一种基于多智能体的食品产线智能调度与协同控制系统的制作方法

摘要: 本发明涉及食品产线控制领域,具体是一种基于多智能体的食品产线智能调度与协同控制系统。背景技术:1、随着食品加工行业的快速发展和消费者对食品安全、品质要求的持续提...
一种基于多智能体的食品产线智能调度与协同控制系统的制作方法

本发明涉及食品产线控制领域,具体是一种基于多智能体的食品产线智能调度与协同控制系统。

背景技术:

1、随着食品加工行业的快速发展和消费者对食品安全、品质要求的持续提升,食品生产企业普遍面临多条生产线并行作业、订单需求波动频繁、产品质量标准日趋严格等多重挑战。

2、现有食品产线调度方法主要依赖人工经验和erp系统的粗放式排产,缺乏对各产线历史排产量与产品合格率之间内在关系的系统性采集与分析,传统调度方式通常将产量最大化作为首要目标,而将产品质量作为事后检验指标,未能建立排产量与合格率之间的量化映射关系,无法科学界定各产线在保证产品质量前提下的最大排产量,并且现有系统缺乏对产线实时产品合格率的在线监测与动态预警机制,无法在质量指标出现下降趋势时及时干预并自动调节排产量以恢复质量水平;

3、同时在多食品生产线并行生产的场景下,各产线通常独立运行,产线之间缺乏实时状态共享与协同协商的能力,当某条产线出现设备故障、质量波动或产能富余时,其他产线无法及时感知并只能通过人为转移生产任务,导致部分产线超负荷运行而另一部分产线产能闲置,整体设备利用率和订单准时交付率偏低;

4、本技术旨在预先采集各产线的基本信息和运行数据,建立每条产线的数字化标识档案,建立产线的完整数据底座,然后利用历史数据为每一条产线独立构建排产量与产品合格率之间的分段线性回归映射模型,精准识别各产线在保证质量前提下的质量临界排产值,筛选优质产线优先排产,并对不合格产线进行预警与迭代调节,由多产线智能体对优先排产产线的实时运行状态、当前排产量、设备健康状态及实时合格率进行多维度感知,并通过智能体间的信息交互与自主协商机制,实现多产线多余产能的动态协同调度与任务再分配,搭建各产线的数字孪生模型对协同排产方案进行仿真验证,输出模拟运行数据进行实时反馈。

技术实现思路

1、本发明的目的在于提供一种基于多智能体的食品产线智能调度与协同控制系统,以解决现有技术中的问题。

2、为实现上述目的,本发明提供如下技术方案:

3、一种基于多智能体的食品产线智能调度与协同控制系统,系统包括智能排产调度平台和若干部署在智能排产调度平台内部的模块,包括:

4、食品产线排产数据采集模块:预先采集各产线的基本信息和运行数据,建立每条产线的数字化标识档案,同时采集当前生产周期内食品订单排产信息数据,形成初始排产数据集;

5、产线排量-合格率映射模型构建模块:设定历史数据回溯窗口,通过提取各产线在不同历史排产量档位下的产品合格率样本,为每一条产线独立构建排产量—产品合格率之间的量化映射关系模型,识别不同食品产线的质量临界排产值;

6、初步排产数据调度决策模块:预先筛查不同食品产线合格率达标下的质量临界排产值,对多产线质量临界排产值进行迭代调节,结合设定的历史数据采集窗口,提取历史产品合格率均在阈值之上的产线进行预先排产决策,同时对历史产品合格率低于阈值的产线进行预警;

7、产线多智能体协同控制模块:利用多产线智能体对优先排产产线实时运行状态、当前实时排产量、设备健康状态、实时产品合格率进行感知,对多产线进行多余产能协同调度;

8、排产仿真验证评估模块:构建各食品生产线的数字孪生模型,对协同排产方案进行仿真验证,输出模拟的排产产线仿真运行数据进行实时反馈。

9、进一步设置:食品产线排产数据采集模块包括产线基础信息数字化标识子模块和排产需求数据采集子模块,其中,产线基础信息数字化标识子模块包括多产线数据采集单元、产线机器设备数据采集单元,多产线数据采集单元预先对本食品生产企业内部的生产线进行全域信息采集,预先对每一食品生产线分配唯一的编号,按照每一食品生产线编号,采集每一食品生产线的基本数据包,基本数据包包括产线唯一编号、产线名称、所属车间、产线中心坐标、产线适配的食品品类、产线设计最大产能、投产日期、产线状态;

10、产线机器设备数据采集单元针对每一产线的全部机器设备进行关键参数采集,构建设备参数信息表,设备参数信息表包括设备唯一编号、所设置的产线编号、设备名称、设备型号及规格、设备安装位置、额定功率、工作温度范围及压力范围、设备尺寸、维护保养周期;

11、分别对每一食品生产线的基本数据包和每一食品生产线内部设备参数信息表进行整合,构建每一食品生产线的基础信息档案,同时通过后台预先设定固定的采集频率采集每一产线实时运行数据,包括设备运行状态、设备运行参数、故障报警信号,将每一食品产线实时运行数据和基础信息档案进行融合,以每一食品生产线编号为主键,建立每条食品产线的数字化标识档案;

12、排产需求数据采集子模块预先通过智能排产调度平台采集当前生产周期内部全部食品订单数据,包括订单编号、产品品类、产品规格、订单数量、交付期限,将全部食品订单数据按照食品品类进行归类汇总,分别采集不同品类的订单总需求量,根据订单品类标记的品类适配的食品产线编号,提取每一订单品类的计划完工时间和最大允许完工时间,汇总每一不同品类的订单总需求量、订单时间数据、适配产线编号以及产线设计最大产能,构建当前生产周期内初始排产数据集。

13、进一步设置:产线排量-合格率映射模型构建模块包括多产线历史排产量与产品合格率采集子模块、模型构建子模块、多产线质量临界排产值识别子模块,多产线历史排产量与产品合格率采集子模块包括排产量档位预先设定单元和历史排产量数据回溯采集单元,排产量档位预先设定单元通过后台管理员将排产量按照数据大小进行排序,按照不同排产档位对排产量进行划分,不同排产档位包括高排产档位、中排产档位、低排产档位,高排产档位、中排产档位、低排产档位对应不同的排产量区间,不同排产量区间数值由人为进行设定;

14、历史排产量数据回溯采集单元通过智能排产调度平台后台预先设定历史数据采集的回溯窗口,确保回溯窗口内不同产线存在连续性的生产数据,提取每一产线在设定的历史回溯窗口内每一生产批次的排产数据,排产数据包括产线编号、生产批次编号、排产量设定值、实际产出值、产品合格率、排产量档位;

15、对于划分至同一排产量档位内部的全部产线批次数据,预先计算该同一排产量档位内部不同产线批次的产品合格率均值,将其同一排产量档位内部不同产线批次的产品合格率均值设定为该排产量档位下每一生产批次的产品合格率最低限定阈值;

16、模型构建子模块获取每一生产线在历史数据回溯窗口内部每一生产批次排产量对应合格率的配对样本,计为模型样本数据集,,其中,为第个生产批次的排产量,为第个生产批次对应额度产品合格率,为当前产线的有效生产批次数据采集总量,将每一模型样本数据集按照设定比例划分为训练集和测试机,利用分段线性回归模型构建排产量-合格率映射模型,计算每一产线的排产量与产品合格率的最优分段点。

17、进一步设置:多产线质量临界排产值识别子模块获取每一产线的排产量与产品合格率的最优分段点,将其标记为每一产线的质量临界排产值,基于每一产线的质量临界排产值,计算每一产线在质量临界排产值下产品合格率,若某一产线在质量临界排产值下产品合格率小于产品合格率最低限定阈值,重新计算产线达到产品合格率最低限定阈值时的实时排产值,将其实时排产值重新定义为该产线的质量临界排产值,汇总每一视频生产线的质量临界排产值。

18、进一步设置:初步排产数据调度决策模块包括多产线安全排产区间调度子模块、预先排产产线筛选子模块、不合格产线分级预警子模块;

19、多产线安全排产区间调度子模块获取不同食品生产线的质量临界排产值,将质量临界排产值对应不同的排产量档位,提取该排产量档位的产品合格率最低限定阈值;

20、同时基于排产量-合格率映射模型提取每一产线在质量临界排产值时的排产产品合格率,将排产产品合格率分别与对应该排产量档位的最低限定阈值进行比较,设定当前产线在某一批次质量临界排产值时的排产产品合格率,其该质量临界排产值与对应该排产量档位的最低限定阈值为,若,设定质量临界排产值安全弹性系数,默认取1.05,可通过后台管理员进行修改设定,即当前产线在某一批次质量临界排产值安全上限为,,若,设定质量临界排产值安全限定系数,默认取0.95,可通过后台管理员进行修改设定,即当前产线在某一批次质量临界排产值安全上限为,。

21、进一步设置:预先排产产线筛选子模块预先设定排产历史数据采集窗口,获取排产历史数据采集窗口内部每一生产线在排产历史数据采集窗口内部连续生产批次内部产品合格率记录数据包,产品合格率记录数据包包括产线编号、批次编号、生产日期、产品合格率、排产量档位,提取每一产线的质量临界排产值,筛查当前每一产线满足质量临界排产值进行排产的生产批次,提取每一产线满足质量临界排产值进行排产的生产批次,其中提取的生产批次数据满足大于等于,其中由后台人为设定,若排产历史数据采集窗口内部,提取的每一产线满足质量临界排产值进行排产的生产批次数量小于,则延长排产历史数据采集窗口时限,直至提取出的生产批次大于等于,其中,延长的排产历史数据采集窗口时限小于预设定排产历史数据采集窗口时间最大区间,排产历史数据采集窗口时间最大区间由人为进行设定,汇总每一产线满足质量临界排产值进行排产的生产批次,提取该生产批次的产品合格率记录数据包,计算提取出的每一产线多生产批次的合格率均值和合格率最小值,设定某一产线在多生产批次的合格率均值为、合格率最小值,预设定优先排产质量合格率阈值为,若满足:

22、

23、筛查存在多生产批次的合格率均值和合格率最小值满足上述条件的产线,标记为预先排产产线,汇总标记为预先排产产线,生成预先排产组;

24、不合格产线分级预警子模块筛查多生产批次的合格率均值和合格率最小值均不满足上述条件的产线,进行不合格标记,提取不合格产线内部合格率最小值与优先排产质量合格率阈值的偏离值,预先设定高偏离值区间、中偏离值区间、低偏离值区间,若不合格产线内部合格率最小值与优先排产质量合格率阈值的偏离值属于高偏离值区间,对该产线进行高级预警,暂停该产线的排产计划,若不合格产线内部合格率最小值与优先排产质量合格率阈值的偏离值属于中偏离值区间,对该产线进行中级预警,对其进行合格率人为实时监测,若不合格产线内部合格率最小值与优先排产质量合格率阈值的偏离值属于低偏离值区间,对该产线进行低级预警,按照低级预警预设定的采集频率,实时采集产线排产过程中的产品合格率进行偏离值分析。

25、进一步设置:产线多智能体协同控制模块包括产线智能体部署监测子模块和多产线多余产能协同调度子模块,产线智能体部署监测子模块包括智能体状态感知单元、排产执行单元、交互通信单元,产线智能体部署监测子模块预先配置用于实时感知产线状态和数据采集的产线智能体,产线智能体分别接入产线若干传感器,若干传感器包括在线视觉检测传感器、plc控制器、振动传感器、温度传感器、scada系统,智能体状态感知单元预先获取预先排产组内部产线编号表和计划排产量,按照设定高频状态采集频率,利用产线智能体对预先排产产线的实时排产量数据、产品合格率数据、产线设备健康状态数据进行采集,对每一预先排产产线的实时多维度状态数据进行存储,排产执行单元提取每一预先排产产线的实时排产量和实时产品合格率,判定其实时排产量是否与预先设定值一致,判定其实时产品合格率是否均大于优先排产质量合格率阈值,判定其产线设定运行状态是否正常,对上述判定的异常情况发送交互通信单元,交互通信单元发送至后台管理员进行实时预警。

26、进一步设置:多产线多余产能协同调度子模块获取每一预先排产产线的实时排产量数据和当前产线的质量临界排产值安全上限,计算当前产线的产能利用率,设定当前预先排产产线的实时排产量数据和该预先排产产线的质量临界排产值安全上限为,计算当前产线的剩余可用产能,,若,即当前产生存在富裕产能,标记为预期多余产能供给方,若,即当前产线排产量超过,立即通过交互通信单元发送至后台管理员进行实时预警;

27、筛查存在预期多余产能供给方标记的产线,通过智能排产调度平台预先设定有效富裕阈值,当,将其标记更改有效富余产线,提取每一有效富余产线的实时产品合格率、空间邻近度、设备健康评分、剩余可用产能,其中,空间邻近度为当前有效富余产线与存在需求产能的产线空间位置距离,预先设定不同位置距离,不同位置距离包括同一车间位置、同一厂区相邻车间位置、同一厂区间隔车间位置、不同厂区位置,不同位置距离对应不同的空间邻近度,其中对应的不同空间邻近度由管理员后台设定,空间邻近度取值为,设备健康评分由产线智能体进行实时评分,取值范围为,通过智能排产调度平台预先设定实时产品合格率、空间邻近度、设备健康评分、剩余可用产能所对应的有效富余产线不同优先评级权重,预设定有效富余产线的实时产品合格率、空间邻近度、设备健康评分、剩余可用产能,其中实时产品合格率、空间邻近度、设备健康评分、剩余可用产能的优先评级权重系数分别为,其中,计算当前有效富余产线的实时产能供给优先级评分,根据公式:

28、

29、汇总每一有效富余产线的实时产能供给优先级评分进行降序排序,发送至存在需求产能的产线进行排序推荐。

30、进一步设置:排产仿真验证评估模块包括数字孪生模型搭建子模块和排产数据导入运行监控子模块,数字孪生模型搭建子模块基于建模工具搭建每条产线数字孪生模型,获取每一产线的食品生产线的数字化标识档案输入至产线数字孪生模型,产线数字孪生模型包括每一产线的空间布局、工艺参数、实时设备数据、历史运行数据;

31、排产数据导入运行监控子模块获取当前每一生产线的初始排产数据集,导入各产线的排产任务分配量、各产线的计划开工时间和计划完工时间、各产线的排产优先级和批次顺序至产线数字孪生模型进行仿真运行,实时对仿真运行过程数据进行实时监控,采集多产线仿真运行过程中各产线设备的实时运行状态、各产线的累计产量与计划进度的对比、各产线的实时产品合格率变化趋势进行实时反馈,生成每一产线的仿真验证报告至智能排产调度平台。

32、与现有技术相比,本发明的有益效果是:预先采集各产线的基本信息和运行数据,建立每条产线的数字化标识档案,建立产线的完整数据底座;

33、设定历史数据回溯窗口,通过提取各产线在不同历史排产量档位下的产品合格率样本,利用历史数据为每一条产线独立构建排产量与产品合格率之间的分段线性回归映射模型,精准识别各产线在保证质量前提下的质量临界排产值,对多产线质量临界排产值进行迭代调节,筛选优质产线优先排产,并对不合格产线进行预警与迭代调节,由多产线智能体对优先排产产线的实时运行状态、当前排产量、设备健康状态及实时合格率进行多维度感知,并通过智能体间的信息交互与自主协商机制,实现多产线多余产能的动态协同调度与任务再分配,搭建各产线的数字孪生模型对协同排产方案进行仿真验证,输出模拟运行数据进行实时反馈,实现了食品多产线在质量约束下的产量与效率协同优化,有效提升了排产决策的科学性。