分比不能超過額定工時，包括：

31、；

32、其中，代表1天的第1-8道工序；

33、工序任務(wù)之后的工序任務(wù)是根據(jù)生產(chǎn)節(jié)拍開工一周后開始的任務(wù)，第一天不能開工，包括：；

34、工序任務(wù)等工序任務(wù)完工后開工，包括：

35、；

36、式中，為是否是工序任務(wù)后的任務(wù)，為第天第1道工序的工時；

37、轉(zhuǎn)換為：

38、；

39、式中，為前天不可占用工時；

40、在第天時，前天內(nèi)工序任務(wù)的完工比例之和等于100%；

41、將以上約束和目標(biāo)公式輸入求解器，得到第一天的計劃結(jié)果。

42、進(jìn)一步，第二天時，排產(chǎn)目標(biāo)工時隨時間的演變的目標(biāo)公式為：

43、；

44、式中，為第2天的完工工時；

45、需滿足對功能排產(chǎn)時所受到的約束條件，包括以下約束條件；

46、臺位產(chǎn)能約束：；

47、物料供應(yīng)約束：；

48、工時約束：；其中，表示第2天的第1-8道工序；

49、第二天的完工工時小于等于所需額定工時減去之前完工的工時；

50、依次求第天的排產(chǎn)完工工時，得到的結(jié)果，為排產(chǎn)天數(shù)，為工序任務(wù)編號。

51、直到第天，每一道工序的完工工時之和為工序所對應(yīng)額定工時，滿足：

52、；

53、式中，為排產(chǎn)計劃總天數(shù)，為工序號為的工序任務(wù)，為第天工序號為的工序任務(wù)排產(chǎn)工時，為工序號為的工序所有排產(chǎn)工時總和。

54、在步驟s2中，在目標(biāo)函數(shù)中引入超參數(shù)系數(shù)，表達(dá)式為：

55、；

56、式中，為超參數(shù)矩陣中的第天工序號的工時參數(shù)，與排產(chǎn)工時相乘來達(dá)到使用系數(shù)調(diào)整結(jié)果的目的。

57、在步驟s2中，通過深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練學(xué)習(xí)，輸出超參數(shù)系數(shù)值，并帶入線性規(guī)劃算法的目標(biāo)函數(shù)中，得到調(diào)排產(chǎn)結(jié)果；包括：根據(jù)排產(chǎn)結(jié)果初始化一個系數(shù)矩陣，初始化數(shù)據(jù)全部為1，作為一個輸入數(shù)據(jù)規(guī)范輸出結(jié)果的行列數(shù)；將模型輸入層數(shù)據(jù)拆分為時間、元素和數(shù)量，統(tǒng)一成具有三個維度的向量表示并融合到一起；具體步驟為：

58、step1：特征編碼，時間維度以24個小時為表示空間，編碼為24維的one-hot編碼向量；元素維度對每個元素采用獨熱編碼表示為一個向量，對于數(shù)量維度則采用數(shù)量原始值；

59、step2：向量融合，對于每個元素維度，將每個元素的獨熱編碼向量與該元素數(shù)量相乘，得到該元素的加權(quán)向量；將所有元素的加權(quán)向量相加，得到該維度最終的向量表示；然后歸一化，采用l2歸一化方法對每個維度向量進(jìn)行歸一化；

60、工單基本信息矩陣輸入：工單基本信息作為對其他物料、產(chǎn)能、工人排班基礎(chǔ)必要條件的約束描述，參與隱藏層中第一層所有特征提取神經(jīng)元的計算；

61、臺位產(chǎn)能矩陣輸入：在特征提取時，通過工單基本信息去轉(zhuǎn)化成一個工單對應(yīng)臺位的矩陣；

62、工人排班矩陣輸入：預(yù)期未來一段時間內(nèi)的工人的排班情況，包含工人的所屬班組，可開工的工單類型，休班情況，可工作工時，同時引入激活函數(shù)調(diào)節(jié)；

63、物料供應(yīng)矩陣輸入：處理為一個每天每種物料供應(yīng)數(shù)量的二維矩陣。

64、在步驟s3中，深度神經(jīng)網(wǎng)絡(luò)模型由全連接層和激活層構(gòu)成，全連接層用于記憶理想線性排產(chǎn)與實際調(diào)產(chǎn)間的偏差特征，激活層用于帶來非線性特征；

65、損失函數(shù)采用均方誤差函數(shù)mse衡量預(yù)測值與真實值之間平方差異平均值，對離群值區(qū)分正負(fù)誤差；

66、損失函數(shù)計算的損失值采用梯度下降算法更新神經(jīng)網(wǎng)絡(luò)參數(shù)。

67、本發(fā)明的另一目的在于提供一種生成式動態(tài)生產(chǎn)資源排產(chǎn)均衡系統(tǒng)，該系統(tǒng)通過所述的生成式動態(tài)生產(chǎn)資源排產(chǎn)均衡方法實現(xiàn)，該系統(tǒng)包括：

68、排產(chǎn)計劃目標(biāo)函數(shù)獲得模塊，用于根據(jù)生產(chǎn)資源和生產(chǎn)資源相互之間的約束關(guān)系，根據(jù)訂單和bom得到所需開工的工序任務(wù)集合，根據(jù)工廠的臺位情況得到臺位產(chǎn)能列表，根據(jù)物料配送計劃得到每天的物料配送矩陣；基于上述信息，運(yùn)用線性規(guī)劃算法，將每日的排產(chǎn)結(jié)果抽象為每日每個工序任務(wù)所要完成的工時，調(diào)用求解器依次求解第天的排產(chǎn)完工工時，得到排產(chǎn)計劃的目標(biāo)函數(shù)，直到第天，每一道工序的完工工時之和為工序所對應(yīng)額定工時；

69、深度神經(jīng)網(wǎng)絡(luò)模型調(diào)整模塊，用于在目標(biāo)函數(shù)中引入超參數(shù)系數(shù)，通過深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練學(xué)習(xí)，輸出超參數(shù)系數(shù)值，并帶入線性規(guī)劃算法的目標(biāo)函數(shù)中，得到調(diào)排產(chǎn)結(jié)果；

70、在深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練模塊，用于在深度神經(jīng)網(wǎng)絡(luò)模型中，通過將損失函數(shù)計算擴(kuò)充，額外調(diào)用線性規(guī)劃算法得到預(yù)測值，通過深度神經(jīng)網(wǎng)絡(luò)模型輸出經(jīng)過線性規(guī)劃算法調(diào)整后再與教師值比較得到損失值，使經(jīng)過訓(xùn)練后得到的深度神經(jīng)網(wǎng)絡(luò)模型在無人工干預(yù)的情況下，作出均衡排產(chǎn)計劃。

71、結(jié)合上述的所有技術(shù)方案，本發(fā)明所具備的有益效果為：本發(fā)明解決了軌道交通行業(yè)裝配生產(chǎn)計劃的排產(chǎn)方案在實際生產(chǎn)環(huán)境中面臨的局限性，特別是忽視了計劃均衡分配而導(dǎo)致的員工工作時間過于密集或稀疏的情況。提出了一種創(chuàng)新的生成式動態(tài)模型，該模型不僅考慮時間效率，還綜合考量了臺位產(chǎn)能限制、物料供應(yīng)節(jié)奏、人員工時分配等多維度因素，以實現(xiàn)生產(chǎn)資源的最優(yōu)均衡。核心在于利用線性規(guī)劃結(jié)合機(jī)器學(xué)習(xí)，學(xué)習(xí)計劃員的調(diào)產(chǎn)行為，通過學(xué)習(xí)訓(xùn)練后的模型對排產(chǎn)計劃進(jìn)行智能調(diào)整，輸出符合生產(chǎn)資源均衡的排產(chǎn)矩陣，確保生產(chǎn)效率與成本控制和資源分配均衡的多贏。

72、本發(fā)明提升企業(yè)基于生產(chǎn)資源進(jìn)行排程排產(chǎn)的效率，大幅提升對生產(chǎn)資源利用精細(xì)度，從而避免因排產(chǎn)導(dǎo)致生產(chǎn)資源浪費(fèi)現(xiàn)象，降低企業(yè)生產(chǎn)成本；另一方面，精細(xì)化排產(chǎn)對企業(yè)生產(chǎn)計劃人員要求非常高，該方法結(jié)合標(biāo)準(zhǔn)化算法和深度網(wǎng)絡(luò)模型讓不具備高級排產(chǎn)員的企業(yè)也能做到專業(yè)精細(xì)排產(chǎn)，賦能企業(yè)大規(guī)模生產(chǎn)關(guān)鍵環(huán)節(jié)。

73、企業(yè)排產(chǎn)常常面臨“計劃趕不上變化”的困難，這主要來源于傳統(tǒng)方法可處理的維度窄、算法固化等原因。本發(fā)明通過深入挖掘排產(chǎn)本質(zhì)提出標(biāo)準(zhǔn)化算法，再結(jié)合深度神經(jīng)網(wǎng)絡(luò)模型提供場景泛化能力，解決了這一根本問題。

74、很多企業(yè)與個人依賴過往經(jīng)驗，在排產(chǎn)業(yè)務(wù)中往往使用固有模板、參考固有維度數(shù)據(jù)或使用一成不變的算法，這能為他們帶來預(yù)期結(jié)果的安全感，也對神經(jīng)網(wǎng)絡(luò)這種具有泛化特點的技術(shù)抱有偏見。然而企業(yè)生產(chǎn)活動受多種因素影響，比如快速變化的市場需求或企業(yè)自身快速更新迭代，固守安全感的技術(shù)往往難以適應(yīng)環(huán)境變化。本方法基于排產(chǎn)本質(zhì)算法和神經(jīng)網(wǎng)絡(luò)泛化能力，即保留排產(chǎn)基礎(chǔ)邏輯不變，又能充分適應(yīng)變化的場景需求，克服人們對變化可能帶來風(fēng)險的技術(shù)偏見。