[发明专利]一种基于机器学习和平行仿真的高级计划与排程方法

说明书

本申请公开一种基于机器学习和平行仿真高级计划与排程方法：S1发布计划与排程方案到制造执行系统，构建实际执行过程的闭环反馈；S2持续统计扰动出现和影响的规律，改进计划与排程所需的工序和资源的基础数据；S3持续从反馈信息中学习应对各种扰动的人工调整操作及其效果的实际经验；S4对各种扰动的产生进行蒙特卡洛仿真，在平行的数字双胞胎实例中进行计划与排程并模拟执行，优选形成适应性强的计划与排程方案。针对APS系统在实际生产过程中不准确问题，借鉴人工进行生产调度调整优点，将机器学习和平行仿真融入APS技术，更好地适应生产制造系统一个包含人、机、物、环境的复杂系统，使计划与排程方案能够更好地适应实际生产过程。

技术领域

本发明涉及机器仿真技术领域，特别是一种基于机器学习和平行仿真的高级计划与排程方法。

背景技术

高级计划与排程(Advanced Planning and Scheduling,APS)，是指在考虑企业资源的限制条件的前提下，规划可行的生产作业计划的系统工程。在计划与排程的过程中，APS系统从全局考虑企业内外的资源与能力约束，用复杂的智能化运算法则，从大量的可行方案中选出最优方案来指导企业的生产过程，帮助企业对生产中的资源利用进行计划、执行、分析、优化和决策。APS的应用具有较大的局限性，在实际生产过程中经常会出现很多扰动情况，使得生产执行过程和计划与排程给出的方案有较大的出入。现有的解决方案是基于动态实时生产信息的闭环反馈以及对计划与排程方案进行应急调整，但仍然难以解决APS系统在实际生产过程中经常碰到的不准确问题，很多时候还需要靠人工来进行适应性调整。

现有的APS技术基于动态实时生产信息的闭环反馈以及对计划与排程方案进行应急调整，虽然能够在一定程度上应对各种扰动情况(有任务插队或取消、工序执行超时、任务质量问题返工、设备故障维修等)，矫正在实际生产过程中经常出现的不准确问题，但是某个任务的某道工序在某个资源上的执行出现扰动，不仅会影响该任务的后继工序，还会影响后继被安排在该资源进行生产加工的其它任务的工序，处理不好会使得扰动像雪崩一样传播开来，使得原先的计划与排程方案完全失效。而且生产制造系统是一个包含人、机、物、环境的复杂系统，扰动情况的出现是常态，事后处理、孤立地应对单一扰动经常还是会防不胜防。为什么很多时候还需要靠人工来进行适应性调整，因为人能够从过往出现的情况中获得经验，并能够综合考虑整个系统中可能出现的各种扰动。而这些优势是现有的技术不具备的，也是为什么现在很多的APS系统仍然应用不好的原因。

有鉴于此，提出一种基于机器学习和平行仿真的高级计划与排程方法。

发明内容

本发明的目的在于提供一种基于机器学习和平行仿真的高级计划与排程方法，为达到上述目的，本发明采用下述技术方案：

所述方法包括：

S1.发布计划与排程方案到制造执行系统，构建实际执行过程的闭环反馈；

S2.持续统计扰动出现和影响的规律，改进计划与排程所需的工序和资源的基础数据；

S3.持续从反馈信息中学习应对各种扰动的人工调整操作及其效果的实际经验；

S4.对各种扰动的产生进行蒙特卡洛仿真，在平行的数字双胞胎实例中进行计划与排程并模拟执行，优选形成适应性强的计划与排程方案。

进一步地，所述S1包括：按照一定周期滚动制定计划与排程方案，将计划与排程方案发布到制造执行系统；所述制造执行系统包括人、机、物、环境；所述闭环反馈包括制造执行系统到APS高级计划系统的闭环反馈。

进一步地，所述反馈是指从生产现场采集计划与排程方案的执行情况反馈，对生产现场采集计划与排程方案的执行情况进行收集并生成信息记录；

将各种扰动出现情况下，将人工调整操作及其效果进行收集并生成信息记录。