面向酒盒包装的柔性生产调度与质量闭环控制方法与流程

本发明涉及工业生产过程智能控制，具体的说是面向酒盒包装的柔性生产调度与质量闭环控制方法。

背景技术：

1、随着酒类消费市场的个性化与高端化发展，酒盒包装产品呈现出多品类、小批量、定制化、短交期的发展特征，传统大批量、单品类的酒盒包装生产线难以适配快速换产、柔性交付的生产需求。柔性生产调度作为提升生产线多品类适配能力的核心技术，直接决定了生产效率、交付周期与设备利用率。目前，酒盒包装行业的生产调度大多基于制造执行系统实现静态排程，部分方案引入智能优化算法对调度模型进行改进，但其优化目标普遍集中在生产周期最短、设备利用率最高、生产成本最低等维度，极少将质量风险因素纳入调度的动态约束体系，更未考虑多工序之间的质量传导效应对整体生产质量的影响。

2、在实际生产中，酒盒包装涉及印刷、模切、裱糊、成型等多道关联工序，任意工序的工艺波动、设备老化、原材料差异都可能导致质量缺陷，且上游工序的质量偏差往往会传导至下游工序，形成耦合性质量问题。现有技术中，部分生产线引入了机器视觉在线检测设备实现质量缺陷的自动识别，但质量控制与生产调度相互独立，形成信息孤岛：质量检测数据仅用于单工位的工艺参数调整或事后返工，无法实时反哺生产调度，导致高风险工位仍被分配大量生产任务，进一步加剧质量波动，返工成本上升的同时也打乱了原有排程，反而降低了整体生产效率。

3、同时，现有酒盒包装的质量溯源多以批次为单位，当出现质量异常时，需要逐工序排查工艺记录与设备日志，定位根因的周期长、效率低，尤其对于多工序耦合导致的隐性质量问题，难以实现精准溯源，无法快速形成闭环控制。在多品类换产过程中，现有调度方案大多采用固定的换产时长与试生产数量，既未结合工位的实时质量状态动态调整换产缓冲，也未考虑换产前后产品的工艺相似性差异进行差异化配置：当工位质量状态不稳定或工艺差异较大时，固定缓冲量不足以保障换产后的质量稳定性，易出现批量不良；当工位质量状态稳定或工艺差异较小时，固定缓冲量又会造成不必要的产能浪费，制约了柔性生产效率的进一步提升。

4、此外，现有质量控制模式多为事后纠偏，缺乏工序间的前置预判与协同纠偏机制：在制品完成上道工序后直接进入下道工序，无法提前预判其在下道工序的质量风险并进行补偿；出现质量趋势偏移时，仅调整当前工位参数，未考虑上下游工序的传导影响，纠偏效果有限且易引发新的质量波动。综上，现有技术中酒盒包装的柔性生产调度与质量控制存在风险评估片面、换产适配性差、溯源效率低、闭环控制滞后、调度鲁棒性不足等缺陷，难以适配小批量多批次的定制化酒盒生产需求。

技术实现思路

1、针对现有技术中酒盒包装生产调度与质量控制联动性不足、质量风险评估未考虑工序传导效应、换产缓冲缺乏差异化适配、质量控制滞后、调度重排粒度单一的不足，本发明提供一种面向酒盒包装的柔性生产调度与质量闭环控制方法，实现多维度质量风险感知与生产调度的深度联动，提升多品类换产的柔性效率，构建工序间前置预判与协同纠偏的全流程闭环体系，保障调度稳定性与质量可靠性。

2、本发明解决其技术问题所采用的技术方案是：面向酒盒包装的柔性生产调度与质量闭环控制方法，应用于包含印刷、模切、裱糊、成型及在线检测工序的酒盒包装柔性生产线，包括如下步骤：

3、s1、采集生产线各工位的历史生产与质量数据，构建工序质量传导网络并确定各相邻工序间的质量影响权重，结合工位自身的质量波动指标与上下游工序的传导风险，动态计算各工位的综合质量风险熵值；

4、s2、接收生产工单，计算换产前后两款酒盒的工艺特征相似度，以各工位的综合质量风险熵值为动态约束权重，结合工艺特征相似度双维度动态调整换产节点的前置工艺缓冲段与后置质量验证缓冲段的时长与容量，结合设备产能、交期约束构建柔性调度优化模型，生成初始生产排程；

5、s3、按照初始生产排程执行生产，为单件在制品分配唯一标识，逐工序采集工艺参数、设备参数与质量检测数据，生成按工序顺序排列的质量指纹序列；每道工序加工完成后，提取当前工序的质量特征输入质量传导预测模型，预判该在制品在下道工序的质量风险，若预判风险高于阈值则提前调整下道工序的工艺参数进行补偿，或调整该在制品的加工工位分配；

6、s4、当在线检测单元检出质量异常品时，将异常品的质量指纹序列输入历史异常样本库，采用改进的局部序列比对算法匹配定位根因工序，生成工艺纠偏指令下发至对应工位；同时根据异常影响范围与根因工位的瓶颈等级，判定重排等级并触发对应范围的调度重排，同步更新工序质量传导网络的权重与各工位的综合质量风险熵值；

7、s5、当在线检测单元检出在制品质量特征出现趋势性偏移且未超出合格阈值时，生成上下游工序协同的预纠偏指令调整工艺参数，同步上调对应工位的综合质量风险熵值，修正调度模型约束权重，实现前置式质量-调度闭环控制。

8、具体地，步骤s1中所述工序质量传导网络的构建过程为：统计历史生产中各工序质量特征与上下游工序质量缺陷的对应关系，通过皮尔逊相关系数计算得到各相邻工序间的质量影响权重并形成权重矩阵；所述综合质量风险熵值由工位自身的质量风险熵值与上下游工位经权重折算后的传导风险熵值加权求和得到，自身风险熵值基于设备运行参数波动度、近批次不良率、工艺参数偏移量三类指标通过信息熵公式计算。

9、具体地，步骤s2中所述工艺特征相似度通过计算换产前后两款酒盒的工艺特征向量的余弦相似度得到，工艺特征向量包含印刷色组数量、表面工艺类型、模切结构复杂度、裱糊贴合层数四类量化特征；相似度越高，换产缓冲的基准调整系数越小，结合综合质量风险熵值对应的风险调整系数，共同计算得到最终的缓冲时长与容量。

10、具体地，步骤s3中所述质量传导预测模型为基于bp神经网络训练得到的预测模型，输入层为上道工序的核心质量特征向量，输出层为下道工序的质量合格率预判值与各类缺陷的发生概率；模型以历史生产中各在制品的上工序质量特征与对应下工序质量检测结果为训练集完成训练。

11、具体地，步骤s3中所述质量指纹序列为按工序先后顺序排列的多维特征向量序列，每个工序对应一个特征向量，特征向量包含该工序的核心工艺参数、设备运行状态参数、半成品外观尺寸与外观缺陷检测数据。

12、具体地，步骤s4中所述改进的局部序列比对算法为适配质量特征的smith-waterman算法，针对连续数值型质量特征设置偏差反比的匹配得分与偏差正比的错配罚分，同时设置空位开启罚分与空位延伸罚分，通过动态规划矩阵计算最优局部匹配路径，匹配度最高的历史异常样本对应的根因工序即为当前异常的定位结果。

13、具体地，步骤s4中所述分级式调度重排分为微调整、局部重排、全局重排三个等级：微调整仅调整异常工位后续少量工单的加工时序；局部重排调整异常工序及上下游关联工序的排产计划；全局重排对全部后续工单的设备分配与时序进行重新求解；等级根据异常批次的不良率区间与根因工序的瓶颈等级对应判定。

14、具体地，步骤s5中所述上下游协同预纠偏为：针对出现趋势偏移的工位调整主工艺参数的同时，根据工序质量传导网络的影响权重，同步微调上下游关联工位的对应补偿参数，抵消质量传导带来的间接影响。

15、具体地，所述质量指纹序列与在制品的唯一标识绑定存储，随生产流程逐工序补充更新，最终随成品入库形成全生命周期质量档案，同步用于更新历史异常样本库与质量传导预测模型。

16、本发明的有益效果：

17、构建工序质量传导网络，将上下游工序的质量传导影响纳入风险评估体系，得到的综合质量风险熵值更贴合实际生产中的质量耦合效应，以此为约束的调度方案能够更精准地前置控制整体质量风险，打破了单工位风险评估的局限性。

18、采用工艺相似度与综合风险熵双维度适配的换产缓冲机制，通过量化的双系数计算公式实现缓冲参数的动态调整，既考虑了换产产品本身的工艺差异难度，又结合了工位的实时质量状态，能够在质量稳定性与换产效率之间实现更优平衡，显著提升多品类柔性换产的综合效率。

19、建立工序间质量预校验机制，通过明确结构的bp神经网络预测模型，在制品完成上道工序后即可预判下道工序的质量风险并提前补偿，将质量控制的关口从“事后纠偏”前移至“工序衔接预判”，有效降低了工序耦合导致的质量缺陷发生率，提升了闭环控制的前置性。

20、采用分级式调度重排机制，通过明确的不良率阈值与瓶颈等级划分重排等级，根据质量异常的影响程度匹配不同范围的重排操作，避免了单一全局重排带来的生产波动与算力浪费，在保障质量控制效果的同时提升了调度体系的鲁棒性与稳定性。

21、跨领域引入并适配改进的局部序列比对算法实现工序级质量溯源，将生物信息学的序列匹配方法改造后应用于酒盒包装质量根因定位，能够快速精准识别单工序或多工序耦合导致的质量问题，大幅缩短了质量溯源周期，整套方法形成完整闭环，各环节相互协同支撑，能够很好地适配酒盒包装行业小批量、多品类、定制化的生产需求。