[发明专利]基于工业大数据产品工期的约束条件分析系统与方法

说明书

一种基于工业大数据产品工期的约束条件分析系统与方法，可对影响产品工期的约束条件进行定量分析。基于Spark大数据分析平台的二次开发；对约束条件数据进行预处理；运用随机森林重要度方法筛选产品工期的约束条件，得到重要约束条件；运用PCA特征提取方法获得线性约束条件；运用K‑means聚类方法对组合得到的非线性约束条件进行筛选；运用随机选择方法与多元线性回归方法结合，对预测工期进行误差分析，实现产品工期的约束条件或组合约束条件的定量分析。本发明还具有海量数据的存储能力和高效分析能力，为企业缩短产品的工期、优化生产计划提供建议和参考。

技术领域

本发明属于工业领域，更进一步涉及生产调度技术领域中的一种基于工业大数据产品工期的约束条件分析系统与方法。本发明利用数据挖掘技术，实现了在小批量、多种类的机械产品生产过程中，对影响产品生产工期的约束条件进行定量分析，分析结果不仅可用于优化生产调度方案，而且可以提高工期预测的精确度。

背景技术

生产调度优化对制造企业的生产管理尤为重要，随着小批量、多种类、柔性化生产的发展趋势越来越明显，产品的复杂程度增加，加工条件波动大，造成了产品工期除了受到生产加工本身的影响之外，还受到许多其他约束条件的影响，因此大大增加了产品工期预测的难度。实现产品工期的约束条件的准确分析是预测工期的关键问题，是缩短工期的关键技术，也是企业实现预测制造的必要条件。所谓产品工期的约束条件分析是指对影响产品工期的约束条件进行重要度分析，判断该约束条件对产品工期的影响程度。

西安交通大学在其申请的专利文献“一种利用车间RFID数据提高订单完工期预测准确度的方法”(专利申请号2016102110803.9，专利公布号CN 105913142A)中公开了一种利用车间RFID数据提高订单完工期预测准确度的方法。该方法的主要步骤是：对生产车间的制造设备进行RFID数据配置；抽取生产车间中确定性制造资源，形成订单加工的确定性制造环境；确定性制造资源状态RFID数据化；车间在制品状态RFID数据化；车间在制品的最大数量确定化；建立车间实时生产状态的RFID数据化描述模型；建立订单完工期预测描述模型；建立多输入单输出结构的深度神经网络回归模型；训练深度神经网络回归模型；利用模型预测订单的完工期。该方法存在不足之处是，模型输入为影响工期的约束条件的全部数据，未对影响工期的约束条件或组合约束进行分析，可能会影响预测结果的精确度。

北京理工大学在其申请的专利文献“一种生产调度方法及系统”(专利申请号201710013045.6，专利公布号CN 106681291 A)中公开了一种生产调度方法及系统。该系统主要包括工艺信息模块、装配任务模块和生产执行模块，通过更新工艺信息模块和装配任务模块的信息生成对应的生产调度方案。该方法的主要步骤是：获取当前生产装配任务的装配工艺参数和实际生产约束参数；根据所述装配工艺参数和实际生产约束参数，并依据预先设定的调度问题模型，获得当前生产装配任务的工序执行时间表和资源使用时间表；依据所述工序执行时间表和资源使用时间表生成装配调度信息。该发明存在的不足之处是，当企业生产数据量急剧增加时，该系统在计算机上运行速度降低，可能会导致宕机的问题。

影响产品工期的重要约束条件往往是根据人工经验结合实际生产情况进行直接判断，无法进行定量分析，而影响产品工期的约束条件越来越复杂，单一利用人工经验的方法难以实现产品工期的约束条件的准确判断。

发明内容

本发明的目的是针对上述现有技术存在的不足，提出一种基于工业大数据产品工期的约束条件分析系统与方法。

本发明的工业大数据产品工期的约束条件分析系统是在Spark大数据分析平台上，分别构建数据存储模块、数据预处理模块、模型训练模块、产品工期约束条件重要度输出模块。

所述的数据存储模块，用于存储产品的订单数据、原料采购数据、加工过程数据、产品工艺评价数据、生产过程机器工作状态数据、机器故障停机数据、工作人员工作记录数据以及工期数据。