一种多智能体协同制造方法与流程

本发明涉及智能制造，具体讲是一种多智能体协同制造方法。

背景技术：

1、随着制造业向高质量、高柔性、快响应方向发展，传统制造模式在多品种、小批量等复杂场景下面临严峻挑战。当前制造系统普遍存在以下突出问题，严重制约了产线的智能化水平与精益运营能力。

2、首先，在生产计划与调度层面，现有方法多依赖静态需求预测和人工经验制定计划，易受主观判断偏差影响，导致计划准确性低；排产过程通常采用手动方式，耗时耗力，且难以综合考虑设备实时状态、工人技能匹配度、物料供应动态等多维约束条件，造成资源分配不合理、排产冲突频发或产能闲置浪费；生产调度则依赖人工巡检与滞后报表，无法及时感知异常事件，致使调度决策延迟，响应效率低下。

3、其次，在工艺与制造协同方面，结构化、标准化的工艺数据难以从capp、cam等工艺系统高效传递至mes生产管理系统，跨系统间缺乏统一的数据模型与接口规范，导致工艺信息断层；同时，生产过程中产生的实际执行数据及优化建议亦难以有效反馈至工艺设计端，形成“设计—制造”闭环缺失，阻碍了工艺知识的持续迭代与优化。

4、第三，在生产准备与物流环节，涉及物料、工装、刀具、数控程序等多个要素，但仓储与物流管理仍以线下纸质流转或半自动化方式为主，实物流、制造流与信息流严重脱节；缺乏agv、智能货架等智能物流设备的协同调度，物料配送效率低、错漏率高，难以支撑柔性产线的快速换型需求。

5、第四，在设备互联与数据采集方面，生产设备数控化率整体偏低，且品牌型号繁杂、通信协议异构，设备联网率不足，大量设备成为“信息孤岛”；其运行状态、加工参数、报警信息、能耗数据等关键指标无法实时采集与汇聚，数据分析依赖人工统计，数据的及时性、完整性与准确性难以保障，制约了基于数据的智能决策。

6、第五，在质量管理方面，质量检验高度依赖检验员的人工测量与手工记录，检测数据事后录入信息系统，存在易出错、易篡改、严重滞后等问题；质量信息与生产批次、设备编号、工艺参数等关键要素关联薄弱，一旦发生质量问题，追溯链条断裂，难以快速定位根本原因；质量管控模式仍停留在“事后把关”阶段，缺乏对潜在风险的“事前预警”与“事中干预”能力。

7、最后，在系统集成与协同方面，企业内部普遍存在erp、plm、mes、cad/cae等多套业务系统并存的局面，这些系统建设时期不同、技术架构各异、数据标准不统一，导致系统间集成度低；设计bom、制造bom与实际制造数据在传递过程中出现断层与歧义，数据无法在业务链条中顺畅流动；由于缺乏统一的数据平台与集成架构，虚拟空间中的智能体、虚拟体与物理实体之间无法实现相互映射与闭环控制，系统难以基于全局实时数据进行快速评估与动态策略调整，严重制约了产线整体智能化水平和柔性适应能力。

8、综上所述，现有制造系统在计划精准性、资源协同性、数据贯通性、质量前瞻性与系统智能性等方面存在系统性短板，亟需一种能够打破信息孤岛、融合多源智能、实现打通“设计—工艺—生产—物流—质量”全链条，“感知—分析—决策—执行”闭环的新型制造架构。

技术实现思路

1、本发明的目的在于解决现有制造系统中存在的计划排产不智能、工艺制造脱节、物流效率低下、设备信息孤岛、质量管控滞后及系统集成度低等技术问题，提供一种多智能体协同制造方法。

2、本发明是通过以下技术方案实现的：

3、一种多智能体协同制造方法，包括：智能管控系统、智能工艺系统和数字孪生系统，

4、智能管控系统，用于接收用户提交的2d图纸/3d模型与需求，下发给智能工艺系统启动工艺生成；智能工艺系统生成含工艺路线与nc代码的初始方案，并发送至数字孪生系统；数字孪生系统对该方案进行验证，并反馈结构化优化建议；智能工艺系统据此迭代调优，直至满足精度与效率指标，形成最终可执行工艺方案并回传至智能管控系统；智能管控系统结合该方案与实时资源状态，生成排产计划与合同草案；任务下发后，采集的执行数据同步反馈至数字孪生系统进行偏差检测，并将运行结果与修正记录回传至智能工艺系统，驱动智能工艺系统持续进化。

5、在上述技术方案中，智能管控系统采用云边协同架构部署，边缘层在车间部署轻量级微服务进程，运行实时控制模块，确保控制指令响应延迟满足交互需求；云平台层基于虚拟化集群与集中式微服务治理框架构建私有云平台。

6、在上述技术方案中，智能管控系统集成以下功能模块：

7、①计划管理模块，用于根据智能工艺系统生成的工艺方案以及设备实时状态、物料库存等资源数据，生成排产方案；

8、②生产执行管控模块，用于下发工单与工序执行监控，实时跟踪各制造单元的作业进度，自动采集报工数据与异常事件；

9、③工艺管理模块，用于接收智能工艺系统生成的结构化工艺规程，根据排产安排将其分发至对应制造单元；

10、④物料管理模块，用于监控从原材料入库、生产制造到成品出库的全链路物料追踪；

11、⑤设备管理模块，用于监控设备实时运行状态，包括加工参数、报警信息等，并记录设备利用率与停机原因；

12、⑥看板管理模块，用于提供可视化监控界面，展示订单交付、产能负荷等宏观指标，面向车间层呈现工位任务、在制品状态等实时信息，实现制造全过程的透明化管理；

13、⑦生产质量管理模块，用于根据生产数据和检验数据，统计质量数据并建立质量数据与生产批次、设备、工艺的追溯链条，支持质量问题的快速定位与根因分析；

14、⑧供应链管理模块，用于根据任务特性选择分配生产制造商、监控跨厂协同进度，使用脱敏任务包确保订单来源保密性；

15、⑨虚拟仿真模块，与数字孪生系统集成，用于调用虚拟模型进行生产方案仿真与冲突检测，在任务下发前识别潜在风险。

16、在上述技术方案中，智能工艺系统，基于大语言模型与知识图谱的智能解析模块以及capp知识数据库模块和cam知识数据库模块，用于实现智能工艺与智能编程；其中，智能工艺完成capp的工艺规程自动生成，智能编程完成cam的nc代码智能生成。

17、在上述技术方案中，所述智能解析模块采用三层架构构建：底层部署ai算力硬件集群与加速节点作为算力底座，中层运行大语言模型，顶层构建工艺知识图谱；其中，大语言模型持续学习历史工艺文档与工程师经验，实现非结构化知识的语义化提取；知识图谱层则建立材料、设备、参数、质量的多维关联，为capp知识数据库模块和cam知识数据库模块提供统一知识源。

18、在上述技术方案中，智能工艺系统，基于大语言模型与知识图谱的智能解析模块，自动识别图纸中的孔、槽、曲面等几何特征及尺寸公差、表面粗糙度等工艺约束，并将复杂零件分解为若干可独立加工的工艺单元；

19、随后，智能工艺系统调用capp知识数据库模块，执行双路径决策机制：

20、①规则路径：基于预构建的工艺知识图谱，检索与当前特征和材料匹配的标准化工艺规则，生成初步工序序列；②ai路径：通过llm引擎分析历史相似零件的工艺案例，并结合当前设备状态、刀具库存及产能负载等实时约束，动态优化切削参数与工序安排；

21、两条路径的结果经融合后，输出包含工序顺序、设备类型要求、刀具规格及质量控制点的结构化工艺规程；该工艺规程连同原始图纸数据一并传递至cam知识数据库模块；cam知识数据库模块启动知识图谱引导的nc代码生成引擎，依据特征类型自动匹配最优加工策略，并调用llm对刀具路径进行语义化描述，生成嵌入工艺注释的cnc可执行nc代码文件。

22、在上述技术方案中，数字孪生系统，使用unity3d构建覆盖产线全生命周期的数字孪生模型，实现物理产线与虚拟系统的实时映射与动态交互。

23、在上述技术方案中，数字孪生系统，包括产线工艺仿真、布局仿真及制造执行过程仿真三部分，其中，产线工艺仿真基于设备参数与工艺约束构建虚拟加工环境，动态模拟从原材料到成品的全流程工艺执行；布局仿真通过空间拓扑分析与物流路径优化算法，验证车间物理布局的合理性，识别瓶颈区域并提供布局调整建议；制造执行过程仿真则聚焦实时生产场景，将设备状态、物料流转、质量检测等多源数据注入虚拟模型，实现对实际制造过程的高保真还原。

24、在上述技术方案中，数字孪生系统中构建有五个仿真虚拟体，包括：①动态排产仿真虚拟体，用于接收下发生产任务，结合设备实时负载、工人技能及物料库存数据，预测交付周期与资源冲突；②物流规划仿真虚拟体，用于实施监控物流状态；③切削性能仿真虚拟体，用于利用物理机理模型与历史切削数据，预测刀具磨损趋势与加工振动幅值，提前识别质量风险；④几何补偿仿真虚拟体，用于通过分析温度变形与装夹误差，自动计算补偿量并反馈至加工设备；⑤机加工艺仿真虚拟体，用于对nc代码进行虚拟验证，模拟刀具轨迹与干涉情况，确保工艺可行性。

25、本发明的另一个方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如上上述的方法。

26、本发明的优点和有益效果如下：

27、本发明所设计的多智能体协同制造方法，包括：智能管控系统、智能工艺系统和数字孪生系统，这三个系统间通过事件驱动架构实现深度交互。其中，智能管控系统是多智能体协同制造架构的管控决策中枢，用于实现制造全流程的指挥调度与资源优化；智能工艺系统是工艺知识的智能化应用中枢，用于实现从2d图纸/3d模型到可执行工艺的自动转化；数字孪生系统是物理制造产线与虚拟空间的映射桥梁，用于实现物理制造过程的映射、验证与优化。

28、三个系统间通过相互的协同作用以及与用户和制造商间的数据交互，实现了以下突出的技术效果：

29、1，三大系统通过深度信息协同形成完整制造闭环：智能管控系统作为制造流程的统一调度中枢，首先接收用户提交的2d图纸/3d模型与初步需求，接着下发智能工艺系统启动工艺生成；智能工艺系统生成含工艺路线与nc代码的初始工艺方案，并发送至数字孪生系统；数字孪生系统对工艺方案进行验证，并反馈结构化优化建议；智能工艺系统据此迭代调优，直至满足精度与效率指标，形成最终可执行工艺方案并回传至智能管控系统；智能管控系统结合该工艺方案与实时资源状态，生成排产计划与合同草案；任务下发后，采集的执行数据同步反馈至数字孪生系统进行偏差检测，并将运行结果与修正记录回传至智能工艺系统，驱动智能工艺系统持续进化。该“工艺生成—仿真验证—执行反馈—知识进化”闭环，实现从被动响应向事前预警、事中干预的范式跃迁，显著提升柔性适应能力与资源利用效率。

30、2，三大系统协同决策与知识进化：在制造过程中，三大系统共享设备、工艺与质量数据，形成统一决策视图；当产线出现偏差时，数字孪生系统触发干预指令，经管控系统验证后动态调整执行策略；关键运行数据被结构化反馈至智能工艺系统，由智能工艺系统的大语言模型（llm）分析根因，自动更新智能工艺系统的工艺知识图谱及capp知识数据库模块和cam知识数据库模块，从而实现智能工艺系统的持续进化，实现制造能力的自学习与自优化。