一种AI辅助服装生产排线系统的制作方法
本发明涉及智能制造与工业工程,尤其涉及一种ai辅助服装生产排线系统。
背景技术:
1、随着服装制造行业向小单快反模式转型,柔性混流生产线面临极高频次的物料款式切换,现有的动态排线调度系统通常采用基于排队论的最短队列优先等规则分配流转物料。然而,现有的排线控制逻辑存在严重的固有缺陷:其将底层的操作作业单元抽象为具备恒定吞吐率的标准黑盒,彻底剥离了底层设备的物理换装耗时约束以及操作工人的非平稳学习曲线约束。
2、当应对多款式混流换产时,常规调度系统往往盲目将新款式物料派发至当前网络队列最短的工位,却忽略了接收该物料的候选工位大概率缺乏匹配的实体缝制辅具从而需要耗费长周期进行停机物理换模,同时也忽略了操作工人面对全新缝制工艺时必须经历的动作摸索阶段与非线性的产能爬坡期。这种算法预设的恒定理想产能与现场工机非线性产出之间的严重断层,导致系统下发的所谓网络最优路由指令在物理执行阶段诱发极具隐蔽性的产能海市蜃楼现象,直接造成缝制设备有效稼动率出现断崖式下跌,使原本处于短队列的空闲节点迅速恶化为引发全线节拍失控与在制品堆积的二次拥堵源头。
技术实现思路
1、为了弥补以上不足,本发明提供了一种ai辅助服装生产排线系统,旨在改善传统的服装排线大多采用静态短队列规则,由于忽略了设备换模耗时与人工效能波动,从而造成频繁换产时流水线严重拥堵的问题。
2、本发明提供了如下技术方案,一种ai辅助服装生产排线系统,包括以下模块:
3、制造网络状态感知模块,用于获取候选工位的真实在制品队列长度、半成品到达率,以及待分配物料托肯的目标工装特征集合;
4、人机物理特征提取模块,用于获取所述候选工位当前物理工装特征集合,以及操作工人的累计加工件数与连续作业时间;
5、非平稳服务率解算模块,用于基于所述累计加工件数、所述连续作业时间、学习曲线与疲劳衰减模型,解算非平稳服务率期望值;
6、换模特征当量映射模块,用于对所述当前物理工装特征集合与所述目标工装特征集合运算得出物理换模惩罚系数,并结合所述半成品到达率与基准换模时间常数,将所述物理换模惩罚系数转化为当量虚拟队列;
7、协同李雅普诺夫寻优模块,用于将所述当量虚拟队列与所述真实在制品队列长度叠加构建协同李雅普诺夫函数,并引入所述非平稳服务率期望值构建控制方程,求解目标最优工位;
8、柔性闭环执行模块,用于根据所述目标最优工位下发所述待分配物料托肯与备料单,并反馈至所述制造网络状态感知模块与所述人机物理特征提取模块。
9、通过采用上述技术方案,将换模虚拟队列与真实积压叠加并结合非平稳服务率求解最优工位,进而闭环执行柔性调度,从而改善了传统的服装排线大多采用静态短队列规则,由于忽略了设备换模耗时与人工效能波动,从而造成频繁换产时流水线严重拥堵的问题。
10、本发明具有如下有益效果:
11、1、本发明中,通过将换模虚拟队列与真实积压叠加并结合非平稳服务率求解最优工位,进而闭环执行柔性调度,从而改善了传统的服装排线大多采用静态短队列规则,由于忽略了设备换模耗时与人工效能波动,从而造成频繁换产时流水线严重拥堵的问题。
12、2、本发明中,通过将当量虚拟队列与真实积压叠加并结合非平稳服务率求解最优工位,进而闭环派工,从而改善了传统的服装排线大多采用单一短队列规则,由于忽略换模耗时与人工波动,从而造成调度与真实产能脱节的问题。
13、3、本发明中,通过得出物理换模惩罚并结合到达率转化为当量虚拟队列,进而实现机器换装耗时向积压件数的跨量纲映射,从而改善了传统的排产分配大多采用独立割裂评估时间参数,由于缺乏统一评价空间,从而造成物料派发至无匹配辅具工位引发长时停机的问题。
1.一种ai辅助服装生产排线系统,其特征在于,包括以下模块:
2.根据权利要求1所述的一种ai辅助服装生产排线系统,其特征在于,所述制造网络状态感知模块,用于执行:
3.根据权利要求1所述的一种ai辅助服装生产排线系统,其特征在于,所述人机物理特征提取模块,用于执行:
4.根据权利要求1所述的一种ai辅助服装生产排线系统,其特征在于,所述非平稳服务率解算模块,用于执行:
5.根据权利要求4所述的一种ai辅助服装生产排线系统,其特征在于,所述非平稳服务率解算模块,还用于执行:
6.根据权利要求1所述的一种ai辅助服装生产排线系统,其特征在于,所述换模特征当量映射模块,用于执行:
7.根据权利要求6所述的一种ai辅助服装生产排线系统,其特征在于,所述换模特征当量映射模块,还用于执行:
8.根据权利要求1所述的一种ai辅助服装生产排线系统,其特征在于,所述协同李雅普诺夫寻优模块,用于执行:
9.根据权利要求8所述的一种ai辅助服装生产排线系统,其特征在于,所述协同李雅普诺夫寻优模块,还用于执行:
10.根据权利要求1所述的一种ai辅助服装生产排线系统,其特征在于,所述柔性闭环执行模块,用于执行:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com