本發(fā)明涉及智能制造，具體為一種基于大數(shù)據(jù)的智能制造流程管理系統(tǒng)。

背景技術(shù)：

1、智能制造概念的提出，制造業(yè)正在由傳統(tǒng)的人工管理和經(jīng)驗(yàn)決策模式向數(shù)據(jù)驅(qū)動(dòng)和智能化轉(zhuǎn)型。大數(shù)據(jù)技術(shù)、人工智能算法和工業(yè)物聯(lián)網(wǎng)的應(yīng)用，為制造業(yè)提供新的發(fā)展動(dòng)力。通過(guò)對(duì)生產(chǎn)過(guò)程中生成的數(shù)據(jù)進(jìn)行收集、處理和分析，企業(yè)能實(shí)現(xiàn)對(duì)生產(chǎn)全過(guò)程的精細(xì)化管理。而現(xiàn)有技術(shù)中仍存在問(wèn)題缺陷。

2、多數(shù)制造企業(yè)已部署各種傳感器和工業(yè)通信設(shè)備，但多源異構(gòu)數(shù)據(jù)的采集、清洗和標(biāo)準(zhǔn)化處理仍缺乏系統(tǒng)性方案，不同來(lái)源的數(shù)據(jù)格式不統(tǒng)一、時(shí)間步不同步，導(dǎo)致數(shù)據(jù)整合和融合困難，影響后續(xù)數(shù)據(jù)分析的準(zhǔn)確性和有效性；

3、傳統(tǒng)的生產(chǎn)調(diào)度算法通常基于靜態(tài)模型，無(wú)法實(shí)時(shí)響應(yīng)任務(wù)需求的變化或設(shè)備的故障情況，若訂單插單或生產(chǎn)設(shè)備異常時(shí)，現(xiàn)有系統(tǒng)無(wú)法快速調(diào)整任務(wù)分配和生產(chǎn)資源，造成生產(chǎn)效率的下降和資源的浪費(fèi)；

4、現(xiàn)有異常檢測(cè)技術(shù)多依賴簡(jiǎn)單的規(guī)則或閾值監(jiān)控，面對(duì)復(fù)雜設(shè)備運(yùn)行狀態(tài)時(shí)，檢測(cè)精度低且無(wú)法實(shí)現(xiàn)提前預(yù)警，檢測(cè)到異常，現(xiàn)有系統(tǒng)無(wú)法定位異常的具體原因，需人工逐一排查，增加設(shè)備維護(hù)的難度和停機(jī)時(shí)間；

5、優(yōu)化策略直接應(yīng)用于實(shí)際生產(chǎn)設(shè)備存在較高風(fēng)險(xiǎn)，傳統(tǒng)的生產(chǎn)系統(tǒng)缺乏對(duì)優(yōu)化方案的驗(yàn)證能力，導(dǎo)致錯(cuò)誤的優(yōu)化策略會(huì)引發(fā)設(shè)備損壞或生產(chǎn)流程的中斷，增加企業(yè)的試錯(cuò)成本和生產(chǎn)風(fēng)險(xiǎn)；

6、多數(shù)現(xiàn)有系統(tǒng)的可視化功能較為單一，主要停留在數(shù)據(jù)查詢層面，缺乏對(duì)優(yōu)化結(jié)果、異常狀態(tài)的直觀展示，同時(shí)，用戶在察覺(jué)問(wèn)題后缺乏有效的交互手段，無(wú)法對(duì)生產(chǎn)流程進(jìn)行及時(shí)干預(yù)和優(yōu)化調(diào)整。

7、因此，本領(lǐng)域技術(shù)人員提供一種基于大數(shù)據(jù)的智能制造流程管理系統(tǒng)，以解決上述提出的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于大數(shù)據(jù)的智能制造流程管理系統(tǒng)，以解決上述背景技術(shù)中提出的問(wèn)題。

2、為實(shí)現(xiàn)以上目的，本發(fā)明通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)：一種基于大數(shù)據(jù)的智能制造流程管理系統(tǒng)，包括：

3、數(shù)據(jù)采集模塊，用于通過(guò)部署傳感器、工業(yè)通信設(shè)備、視頻采集設(shè)備獲取生產(chǎn)車(chē)間的實(shí)時(shí)數(shù)據(jù)，采集的數(shù)據(jù)包括設(shè)備運(yùn)行狀態(tài)、環(huán)境參數(shù)和生產(chǎn)過(guò)程特征數(shù)據(jù)，將采集到的多源數(shù)據(jù)發(fā)送至數(shù)據(jù)融合與處理模塊；

4、數(shù)據(jù)融合與處理模塊，用于接收采集的多源異構(gòu)數(shù)據(jù)，執(zhí)行數(shù)據(jù)清洗、格式化和標(biāo)準(zhǔn)化處理，利用實(shí)時(shí)流處理技術(shù)對(duì)接收的數(shù)據(jù)進(jìn)行計(jì)算和存儲(chǔ)，生成可供智能優(yōu)化與預(yù)測(cè)模塊調(diào)用的數(shù)據(jù)流；

5、智能優(yōu)化與預(yù)測(cè)模塊，用于調(diào)用已處理的標(biāo)準(zhǔn)化數(shù)據(jù)，基于大數(shù)據(jù)分析和人工智能算法實(shí)現(xiàn)生產(chǎn)任務(wù)的動(dòng)態(tài)調(diào)度、設(shè)備運(yùn)行異常的檢測(cè)和工藝能耗的預(yù)測(cè)，將生成的優(yōu)化結(jié)果發(fā)送至動(dòng)態(tài)響應(yīng)與控制模塊；

6、動(dòng)態(tài)響應(yīng)與控制模塊，用于接收智能優(yōu)化與預(yù)測(cè)模塊生成的優(yōu)化結(jié)果，通過(guò)構(gòu)建數(shù)字孿生模型對(duì)優(yōu)化策略進(jìn)行驗(yàn)證，且根據(jù)驗(yàn)證后的策略調(diào)整生產(chǎn)設(shè)備參數(shù)，調(diào)整后的反饋信息返回?cái)?shù)據(jù)采集模塊進(jìn)行更新；

7、應(yīng)用展示與可視化模塊，用于讀取實(shí)時(shí)處理的數(shù)據(jù)和優(yōu)化分析的結(jié)果，生成可視化的生產(chǎn)過(guò)程展示界面和用戶交互界面，為用戶提供操作接口且傳遞相關(guān)指令至智能優(yōu)化與預(yù)測(cè)模塊。

8、優(yōu)選的，所述數(shù)據(jù)采集模塊包括：

9、傳感器單元，用于采集設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)，將采集的數(shù)據(jù)傳遞至視頻采集單元和工業(yè)通信單元進(jìn)行補(bǔ)充或關(guān)聯(lián)驗(yàn)證，運(yùn)行狀態(tài)數(shù)據(jù)公式如下：

10、，

11、其中，為第i臺(tái)設(shè)備在時(shí)間t的運(yùn)行參數(shù)，為設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)；

12、視頻采集單元，用于接收傳感器單元采集的設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)，通過(guò)計(jì)算機(jī)視覺(jué)提取生產(chǎn)特征數(shù)據(jù)，以對(duì)物料、設(shè)備或人員的狀態(tài)進(jìn)行識(shí)別，視頻特征提取公式如下：

13、，

14、其中，表示輸入的視頻幀圖像，表示檢測(cè)出的物料、設(shè)備或人員；

15、工業(yè)通信單元，用于接收傳感器單元和視頻采集單元的輸出數(shù)據(jù)，統(tǒng)一將設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)和視頻采集特征數(shù)據(jù)進(jìn)行融合處理，傳遞至數(shù)據(jù)融合與處理模塊。

16、優(yōu)選的，所述數(shù)據(jù)融合與處理模塊包括：

17、數(shù)據(jù)清洗單元，用于接收來(lái)自數(shù)據(jù)采集模塊的多源數(shù)據(jù)，對(duì)數(shù)據(jù)中的噪聲進(jìn)行濾除，生成清洗后的數(shù)據(jù)；

18、數(shù)據(jù)清洗公式如下：，

19、其中，為原始數(shù)據(jù)，為噪聲信號(hào)；

20、時(shí)間序列對(duì)齊單元，用于對(duì)清洗后的異步數(shù)據(jù)進(jìn)行時(shí)間序列對(duì)齊，通過(guò)插值計(jì)算生成對(duì)齊后的時(shí)間序列數(shù)據(jù)，時(shí)間序列對(duì)齊公式如下：

21、，

22、其中，、為時(shí)間步，和在時(shí)間步和上清洗的數(shù)據(jù)，為插值計(jì)算函數(shù)；

23、數(shù)據(jù)格式化單元，用于對(duì)對(duì)齊后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化和統(tǒng)一格式轉(zhuǎn)換，生成格式化數(shù)據(jù)，格式化公式如下：

24、，

25、其中，為數(shù)據(jù)標(biāo)準(zhǔn)化函數(shù)，為時(shí)間序列數(shù)據(jù)，為格式化數(shù)據(jù)。

26、優(yōu)選的，所述智能優(yōu)化與預(yù)測(cè)模塊包括：

27、動(dòng)態(tài)排產(chǎn)單元，用于接收經(jīng)過(guò)清洗、對(duì)齊和格式化的生產(chǎn)數(shù)據(jù)，基于強(qiáng)化學(xué)習(xí)算法對(duì)生產(chǎn)任務(wù)進(jìn)行優(yōu)化調(diào)度；

28、動(dòng)態(tài)排產(chǎn)單元通過(guò)目標(biāo)函數(shù)優(yōu)化生產(chǎn)任務(wù)的調(diào)度和資源分配：

29、，

30、其中，為所有生產(chǎn)任務(wù)的最大完成時(shí)間，為總能耗，為能耗權(quán)重因子；

31、，

32、，

33、其中，表示第i個(gè)任務(wù)的完成時(shí)間，表示第i臺(tái)設(shè)備在時(shí)間t的功耗，n為任務(wù)的總數(shù)量，t為時(shí)間總長(zhǎng)度；

34、任務(wù)約束單元，用于在優(yōu)化過(guò)程中定義和應(yīng)用以下約束條件，保證排產(chǎn)方案的可行性：

35、任務(wù)間的時(shí)間約束：

36、，若任務(wù)i和任務(wù)j用同一設(shè)備，

37、其中，為任務(wù)j的開(kāi)始時(shí)間，為任務(wù)i的完成時(shí)間；

38、設(shè)備負(fù)載約束：

39、，

40、其中，為第k臺(tái)設(shè)備在時(shí)間t的當(dāng)前負(fù)載，為第k臺(tái)設(shè)備的最大負(fù)載容量。

41、優(yōu)選的，所述智能優(yōu)化與預(yù)測(cè)模塊包括：

42、異常檢測(cè)單元，用于接收清洗和對(duì)齊的時(shí)間序列數(shù)據(jù)，對(duì)設(shè)備運(yùn)行狀態(tài)進(jìn)行預(yù)測(cè)和異常檢測(cè)，通過(guò)以下時(shí)間序列預(yù)測(cè)模型檢測(cè)異常：

43、，

44、，

45、其中，表示根據(jù)前n個(gè)時(shí)間步的數(shù)據(jù)預(yù)測(cè)出的設(shè)備在下一時(shí)間步的運(yùn)行狀態(tài)；表示預(yù)測(cè)函數(shù)；表示數(shù)據(jù)融合與處理模塊清洗和對(duì)齊的時(shí)間序列數(shù)據(jù)；表示異常評(píng)分，用于衡量預(yù)測(cè)值和實(shí)際值間的偏差；

46、異常評(píng)分分析單元，用于接收異常評(píng)分且判斷是否存在異常，基于設(shè)定的異常閾值，若滿足以下條件，則判定為異常：

47、，

48、其中，表示異常閾值，

49、若超過(guò)時(shí)，將異常信息發(fā)送至動(dòng)態(tài)響應(yīng)與控制模塊進(jìn)行響應(yīng)；

50、根因分析單元，用于在發(fā)生異常時(shí)進(jìn)一步分析異常的根因，通過(guò)構(gòu)建知識(shí)圖譜對(duì)設(shè)備參數(shù)間的關(guān)系進(jìn)行推理，知識(shí)圖譜的數(shù)學(xué)描述為：

51、，

52、其中，為知識(shí)圖譜，為知識(shí)圖譜中的節(jié)點(diǎn)集合，為知識(shí)圖譜中的邊集合。

53、優(yōu)選的，所述動(dòng)態(tài)響應(yīng)與控制模塊包括：

54、數(shù)字孿生單元，用于接收優(yōu)化生成的任務(wù)調(diào)度和設(shè)備參數(shù)調(diào)整策略，構(gòu)建虛擬的生產(chǎn)環(huán)境，用以模擬優(yōu)化策略在實(shí)際生產(chǎn)中的效果；

55、數(shù)字孿生單元通過(guò)以下模型構(gòu)建虛擬環(huán)境：

56、，

57、其中，為數(shù)字孿生模型，為實(shí)時(shí)設(shè)備數(shù)據(jù)，為仿真模型數(shù)據(jù)，為數(shù)字孿生構(gòu)建函數(shù)；

58、優(yōu)化驗(yàn)證單元，用于在虛擬生產(chǎn)環(huán)境中驗(yàn)證優(yōu)化策略的有效性，通過(guò)評(píng)估優(yōu)化策略對(duì)生產(chǎn)目標(biāo)的影響，判斷是否實(shí)施該策略；

59、優(yōu)化驗(yàn)證公式如下：，

60、其中，為優(yōu)化策略o的性能評(píng)價(jià)值，為性能評(píng)價(jià)函數(shù)，為基于優(yōu)化策略o運(yùn)行的仿真數(shù)據(jù)；

61、參數(shù)控制單元，用于接收優(yōu)化驗(yàn)證單元確認(rèn)的策略，生成設(shè)備運(yùn)行參數(shù)調(diào)整指令；

62、參數(shù)調(diào)整通過(guò)以下公式確定：，

63、其中，表示設(shè)備功率或負(fù)載的調(diào)整值，表示控制函數(shù)，為設(shè)備當(dāng)前的實(shí)時(shí)運(yùn)行數(shù)據(jù)。

64、優(yōu)選的，所述應(yīng)用展示與可視化模塊包括：

65、數(shù)據(jù)可視化單元，用于接收處理完成的實(shí)時(shí)數(shù)據(jù)和優(yōu)化分析結(jié)果，生成可視化的展示界面；

66、用戶交互單元，用于提供用戶操作接口，支持用戶對(duì)可視化內(nèi)容的查詢、篩選和操作。

67、優(yōu)選的，所述用戶交互單元的具體功能包括：

68、任務(wù)優(yōu)先級(jí)調(diào)整：用戶根據(jù)數(shù)據(jù)可視化單元顯示的排產(chǎn)方案，通過(guò)調(diào)整任務(wù)優(yōu)先級(jí)對(duì)生產(chǎn)調(diào)度策略進(jìn)行人工干預(yù)；

69、異常報(bào)警管理：用戶根據(jù)顯示的異常報(bào)警狀態(tài)，通過(guò)web或移動(dòng)端確認(rèn)異常原因，且生成處理指令；

70、控制反饋功能：用戶的操作指令通過(guò)用戶交互單元傳遞至智能優(yōu)化與預(yù)測(cè)模塊，優(yōu)化模塊根據(jù)用戶輸入重新調(diào)整排產(chǎn)方案或異常處理策略。

71、優(yōu)選的，所述數(shù)據(jù)采集模塊進(jìn)一步包括邊緣計(jì)算單元，用于在傳感器單元、視頻采集單元和工業(yè)通信單元采集數(shù)據(jù)后，對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)處理和預(yù)處理。

72、優(yōu)選的，所述邊緣計(jì)算單元的功能包括：

73、數(shù)據(jù)聚合：對(duì)高頻采集的傳感器數(shù)據(jù)進(jìn)行降采樣，生成低頻代表值，數(shù)據(jù)聚合公式如下：

74、，

75、其中，為聚合后的數(shù)據(jù)，為第i個(gè)采樣點(diǎn)的數(shù)據(jù)，為采樣點(diǎn)的總數(shù)量；

76、快速異常檢測(cè)：在本地對(duì)數(shù)據(jù)執(zhí)行簡(jiǎn)單統(tǒng)計(jì)分析，通過(guò)以下公式快速檢測(cè)異常：

77、，若，則認(rèn)為存在異常，

78、其中，為當(dāng)前時(shí)間步的數(shù)據(jù)值，為數(shù)據(jù)的均值，為數(shù)據(jù)的標(biāo)準(zhǔn)差，為異常檢測(cè)的閾值；

79、邊緣計(jì)算單元處理后的數(shù)據(jù)通過(guò)工業(yè)通信單元傳遞至數(shù)據(jù)融合與處理模塊。

80、本發(fā)明提供一種基于大數(shù)據(jù)的智能制造流程管理系統(tǒng)。具備以下有益效果：

81、1、本發(fā)明通過(guò)模塊間的緊密協(xié)作，實(shí)現(xiàn)數(shù)據(jù)采集、數(shù)據(jù)處理、智能優(yōu)化到設(shè)備動(dòng)態(tài)調(diào)整的全流程數(shù)據(jù)閉環(huán)管理，能實(shí)時(shí)更新生產(chǎn)流程的關(guān)鍵參數(shù)，確保優(yōu)化方案的動(dòng)態(tài)調(diào)整能力和執(zhí)行效果，顯著提升生產(chǎn)管理的精準(zhǔn)性和智能化水平。

82、2、本發(fā)明引入數(shù)字孿生技術(shù)，通過(guò)虛擬環(huán)境模擬優(yōu)化策略在實(shí)際生產(chǎn)中的運(yùn)行效果，在實(shí)施前實(shí)施虛擬驗(yàn)證，有效降低試錯(cuò)成本和生產(chǎn)風(fēng)險(xiǎn)，確保優(yōu)化方案的可行性和有效性，為智能制造流程中的決策安全性提供強(qiáng)有力的保障。

83、3、本發(fā)明基于強(qiáng)化學(xué)習(xí)的動(dòng)態(tài)任務(wù)調(diào)度算法，能結(jié)合實(shí)時(shí)數(shù)據(jù)對(duì)生產(chǎn)任務(wù)進(jìn)行智能化分配，該調(diào)度優(yōu)化方法具有更強(qiáng)的動(dòng)態(tài)適應(yīng)性和彈性，在任務(wù)變化或設(shè)備異常的情況下快速重新規(guī)劃資源分配，最大限度地提高生產(chǎn)效率。

84、4、本發(fā)明通過(guò)時(shí)間序列預(yù)測(cè)模型和知識(shí)圖譜的結(jié)合，實(shí)現(xiàn)設(shè)備異常的高精度檢測(cè)和根因分析，能在設(shè)備出現(xiàn)故障前進(jìn)行預(yù)警，而根因分析能快速定位異常原因，為生產(chǎn)維護(hù)提供直接指導(dǎo)，減少因設(shè)備故障導(dǎo)致的停機(jī)時(shí)間，提高生產(chǎn)線的穩(wěn)定性和可靠性。