MES生产计划动态优化方法、装置、设备及存储介质与流程

本发明涉及生产调度领域，尤其涉及一种mes生产计划动态优化方法、装置、设备及存储介质。

背景技术：

1、随着制造业高质量发展，制造执行系统（manufacturing execution system，mes）在生产计划与调度中越来越重要。现代制造车间普遍基于人工智能或运筹优化方法来生成mes的生产计划，以应对复杂生产需求。

2、然而，实际生产过程具有高度动态性和不确定性，设备故障、紧急插单、物料延迟等事件频繁发生，因此，如何快速、准确地评估事件的影响并选择合适的响应方式，既能及时纠偏又避免过度反应，已成为mes动态调度领域亟待解决的关键问题。

3、现有技术中，针对生产异常的响应通常采用基于固定规则或阈值触发的分级处理机制，将事件的单一属性（如故障时长、订单延误量）与预定义的响应方案进行静态映射。这使得所有同类型异常均被赋予相同的处理策略，无法随生产情况动态调整，容易出现轻症重治或重症轻判；同时，由于缺乏对响应方案执行效果的反馈，在连续遭遇异常时容易陷入反复重调度却效果不佳的困境，调度稳定性与自适应能力不足。

4、因此，亟需一种能够动态评估异常并生成响应方案的mes生产计划动态优化方法，以提升mes在复杂动态工况下的生产效率。

技术实现思路

1、有鉴于此，本发明实施例提供了一种mes生产计划动态优化方法、装置、设备及存储介质，以快速、准确地评估异常事件对mes所执行的生产计划的影响，并完成合适的调整。

2、第一方面，本发明实施例提供了一种mes生产计划动态优化方法，包括：

3、获取mes执行第一调度策略得到的第一生产状态数据；所述第一调度策略由调度规划模型生成；

4、根据所述第一生产状态数据，识别是否发生生产异常事件，若是，则生成对应的异常特征；

5、将所述异常特征输入至预训练的代价映射模型，得到各个响应等级对应的预测代价；根据所述各个响应等级对应的预测代价中的最小值，确定所述生产异常事件的目标响应等级；每个响应等级对应一个智能体；

6、根据所述目标响应等级对应的智能体和所述调度规划模型生成第二调度策略；向所述mes发送所述第二调度策略，使所述mes执行所述第二调度策略，完成生产优化。

7、在一种可能的实现方式中，所述响应等级包括第一等级、第二等级、第三等级和第四等级；所述根据所述目标响应等级对应的智能体和所述调度规划模型生成第二调度策略，包括：

8、当所述目标响应等级为所述第一等级时，调用机台级智能体调整所述调度规划模型的机台级约束条件和/或机台级任务，根据调整后的调度规划模型生成所述第二调度策略；

9、当所述目标响应等级为所述第二等级时，调用产线级智能体调整所述调度规划模型的产线级约束条件和/或产线级任务，根据调整后的调度规划模型生成所述第二调度策略；

10、当所述目标响应等级为所述第三等级时，调用车间级智能体，基于所述调度规划模型根据所述第一生产状态数据重新生成调度策略，作为所述第二调度策略；

11、当所述目标响应等级为所述第四等级时，调用统筹级智能体，对所述调度规划模型进行离线重训练，基于重训练后的调度规划模型生成所述第二调度策略。

12、在一种可能的实现方式中，所述代价映射模型包括第一子映射模型、第二子映射模型、第三子映射模型和第四子映射模型，分别用于预测所述第一等级、所述第二等级、所述第三等级和所述第四等级对应的响应代价；所述将所述异常特征输入至预训练的代价映射模型，得到各个响应等级对应的预测代价，包括：

13、将所述异常特征分别输入所述第一子映射模型、所述第二子映射模型、所述第三子映射模型和所述第四子映射模型，得到所述各个响应等级对应的所述响应代价；

14、根据所述第一生产状态数据确定当前负载因子和临期惩罚因子；根据所述调度规划模型确定置信度因子；

15、根据所述当前负载因子、所述临期惩罚因子和所述置信度因子，修正所述响应代价，得到所述各个响应等级对应的预测代价。

16、在一种可能的实现方式中，所述代价映射模型是基于历史异常事件样本训练得到的；所述历史异常事件样本的标签向量包括历史事件的响应等级和对应的实际代价；所述实际代价是统计历史事件结束后的响应耗时成本、订单延误成本、质量损失成本和资源消耗成本得到的。

17、在一种可能的实现方式中，所述第一生产状态数据包括设备状态数据、订单状态数据、质量检测数据和人工上报数据；所述根据所述第一生产状态数据，识别是否发生生产异常事件，若是，则生成对应的异常特征，包括：

18、当所述设备状态数据、所述订单状态数据、所述质量检测数据和所述人工上报数据中的任一项满足预设的异常判别规则时，判定为所述生产异常事件，并基于所述设备状态数据、所述订单状态数据、所述质量检测数据和所述人工上报数据生成所述异常特征；

19、所述异常特征包括属性特征、设备特征、订单特征和全局特征。

20、在一种可能的实现方式中，所述向所述mes发送所述第二调度策略，使所述mes执行所述第二调度策略，完成生产优化，包括：

21、向所述mes发送所述第二调度策略，使所述mes执行所述第二调度策略，并获取所述mes执行第二调度策略得到的第二生产状态数据；

22、根据所述第一生产状态数据与所述第二生产状态数据的对比结果，判断是否执行重优化；

23、若不执行重优化，则完成生产优化；

24、若执行重优化，则根据所述目标响应等级和所述调度规划模型生成第三调度策略；执行所述第三调度策略，完成生产优化。

25、在一种可能的实现方式中，所述第一等级、所述第二等级、所述第三等级和所述第四等级的级别依次升高；所述根据所述目标响应等级和所述调度规划模型生成第三调度策略，包括：

26、若所述目标响应等级不是所述第四等级，则上调所述目标响应等级，根据上调后的目标响应等级对应的智能体和所述调度规划模型生成所述第三调度策略；

27、若所述目标响应等级是所述第四等级，则发出故障提示，并基于人工更新后的调度规划模型生成所述第三调度策略。

28、第二方面，本发明实施例提供了一种mes生产计划动态优化装置，包括：

29、状态数据获取模块，用于获取mes执行第一调度策略得到的第一生产状态数据；所述第一调度策略由调度规划模型生成；

30、异常特征生成模块，用于根据所述第一生产状态数据，识别是否发生生产异常事件，若是，则生成对应的异常特征；

31、响应等级选择模块，用于将所述异常特征输入至预训练的代价映射模型，得到各个响应等级对应的预测代价；根据所述各个响应等级对应的预测代价中的最小值，确定所述生产异常事件的目标响应等级；每个响应等级对应一个智能体；

32、调度策略生成模块，用于根据所述目标响应等级对应的智能体和所述调度规划模型生成第二调度策略；向所述mes发送所述第二调度策略，使所述mes执行所述第二调度策略，完成生产优化。

33、第三方面，本发明实施例提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行如上述第一方面或第一方面的任意一种实现方式中的所述方法的步骤。

34、第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面或第一方面的任意一种实现方式中的所述方法的步骤。

35、本发明实施例与现有技术相比存在的有益效果是：

36、根据执行由调度规划模型生成的第一调度策略后得到的第一生产状态数据，识别生产异常事件，并生成对应的异常特征，能够实时捕获调度策略在实际生产环境中的真实执行反馈，将生产状态转化为数值特征，并量化评估异常的影响程度；将异常特征输入至预训练的代价映射模型，得到各个响应等级对应的预测代价，并根据其中的最小值，确定生产异常事件的目标响应等级，确保所选目标响应等级在当前工况下的代价最优，避免规则映射导致的响应失配；根据目标响应等级对应的智能体和调度规划模型，生成第二调度策略，能够利用智能体对调度模型实施针对性修正，使生成的新策略适配当前异常的处置需求，消除原策略与实际工况之间的偏差，使投入实际生产执行的调度策略脱离异常偏离状态，完成生产优化。

37、本发明实施例通过构建异常特征量化、代价预测、响应等级寻优、策略修正的优化机制，使mes能够基于异常在当前工况下的实际影响程度自适应地选择综合代价最小的目标响应等级，并对调度模型进行精准修正，从而保证异常处置有效性，同时避免了过度调整带来产线扰动与计算资源浪费，显著提升了mes所执行生产计划的生产效率、调度稳定性与对生产计划自适应优化能力。