[发明专利]基于语义数据和知识推理的分布式自适应产线重构方法

说明书

本发明公开了基于语义数据和知识推理的分布式自适应产线重构方法，包括为建立基于本体的生产任务和制造资源语义模型和通过知识推理实现生产任务和产线资源的逻辑重配；所述建立基于本体的生产任务和制造资源语义模型包括以下步骤：S1、构建生产任务和制造资源信息的本体模型；S2、构建知识库结构；S3、保存生产任务和制造资源信息模型文件；S4、判断是否更新本体模型；S5、更新本体模型；S6、加入模型库；所述的通过知识推理实现生产任务和产线资源的逻辑重配包括以下步骤：1、分别计算对应元素语义相似度；2、将语义相似度加权求和；3、引入评价指标体系，得出资源组合最优解，对制造资源层下达生产任务。

技术领域

本发明涉及智能控制技术领域，具体涉及基于语义数据和知识推理的分布式自适应产线重构方法。

背景技术

近年来。随着市场竞争的日益激烈和消费者个性化需求的不断扩大，传统制造业正处于挑战升级的关键阶段。快速响应市场变化，满足顾客多样化定制需求，灵活应对多品种小批量产品生产，已经成为企业提高自身竞争力和创造利润价值的关键手段之一，柔性制造系统(Flexible Manufacturing System，FMS)便在此背景下应运而生。

要实现车间的智能化，进行柔性生产，需要对实际生产状况和和能源物料消耗等信息进行采集和整理，从而协调各方工作和作用，保证高效排产和合理排班，提高设备利用率。然而，在实际运用过程中，由于客户需求的多变性和不可预测，制造资源的动态性和生产环境的复杂性等因素的制约，柔性生产的最终实施结果与设想具有较大差距，极大地浪费了生产资源。

李一博等人在《一种自动排产的方法》发明专利(专利申请号：201910626717.X，公开号：110472829A)中公开了一种自动排产方法，排产人员只需通过简单的参数设置，产线和车间便可根据客户订单数据，自动进行生产，极大地节省了人力和时间成本，提高了工厂的智能化水平。但是，该方法在保证自动生产进行的同时，并未考虑订单数据与现场制造资源的匹配度及生产过程中意外发生时的应对措施，制造资源高峰供给不足或设备故障等情况的发生，便可能导致生产任务安排紊乱甚至停滞，产线的自适应性能较弱。因此，如何融合和使用新兴技术，合理建设柔性生产车间，优化制造资源配置，提高智能化和自适应水平，成为制造企业重点关注的热点之一，从而真正实现在降低生产成本的同时，提高生产效率和产品质量，提升企业生产系统的信息化。协同化和智能化水平，这也是当代智能制造背景和企业转型过程中亟待解决的瓶颈问题。

发明内容

本发明的目的在于解决上述现有技术的缺点和不足，提供一种基于语义数据和知识推理的分布式自适应产线重构方法，面向多品种变批量的生产任务，通过构建本体模型和进行知识推理的手段，重构生产任务的逻辑顺序和产线的设备行为，旨在优化制造资源配置，提高设备利用率，对生产任务和制造资源的变化做出快速响应，实现高效率、高质量和低成本的自适应生产。

本发明至少通过如下技术方案之一实现。

基于语义数据和知识推理的分布式自适应产线重构方法，所述的方法包括为建立基于本体的生产任务和制造资源语义模型和通过知识推理实现生产任务和产线资源的逻辑重配；

其中，所述建立基于本体的生产任务和制造资源语义模型包括以下步骤：

S1、构建生产任务和制造资源信息本体模型；

S2、构建生产任务和制造资源信息知识库结构；

S3、保存生产任务和制造资源信息模型文件；

S4、根据生产现场实际生产任务和制造资源的更新情况，判断是否需要更新生产任务和制造资源信息本体模型，若需要，则执行更新步骤S5，否则执行步骤S6；

S5、更新步骤S1及步骤S2所建立的生产任务和制造资源信息本体模型和知识库结构；

S6、将更新的生产任务和制造资源信息本体模型和知识库结构，加入模型库；