TCI 300-2024 離散制造生產(chǎn)計劃智能調(diào)度技術規(guī)范

CCSL70T2024-03-18發(fā)布IT/CI300-2024 II III 12規(guī)范性引用文件 13術語和定義 14全局級生產(chǎn)計劃智能排程 25車間級生產(chǎn)作業(yè)智能調(diào)度 46人機物制造資源動態(tài)配置 6T/CI300-2024本文件按照GB/TL.1-2020《標準化工作導則第1部分：標準化文件的結(jié)構和起草規(guī)則》的規(guī)定起草。請注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機構不承擔識別專利的責任。本文件由河南科技大學、龍門實驗室提出。本文件由中國國際科技促進會歸口。本文件起草單位：河南科技大學、龍門實驗室、中信重工機械股份有限公司、中航光電科技股份有限公司、三六零數(shù)字安全科技集團有限公司、機械工業(yè)第六設計研究院有限公司、洛陽理工學院、東南大學、河南群智信息技術有限公司。本文件主要起草人：張明川、吳慶濤、楊磊、趙旭輝、魏寶、余洋、張建新、劉波、劉勇、張波利、朱軍龍、冀治航、劉牧華、李濤、王國勇、董璐、鄭瑞娟、張晨璐、葛又銘。本文件為首次發(fā)布。T/CI300-2024離散制造業(yè)作為我國國民經(jīng)濟和實體經(jīng)濟的支柱和主體，是國家立國、興國、強國的基礎。近年來，隨著社會經(jīng)濟的持續(xù)發(fā)展，大眾對離散制造業(yè)產(chǎn)品的定制化需求日益增加，為離散制造業(yè)的生產(chǎn)模式帶來了新的挑戰(zhàn)。生產(chǎn)訂單呈多品種、小批量的特點，導致生產(chǎn)計劃難以高效制定，無法在保證交貨期的同時滿足生產(chǎn)成本和質(zhì)量控制的要求。此外，工序復雜、物料繁多也造成了車間作業(yè)效率低下，人機物配置經(jīng)常出現(xiàn)不平衡，資源利用率難以提升。傳統(tǒng)的生產(chǎn)計劃調(diào)度方法往往依賴于人工排產(chǎn)和固定的規(guī)則，難以應對復雜多變的生產(chǎn)環(huán)境和市場需求。這些方法缺乏對生產(chǎn)過程的實時監(jiān)控和動態(tài)調(diào)整，導致生產(chǎn)過程中的資源浪費、效率低下等問題。此外，傳統(tǒng)的生產(chǎn)計劃調(diào)度方式也無法有效應對突發(fā)事件和不確定性因素，如設備故障、物料短缺等，這些問題往往會導致生產(chǎn)計劃的延誤和混亂。生產(chǎn)計劃智能調(diào)度能夠有效解決傳統(tǒng)生產(chǎn)計劃調(diào)度方法所面臨的問題。智能調(diào)度系統(tǒng)通過引入人工智能、大數(shù)據(jù)分析和機器學習等先進技術，實現(xiàn)對生產(chǎn)過程的實時監(jiān)控和動態(tài)調(diào)整。它根據(jù)實時的生產(chǎn)數(shù)據(jù)和市場信息，智能地調(diào)整生產(chǎn)計劃，優(yōu)化資源配置，提高生產(chǎn)效率。同時，智能調(diào)度系統(tǒng)能夠預測和應對突發(fā)事件和不確定性因素，確保生產(chǎn)計劃執(zhí)行的穩(wěn)定性和可靠性。因此，為了更好地應對市場需求的變化，以及順應我國離散制造生產(chǎn)計劃調(diào)度體系的智能化提升，本文件制定了離散制造生產(chǎn)計劃智能調(diào)度技術規(guī)范。本文件針對離散制造生產(chǎn)計劃智能調(diào)度技術，主要包括全局級生產(chǎn)計劃智能排程、車間級生產(chǎn)作業(yè)智能調(diào)度、人機物制造資源動態(tài)配置。1T/CI300-2024離散制造生產(chǎn)計劃智能調(diào)度技術規(guī)范本文件規(guī)定了離散制造的生產(chǎn)計劃智能調(diào)度技術規(guī)范的術語和定義、全局級生產(chǎn)計劃智能排程、車間級生產(chǎn)作業(yè)智能調(diào)度、人機物制造資源動態(tài)配置等內(nèi)容。本文件適用于各級各類離散制造企業(yè)的相關人員，包括但不限于生產(chǎn)計劃員、車間調(diào)度員、數(shù)據(jù)分析師、技術人員以及高級管理人員等各個層級的專業(yè)人員。2規(guī)范性引用文件本文件沒有規(guī)范性引用文件。3術語和定義下列術語和定義適用于本文件。3.1智能調(diào)度intelligentscheduling智能調(diào)度是指基于用戶訂單生成生產(chǎn)計劃，利用人工智能技術，對生產(chǎn)資源進行優(yōu)化和調(diào)度的過程。3.2離散制造discretemanufacturing離散制造是指生產(chǎn)過程中以離散式生產(chǎn)單元為基礎，將原材料或組件進行組裝、加工、制造的一種生產(chǎn)方式。在離散制造中，每個產(chǎn)品都是獨立的單元，生產(chǎn)過程中的每個環(huán)節(jié)都可以獨立進行。3.3BOM表billofmaterialsBOM表是制造企業(yè)用于記錄產(chǎn)品組成部件清單的文檔。包括產(chǎn)品所需的所有部件、原材料、工具或其他項目等結(jié)構化記錄，并提供它們的數(shù)量、規(guī)格和描述等詳細信息。3.4MRP系統(tǒng)materialrequirementsplanningMRP系統(tǒng)是一種生產(chǎn)計劃和物料控制系統(tǒng)，主要用于確定制造產(chǎn)品所需的原材料、零部件和其他物料的需求量，并生成相應的采購計劃。24全局級生產(chǎn)計劃智能排程程，實現(xiàn)生產(chǎn)計劃的安排。如圖1所示。4.1.1.2標準化需求4.1.2月度生產(chǎn)計劃3T/CI300-2024BOM文件以及倉庫管理中心對零部件庫存的統(tǒng)計，MRP系統(tǒng)制定生產(chǎn)車間的月度生產(chǎn)計劃和物料需求計劃。4.1.3物料需求計劃分析生產(chǎn)計劃、銷售預測和庫存水平，確定物料的需求量，根據(jù)物料交貨周期和供應商的能力，確定采購時間點。在制定采購計劃時，考慮采購預算、物料特性、供應商可靠性、成本和質(zhì)量等因素，選擇合適的采購方式和供應商。4.2生產(chǎn)計劃智能排程企業(yè)根據(jù)用戶訂單，現(xiàn)有的產(chǎn)品原料和庫存數(shù)量利用人工智能算法對生產(chǎn)計劃安排生產(chǎn)。4.2.1數(shù)據(jù)獲取利用企業(yè)的制造執(zhí)行系統(tǒng)（ManufacturingEnterpriseSystem，MES）獲取倉庫中的物料庫存數(shù)量、物料與產(chǎn)品、工序、工藝路線等之間的BOM表、物料庫存位置、供貨周期、訂單需求量、訂單緊急程度、交貨期限等數(shù)據(jù)。4.2.2數(shù)據(jù)預處理對獲取到的數(shù)據(jù)進行預處理，如數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)可視化等操作。4.2.3生產(chǎn)計劃智能管理本文件提供的生產(chǎn)計劃智能管理利用機器學習方法建立訂單完工時間預測模型，根據(jù)預測結(jié)果判斷訂單完工時間是否滿足交貨期限約束。根據(jù)訂單池排序規(guī)則和人工智能算法，將訂單分配到對應的車間，生成預調(diào)度結(jié)果以確定加工順序和每個工序的開始時間。4.2.3.1訂單接收利用線性回歸、決策樹、隨機森林、深度學習等機器學習方法，對預處理后的數(shù)據(jù)進行訓練，建立訂單完工時間預測模型，利用模型預測結(jié)果，確定新接收訂單是否滿足交貨期限約束。4.2.3.2訂單發(fā)放根據(jù)訂單的緊急程度、交貨日期等約束條件，利用人工智能算法對所有待處理訂單進行綜合評估和排序，確定訂單的處理順序。排序完成后，考慮每個車間的生產(chǎn)能力、可用資源以及訂單的需求特點，確保訂單能夠在預設時間內(nèi)準確地分配到相應的車間進行加工。4.2.3.3工藝路線利用BOM表獲取訂單工序的順序、先后關系和所需物料等制造流程。4T/CI300-20244.2.3.4車間派工利用人工智能算法產(chǎn)生預調(diào)度結(jié)果，確定訂單加工的順序和每個工序的開始加工時間。4.2.3.5加工中心利用離散式分布的生產(chǎn)單元進行訂單加工。4.2.3.6入庫存放已加工的成品到倉庫。4.2.3.7交貨期管理利用人工智能算法，評估訂單的完成時間并判斷是否滿足交貨期限約束。如果訂單符合交貨期約束，將被接收并進入后續(xù)的生產(chǎn)計劃調(diào)配和資源調(diào)度階段；如果訂單無法按時完成，利用智能算法和優(yōu)化模型，重新排程和調(diào)配生產(chǎn)資源，建立智能化的協(xié)調(diào)和溝通系統(tǒng)，自動發(fā)送提醒和通知，協(xié)調(diào)資源和調(diào)整計劃，解決訂單延誤的問題，并與客戶進行溝通和協(xié)商。4.3生產(chǎn)數(shù)據(jù)可視化將訂單完成情況，包括已完成訂單數(shù)量、進行中訂單數(shù)量和延期訂單數(shù)量以直方圖進行展示，對不同訂單的生產(chǎn)進度和交貨日期進行可視化對比展示，同時可視化生產(chǎn)線的產(chǎn)量、合格產(chǎn)品數(shù)和不合格產(chǎn)品數(shù)等指標，實時展示生產(chǎn)情況。5車間級生產(chǎn)作業(yè)智能調(diào)度本文件的車間調(diào)度方案的相關流程包括接收訂單、訂單任務分解、編制車間調(diào)度方案以及審核生產(chǎn)能力等流程。在訂單接收和任務分解階段，訂單需求被細化為具體的生產(chǎn)任務。基于訂單的優(yōu)先級、約束條件、可用加工機器和加工時間等信息，利用人工智能算法制定生產(chǎn)任務的具體執(zhí)行計劃、任務執(zhí)行順序、資源分配和時間安排等。通過生產(chǎn)能力審核來判斷是否執(zhí)行調(diào)度方案，如果產(chǎn)能不允許，安排到下一期進行生產(chǎn)。具體調(diào)度流程如圖2所示。5是圖2車間生產(chǎn)作業(yè)智能調(diào)度流程5.1訂單接收來自全局智能排程系統(tǒng)發(fā)放的訂單將由生產(chǎn)部門的計劃員接收，并等待進一步的分解和處理。5.2訂單任務分解生產(chǎn)部的計劃員根據(jù)ERP系統(tǒng)中的BOM表，逐級將訂單任務需求中的產(chǎn)品種類和數(shù)量分解為相應的零部件種類和零部件數(shù)量，并確定訂單任務所需的輔助零部件、工裝等資源的型號和數(shù)量。5.3車間智能調(diào)度利用傳感器采集設備、物料等信息，運用機器學習方法預測機器故障，并借助人工智能算法制定生產(chǎn)計劃表。按照生成的調(diào)度計劃表執(zhí)行生產(chǎn)任務，通過實時可視化工具展示調(diào)度結(jié)果，監(jiān)控生產(chǎn)進度。5.3.1數(shù)據(jù)采集利用傳感器采集車間中生產(chǎn)設備的狀態(tài)、物料消耗、工作進度等數(shù)據(jù)。5.3.2數(shù)據(jù)分析與預測建立生產(chǎn)過程數(shù)學模型，利用機器學習方法預測分析車間中潛在問題，如機器故障。5.3.3優(yōu)化調(diào)度算法根據(jù)訂單任務的優(yōu)先級、生產(chǎn)資源的可用情況，利用人工智能調(diào)度算法對生產(chǎn)任務進行6T/CI300-2024合理的調(diào)度和分配到對應的生產(chǎn)單元，確定每個生產(chǎn)任務在時間軸上的開始時間、結(jié)束時間、資源分配方案和時間安排等。5.3.4生產(chǎn)執(zhí)行按照制定的調(diào)度方案，執(zhí)行生產(chǎn)任務，監(jiān)控生產(chǎn)進度并及時調(diào)整。5.3.5實時可視化利用甘特圖展示生產(chǎn)任務分配方案，可視化展示每個任務的完成進度、資源分配情況和機器利用率。5.4生產(chǎn)能力審核針對超出設備生產(chǎn)能力的訂單，將其放入下一周期的生產(chǎn)隊列中等待加工。當設備的生產(chǎn)能力需求小于設備當前的生產(chǎn)能力時，按照訂單隊列中的排序進行投放。在確定訂單的加工順序時，根據(jù)訂單的開始時間、優(yōu)先級等信息，進行相應的排序。根據(jù)排序結(jié)果，制定最終的調(diào)度方案。5.5工序執(zhí)行監(jiān)控利用傳感器、儀表和自動化系統(tǒng)等技術手段，實時獲取工序執(zhí)行過程中的關鍵參數(shù)和指標，如溫度、壓力、速度等。對這些數(shù)據(jù)與預設的標準進行對比，以判斷工序是否在預期范圍內(nèi)進行。如果發(fā)現(xiàn)異常情況或偏離預期，系統(tǒng)立即發(fā)出警報并通知相關人員，及時采取糾正措施。6人機物制造資源動態(tài)配置6.1影響因素分析在人機物配置過程中，影響因素可分為人的因素、機器的因素和其他影響因素三大類。6.1.1人的因素包括人體尺寸參數(shù)、操作熟練程度、路徑選擇和作業(yè)適應能力。6.1.2機器因素包括生產(chǎn)線布局、自動化程度、換模效率和設備故障。6.1.3其他影響因素包括產(chǎn)品的生產(chǎn)工藝、生產(chǎn)流程和物料分配。6.2動態(tài)配置策略分析動態(tài)配置策略分析是指對制造過程中的資源配置進行分析和優(yōu)化，包括人機任務分配和物料分配。7T/CI300-20246.2.1人機任務分配根據(jù)智能制造過程中的實時需求和資源狀況，動態(tài)地將任務分配給人和機器，實現(xiàn)人和機器的優(yōu)勢互補。6.2.1.1確定工序獲取生產(chǎn)任務執(zhí)行順序、機器和工人等生產(chǎn)資源。6.2.1.2構建模型制定優(yōu)化目標函數(shù)，如最小完工時間、最低生產(chǎn)總成本、最小能耗等，結(jié)合任務可選的機器和工人等生產(chǎn)資源，構建人機協(xié)作任務分配模型。6.2.1.3目標優(yōu)化綜合考慮任務執(zhí)行時間、資源利用率和用戶滿意度等因素，使用人工智能算法優(yōu)化目標函數(shù)。通過在線容器遷移算法、基于注意力和長短期記憶的特征提取方法以及策略梯度強化學習算法，得到更優(yōu)的人機協(xié)作任務分配策略。6.2.2物料分配根據(jù)訂單的緊急程度、交貨期限等因素確定物料的優(yōu)先級，采用人工智能算法，根據(jù)物料的存儲條件、生產(chǎn)設備的兼容性、人員技能匹配等約束條件，獲得最優(yōu)的物料分配方案。利用物料分配方案，將物料精確地分配給指定的人員和設備進行加工。6.3人機協(xié)作利用手勢識別流程進行人機協(xié)作完成工序，手勢識別流程包括圖像獲取、手勢分割與檢測、手勢追蹤分析、手勢分類與識別，如圖3所示。在自動化生產(chǎn)線中，工人通過手勢來控制機器人的動作或調(diào)整生產(chǎn)參數(shù)。手勢識別系統(tǒng)接收工人的手勢信號，將其轉(zhuǎn)換為相應的控制指令，指令被發(fā)送給機器人或其他生產(chǎn)設備執(zhí)行。全局生產(chǎn)計劃系統(tǒng)實時監(jiān)控生產(chǎn)進度和狀態(tài)，以便及時調(diào)整生產(chǎn)計劃和物料需求計劃。8基于基于模糊規(guī)則匹配基于深度學習算法基于運動信息方法機器機器學習算基于稀疏表示基于深度學習基于輪廓信息基于外觀特征基于運動信息圖3手勢識別流程方法6.3.2手勢分割與檢測6.3.2.2基于外觀特征6.3.2.3基于輪廓信息6.3.3手勢追蹤6.3.3.2基于稀疏表示9T/CI300-20246.3.3.3基于運動信息方法運用運動估計、時空特征提取、運動模型等方法捕捉手勢的動態(tài)變化。6.3.4手勢分類與識別將提取出的手勢特征輸入到分類器中，如支持向量機、卷積神經(jīng)網(wǎng)絡模型、深度學習模型等，分類器根據(jù)特征判斷手勢的類別，包括機器學習算法、基于深度學習算法、基于模糊規(guī)則匹配。6.3.4.1機器學習算法使用支持向量機、決策樹等機器學習算法處理非線性問題，準確判斷手勢類別。6.3.4.2基于深度學習算法運用卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、長短期記憶網(wǎng)絡等深度學習算法捕捉手勢動態(tài)變化。6.3.4.3基于模糊規(guī)則匹配采用模糊邏輯方法，如模糊聚類、模糊控制等處理手勢識別的不確定性和模糊性。6.4動態(tài)配置仿真技術在人機物制造資源動態(tài)配置中，采用仿真軟件建立系統(tǒng)仿真模型，選擇配置策略，獲得資源配置方案。根據(jù)問題描述與定義進行需求分析、模型構建與數(shù)據(jù)采集完成模型確認、仿真編程對生產(chǎn)任務的數(shù)量，物