專(zhuān)利名稱(chēng)：智能生產(chǎn)決策支持系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及智能生產(chǎn)決策支持系統(tǒng)，更具體地說(shuō)，涉及一種應(yīng)用于服裝制造領(lǐng)域的智能生產(chǎn)決策支持系統(tǒng)。
背景技術(shù)：
人們已經(jīng)開(kāi)發(fā)出各種不同的計(jì)算機(jī)系統(tǒng)用在服裝制造上用來(lái)提高生產(chǎn)的快速響應(yīng)速度和決策能力，這些系統(tǒng)包括生產(chǎn)數(shù)據(jù)采集(PDC)系統(tǒng)、管理信息系統(tǒng)(MIS)和企業(yè)資源規(guī)劃(ERP)系統(tǒng)等等。PDC系統(tǒng)旨在從縫紉生產(chǎn)線(xiàn)上通過(guò)手工輸入、條形碼掃描和無(wú)線(xiàn)射頻識(shí)別技術(shù) (RFID)來(lái)收集生產(chǎn)數(shù)據(jù)，其中基于RFID的PDC系統(tǒng)是最新的技術(shù)，它能夠?qū)崟r(shí)、精確并高效地收集龐大的生產(chǎn)數(shù)據(jù)。不過(guò)，在如何利用所收集到的數(shù)據(jù)來(lái)對(duì)生產(chǎn)和車(chē)間管理進(jìn)行決策的問(wèn)題上，這種系統(tǒng)仍然存在困難。前面提到的MIS和ERP系統(tǒng)是采用計(jì)算機(jī)來(lái)管理企業(yè)資源，二者的重點(diǎn)集中在經(jīng)營(yíng)和生產(chǎn)的流程上，它們并不能幫助生產(chǎn)一線(xiàn)的管理者進(jìn)行有效的生產(chǎn)決策。這兩類(lèi)系統(tǒng)里的生產(chǎn)數(shù)據(jù)通常都依賴(lài)于每天的人工輸入，而無(wú)法得到實(shí)時(shí)的生產(chǎn)數(shù)據(jù)、以及車(chē)縫員工和生產(chǎn)線(xiàn)的效率。由于這種實(shí)時(shí)生產(chǎn)數(shù)據(jù)的缺失，MIS和ERP系統(tǒng)并不能反映出車(chē)間和生產(chǎn)線(xiàn)上實(shí)時(shí)的生產(chǎn)狀態(tài)。綜上所述，生產(chǎn)線(xiàn)的控制和平衡依靠車(chē)間管理來(lái)實(shí)現(xiàn)。目前的車(chē)間管理主要依賴(lài)于一線(xiàn)管理者的主觀經(jīng)驗(yàn)或簡(jiǎn)單推算。由于生產(chǎn)管理問(wèn)題的復(fù)雜性，以及主觀決策的局限性，實(shí)際服裝生產(chǎn)中的生產(chǎn)管理效率處于相當(dāng)?shù)偷乃健?br>
發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問(wèn)題在于，針對(duì)現(xiàn)有技術(shù)不能進(jìn)行實(shí)時(shí)控制和自動(dòng)車(chē)間管理的缺陷，提供一種克服上述缺陷的智能生產(chǎn)決策支持系統(tǒng)。本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是構(gòu)造一種智能生產(chǎn)決策支持系統(tǒng)， 用于依據(jù)數(shù)據(jù)采集系統(tǒng)所采集到的實(shí)時(shí)的生產(chǎn)數(shù)據(jù)做出生產(chǎn)決策，包括決策支持?jǐn)?shù)據(jù)庫(kù)、 數(shù)據(jù)交換平臺(tái)、員工效率預(yù)測(cè)子系統(tǒng)；其中，數(shù)據(jù)交換平臺(tái)接收來(lái)自數(shù)據(jù)采集系統(tǒng)的實(shí)時(shí)的生產(chǎn)數(shù)據(jù)，并分離出生產(chǎn)決策所必需的必要數(shù)據(jù)，并將所述必要數(shù)據(jù)存儲(chǔ)到所述決策支持?jǐn)?shù)據(jù)庫(kù)；員工效率預(yù)測(cè)子系統(tǒng)讀取所述決策支持?jǐn)?shù)據(jù)庫(kù)中的必要數(shù)據(jù)，并根據(jù)影響員工效率的內(nèi)部因素和外部因素輸出員工的效率預(yù)測(cè)數(shù)據(jù)。在本發(fā)明所述的智能生產(chǎn)決策支持系統(tǒng)中，還包括智能生產(chǎn)線(xiàn)進(jìn)度預(yù)測(cè)子系統(tǒng)， 其讀取所述必要數(shù)據(jù)并生成預(yù)測(cè)每個(gè)生產(chǎn)單的生產(chǎn)進(jìn)度預(yù)測(cè)數(shù)據(jù)。在本發(fā)明所述的智能生產(chǎn)決策支持系統(tǒng)中，還包括智能員工和工序分配子系統(tǒng)， 其讀取所述必要數(shù)據(jù)，在每個(gè)生產(chǎn)單的車(chē)縫生產(chǎn)之前生成員工和工序分配數(shù)據(jù)。在本發(fā)明所述的智能生產(chǎn)決策支持系統(tǒng)中，還包括智能生產(chǎn)線(xiàn)平衡子系統(tǒng)，其讀取所述員工和工序分配數(shù)據(jù)和實(shí)施的生產(chǎn)數(shù)據(jù)，在每個(gè)生產(chǎn)單的車(chē)縫生產(chǎn)過(guò)程中，根據(jù)實(shí)時(shí)的生產(chǎn)數(shù)據(jù)，對(duì)所述員工和工序分配數(shù)據(jù)進(jìn)行動(dòng)態(tài)調(diào)整生成消除瓶頸工序的員工和工序分配調(diào)整數(shù)據(jù)。在本發(fā)明所述的智能生產(chǎn)決策支持系統(tǒng)中，所述數(shù)據(jù)交換平臺(tái)采用可擴(kuò)展標(biāo)記語(yǔ) 、
曰ο在本發(fā)明所述的智能生產(chǎn)決策支持系統(tǒng)中，所述影響員工效率的內(nèi)部因素是指用來(lái)描述員工操作效率的趨勢(shì)的學(xué)習(xí)曲線(xiàn)，所述影響員工效率的外部因素包括影響員工的未來(lái)效率的織物類(lèi)型、機(jī)器性能因素。在本發(fā)明所述的智能生產(chǎn)決策支持系統(tǒng)中，所述智能員工和工序分配子系統(tǒng)采用人工智能技術(shù)的遺傳算法為每個(gè)生產(chǎn)單生成最優(yōu)生產(chǎn)方案的員工和工序分配數(shù)據(jù)。在本發(fā)明所述的智能生產(chǎn)決策支持系統(tǒng)中，所述智能生產(chǎn)線(xiàn)平衡子系統(tǒng)采用人工智能技術(shù)的啟發(fā)式算法生成員工和工序分配調(diào)整數(shù)據(jù)。在本發(fā)明所述的智能生產(chǎn)決策支持系統(tǒng)中，所述智能生產(chǎn)線(xiàn)進(jìn)度預(yù)測(cè)子系統(tǒng)采用人工智能的神經(jīng)網(wǎng)絡(luò)技術(shù)生成生產(chǎn)進(jìn)度預(yù)測(cè)數(shù)據(jù)。實(shí)施本發(fā)明的智能生產(chǎn)決策支持系統(tǒng)，具有以下有益效果利用數(shù)據(jù)交換平臺(tái)可從龐大的實(shí)時(shí)生產(chǎn)數(shù)據(jù)中分離出效率預(yù)測(cè)和制定決策所必須的必要數(shù)據(jù)，從而方便用戶(hù)有效地利用必要數(shù)據(jù)并通過(guò)員工效率預(yù)測(cè)子系統(tǒng)來(lái)預(yù)測(cè)員工的操作效率，利用智能員工和工序分配子系統(tǒng)、智能生產(chǎn)線(xiàn)平衡子系統(tǒng)以及進(jìn)度預(yù)測(cè)子系統(tǒng)在最短時(shí)間內(nèi)做出符合實(shí)際實(shí)時(shí)情形的生產(chǎn)制造決策。


下面將結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明，附圖中圖1是本發(fā)明智能生產(chǎn)決策支持系統(tǒng)工作過(guò)程的數(shù)據(jù)流程圖；圖2是本發(fā)明優(yōu)選實(shí)施例中員工效率預(yù)測(cè)(OEP)子系統(tǒng)的結(jié)構(gòu)示意圖；圖3是本發(fā)明優(yōu)選實(shí)施例中智能員工和工序分配子系統(tǒng)(IOWA)子系統(tǒng)的程序流程圖；圖4是本發(fā)明優(yōu)選實(shí)施例中智能生產(chǎn)線(xiàn)平衡子系統(tǒng)(IALB)子系統(tǒng)的流程圖；圖5是本發(fā)明優(yōu)選實(shí)施例中智能生產(chǎn)線(xiàn)進(jìn)度預(yù)測(cè)子系統(tǒng)(IPPP)子系統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)構(gòu)圖；圖6是圖5所示神經(jīng)網(wǎng)絡(luò)中每個(gè)神經(jīng)元的輸入輸出關(guān)系圖。
具體實(shí)施例方式如圖1所示，在本發(fā)明的優(yōu)選實(shí)施例中，智能生產(chǎn)決策支持系統(tǒng)(以下簡(jiǎn)稱(chēng)IPDS 系統(tǒng))用來(lái)依據(jù)數(shù)據(jù)采集系統(tǒng)(以下簡(jiǎn)稱(chēng)PDC系統(tǒng))所采集到的實(shí)時(shí)的生產(chǎn)數(shù)據(jù)做出生產(chǎn)決策，其包括決策支持?jǐn)?shù)據(jù)庫(kù)、數(shù)據(jù)交換平臺(tái)、員工效率預(yù)測(cè)子系統(tǒng)(以下簡(jiǎn)稱(chēng)OEP子系統(tǒng))、智能生產(chǎn)線(xiàn)進(jìn)度預(yù)測(cè)子系統(tǒng)(以下簡(jiǎn)稱(chēng)IPPP子系統(tǒng))、智能員工和工序分配子系統(tǒng) (以下簡(jiǎn)稱(chēng)IOWA子系統(tǒng))以及智能生產(chǎn)線(xiàn)平衡子系統(tǒng)(以下簡(jiǎn)稱(chēng)IALB子系統(tǒng))。本發(fā)明所涉及的員工，主要是指在縫紉生產(chǎn)線(xiàn)上工作的車(chē)縫員工。其中，PDC系統(tǒng)基于RFID技術(shù)來(lái)采集實(shí)時(shí)的生產(chǎn)數(shù)據(jù)，這些生產(chǎn)數(shù)據(jù)包括生產(chǎn)線(xiàn)和車(chē)位配置數(shù)據(jù)、生產(chǎn)單數(shù)據(jù)、生產(chǎn)工序數(shù)據(jù)、員工操作每一扎工序的生產(chǎn)數(shù)據(jù)等?，F(xiàn)有的基于RFID技術(shù)的PDC系統(tǒng)也可以采集實(shí)時(shí)數(shù)據(jù)，但是這些系統(tǒng)并不具有輔助生產(chǎn)決策的功能，從而不能進(jìn)一步為車(chē)間管理服務(wù)。而本發(fā)明的優(yōu)勢(shì)之一在于，本發(fā)明具有數(shù)據(jù)交換平臺(tái)，用來(lái)接收上述生產(chǎn)數(shù)據(jù)，并從龐大的生產(chǎn)數(shù)據(jù)中分離出生產(chǎn)決策所必需的必要數(shù)據(jù)，并將必要數(shù)據(jù)存儲(chǔ)到?jīng)Q策支持?jǐn)?shù)據(jù)庫(kù)，以為后續(xù)的處理提供基礎(chǔ)。數(shù)據(jù)交換平臺(tái)利用可擴(kuò)展標(biāo)記語(yǔ)言XML技術(shù)，具有可擴(kuò)展性強(qiáng)的特點(diǎn)，操作簡(jiǎn)單且易于與其他數(shù)據(jù)庫(kù)接口。所分離出的必要數(shù)據(jù)是指對(duì)做出生產(chǎn)決策而言必不可少的數(shù)據(jù)，包括生產(chǎn)線(xiàn)和車(chē)位配置的基本數(shù)據(jù)、生產(chǎn)單數(shù)量和交期、生產(chǎn)工序設(shè)定和標(biāo)準(zhǔn)工時(shí)、車(chē)縫員工對(duì)所操作工序的歷史操作效率等。決策支持?jǐn)?shù)據(jù)庫(kù)將這些必要數(shù)據(jù)存儲(chǔ)起來(lái)，并為OEP子系統(tǒng)、IPPP子系統(tǒng)、IOffA子系統(tǒng)和IALB子系統(tǒng)提供輸入。本發(fā)明的優(yōu)勢(shì)之二在于，本發(fā)明具有OEP子系統(tǒng)，OEP子系統(tǒng)可讀取上述必要數(shù)據(jù)，并根據(jù)影響員工效率的內(nèi)外部因素產(chǎn)生員工的效率預(yù)測(cè)數(shù)據(jù)。因此，本發(fā)明可以直接利用實(shí)時(shí)的生產(chǎn)數(shù)據(jù)來(lái)產(chǎn)生對(duì)生產(chǎn)和車(chē)間管理的決策，現(xiàn)有技術(shù)由于不能實(shí)現(xiàn)二者的直接銜接而增加了生產(chǎn)決策的難度。OEP子系統(tǒng)可解決員工的效率預(yù)測(cè)問(wèn)題。本優(yōu)選實(shí)施例中，OEP子系統(tǒng)所參照的內(nèi)部因素是指與員工本身直接相關(guān)的因素， 例如員工的學(xué)習(xí)曲線(xiàn)，學(xué)習(xí)曲線(xiàn)可以描述員工操作效率的趨勢(shì)，從而為預(yù)測(cè)員工的操作效率提供基本的依據(jù)。外部因素則是指客觀存在的可能影響員工未來(lái)工作效率的外在因素， 例如織物類(lèi)型、機(jī)器性能等因素。OEP子系統(tǒng)所生成的車(chē)縫員工的效率預(yù)測(cè)數(shù)據(jù)包括每個(gè)員工操作指定工序的效率。OEP子系統(tǒng)的具體實(shí)現(xiàn)方式如圖2所示。圖2是OEP子系統(tǒng)預(yù)測(cè)員工操作效率的結(jié)構(gòu)圖。由圖可知，基于學(xué)習(xí)曲線(xiàn)原理，本發(fā)明首先提出一個(gè)學(xué)習(xí)曲線(xiàn)模型，用以描述員工操作基本工序時(shí)操作效率隨時(shí)間變化的規(guī)律，并建立了每個(gè)員工操作各個(gè)基本工序的學(xué)習(xí)曲線(xiàn)模型，且存入數(shù)據(jù)庫(kù)。當(dāng)需要預(yù)測(cè)某個(gè)員工操作新工序的效率時(shí)，系統(tǒng)從學(xué)習(xí)曲線(xiàn)模型數(shù)據(jù)庫(kù)中找出與該新工序最相似的工序的效率作為基準(zhǔn)效率Eb。然后通過(guò)判斷新工序與基準(zhǔn)工序的相似程度，外部因素(如面料特征，縫紉質(zhì)量要求以及員工狀態(tài)等)的影響，得出最終的效率預(yù)測(cè)數(shù)據(jù)。外部因素對(duì)于操作效率的影響，將通過(guò)對(duì)歷史數(shù)據(jù)的分析得到。所利用的歷史數(shù)據(jù)包含每個(gè)員工對(duì)于其所操作的工序的歷史操作效率和累計(jì)操作時(shí)間，以及各種外部因素對(duì)效率的影響。如圖2所示，圖中各字母的含義為Eb,該員工操作基準(zhǔn)工序的效率；Enew,該員工操作新指定工序的效率預(yù)測(cè)值；V，權(quán)重值，若僅考慮新工序與基準(zhǔn)工序的工序特征的差異，員工對(duì)新工序的效率為 ν · Eb ；W1, w2，w3，權(quán)重值；最終的操作效率Enew還要受面料特征，縫紉質(zhì)量要求以及員工狀態(tài)三個(gè)外部因素
3
的影響。因此Enew = V ·忍.Iw1。
進(jìn)一步地，本發(fā)明的優(yōu)勢(shì)之三在于還包括IPPP子系統(tǒng)、IOWA子系統(tǒng)和IALB子系統(tǒng)，為生產(chǎn)進(jìn)度、生產(chǎn)分配和生產(chǎn)平衡提供更細(xì)致精確的預(yù)測(cè)，以保證生產(chǎn)決策的全面和準(zhǔn)確。其中，IOWA子系統(tǒng)用于接收上述必要數(shù)據(jù)，并在車(chē)縫生產(chǎn)開(kāi)始之前生成員工和工序分配數(shù)據(jù)，為不同工作站生成最優(yōu)的員工和工序分配方案。工序分配問(wèn)題實(shí)際上是一個(gè)最優(yōu)化問(wèn)題，IOWA子系統(tǒng)利用一種AI技術(shù)例如遺傳算法(GA)產(chǎn)生IOWA子系統(tǒng)的輸出即最優(yōu)的員工和工序分配方案。如果某個(gè)分配方案能使指定的生產(chǎn)目標(biāo)得以最好的實(shí)現(xiàn)，則該分配方案被視為最優(yōu)方案，此方案即為員工和工序分配數(shù)據(jù)。IOWA子系統(tǒng)的輸入包括生產(chǎn)工序、機(jī)器以及員工的相關(guān)信息，本發(fā)明提出了新穎的GA編碼方法處理服裝生產(chǎn)中靈活的工序分配，并基于此算法對(duì)傳統(tǒng)的交叉與變異算子進(jìn)行了改良，如圖3所示。圖3示出的是IOWA子系統(tǒng)的程序流程圖。其中，選擇、交叉和變異被稱(chēng)為基因算子。選擇操作負(fù)責(zé)從父代種群中選擇適當(dāng)?shù)膫€(gè)體(員工和工序分配方案) 進(jìn)行交叉和變異操作。交叉和變異操作有助于增強(qiáng)種群的多樣性，產(chǎn)生更優(yōu)的工序分配方案。用戶(hù)可以靈活地設(shè)定一個(gè)或多個(gè)生產(chǎn)目標(biāo)，諸如，滿(mǎn)足生產(chǎn)交期要求，最小化生產(chǎn)完成時(shí)間，最小化機(jī)器閑置時(shí)間等等。在生產(chǎn)進(jìn)行中，若瓶頸工序出現(xiàn)使系統(tǒng)達(dá)到不平衡狀態(tài)。則IALB子系統(tǒng)讀取員工和工序分配數(shù)據(jù)，結(jié)合實(shí)時(shí)的生產(chǎn)數(shù)據(jù)，采用AI技術(shù)和啟發(fā)式算法對(duì)原有工序分配方案進(jìn)行調(diào)整，可以消除瓶頸工序并使生產(chǎn)線(xiàn)再次達(dá)到平衡，其所輸出的是員工和工序分配調(diào)整數(shù)據(jù)。瓶頸工序的認(rèn)定，由車(chē)間管理者根據(jù)自身的生產(chǎn)狀況自行決定。比如，可以設(shè)定， 在某生產(chǎn)單中，如果某工序的完成數(shù)量比其前道工序少30件，則認(rèn)為該工序成為瓶頸工序，生產(chǎn)線(xiàn)進(jìn)入不平衡狀態(tài)，需要對(duì)生產(chǎn)線(xiàn)進(jìn)行調(diào)整。IALB子系統(tǒng)進(jìn)行工序調(diào)整的流程圖如圖4所示。調(diào)整方案由AI技術(shù)和啟發(fā)式算法產(chǎn)生，需要重新分派某些員工的工作任務(wù)。調(diào)整的目的是促使生產(chǎn)線(xiàn)回復(fù)平衡狀態(tài)，同時(shí)能滿(mǎn)足實(shí)際生產(chǎn)目標(biāo)，如交期要求，機(jī)器閑置時(shí)間最小等。當(dāng)生產(chǎn)線(xiàn)上不存在瓶頸工序時(shí)，生產(chǎn)線(xiàn)處于平衡狀態(tài)。如圖4所示，當(dāng)發(fā)現(xiàn)工序B為瓶頸工序，自動(dòng)找出能夠操作工序B的所有員工即員工組B，然后利用啟發(fā)式算法，從員工組B中選擇合適數(shù)量的員工來(lái)操作工序B，調(diào)整過(guò)程結(jié)束，則員工和工序分配調(diào)整數(shù)據(jù)包括重新分配來(lái)操作B工序的員工數(shù)量、接替這些新分配來(lái)操作工序B的員工他們?cè)瓉?lái)所做的工序的員工人數(shù)等。IPPP子系統(tǒng)則是用于讀取所述必要數(shù)據(jù)并生成預(yù)測(cè)生產(chǎn)進(jìn)度的進(jìn)度預(yù)測(cè)數(shù)據(jù)，其主要是利用AI技術(shù)的神經(jīng)網(wǎng)絡(luò)技術(shù)。利用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行預(yù)測(cè)的結(jié)構(gòu)圖如圖5所示。神經(jīng)網(wǎng)絡(luò)由輸入層，隱層和輸出層組成；而每層則由一定數(shù)量的神經(jīng)元組成。而每個(gè)神經(jīng)元的輸入輸出關(guān)系如圖6所示。如圖5所示，IPPP子系統(tǒng)的輸入層為必要數(shù)據(jù)，包括生產(chǎn)單的每個(gè)工序的信息、該生產(chǎn)單可利用的機(jī)器配置、工人配置與效率等；系統(tǒng)輸出層為進(jìn)度預(yù)測(cè)數(shù)據(jù)，例如完成該生產(chǎn)單所需要的時(shí)間。依據(jù)此輸入輸出關(guān)系，一個(gè)4輸入1輸出結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型被構(gòu)建。如圖6所示，為了準(zhǔn)確地預(yù)測(cè)各個(gè)生產(chǎn)單的完成時(shí)間，需要建立神經(jīng)網(wǎng)絡(luò)對(duì)過(guò)去的生產(chǎn)單的生產(chǎn)和完成情況進(jìn)行學(xué)習(xí)，從而確定神經(jīng)網(wǎng)絡(luò)的參數(shù)值(如連接權(quán)等)，得到神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。網(wǎng)絡(luò)參數(shù)值通常由誤差反傳(Back-propagation，BP)學(xué)習(xí)算法獲得。然后利用學(xué)習(xí)得到的預(yù)測(cè)模型，基于當(dāng)前的生產(chǎn)環(huán)境(四個(gè)輸入變量)，預(yù)測(cè)出生產(chǎn)單的完成時(shí)間。圖6所示的是神經(jīng)網(wǎng)絡(luò)中第j層第L個(gè)神經(jīng)元neuronf的輸入輸出關(guān)系，其中；I^1，neuron丨的第i個(gè)輸入量；W^1，連接權(quán)，神經(jīng)網(wǎng)絡(luò)通過(guò)調(diào)整連接權(quán)的值得到不同的網(wǎng)絡(luò)模型；f( ·)，神經(jīng)網(wǎng)絡(luò)傳遞函數(shù)，如Sigmoid型函數(shù)或線(xiàn)性函數(shù)等；O^，神經(jīng)元neuron，的輸出聽(tīng)=f{net))=冬< · 。本模塊將準(zhǔn)確地預(yù)測(cè)生產(chǎn)單的完成時(shí)間，有助于生產(chǎn)管理者進(jìn)行更準(zhǔn)確的生產(chǎn)排期，并為工廠接單時(shí)提供參考。采用本發(fā)明的智能生產(chǎn)決策支持系統(tǒng)，可用在特定類(lèi)型的服裝生產(chǎn)系統(tǒng)例如漸進(jìn)式捆扎系統(tǒng)的生產(chǎn)決策，也可在稍作改進(jìn)后應(yīng)用于其他類(lèi)型的服裝生產(chǎn)系統(tǒng)的生產(chǎn)決策， 甚至用來(lái)解決更高級(jí)管理中的生產(chǎn)規(guī)劃管理問(wèn)題?，F(xiàn)有技術(shù)不能輔助服裝生產(chǎn)管理做出有效的生產(chǎn)控制決策。本發(fā)明能夠有效地克服上述缺點(diǎn)，它利用基于RFID的PDC系統(tǒng)商業(yè)軟件，通過(guò)四個(gè)子系統(tǒng)來(lái)生成實(shí)時(shí)客觀、科學(xué)可靠的生產(chǎn)控制決策。由于服裝生產(chǎn)線(xiàn)管理中的調(diào)度和平衡具有 NP-hard(Non-deterministic Polynomial-Hard，非確定性多項(xiàng)式困難問(wèn)題)特性，本發(fā)明采用AI技術(shù)可生成高效和可靠的生產(chǎn)決策以滿(mǎn)足縫紉生產(chǎn)線(xiàn)上不同生產(chǎn)目標(biāo)的需要。上面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例進(jìn)行了描述，但是本發(fā)明并不局限于上述的具體實(shí)施方式
，上述的具體實(shí)施方式
僅僅是示意性的，而不是限制性的，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下，在不脫離本發(fā)明宗旨和權(quán)利要求所保護(hù)的范圍情況下，還可做出很多形式，這些均屬于本發(fā)明的保護(hù)之內(nèi)。
權(quán)利要求
1.一種智能生產(chǎn)決策支持系統(tǒng)，用于依據(jù)數(shù)據(jù)采集系統(tǒng)所采集到的實(shí)時(shí)的生產(chǎn)數(shù)據(jù)做出生產(chǎn)決策，其特征在于，包括決策支持?jǐn)?shù)據(jù)庫(kù)、數(shù)據(jù)交換平臺(tái)、員工效率預(yù)測(cè)子系統(tǒng)；數(shù)據(jù)交換平臺(tái)接收來(lái)自數(shù)據(jù)采集系統(tǒng)的實(shí)時(shí)的生產(chǎn)數(shù)據(jù)，并分離出生產(chǎn)決策所必需的必要數(shù)據(jù)，并將所述必要數(shù)據(jù)存儲(chǔ)到所述決策支持?jǐn)?shù)據(jù)庫(kù)；員工效率預(yù)測(cè)子系統(tǒng)讀取所述決策支持?jǐn)?shù)據(jù)庫(kù)中的必要數(shù)據(jù)，并根據(jù)影響員工效率的內(nèi)部因素和外部因素輸出員工的效率預(yù)測(cè)數(shù)據(jù)。
2.根據(jù)權(quán)利要求1所述的智能生產(chǎn)決策支持系統(tǒng)，其特征在于，還包括智能生產(chǎn)線(xiàn)進(jìn)度預(yù)測(cè)子系統(tǒng)，其讀取所述必要數(shù)據(jù)并生成預(yù)測(cè)每個(gè)生產(chǎn)單的生產(chǎn)進(jìn)度預(yù)測(cè)數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的智能生產(chǎn)決策支持系統(tǒng)，其特征在于，還包括智能員工和工序分配子系統(tǒng)，其讀取所述必要數(shù)據(jù)，在每個(gè)生產(chǎn)單的車(chē)縫生產(chǎn)開(kāi)始之前生成員工和工序分配數(shù)據(jù)。
4.根據(jù)權(quán)利要求3所述的智能生產(chǎn)決策支持系統(tǒng)，其特征在于，還包括智能生產(chǎn)線(xiàn)平衡子系統(tǒng)，其讀取所述員工和工序分配數(shù)據(jù)和實(shí)時(shí)的生產(chǎn)數(shù)據(jù)，在每個(gè)生產(chǎn)單的車(chē)縫生產(chǎn)過(guò)程中，對(duì)所述員工和工序分配數(shù)據(jù)進(jìn)行動(dòng)態(tài)調(diào)整生成消除瓶頸工序的員工和工序分配調(diào)整數(shù)據(jù)。
5.根據(jù)權(quán)利要求1所述的智能生產(chǎn)決策支持系統(tǒng)，其特征在于，所述數(shù)據(jù)交換平臺(tái)采用可擴(kuò)展標(biāo)記語(yǔ)言。
6.根據(jù)權(quán)利要求1所述的智能生產(chǎn)決策支持系統(tǒng)，其特征在于，所述影響員工效率的內(nèi)部因素包括描述員工操作效率的趨勢(shì)的學(xué)習(xí)曲線(xiàn)，所述影響員工效率的外部因素包括影響員工未來(lái)操作效率的織物類(lèi)型、機(jī)器性能因素。
7.根據(jù)權(quán)利要求3所述的智能生產(chǎn)決策支持系統(tǒng)，其特征在于，所述智能員工和工序分配子系統(tǒng)采用人工智能技術(shù)的遺傳算法為每個(gè)生產(chǎn)單生成最優(yōu)的員工和工序分配數(shù)據(jù)。
8.根據(jù)權(quán)利要求4所述的智能生產(chǎn)決策支持系統(tǒng)，其特征在于，所述智能生產(chǎn)線(xiàn)平衡子系統(tǒng)采用人工智能技術(shù)的啟發(fā)式算法生成員工和工序分配調(diào)整數(shù)據(jù)。
9.根據(jù)權(quán)利要求2所述的智能生產(chǎn)決策支持系統(tǒng)，其特征在于，所述智能生產(chǎn)線(xiàn)進(jìn)度預(yù)測(cè)子系統(tǒng)采用人工智能的神經(jīng)網(wǎng)絡(luò)技術(shù)生成進(jìn)度預(yù)測(cè)數(shù)據(jù)。
全文摘要
本發(fā)明涉及一種智能生產(chǎn)決策支持系統(tǒng)，用于依據(jù)數(shù)據(jù)采集系統(tǒng)所采集到的實(shí)時(shí)的生產(chǎn)數(shù)據(jù)做出生產(chǎn)決策，包括數(shù)據(jù)交換平臺(tái)、決策支持?jǐn)?shù)據(jù)庫(kù)、員工效率預(yù)測(cè)子系統(tǒng)；數(shù)據(jù)交換平臺(tái)接收來(lái)自于數(shù)據(jù)采集系統(tǒng)的實(shí)時(shí)的生產(chǎn)數(shù)據(jù)，并分離出生產(chǎn)決策所必需的必要數(shù)據(jù)，并將這些必要數(shù)據(jù)存儲(chǔ)到所述決策支持?jǐn)?shù)據(jù)庫(kù)；員工效率預(yù)測(cè)子系統(tǒng)讀取所述決策支持?jǐn)?shù)據(jù)庫(kù)中的必要數(shù)據(jù)，并根據(jù)影響員工效率的內(nèi)部因素和外部因素輸出員工的效率預(yù)測(cè)數(shù)據(jù)。本系統(tǒng)還包括產(chǎn)生最優(yōu)生產(chǎn)工序分配方案的員工效率預(yù)測(cè)子系統(tǒng)、根據(jù)實(shí)時(shí)的生產(chǎn)狀況調(diào)整工序分配以保證生產(chǎn)線(xiàn)平衡的智能生產(chǎn)線(xiàn)平衡子系統(tǒng)，以及用于準(zhǔn)確地預(yù)測(cè)各個(gè)生產(chǎn)單的生產(chǎn)進(jìn)度和完成時(shí)間的進(jìn)度預(yù)測(cè)子系統(tǒng)。
文檔編號(hào)G06Q50/04GK102402716SQ20101028230
公開(kāi)日2012年4月4日 申請(qǐng)日期2010年9月15日 優(yōu)先權(quán)日2010年9月15日
發(fā)明者黃偉強(qiáng) 申請(qǐng)人:香港理工大學(xué)