【技術實現步驟摘要】
本專利技術公開一種基于機器學習的生產戰情中心調度方法及裝置，涉及數據分析。
技術介紹
1、隨著工業生產的復雜性和規模的不斷擴大，產線排產需要提高生產效率、，注重產品質量，并且生產過程中的安全風險也逐漸增加，但目前還沒有完善的方法能夠預測產品需求和生產環境的變動，基于對生產過程中可能出現的異常情況進行實時監測和預警，以及實時監測生產過程中的關鍵參數，能夠及時發現異常情況，避免事故的發生。
技術實現思路
1、本專利技術針對現有技術的問題，提供一種基于機器學習的生產戰情中心調度方法及裝置，以過站信息數據分析處理、預警為途徑，實現生產任務智能排產、生產數據多維度實時分析，極大的保證產線高效率運行，對產線過站數據進行實時監控。實時監測生產過程中的關鍵參數，能夠及時發現異常情況產生預警，避免事故的發生。全面展示生產情況，通過平臺編排的方式實現生產設備的實時調度，以數字化的理念進行高效生產。
2、本專利技術提出的具體方案是：
3、本專利技術提供一種基于機器學習的生產戰情中心調度方法，包括：
4、步驟1：通過生產戰情中心根據生產調度任務的實時數據和歷史數據，提取不同產線指標的數據樣本，利用數據樣本通過機器學習算法構建各產線的調度模型，
5、步驟2：通過生產戰情中心利用調度模型進行產線調度管理：
6、通過生產戰情中心獲取產線的實時生產信息，利用調度模型進行實時生產信息處理，若生產信息觸發預設的告警條件則進行產線預警；
7、并通過
8、通過生產戰情中心利用調度模型，在沒有明確排產計劃來執行任務的情況下進行預測或決策排產。
9、進一步，所述的一種基于機器學習的生產戰情中心調度方法的步驟1中提取不同產線指標的數據樣本，包括：提取全局設備效率oee數據、時間稼動率、產品一次合格率、產品性能效率作為產線指標的數據樣本。
10、進一步，所述的一種基于機器學習的生產戰情中心調度方法的步驟2中利用調度模型進行預測或決策排產，包括：根據具體顆粒度按照日歷編排生產任務，基于產線狀態實時分析，動態編排工廠生產任務，并根據產線狀態實時分析情況進行工廠多任務、多產線協同調度。
11、進一步，所述的一種基于機器學習的生產戰情中心調度方法的步驟2中通過生產戰情中心利用調度模型進行產線調度管理的過程中，展示各生產場景的產線指標的變化情況，展示利用調度模型進行實時生產信息處理的結果，展示利用調度模型對生產數據進行分析的結果。
12、本專利技術還提供一種基于機器學習的生產戰情中心調度裝置，包括：生產戰情管理模塊和調度模塊，
13、生產戰情中心生產通過生產戰情管理模塊根據生產調度任務的實時數據和歷史數據，提取不同產線指標的數據樣本，利用數據樣本通過機器學習算法構建各產線的調度模型，
14、生產戰情中心通過調度模塊利用調度模型進行產線調度管理：
15、生產戰情中心通過調度模塊獲取產線的實時生產信息，利用調度模型進行實時生產信息處理，若生產信息觸發預設的告警條件則進行產線預警；
16、生產戰情中心通過調度模塊下發生產排產計劃，獲取根據生產排產計劃采集回傳的生成數據，利用調度模型對生產數據進行分析，根據生產數據對應的產線預警狀態調整生產排產計劃，
17、生產戰情中心通過調度模塊利用調度模型，在沒有明確排產計劃來執行任務的情況下進行預測或決策排產。
18、進一步，所述的一種基于機器學習的生產戰情中心調度裝置的生產戰情管理模塊提取不同產線指標的數據樣本，包括：提取全局設備效率oee數據、時間稼動率、產品一次合格率、產品性能效率作為產線指標的數據樣本。
19、進一步，所述的一種基于機器學習的生產戰情中心調度裝置的調度模塊利用調度模型進行預測或決策排產，包括：根據具體顆粒度按照日歷編排生產任務，基于產線狀態實時分析，動態編排工廠生產任務，并根據產線狀態實時分析情況進行工廠多任務、多產線協同調度。
20、進一步，所述的一種基于機器學習的生產戰情中心調度裝置的生產戰情中心通過調度模塊利用調度模型進行產線調度管理的過程中，展示各生產場景的產線指標的變化情況，展示利用調度模型進行實時生產信息處理的結果，展示利用調度模型對生產數據進行分析的結果。
21、本專利技術的有益之處是：
22、本專利技術利用先進的算法和模型，基于產線過站信息樣本數據的數學模型，根據實時生產數據和用戶需求，自動進行智能排產和資源調度，從而提高生產效率和產品質量。還能通過實時監控和分析，及時調整生產計劃和資源配置，提高對市場需求的響應能力，降低成本和風險。通過機器學習對生產預警和歷史數據的統計分析，通過對比分析生產過程中的數據變化趨勢，可以發現生產過程中的規律和潛在問題。
本文檔來自技高網...【技術保護點】
1.一種基于機器學習的生產戰情中心調度方法，其特征是包括：
2.根據權利要求1所述的一種基于機器學習的生產戰情中心調度方法，其特征是步驟1中提取不同產線指標的數據樣本，包括：提取全局設備效率OEE數據、時間稼動率、產品一次合格率、產品性能效率作為產線指標的數據樣本。
3.根據權利要求1所述的一種基于機器學習的生產戰情中心調度方法，其特征是步驟2中利用調度模型進行預測或決策排產，包括：根據具體顆粒度按照日歷編排生產任務，基于產線狀態實時分析，動態編排工廠生產任務，并根據產線狀態實時分析情況進行工廠多任務、多產線協同調度。
4.根據權利要求1所述的一種基于機器學習的生產戰情中心調度方法，其特征是步驟2中通過生產戰情中心利用調度模型進行產線調度管理的過程中，展示各生產場景的產線指標的變化情況，展示利用調度模型進行實時生產信息處理的結果，展示利用調度模型對生產數據進行分析的結果。
5.一種基于機器學習的生產戰情中心調度裝置，其特征是包括：生產戰情管理模塊和調度模塊，
6.根據權利要求5所述的一種基于機器學習的生產戰情中心調度裝置
7.根據權利要求5所述的一種基于機器學習的生產戰情中心調度裝置，其特征是調度模塊利用調度模型進行預測或決策排產，包括：根據具體顆粒度按照日歷編排生產任務，基于產線狀態實時分析，動態編排工廠生產任務，并根據產線狀態實時分析情況進行工廠多任務、多產線協同調度。
8.根據權利要求5所述的一種基于機器學習的生產戰情中心調度裝置，其特征是生產戰情中心通過調度模塊利用調度模型進行產線調度管理的過程中，展示各生產場景的產線指標的變化情況，展示利用調度模型進行實時生產信息處理的結果，展示利用調度模型對生產數據進行分析的結果。
...【技術特征摘要】
1.一種基于機器學習的生產戰情中心調度方法，其特征是包括：
2.根據權利要求1所述的一種基于機器學習的生產戰情中心調度方法，其特征是步驟1中提取不同產線指標的數據樣本，包括：提取全局設備效率oee數據、時間稼動率、產品一次合格率、產品性能效率作為產線指標的數據樣本。
3.根據權利要求1所述的一種基于機器學習的生產戰情中心調度方法，其特征是步驟2中利用調度模型進行預測或決策排產，包括：根據具體顆粒度按照日歷編排生產任務，基于產線狀態實時分析，動態編排工廠生產任務，并根據產線狀態實時分析情況進行工廠多任務、多產線協同調度。
4.根據權利要求1所述的一種基于機器學習的生產戰情中心調度方法，其特征是步驟2中通過生產戰情中心利用調度模型進行產線調度管理的過程中，展示各生產場景的產線指標的變化情況，展示利用調度模型進行實時生產信息處理的結果，展示利用調度模型對生產數據進行分析的結果。
5.一種基于...
【專利技術屬性】
技術研發人員：王予濤，孫軍偉，張程，馬麗君，楊星宇，
申請(專利權)人：浪潮通信技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。