基于物联网与数字孪生的奶茶原料生产线智能调控方法与流程

本技术涉及奶茶原料生产线调控方法的领域，尤其是涉及基于物联网与数字孪生的奶茶原料生产线智能调控方法。

背景技术：

1、近年来，我国现制茶饮行业呈现爆发式增长，市场规模持续扩大，消费者对产品口味的多样化、个性化需求不断提升，推动上游奶茶原料生产从传统的大批量、单一品种模式向多品种、小批量、高频次切换的柔性生产模式转变。奶茶原料生产具有物料种类繁多、组份配比精细、交叉污染风险高、生产切换清洁成本占比大的行业特点，传统的人工排产和固定流程生产方式已无法满足当前市场对生产效率、产品质量和订单响应速度的要求。

2、在奶茶原料生产过程中，生产线通常需要连续处理多种不同配方和物料组份的生产任务，不同生产任务之间的切换往往涉及设备清洗、物料更换和参数调整等复杂操作。

3、目前，生产任务的排产与切换主要依赖人工经验或简单的静态规则，例如仅依据交货期先后或物料大类进行排序。然而，这种粗放式的管理方式未能充分考虑生产线实时的物理状态，如设备内残留物料与当前加工进度，与不同任务间在物料维度和切换成本维度的深层关联，导致在实际生产中，频繁出现因任务衔接不当造成的过度清洗、物料浪费、长时间停机等问题，严重制约了生产线的综合效率与柔性响应能力。

技术实现思路

1、本技术的目的是：为了解决现有技术存在的奶茶原料生产线中，生产任务切换调控未能结合产线实时状态与任务多维特征，导致切换成本高、生产效率低的问题，本技术提供基于物联网与数字孪生的奶茶原料生产线智能调控方法。

2、为了实现上述目的，本技术提供的基于物联网与数字孪生的奶茶原料生产线智能调控方法采用如下技术方案：

3、本技术公开基于物联网与数字孪生的奶茶原料生产线智能调控方法，包括：

4、通过部署于奶茶原料生产线的物联网传感器实时采集生产数据，基于实时生产数据构建反映奶茶原料生产线当前生产状态的原料产线优化模型；

5、获取多个生产任务中各生产任务的特征数据，特征数据至少包括物料特征维度和生产切换成本维度，对于任意两个生产任务，基于两个生产任务在各维度的特征数据分别确定各维度对应的维度相似度指标；

6、基于各维度相似度指标，以及各维度相似度指标分别对应的维度权重系数，加权融合生成两个生产任务之间的综合相似度指标，维度权重系数用于表征对应维度对生产任务综合相似性的影响程度；

7、通过原料产线优化模型，基于各生产任务之间的综合相似度指标生成多个候选调控方案，分别模拟各候选调控方案对应的预测生产代价，并基于预测生产代价从多个候选调控方案中选取目标调控方案；

8、执行目标调控方案，采集执行后的实际生产效果数据，基于实际生产效果数据与预测生产代价之间的偏差，调整各维度相似度指标对应的维度权重系数。

9、优选的，基于实时生产数据构建反映奶茶原料生产线当前生产状态的原料产线优化模型，包括：

10、获取奶茶原料生产线的初始数字孪生模型，初始数字孪生模型包括奶茶原料生产线中各生产设备模型和各生产设备之间的物料流转路径；

11、获取物联网传感器采集的实时生产数据，实时生产数据包括各生产设备的设备运行状态数据和物料处理数据；

12、对于各生产设备，将设备运行状态数据和物料处理数据映射至对应设备模型以更新运行状态参数、物料处理状态参数以及物料残留量参数，物料处理状态参数包括对应生产设备当前所处理的物料种类和加工进度，物料残留量参数包括对应生产设备内残留的物料种类与残留量数值；

13、基于更新后的各设备模型和物料流转路径，确定物料在奶茶原料生产线中的实时分布，生成反映奶茶原料生产线当前整体生产状态的原料产线优化模型。

14、优选的，基于两个生产任务在各维度的特征数据分别确定各维度对应的维度相似度指标，包括：

15、基于原料产线优化模型，提取各生产设备模型的运行状态参数、物料处理状态参数、物料残留量参数以及生产线内的物料实时分布数据，作为维度相似度指标计算的实时基准数据；

16、针对物料特征维度，提取两个生产任务对应的物料种类和组份配比特征数据，结合物料实时分布数据、各生产设备内的物料种类以及物料残留量参数，分别计算两个生产任务的共有物料占比、组份配比偏差值以及与当前生产线内残留物料匹配度；

17、为共有物料占比、组份配比偏差值以及残留物料匹配度分别设置对应的分项权重，加权求和后得到物料特征维度对应的维度相似度指标；

18、针对生产切换成本维度，提取两个生产任务对应的生产切换所需的设备清洁需求和物料调整要求特征数据，结合物料实时分布数据、各生产设备内的物料种类以及物料残留量参数，分别计算两个生产任务切换时对应的设备清洁代价、物料调整代价以及停机时间代价的预估数值；

19、针对设备清洁代价、物料调整代价以及停机时间代价分别预设基准代价阈值，将各项预估数值与基准代价阈值进行归一化处理，得到与各项代价对应的归一化系数，基于归一化系数计算得到两个生产任务在生产切换成本维度对应的维度相似度指标。

20、优选的，基于归一化系数计算得到两个生产任务在生产切换成本维度对应的维度相似度指标，包括：

21、针对任意两个待生产的生产任务，分别记为生产任务i与生产任务j，两个生产任务在物料特征维度对应的维度相似度指标表达式为：

22、

23、式中，

24、为生产任务i与生产任务j在物料特征维度对应的维度相似度指标；

25、、、分别为共有物料占比、组份配比偏差值、残留物料匹配度对应的分项权重，且++=1；

26、为生产任务i与生产任务j的共有物料占比，为两个生产任务共有物料种类数量与两个生产任务总物料种类数量的比值；

27、为生产任务i与生产任务j的组份配比偏差值，为两个生产任务共有物料的组份配比相对偏差的归一化均值；

28、为生产任务i与生产任务j和当前生产线内残留物料匹配度；

29、生产任务i与生产任务j在生产切换成本维度对应的维度相似度指标，表达式为：

30、

31、式中，

32、为生产任务i与生产任务j在生产切换成本维度对应的维度相似度指标；

33、、、分别为设备清洁代价、物料调整代价、停机时间代价对应的权重系数，且++=1；

34、为生产任务i与生产任务j切换时对应的设备清洁代价的归一化系数；

35、为生产任务i与生产任务j切换时对应的物料调整代价的归一化系数；

36、为生产任务i与生产任务j切换时对应的停机时间代价的归一化系数。

37、优选的，通过原料产线优化模型，基于各生产任务之间的综合相似度指标生成多个候选调控方案，包括：

38、从原料产线优化模型中提取生产线当前的设备运行状态参数、设备产能上限、物料供应时序以及各生产任务的交货期要求，作为候选调控方案生成的基础约束条件；

39、以相邻生产任务之间的综合相似度指标最大化为核心排序目标，以基础约束条件为边界，对所有待生产的生产任务进行多轮组合排序，生成多组初始生产任务排序组合；

40、针对每组初始生产任务排序组合，基于相邻生产任务的物料特征维度相似度指标和生产切换成本维度相似度指标，匹配对应相邻生产任务切换时的组份补偿策略与分级清洁策略，形成初始调控方案；

41、通过原料产线优化模型对各组初始调控方案进行预仿真校验，剔除不满足设备产能、物料供应以及交货期要求的不可行方案，将通过校验的初始调控方案确定为候选调控方案。

42、优选的，模拟各候选调控方案对应的预测生产代价，包括：

43、从原料产线优化模型中提取各生产设备的单位时间运行成本、单位物料损耗成本、单位清洁耗材成本、单位时间停机损失成本，作为预测生产代价计算的基础成本参数；

44、将每个候选调控方案拆解为多个连续的生产任务执行阶段与相邻生产任务切换阶段，通过原料产线优化模型对各阶段进行逐段虚拟仿真运行；

45、在生产任务执行阶段的虚拟仿真过程中，同步模拟物料输送、配料计量、混合加工以及成品输出的全流程，计算得到对应阶段的设备运行成本、物料损耗成本以及生产周期；

46、在相邻生产任务切换阶段的虚拟仿真过程中，基于候选调控方案中匹配的组份补偿策略与分级清洁策略，同步模拟物料组份调整过程与设备清洁作业过程，计算得到对应阶段的物料调整成本、清洁耗材成本与停机时间损失成本；

47、将所有生产任务执行阶段与相邻生产任务切换阶段的各项成本进行汇总，得到对应候选调控方案的预测生产代价，预测生产代价至少包括总设备运行成本、总物料损耗成本、总清洁耗材成本、总停机时间损失成本。

48、优选的，还包括临况插单排产任务，临况插单排产任务包括：

49、接收紧急生产任务指令，获取所需加急排产的生产任务的全维度特征数据，全维度特征数据至少包括物料特征维度数据、生产切换成本维度数据以及交货期要求；

50、从原料产线优化模型中提取当前正在执行的生产任务的特征数据、实时生产数据、各生产设备内的物料残留量参数以及物料实时分布数据；

51、计算所需加急排产的生产任务与当前正在执行的生产任务之间的综合相似度指标，将综合相似度指标与预设插单相似度阈值进行比对；

52、当综合相似度指标大于或等于第一预设插单相似度阈值时，判定为高适配插单任务，在当前正在执行的生产任务生产完毕后，启动紧急生产任务；

53、当综合相似度指标小于第一预设插单相似度阈值且大于或等于第二预设插单相似度阈值时，判定为中适配插单任务，基于原料产线优化模型计算目标组份补偿量，并执行组份补偿策略后进行紧急生产任务的生产；

54、当综合相似度指标小于第二预设插单相似度阈值时，判定为低适配插单任务，在当前正在执行的生产任务生产完毕后，对各生产设备进行清洁。

55、优选的，在临况插单排产任务执行完毕后，还包括：

56、从原料产线优化模型中提取紧急生产任务执行完成后的生产线实时状态数据，生产线实时状态数据至少包括各生产设备的运行状态参数、物料残留量参数、物料实时分布数据以及紧急生产任务的实际生产周期与实际生产代价；

57、确定原目标调控方案中受紧急生产任务影响的后续待生产任务集合，后续待生产任务集合为原计划在紧急生产任务插入时间点之后执行的所有未完成的生产任务；

58、基于紧急生产任务的全维度特征数据与提取的生产线实时状态数据，重新计算后续待生产任务集合中各生产任务与紧急生产任务之间的综合相似度指标，以及后续待生产任务集合内任意两个生产任务之间的综合相似度指标；

59、以相邻生产任务之间的综合相似度指标最大化为核心目标，以紧急生产任务执行后的生产线实时状态、各后续待生产任务的交货期要求为约束条件，生成多个更新后的候选调控方案；

60、通过原料产线优化模型分别模拟各更新后的候选调控方案对应的预测生产代价与总订单延迟时间，基于预测生产代价与总订单延迟时间的加权综合值，从多个更新后的候选调控方案中筛选得到最优的更新后目标调控方案；

61、执行更新后的目标调控方案，对后续待生产任务集合中的生产任务进行生产。

62、优选的，通过原料产线优化模型，基于各生产任务之间的综合相似度指标生成多个候选调控方案，还包括：

63、针对每组初始生产任务排序组合中的任意一对相邻生产任务，从原料产线优化模型中提取两个生产任务对应的生产环节序列与各生产环节的物料种类数据；

64、逐环节比对两个生产任务在对应生产环节的物料种类一致性，识别出物料种类不一致的差异生产环节集合；

65、当差异生产环节集合不为空且仅包含部分生产环节时，生成针对差异生产环节集合中各生产设备的局部清洁策略，局部清洁策略仅对物料种类不一致的生产环节所对应的生产设备执行清洁操作。

66、优选的，在识别出物料种类不一致的差异生产环节集合后，计算停机时间代价的预估数值，包括：

67、基于原料产线优化模型中各生产设备的清洁耗时参数、差异生产环节集合中各生产设备的物料残留量参数，计算执行局部清洁策略对应的局部停机时间代价预估数值；

68、计算执行全线清洁策略对应的全线停机时间代价预估数值，将局部停机时间代价预估数值与全线停机时间代价预估数值进行比对；

69、当局部停机时间代价预估数值小于或等于预设的局部清洁时间阈值时，将局部清洁策略确定为该组相邻生产任务的最优切换清洁策略；

70、当局部停机时间代价预估数值大于预设的局部清洁时间阈值时，调整该组初始生产任务排序组合中相邻生产任务的顺序，重新生成初始调控方案。

71、与现有技术相比，本技术提供了基于物联网与数字孪生的奶茶原料生产线智能调控方法，具备以下有益效果：

72、1.通过构建原料产线优化模型，计算生产任务在物料特征维度与生产切换成本维度的相似度并加权生成综合相似度指标，以综合相似度最大化为核心目标生成候选调控方案，并通过虚拟仿真预测各方案的预测生产代价以选取最优目标调控方案，从排产源头锚定降低生产切换成本的目标，有效解决了现有技术静态排产与实际切换成本脱节的问题，可显著减少非必要清洁作业与物料浪费，提升生产线整体生产效率；

73、2.采用临况插单排产任务的三级分级决策机制，通过将加急任务与当前执行任务的综合相似度指标与第一预设插单相似度阈值、第二预设插单相似度阈值比对，分别匹配直接插单、组份补偿后插单与清洁后插单策略，并在加急任务完成后基于实时状态重新生成更新后的候选调控方案，实现了紧急订单的快速响应，同时最小化了插单操作对原有生产计划的扰动，平衡了加急任务交付与常规生产秩序；

74、3.通过逐环节比对相邻生产任务的物料种类一致性，识别差异生产环节集合并生成对应的局部清洁策略，同时计算局部停机时间代价预估数值与全线清洁代价进行比对以选取最优切换清洁策略，避免了现有技术所采用的全线清洁模式，实现了清洁范围与清洁时间的精准控制，进一步降低了清洁耗材成本与停机时间损失，提升了生产任务之间的衔接效率。