[发明专利]基于生成对抗网络的数字孪生车间的新产品物料配送预测方法

说明书

本发明公开了一种基于生成对抗网络的数字孪生车间的新产品物料配送预测方法，包括：1、获取数字孪生车间中影响生产过程的不确定因素样本数据和生产节拍样本数据并预处理；2、构建生成对抗网络模型，引入相似度计算；3、基于类似产品历史样本数据与新产品实时监测样本数据对新产品生产节拍预测的生成对抗网络模型进行训练优化，获得数字孪生车间生产单元的工作节拍；4、计算新产品生产过程中的物料配送需求和控制数字孪生车间的生产节奏。本发明结合生产过程中不确定影响因素和生成对抗方法，从而能提升新产品生产节拍预测的准确性，并提高新产品生产效率。

技术领域

本发明属于智能制造领域，具体涉及一种基于生成对抗网络的数字孪生车间的新产品物料配送预测方法。

背景技术

随着智能制造与工业互联网的融合发展，制造车间在生产过程中产生的数据量出现爆炸式增长，很难再依靠人工方式对制造车间中复杂多变的生产状态进行分析处理，数学孪生车间通过物理车间与虚拟车间的双向实时映射交互，在孪生数据的驱动下，实现制造车间的生产活动计划、生产要素管理、生产过程控制等，并能在生产后对所保存各类数据进行分析处理，实现对实际生产控制过程的学习优化。

目前在新产品制造生产过程中，主要是在传统物料需求计划的基础上考虑生产节拍的影响和库存的约束等因素，通过与类似产品比较、目视观测等方法来推算新产品的生产节拍，再根据生产节拍对生产过程中物料需求进行定量计算。在实际生产过程中存在许多不确定性因素，引起生产节拍的波动，影响整个生产过程的平衡。传统的生产物料需求计划主要是根据产品结构上所需物料来计算，虽然也考虑了实际生产过程中的一些影响因素，但难以实现产品结构需求与实际生产过程动态需求的有机结合，缺乏实际生产过程中物料需求的动态计算能力，无法准确预测实际生产过程所需要物料的变化，导致生产工位的闲置等待或积压堵塞，增加了生产成本，延长了生产周期，降低了生产效率。

发明内容

针对上述存在问题或不足，本发明提供一种基于生成对抗网络的数字孪生车间的新产品物料配送预测方法，以期能高度准确地生成新产品生产过程中的生产节拍，高度适应地满足新产品生产过程中的物料动态需求，从而提升实际生产过程中物料需求的准确预测能力，为新产品制造的物料预测及其后续优化、生产计划的合理安排提供重要的数据基础。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种基于生成对抗网络的数字孪生车间的新产品物料配送预测方法的特点包括如下步骤：

步骤1、利用生产车间的数字孪生系统获取新产品与其类似产品在实际生产过程中的原始数据并进行预处理；

步骤1.1、对所述原始数据中车间生产的产品状态指标数据进行归一化处理，得到归一化后的产品状态指标数据，记为P＝[p₁ p₂ p₃]，其中，p₁，p₂，p₃分别表示原材料投入量，产品产出数量，产品合格率；

步骤1.2、对所述原始数据中生产单元i的车间设备状态指标数据进行归一化处理，得到归一化后的车间设备状态指标数据，记为V_i＝[v_i1 v_i2 v_i3 v_i4]，其中，v_i1，v_i2，v_i3，v_i4分别表示生产单元i的设备运行时间、设备加工时间、设备故障率、单位产品能耗；