T-CI 300-2024 离散制造生产计划智能调度技术规范

CCSL70T2024-03-18发布IT/CI300-2024 II III 12规范性引用文件 13术语和定义 14全局级生产计划智能排程 25车间级生产作业智能调度 46人机物制造资源动态配置 6T/CI300-2024本文件按照GB/TL.1-2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由河南科技大学、龙门实验室提出。本文件由中国国际科技促进会归口。本文件起草单位：河南科技大学、龙门实验室、中信重工机械股份有限公司、中航光电科技股份有限公司、三六零数字安全科技集团有限公司、机械工业第六设计研究院有限公司、洛阳理工学院、东南大学、河南群智信息技术有限公司。本文件主要起草人：张明川、吴庆涛、杨磊、赵旭辉、魏宝、余洋、张建新、刘波、刘勇、张波利、朱军龙、冀治航、刘牧华、李涛、王国勇、董璐、郑瑞娟、张晨璐、葛又铭。本文件为首次发布。T/CI300-2024离散制造业作为我国国民经济和实体经济的支柱和主体，是国家立国、兴国、强国的基础。近年来，随着社会经济的持续发展，大众对离散制造业产品的定制化需求日益增加，为离散制造业的生产模式带来了新的挑战。生产订单呈多品种、小批量的特点，导致生产计划难以高效制定，无法在保证交货期的同时满足生产成本和质量控制的要求。此外，工序复杂、物料繁多也造成了车间作业效率低下，人机物配置经常出现不平衡，资源利用率难以提升。传统的生产计划调度方法往往依赖于人工排产和固定的规则，难以应对复杂多变的生产环境和市场需求。这些方法缺乏对生产过程的实时监控和动态调整，导致生产过程中的资源浪费、效率低下等问题。此外，传统的生产计划调度方式也无法有效应对突发事件和不确定性因素，如设备故障、物料短缺等，这些问题往往会导致生产计划的延误和混乱。生产计划智能调度能够有效解决传统生产计划调度方法所面临的问题。智能调度系统通过引入人工智能、大数据分析和机器学习等先进技术，实现对生产过程的实时监控和动态调整。它根据实时的生产数据和市场信息，智能地调整生产计划，优化资源配置，提高生产效率。同时，智能调度系统能够预测和应对突发事件和不确定性因素，确保生产计划执行的稳定性和可靠性。因此，为了更好地应对市场需求的变化，以及顺应我国离散制造生产计划调度体系的智能化提升，本文件制定了离散制造生产计划智能调度技术规范。本文件针对离散制造生产计划智能调度技术，主要包括全局级生产计划智能排程、车间级生产作业智能调度、人机物制造资源动态配置。1T/CI300-2024离散制造生产计划智能调度技术规范本文件规定了离散制造的生产计划智能调度技术规范的术语和定义、全局级生产计划智能排程、车间级生产作业智能调度、人机物制造资源动态配置等内容。本文件适用于各级各类离散制造企业的相关人员，包括但不限于生产计划员、车间调度员、数据分析师、技术人员以及高级管理人员等各个层级的专业人员。2规范性引用文件本文件没有规范性引用文件。3术语和定义下列术语和定义适用于本文件。3.1智能调度intelligentscheduling智能调度是指基于用户订单生成生产计划，利用人工智能技术，对生产资源进行优化和调度的过程。3.2离散制造discretemanufacturing离散制造是指生产过程中以离散式生产单元为基础，将原材料或组件进行组装、加工、制造的一种生产方式。在离散制造中，每个产品都是独立的单元，生产过程中的每个环节都可以独立进行。3.3BOM表billofmaterialsBOM表是制造企业用于记录产品组成部件清单的文档。包括产品所需的所有部件、原材料、工具或其他项目等结构化记录，并提供它们的数量、规格和描述等详细信息。3.4MRP系统materialrequirementsplanningMRP系统是一种生产计划和物料控制系统，主要用于确定制造产品所需的原材料、零部件和其他物料的需求量，并生成相应的采购计划。2T/CI300-20244全局级生产计划智能排程4.1全局生产计划根据客户需求将订单分为定制化需求和标准化需求。定制化需求中，销售部门与客户合作制定详细设计方案并与生产部门确认；标准化需求直接传递给生产部门。生产部门根据订单类型划分批次，并制定月度生产计划和物料需求计划。最终利用人工智能算法进行智能排程，实现生产计划的安排。如图1所示。图1全局生产计划流程4.1.1客户订单根据客户的个性化要求，企业将客户订单划分为定制化需求和标准化需求。4.1.1.1定制化需求销售部门与客户充分沟通需求，根据客户提供的信息制定设计方案，详细描述产品的功能、规格和外观设计，并与客户密切合作，共同确认和调整设计方案。最终，将定制化订单传递至生产部门。4.1.1.2标准化需求销售部门接收并核对客户的订单信息，然后将订单传递至生产部门。4.1.2月度生产计划根据订单类型，生产部门将同类产品的生产任务划分为批次。根据生产技术部门管理的3T/CI300-2024BOM文件以及仓库管理中心对零部件库存的统计，MRP系统制定生产车间的月度生产计划和物料需求计划。4.1.3物料需求计划分析生产计划、销售预测和库存水平，确定物料的需求量，根据物料交货周期和供应商的能力，确定采购时间点。在制定采购计划时，考虑采购预算、物料特性、供应商可靠性、成本和质量等因素，选择合适的采购方式和供应商。4.2生产计划智能排程企业根据用户订单，现有的产品原料和库存数量利用人工智能算法对生产计划安排生产。4.2.1数据获取利用企业的制造执行系统（ManufacturingEnterpriseSystem，MES）获取仓库中的物料库存数量、物料与产品、工序、工艺路线等之间的BOM表、物料库存位置、供货周期、订单需求量、订单紧急程度、交货期限等数据。4.2.2数据预处理对获取到的数据进行预处理，如数据清洗、数据转换、数据可视化等操作。4.2.3生产计划智能管理本文件提供的生产计划智能管理利用机器学习方法建立订单完工时间预测模型，根据预测结果判断订单完工时间是否满足交货期限约束。根据订单池排序规则和人工智能算法，将订单分配到对应的车间，生成预调度结果以确定加工顺序和每个工序的开始时间。4.2.3.1订单接收利用线性回归、决策树、随机森林、深度学习等机器学习方法，对预处理后的数据进行训练，建立订单完工时间预测模型，利用模型预测结果，确定新接收订单是否满足交货期限约束。4.2.3.2订单发放根据订单的紧急程度、交货日期等约束条件，利用人工智能算法对所有待处理订单进行综合评估和排序，确定订单的处理顺序。排序完成后，考虑每个车间的生产能力、可用资源以及订单的需求特点，确保订单能够在预设时间内准确地分配到相应的车间进行加工。4.2.3.3工艺路线利用BOM表获取订单工序的顺序、先后关系和所需物料等制造流程。4T/CI300-20244.2.3.4车间派工利用人工智能算法产生预调度结果，确定订单加工的顺序和每个工序的开始加工时间。4.2.3.5加工中心利用离散式分布的生产单元进行订单加工。4.2.3.6入库存放已加工的成品到仓库。4.2.3.7交货期管理利用人工智能算法，评估订单的完成时间并判断是否满足交货期限约束。如果订单符合交货期约束，将被接收并进入后续的生产计划调配和资源调度阶段；如果订单无法按时完成，利用智能算法和优化模型，重新排程和调配生产资源，建立智能化的协调和沟通系统，自动发送提醒和通知，协调资源和调整计划，解决订单延误的问题，并与客户进行沟通和协商。4.3生产数据可视化将订单完成情况，包括已完成订单数量、进行中订单数量和延期订单数量以直方图进行展示，对不同订单的生产进度和交货日期进行可视化对比展示，同时可视化生产线的产量、合格产品数和不合格产品数等指标，实时展示生产情况。5车间级生产作业智能调度本文件的车间调度方案的相关流程包括接收订单、订单任务分解、编制车间调度方案以及审核生产能力等流程。在订单接收和任务分解阶段，订单需求被细化为具体的生产任务。基于订单的优先级、约束条件、可用加工机器和加工时间等信息，利用人工智能算法制定生产任务的具体执行计划、任务执行顺序、资源分配和时间安排等。通过生产能力审核来判断是否执行调度方案，如果产能不允许，安排到下一期进行生产。具体调度流程如图2所示。5T/CI300-2024图2车间生产作业智能调度流程5.1订单接收来自全局智能排程系统发放的订单将由生产部门的计划员接收，并等待进一步的分解和处理。5.2订单任务分解生产部的计划员根据ERP系统中的BOM表，逐级将订单任务需求中的产品种类和数量分解为相应的零部件种类和零部件数量，并确定订单任务所需的辅助零部件、工装等资源的型号和数量。5.3车间智能调度利用传感器采集设备、物料等信息，运用机器学习方法预测机器故障，并借助人工智能算法制定生产计划表。按照生成的调度计划表执行生产任务，通过实时可视化工具展示调度结果，监控生产进度。5.3.1数据采集利用传感器采集车间中生产设备的状态、物料消耗、工作进度等数据。5.3.2数据分析与预测建立生产过程数学模型，利用机器学习方法预测分析车间中潜在问题，如机器故障。5.3.3优化调度算法根据订单任务的优先级、生产资源的可用情况，利用人工智能调度算法对生产任务进行6T/CI300-2024合理的调度和分配到对应的生产单元，确定每个生产任务在时间轴上的开始时间、结束时间、资源分配方案和时间安排等。5.3.4生产执行按照制定的调度方案，执行生产任务，监控生产进度并及时调整。5.3.5实时可视化利用甘特图展示生产任务分配方案，可视化展示每个任务的完成进度、资源分配情况和机器利用率。5.4生产能力审核针对超出设备生产能力的订单，将其放入下一周期的生产队列中等待加工。当设备的生产能力需求小于设备当前的生产能力时，按照订单队列中的排序进行投放。在确定订单的加工顺序时，根据订单的开始时间、优先级等信息，进行相应的排序。根据排序结果，制定最终的调度方案。5.5工序执行监控利用传感器、仪表和自动化系统等技术手段，实时获取工序执行过程中的关键参数和指标，如温度、压力、速度等。对这些数据与预设的标准进行对比，以判断工序是否在预期范围内进行。如果发现异常情况或偏离预期，系统立即发出警报并通知相关人员，及时采取纠正措施。6人机物制造资源动态配置6.1影响因素分析在人机物配置过程中，影响因素可分为人的因素、机器的因素和其他影响因素三大类。6.1.1人的因素包括人体尺寸参数、操作熟练程度、路径选择和作业适应能力。6.1.2机器因素包括生产线布局、自动化程度、换模效率和设备故障。6.1.3其他影响因素包括产品的生产工艺、生产流程和物料分配。6.2动态配置策略分析动态配置策略分析是指对制造过程中的资源配置进行分析和优化，包括人机任务分配和物料分配。7T/CI300-20246.2.1人机任务分配根据智能制造过程中的实时需求和资源状况，动态地将任务分配给人和机器，实现人和机器的优势互补。6.2.1.1确定工序获取生产任务执行顺序、机器和工人等生产资源。6.2.1.2构建模型制定优化目标函数，如最小完工时间、最低生产总成本、最小能耗等，结合任务可选的机器和工人等生产资源，构建人机协作任务分配模型。6.2.1.3目标优化综合考虑任务执行时间、资源利用率和用户满意度等因素，使用人工智能算法优化目标函数。通过在线容器迁移算法、基于注意力和长短期记忆的特征提取方法以及策略梯度强化学习算法，得到更优的人机协作任务分配策略。6.2.2物料分配根据订单的紧急程度、交货期限等因素确定物料的优先级，采用人工智能算法，根据物料的存储条件、生产设备的兼容性、人员技能匹配等约束条件，获得最优的物料分配方案。利用物料分配方案，将物料精确地分配给指定的人员和设备进行加工。6.3人机协作利用手势识别流程进行人机协作完成工序，手势识别流程包括图像获取、手势分割与检测、手势追踪分析、手势分类与识别，如图3所示。在自动化生产线中，工人通过手势来控制机器人的动作或调整生产参数。手势识别系统接收工人的手势信号，将其转换为相应的控制指令，指令被发送给机器人或其他生产设备执行。全局生产计划系统实时监控生产进度和状态，以便及时调整生产计划和物料需求计划。8T/CI300-2024图3手势识别流程方法6.3.1图像获取将传感器采集的连续视频帧拆分为图像。6.3.2手势分割与检测将手部检测像素点从背景区域中分离出来，对传感器采集的连续视频帧进行检测，识别视频帧中手部的特征像素点以及手部连续运动轨迹像素点，包括基于运动信息、基于外观特征、基于轮廓信息等方法。6.3.2.1基于运动信息利用机器学习、深度学习模型捕捉和建模手势的运动特征，识别手势的位置和姿态。6.3.2.2基于外观特征结合深度学习模型提取、识别手势的特征，捕捉手势变化。6.3.2.3基于轮廓信息利用深度学习模型，准确提取和识别手势的轮廓特征，明确区分不同手势的形状结构。6.3.3手势追踪对连续的视频帧进行分析，利用图像处理技术对手势进行检测和追踪，确定手势在图像中的位置和形状，包括基于深度学习、基于稀疏表示、基于运动信息方法。6.3.3.1基于深度学习使用人工智能算法，如卷积神经网络、递归神经网络等自动学习复杂的特征表示，处理多类型的手势，如静态手势和动态手势。6.3.3.2基于稀疏表示使用稀疏编码、字典学习、多任务学习等智能方法降低数据维度，提取手势特征。9T/CI300-20246.3.3.3基于运动信息方法运用运动估计、时空特征提取、运动模型等方法捕捉手势的动态变化。6.3.4手势分类与识别将提取出的手势特征输入到分类器中，如支持向量机、卷积神经网络模型、深度学习模型等，分类器根据特征判断手势的类别，包括机器学习算法、基于深度学习算法、基于模糊规则匹配。6.3.4.1机器学习算法使用支持向量机、决策树等机器学习算法处理非线性问题，准确判断手势类别。6.3.4.2基于深度学习算法运用卷积神经网络、循环神经网络、长短期记忆网络等深度学习算法捕捉手势动态变化。6.3.4.3基于模糊规则匹配采用模糊逻辑方法，如模糊聚类、模糊控制等处理手势识别的不确定性和模糊性。6.4动态配置仿真技术在人机物制造资源动态配置中，采用仿真软件建立系统