一种高度不确定生产模式下的人力资源预测与调度方法、系统、设备及介质与流程
本发明涉及智能制造，具体涉及一种高度不确定生产模式下的人力资源预测与调度方法、系统、设备及介质。
背景技术：
1、本节中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术。
2、复杂电子装备的制造过程具有典型的多品种、小批量、混线生产特征，其装配与调试环节高度依赖多技能人员的操作。与传统电子装备、机械制造不同，复杂电子装备整机集成面临多种工艺阶段、多种车间产线差异化要求，形成了复杂的多层级人力资源需求结构。如何科学预测人力需求并实现动态优化调度，已成为制约复杂电子装备制造效率与质量的关键瓶颈。
3、现有的电子装备生产调度研究多将人力资源视为同质化劳动力，或仅区分工种类别，缺乏对多种工艺阶段、多种车间产线差异化的多层级人力资源要素的考虑。现有的基于设备与工人资源的协同调度中，优化目标主要围绕设备重构时间和完工周期，且对生产工艺模型的对象更多是基于传统制品定义的物料清单（bom），未细化至工序级作业。这使得车间难以形成多工艺阶段、多种车间产线差异化的人力资源调配管理，导致在高度不确定生产模式下的多品种、混线生产过程中，无法进行产线间大尺度的人力资源调配。
4、目前尚未出现公开的能够在不确定生产模式下，通过事前多层人力资源要素预测实现多车间产线联动调度及资源共享的技术。例如，现有公开的专利 cn202410594360.9《考虑人员分配的复杂产品数字孪生装配车间动态调度方法》虽解决了基于数字孪生技术实现虚实交互与动态调度的问题，但没有解决多车间产线的联动调度问题，也未解决事前需求预测的功能缺失；另一专利 cn121599395a《结合多维标签分析的项目人员调度管理方法》虽构建了多维度标签库，但同样没有提及多层级人力资源的需求预测及车间联动调度技术。
技术实现思路
1、本发明的目的在于：针对目前现有电子装备生产调度技术中缺乏对多工艺阶段、多车间产线差异化的多层级人力资源要素考虑，难以进行跨车间大尺度的人力资源事前需求预测与多产线联动调度的问题，提供了一种高度不确定生产模式下的人力资源预测与调度方法、系统、设备及介质，采用通过制造执行系统获取工序级作业bom以构建共性技能人力资源池映射关系，并基于历史策划与临时任务数据结合gm(1,1)模型双轨预测产线生产负荷，进而利用引入人员技能成熟度及时空防撞约束的nsga-ii算法构建多技能员工调度优化模型的方式，实现了复杂电子装备多品种、小批量、混线生产特征下的多层级联动调度与资源池共享，显著提升了敏捷制造车间的协同运作效率与人力调配科学性。
2、本发明的技术方案如下：
3、一种高度不确定生产模式下的人力资源预测与调度方法，应用于复杂电子装备的跨车间产线制造过程，所述方法包括以下步骤：
4、步骤s1：通过制造执行系统获取多车间产品的工序级作业bom，建立包含工序前后置关系、所需技能以及人工作业周期的bom工艺表；通过工序级生产任务组织模式，将各车间产品制造过程所需的同种技能的人力需求进行归集，构建共性技能人力资源池，以形成多层级人力资源模型与产品工序级人员需求的映射关系；
5、步骤s2：基于历史策划数据与历史销账数据评估策划偏差以预测策划任务工作量，并结合当前策划数据与历史临时任务数据预测临时任务工作量，从而计算得到预测生产负荷；根据所述预测生产负荷，以车间平均负荷为动态基准对各车间及产线级负荷进行均衡，评估得到各产线共性技能的总人员需求；
6、步骤s3：基于所述各产线共性技能的总人员需求，构建多技能员工调度优化模型；以任务计划安排时间最小化和任务完成人员需求成本最小化为目标函数，并将人员技能成熟度关联的工序完成时间、工序所需人力资源以及同一时刻人员执行工序任务规则作为约束条件，对所述多技能员工调度优化模型进行求解，输出跨车间产线层的人力资源调度方案。
7、进一步地，步骤s1中，构建共性技能人力资源池，以形成多层级人力资源模型与产品工序级人员需求的映射关系，包括：
8、为参与制造的多技能人员建立包含多种共性技能类型的员工技能初始值；
9、根据获取的所述工序级作业bom，提取各工序任务的标识、紧前任务以及所需技能，构建所述bom工艺表；
10、将所述员工技能初始值与所述bom工艺表进行匹配，建立包含工序任务标识与人员技能模型额定工时对应关系的所述映射关系。
11、进一步地，步骤s2中，预测生产负荷的计算公式为：
12、；
13、其中：
14、为预测生产负荷；
15、为当月策划任务的总数量；
16、为当月第个策划任务的工时；
17、为当前人员数量；
18、为工作天数；
19、为预测系数，计算方式为：；其中为第个历史月度的策划评估系数，且，为第个历史月度内第个任务的实际销账工时，为第个历史月度内第个任务的策划工时，为获取的个历史月度策划评估系数的均值，为获取历史策划数据的总月数；
20、为临时任务预测系数，计算方式为：；其中为第个历史月度的临时任务评估系数，且，为第个历史月度的临时任务总工时，为获取的个历史月度临时任务评估系数的均值且，为获取历史临时任务数据的总月数；
21、通过基于gm(1,1)模型对上述历史序列数据进行白化微分方程拟合，以实现对所述预测生产负荷的计算。.
22、进一步地，步骤s2中，评估得到各产线共性技能的总人员需求，包括：
23、计算均衡各产线共性技能人数，其计算公式为：
24、；
25、其中，为预测技术人员负荷，为预测技能人员负荷。
26、进一步地，步骤s3中，多技能员工调度优化模型采用nsga-ii算法，所述目标函数具体包括：
27、任务计划安排时间最小化：；
28、任务完成人员需求成本最小化：；
29、其中，为工序总数，为工序的完成时间；为参与调度的人员总数，为技能总数，为表示人员是否使用技能执行工序的0-1决策变量；为人员使用技能完成工序所需时间，为人员的单位时间成本。
30、进一步地，约束条件具体包括：
31、人员技能成熟度约束：人员使用技能完成工序所需时间，其中为最小标准工时，为人员对技能的成熟度；
32、工序完成时间约束：工序的完成时间，其中为工序的开始时间，为工序周期，；
33、工序所需人力资源约束：每项工序的每个技能需求由一人完成，，其中为工序对技能的人力资源需求量；
34、工序任务约束：同一时刻人员只能完成同一种工序，，其中为表示人员在时刻使用技能执行工序的状态变量。
35、本发明还提出了一种高度不确定生产模式下的人力资源预测与调度系统，应用于复杂电子装备的跨车间产线制造过程，所述系统包括：
36、映射建模模块，用于通过制造执行系统获取多车间产品的工序级作业bom，建立包含工序前后置关系、所需技能以及人工作业周期的bom工艺表；通过工序级生产任务组织模式，将各车间产品制造过程所需的同种技能的人力需求进行归集，构建共性技能人力资源池，以形成多层级人力资源模型与产品工序级人员需求的映射关系；
37、预测与均衡模块，用于基于历史策划数据与历史销账数据评估策划偏差以预测策划任务工作量，并结合当前策划数据与历史临时任务数据预测临时任务工作量，从而计算得到预测生产负荷；根据所述预测生产负荷，以车间平均负荷为动态基准对各车间及产线级负荷进行均衡，评估得到各产线共性技能的总人员需求；
38、多产线调度模块，用于基于所述各产线共性技能的总人员需求，构建多技能员工调度优化模型；以任务计划安排时间最小化和任务完成人员需求成本最小化为目标函数，并将人员技能成熟度关联的工序完成时间、工序所需人力资源以及同一时刻人员执行工序任务规则作为约束条件，对所述多技能员工调度优化模型进行求解，输出跨车间产线层的人力资源调度方案。
39、进一步地，所述系统在逻辑框架上包括数据终端层、数据可视化层和模型管理层；
40、所述数据终端层包括人力资源收集器，用于获取人力资源状态可视化数据和人力资源组成终端数据；
41、所述模型管理层包括人力资源管理模型，所述人力资源管理模型配置有先进先出、公平调度、能力调度和延迟调度等生成任务组织模型策略。
42、本发明还提出了一种电子设备，包括：
43、至少一个处理器；以及与所述至少一个处理器通信连接的存储器；
44、其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令，使得所述至少一个处理器执行如上述的方法。
45、本发明还提出了一种计算机可读存储介质，所述计算机可读存储介质用于存储指令，当所述指令被执行时，使如上述的方法被实现。
46、与现有的技术相比本发明的有益效果是：
47、1、打破车间物理壁垒，实现精细化资源建模。本发明通过制造执行系统（mes）将传统bom下沉至工序级别，建立工序级生产任务与共性技能人力资源池的映射关系，彻底改变了以往将人员视为同质化劳动力的粗放管理，为多车间产线的人员共享与大尺度调配奠定了精细化的数据基座。
48、2、创新双轨预测机制，攻克事前需求预测难题。针对高度不确定生产模式下“插单多、偏差大”的痛点，本发明首创了“策划偏差+临时任务”双轨预测模型。通过引入灰色预测理论中的gm(1,1)模型，在有限的离散历史样本下建立了具有极高鲁棒性的连续白化微分方程，科学、精准地预测了车间生产负荷并动态均衡产线人数，填补了现有调度系统缺乏事前预测功能的业务空白。
49、3、深度结合工业物理约束，输出全局最优联动调度方案。本发明在构建多技能员工调度优化模型时，创新性地引入了“技能成熟度反比机制”与“同一时刻工序防撞约束”，打破了同工种耗时一致的僵化假设，确保了调度的绝对物理可行性。通过nsga-ii算法求解时间最小化和成本最小化的双目标冲突，为管理者输出了兼顾效率与成本的最优跨车间产线层人力资源联动调度指令。