[发明专利]一种基于机器学习与回溯法结合的模具组合分配方法

说明书

一种基于机器学习与回溯法结合的模具组合分配方法属于信息技术领域，首先依据预制构件生产企业的历史日生产订单数据，对单日的生产订单按照构件类型的生产件数进行分组，运用0‑1背包思想对每个分组构建组合分配模型，并通过回溯法找到充分利用模台面积的理论最佳适配组合结果，运用改进的BL定位算法模拟模具在模台上的摆放过程，通过回溯法寻找剩下的构件中的最佳适配组合结果，得到该单日的生产订单中的最佳适配组合集合。将所有的订单进行训练，得到一个最佳适配集合库，运用Apriori算法对得到的数据集进行训练，设置最小支持度，得到频繁项集里所包含的关联规则。减少了换模时间，增加了模台的利用率。

技术领域

本发明属于装配式建筑预制构件生产信息技术领域，具体涉及一种基于机器学习与回溯法结合的模具组合分配方法。

技术背景

装配式建筑预制构件，生产过程具有多品种，小批量，生产订单随建筑工程变化而动态变化多等特点，装配式建筑预制构件形状都是长方形，在生产过程中，预制构件通过对应的模具进行生产，在具有流水线特征的生产线中模台承载模具顺序经过各工序的加工单元来完成全部生产过程。在支模工序中将生产预制构件所需的模具固定在模台的台面上，不同类型的预制构件所对应的模具的尺寸也不同，固定尺寸的模台上可以承载多个模具，由于模台在生产线上的流转时间较为固定，如果在模台上能够摆放更多的模具，则可以更充分的使用模台的台面面积，从而提高生产线整体的生产效率，因此模台台面利用率会对预制构件生产线的生产产能具有直接的影响。同时，由于投产的预制构件所需的模台数量大于实际生产线上已有的模台数量，因此模台存在重复使用的问题，不同类型的预制构件所对应的模具的尺寸也不同，如果再次在模台上分配的预制构件所使用的模具不同于之前模台上摆放的预制构件所使用的模具时，则需要更换模台上的模具，由此产生了换模问题，换模过程中清理和打磨模台的台面需要花费一定的时间成本，因此产生了一个换模时间，这既提高作业人员的工作强度，也增加了预制构件生产过程的时间成本。如果能够使得再次在模台上分配的预制构件所使用的模具与之前模台上摆放的预制构件所使用的模具相同，就会减少换模次数，节省换模时间，从而降低预制构件生产的时间成本，也会提高生产线整体的生产效率。因此，给出有效的模具在模台上的组合分配方法可以提高模台的台面利用率，减少换模时间，充分发挥企业现有资源的产能。

现有的相关工作中，主要采用群体进化算法对模具组合分配问题进行优化，因此不能快速的得到决策目标，并且无法利用企业的历史生产数据。本发明充分利用历史生产数据，从历史生产数据中得到关于模具组合分配的强关联规则，用于指导新一天的生产任务，能够快速的对生产现场做出决策。

发明内容

本发明的目的是提供一种基于机器学习与回溯法结合的模具组合分配方法，用以解决换模次数多，模台利用率低等问题。

本发明技术方案：

一种基于机器学习与回溯法结合的模具组合分配方法，首先依据预制构件生产企业的历史日生产订单数据，对单日的生产订单按照构件类型的生产件数进行分组，运用0-1背包思想对每个分组构建组合分配模型，并通过回溯法找到充分利用模台面积的理论最佳适配组合结果，运用改进的BL定位算法模拟模具在模台上的摆放过程，如果该组合分配结果中包含的模具不能完全的摆放在模台台面上，则将该理论上的最佳适配组合分配结果标注为无效解，再将整组重新进行回溯；如果改进的BL定位算法模拟摆放过程有效，则记录该最佳适配组合分配结果，通过回溯法寻找剩下的构件中的最佳适配组合结果，得到该单日的生产订单中的最佳适配组合集合。将所有的订单进行训练，得到一个最佳适配集合库，运用Apriori算法对得到的数据集进行训练，设置最小支持度，搜索得到频繁项集，设置最小置信度，得到频繁项集里所包含的关联规则。企业再次投产新的生产订单时，按照关联规则组合预制构件进行生产，并不断训练强化关联规则。

一种基于机器学习与回溯法结合的模具组合分配方法，包括以下步骤：

步骤1.获取预制构件生产企业的历史日订单数据，包括预制构件的型号，各个型号的面积和生产件数，以及预制构件的形状。