[發明專利]一種基于深度神經網絡的飛機總裝生產線產能預測方法

有效

• 申請號: 202010637692.6
• 申請日: 2020-07-05
• 公開（公告）號: CN111898867B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 張杰;龍騰飛;藺鋒;李原;余劍峰;蔣昌健;姚雅;敖瑞波;張舒童
• 申請（專利權）人: 西北工業大學
• 主分類號: G06Q10/0637
• 分類號: G06Q10/0637;G06N3/0464;G06N3/08;G06Q50/04
• 代理公司: 西安匠星互智知識產權代理有限公司 61291
• 代理人: 陳星

1.一種基于深度神經網絡的飛機總裝生產線產能預測方法，其特征在于：包括以下步驟：

步驟1：根據飛機總裝生產組織模式結合總裝工藝流程，確定完成飛機總裝生產過程所需配置的資源類型，并獲取相關資源配置方案以及產能的歷史數據；

步驟1中，對所需配置的資源類型進行編號i＝1,2,3…,I，并定義t時刻的資源配置方案J(t)＝{x₁(t),x₂(t),x₃(t),…,x_I(t)}，其中x_i(t)為t時刻的資源配置方案中資源i的數量；定義t時刻的飛機產品產能數量為y(t)；

步驟2：對資源配置方案的歷史數據以同時期的產能數據作為標注進行預處理，以單調隊列形式形成輸入數據，賦予資源配置方案的時序特征，完成對訓練數據庫的構建；

步驟2中構建訓練數據庫的具體過程為：

假設下一次飛機總裝生產線車間管控系統進行產能統計的時間為t時刻，訓練數據庫中采用的資源配置方案歷史數據為從t-o-p時刻到t-o-Δt時刻的歷史數據，而采用的飛機產品產能歷史數據為從t-o-p+Δt時刻到t-o時刻的歷史數據，o為時間基礎單元，取飛機總裝生產線車間管控系統進行產能統計的間隔時間，p為設定的歷史時間跨度，Δt為預估的從資源配置方案改變到產能改變的延時時長，Δt為o的N倍：Δt＝No；

對訓練數據庫中的數據以單調隊列形式形成輸入數據的具體內容為：對于資源配置方案歷史數據，用X_i(t-o-p,t-o-No)表示從t-o-p時刻到t-o-No時刻，資源i的數量隊列：

X_i(t-o-p,t-o-No)＝(x_i(t-o-p),x_i(t-o-p+o),x_i(t-o-p+2o),…,x_i(t-o-No))，

對于飛機產品產能歷史數據，用Y(t-o-p+No,t-o)表示從t-o-p+No時刻到t-o時刻的飛機產品產能數量隊列：

Y(t-o-p+No,t-o)＝(y(t-o-p+No),y(t-o-p+No+o),y(t-o-p+No+2o),…,y(t-o))；

步驟3：構建深度神經網絡模型，基于深度置信網絡與反向傳播算法，通過無監督與監督訓練結合的方式共同完成對飛機總裝生產線產能預測深度神經網絡模型的訓練；

具體是將X_i(t-o-p,t-o-No)，i＝1,2,3…,I作為輸入數據，并將Y(t-o-p+No,t-o)作為標簽數據，一并輸入深度神經網絡模型進行訓練，其中輸入是按照對應時刻從每個隊列中取相應數據輸入深度神經網絡模型，通過訓練解算深度神經網絡模型參數，基于BP算法對深度神經網絡模型各項參數進行進一步調整與確認，最后得到訓練好的產能預測模型；

步驟4：將資源配置方案輸入飛機總裝生產線產能預測深度神經網絡模型，預測未來產能變動情況。

2.根據權利要求1所述一種基于深度神經網絡的飛機總裝生產線產能預測方法，其特征在于：配置的資源類型包括人力資源、物料、工裝、工具。

3.根據權利要求1所述一種基于深度神經網絡的飛機總裝生產線產能預測方法，其特征在于：N＜＜p/o。