[發明專利]一種基于神經網絡的化妝品生產工況監測系統及其控制方法

在審

• 申請號: 202011190673.X
• 申請日: 2020-10-30
• 公開（公告）號: CN112381365A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 馬慶城;馬堅南;鄭如娟;馬銘鋒;鄭彭華;馮敏妍
• 申請（專利權）人: 廣東蕾琪化妝品有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/04;G06N3/08;G06N3/04;G16Y10/25;G16Y20/20;G16Y40/10
• 代理公司: 廣州潤禾知識產權代理事務所(普通合伙) 44446
• 代理人: 林偉斌

本發明提供一種基于神經網絡的化妝品生產工況監測系統，包括通過參數獲取模塊接收來自化妝品車間工況監測傳感器獲取的工況參數，圖神經網絡捕獲和學習模塊讀取整個化妝品車間各個設備各個節點上的工況參數并基于上述工況參數形成圖神經網絡結構，神經網絡統籌調配模塊，根據上述具體動靜載荷結合生產計劃、整個化妝品車間的實際產能以及各個設備的載荷裕度，通過結構型循環神經網絡建立整個化妝品車間的生產模型，以解決現有的化妝品生產的工況監測還停留在視頻監控+人工干預階段，以合理調配化妝品生產車間的各種生產資料和設備資源，提高化妝品生產車間的工作效率和設備協同性。

技術領域

本發明涉及化妝品生產領域，尤其涉及一種基于神經網絡的化妝品生產工況監測系統及其控制方法。

背景技術

隨著社會的進步、科學技術的發展以及生活水平的提高,化妝品不再是少數人的奢侈品,它已經成為人們日常生活中不可缺少的組成成分。而化妝品生產的工況監測還停留在視頻監控+人工干預階段，如何優化資源分配是目前擺在化妝品生產車間調度方向上的最大難題。

由于化妝品生產車間調度問題是滿足任務條件和約束要求的資源分配問題，因此，優化資源分配以解決化妝品生產車間調度問題，首先要建立準確的化妝品生產車間的生產模型，模型的優異程度由預測輸出指標的準確性決定，而作為一種黑箱模型，人工神經網絡可以忽略過程機理，通過模擬過程的輸入與輸出之間的關系，達到對系統的建模。故，急需一種基于神經網絡的化妝品生產工況監測系統及其控制方法，以合理調配化妝品生產車間的各種生產資料和設備資源，提高化妝品生產車間的工作效率和設備協同性。

發明內容

本發明的目的在于提供一種基于神經網絡的化妝品生產工況監測系統及其控制方法，以解決現有的化妝品生產的工況監測還停留在視頻監控+人工干預階段，通過神經網絡建立能夠預測化妝品生產車間工況的模型，用于指導化妝品生產車間的裝置生產操作，以合理調配化妝品生產車間的各種生產資料和設備資源，提高化妝品生產車間的工作效率和設備協同性。

為解決上述技術問題，本發明是這樣實現的：

一種基于神經網絡的化妝品生產工況監測系統，包括：

參數獲取模塊，通過有線和/或無線的方式接收來自化妝品車間工況監測傳感器獲取的工況參數，發送給主控模塊，由主控模塊存儲在存儲模塊；工況參數包括但不限于車間設備工況參數、各種生產資料的工況參數；其中，車間設備工況參數包括但不限于12孔口紅全自動灌裝線、散粉定量機、三維自動包裝機、洗護智能高速灌裝機和旋蓋機、珍珠花樣灌裝機、半自動一字封箱機、自動組裝機、CIP清洗系統等車間設備的工作參數，生產資料的工況參數包括但不限于生產資料的存庫參數、生產資料的入庫、出庫、有效期等參數；

主控模塊還分別與圖神經網絡捕獲和學習模塊、神經網絡統籌調配模塊連接，其中，主控模塊讀取上述工況參數后發送給圖神經網絡捕獲和學習模塊，圖神經網絡捕獲和學習模塊，讀取整個化妝品車間各個設備各個節點上的工況參數并基于上述工況參數形成圖神經網絡結構，通過圖神經網絡挖掘整個化妝品車間不同設備不同節點不同特征參數之間的內在聯系，從而獲得整個化妝品車間不同設備不同節點的具體動靜載荷，圖神經網絡捕獲和學習模塊的輸出端連接神經網絡統籌調配模塊的輸入端；

神經網絡統籌調配模塊，根據上述具體動靜載荷結合生產計劃、整個化妝品車間的實際產能以及各個設備的載荷裕度，通過結構型循環神經網絡建立整個化妝品車間的生產模型，以充分挖掘整個化妝品車間現有載荷與生產計劃之間的時序特征，基于整個化妝品車間的生產模型預演完成生產計劃對各個設備和生產資料的調配情況，并制定相應的設備和人員排班，將預演后的工況參數映射為整個化妝品車間所需載荷下限，比較上述所需載荷下限是否超出整個化妝品車間的最大產能和/或各個設備的最大載荷上限，神經網絡統籌調配模塊的輸出端連接主控模塊的輸入端。

一種基于神經網絡的化妝品生產工況監測系統的控制方法，步驟包括：