[发明专利]加工顺序调度方法、装置、电子设备及存储介质

权利要求书

1.一种加工顺序调度方法，其特征在于，所述方法包括：

基于工件分组内各工件对应的初始化加工顺序，确定所述工件分组中第一待加工工件的可选工序特征；所述可选工序特征指示所述第一待加工工件的下一个加工工件为所述工件分组中的任一工件；

以及基于所述工件分组中的完工工件的加工完成时间，确定所述第一待加工工件加工完成的预计结束时间；其中，所述加工完成时间与所述完工工件的加工顺序关联；

基于所述可选工序特征、所述预计结束时间以及预设模型，确定所述第一待加工工件的下一个目标加工工件；其中，所述预设模型用于通过确定所述目标加工工件使得所述工件分组的加工总耗时最短。

2.根据权利要求1所述的方法，其特征在于，所述预设模型为预设注意力分布模型；

所述基于所述可选工序特征、所述预计结束时间以及预设模型，确定所述第一待加工工件的下一个目标加工工件，包括：

基于所述可选工序特征、所述预计结束时间以及所述预设注意力分布模型，确定所述目标加工工件；

其中，所述注意力分布模型对所述可选工序特征和所述预计结束时间执行运算，得出每一个其他工件作为所述目标加工工件时使得所述工件分组的加工总耗时最短的概率，所述其他工件为所述工件分组中除所述第一待加工工件外的任一未加工工件。

3.根据权利要求1或2所述的方法，其特征在于，所述基于工件分组内各工件对应的初始化加工顺序，确定所述工件分组中第一待加工工件的可选工序特征，包括：

基于所述初始化加工顺序以及对每个所述工件进行编码后的工件特征，确定所述第一待加工工件对应于所述初始化加工顺序的上下文加工信息；

通过GNN图神经网络对所述上下文加工信息进行特征聚合，得到所述可选工序特征。

4.根据权利要求3所述的方法，其特征在于，所述基于所述工件分组中的完工工件的加工完成时间，确定所述第一待加工工件加工完成的预计结束时间，包括：

通过LSTM长短期记忆网络基于所述完工工件的加工顺序，依次对每个所述完工工件的工件特征进行特征提取，确定所述加工完成时间；并对各所述加工完成时间以及所述第一待加工工件的工件特征进行特征提取，得到所述预计结束时间；

其中，所述加工完成时间为所述完工工件的加工顺序对应的最后一个完成工件的加工结束时间；对于相邻的两个完工工件，后一完工工件的加工结束时间是通过所述LSTM网络对前一完工工件的加工结束时间以及所述后一完工工件的工件特征进行特征提取得到的。

5.根据权利要求2所述的方法，其特征在于，所述基于所述可选工序特征、所述预计结束时间以及预设的注意力分布模型，确定所述第一待加工工件的下一个目标加工工件，包括：

基于所述可选工序特征、所述预计结束时间以及所述注意力分布模型，确定每个所述其他工件作为所述目标加工工件时使得所述工件分组的加工总耗时最短的概率；

将各所述概率中最大概率对应的工件确定为所述目标加工工件。

6.根据权利要求1或2所述的方法，其特征在于，在所述确定所述第一待加工工件的下一个目标加工工件后，所述方法还包括：

确定加工设备的加工信息；所述加工信息包括加工状态、加工负载以及对当前所加工的工件加工完成的预计结束时间中的至少一项，所述加工状态指示所述加工设备当前处于空闲状态或工作状态，所述加工负载指示所述加工设备当前所加工的工件数量；

基于每台所述加工设备的加工信息，确定所述目标加工工件对应的目标加工设备。

7.根据权利要求6所述的方法，其特征在于，所述基于每台所述加工设备的加工信息，确定所述目标加工工件对应的目标加工设备，包括：

基于每项所述加工信息对应的优先级别以及每台所述加工设备的加工信息，确定所述目标加工设备；

或者，基于每台所述加工设备的各项所述加工信息的加权求和的结果，确定所述目标加工设备。