[發明專利]基于聯邦學習機制中數據的復雜制造系統的調度系統

在審

• 申請號: 202110187582.9
• 申請日: 2021-02-18
• 公開（公告）號: CN112862325A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 林國義;李莉
• 申請（專利權）人: 同濟大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06N20/20
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董成

1.一種基于聯邦學習機制中數據的復雜制造系統的調度系統，其特征在于：包括DSACMS調度系統，所述DSACMS調度系統包括，相互交互聯系的數據層、模型層、數據處理與分析模塊、調度方法模塊；

所述數據層包括用于調用采集數據源的數據接口以及與所述數據接口連接的數據庫，所述數據庫還與所述模型層、數據處理與分析模塊、調度方法模塊交互連接；

所述模型層包括面向對象仿真模型、參數預測模型、性能指標預測模型和自適應調度模型中的一種或多種；

所述調度方法模塊包括生產計劃模塊和實時派工模塊，所述調度方法模塊用于輔助離線仿真數據的生成。

2.根據權利要求1所述的一種基于聯邦學習機制中數據的復雜制造系統的調度系統，其特征在于：所述數據源包括企業中的信息系統的數據參數或/和數據源模擬制造系統運作過程的仿真模型離線運行生成的離線仿真數據，包括離線仿真性能指標數據和離線仿真優化調度決策數據；所述數據庫包括離線歷史數據、在線靜態數據、在線動態數據、學習樣本數據。

3.根據權利要求2所述的一種基于聯邦學習機制中數據的復雜制造系統的調度系統，其特征在于：所述離線歷史數據包括工件加工歷史信息、產品歷史生產信息、設備歷史加工信息、設備維護信息、設備故障信息中的一種或多種；所述在線靜態數據包括產品訂單信息、產品工藝流程信息、設備加工能力信息和設備布局信息中的一種或多種；所述在線動態數據包括設備狀態信息或/和WIP狀態信息。

4.根據權利要求1所述的一種基于聯邦學習機制中數據的復雜制造系統的調度系統，其特征在于：所述離線歷史數據為制造系統運行歷史數據模型R_MSRH，在線靜態數據和在線動態數據為制造系統在線數據模型R_MS、學習樣本數據為學習樣本數據模型R_LS，所述數據層為DataLevel，則DataLevel＝{R_MS,R_MSRH,R_LS}。

5.根據權利要求1所述的一種基于聯邦學習機制中數據的復雜制造系統的調度系統，其特征在于：所述面向對象仿真模型采用的是制造系統面向對象模型，所述制造系統面向對象模型包括制造系統對象模型、制造系統動態模型、制造系統功能模型；即，OOSM_MS＝(C_MS,D_MS,F_MS)；制造系統面向對象模型為OOSM_MS，制造系統對象模型為C_MS，制造系統動態模型為D_MS，制造系統功能模型為F_MS。

6.根據權利要求1所述的一種基于聯邦學習機制中數據的復雜制造系統的調度系統，其特征在于：所述參數預測模型、性能指標預測模型和自適應調度模型均為數據驅動預測模型，所述數據驅動預測模型包含不確定因素估計模型、性能指標預測模型、自適應調度模型，即，DDPM＝(PPM,UPM,ASPM)；數據驅動預測模型為DDPM，不確定因素估計模型為UPM，性能指標預測模型為PPM，自適應調度模型為ASPM。

7.根據權利要求4所述的一種基于聯邦學習機制中數據的復雜制造系統的調度系統，其特征在于：所述調度方法模塊的生產計劃模塊包括生產計劃方法集和生產調度方法集，實時派工模塊包括元啟發式搜索方法集；即，SchModule＝{PlanMethods,SchMethods,MHS}；調度方法模塊為SchModule，生產計劃方法集為PlanMethods，生產調度方法集為SchMethods，元啟發式搜索方法集為MHS；PlanMethods中的方法是用于處理訂單的生產計劃方法；SchMethods中的方法是實現工件調度的生產調度方法。