CN115248577A - 一种缝纫机的群控管理方法及*** - Google Patents
一种缝纫机的群控管理方法及*** Download PDFInfo
- Publication number
- CN115248577A CN115248577A CN202211148254.9A CN202211148254A CN115248577A CN 115248577 A CN115248577 A CN 115248577A CN 202211148254 A CN202211148254 A CN 202211148254A CN 115248577 A CN115248577 A CN 115248577A
- Authority
- CN
- China
- Prior art keywords
- information
- sewing machine
- data
- binary decision
- decision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000009958 sewing Methods 0.000 title claims abstract description 199
- 238000007726 management method Methods 0.000 title claims abstract description 45
- 238000009826 distribution Methods 0.000 claims abstract description 157
- 238000004519 manufacturing process Methods 0.000 claims abstract description 112
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000005265 energy consumption Methods 0.000 claims description 43
- 238000002360 preparation method Methods 0.000 claims description 36
- 230000004044 response Effects 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 17
- 239000004744 fabric Substances 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 6
- 238000011002 quantification Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 18
- 230000000694 effects Effects 0.000 abstract description 7
- 238000003860 storage Methods 0.000 description 15
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 239000004753 textile Substances 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007640 computer printing Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Sewing Machines And Sewing (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种缝纫机的群控管理方法及***,涉及电数字数据处理领域,所述方法包括:根据第一缝纫机群和第一生产线的信息,获得第一型号分布信息;基于所述第一型号分布信息,生成第一效率分布信息作为第一双值决策输入信息;根据所述第一缝纫机群对应的第一机群人员,获得第二效率分布信息;基于所述第一型号分布信息和所述第二效率分布信息,生成第二双值决策输入信息;将所述第一双值决策输入信息和所述第二双值决策输入信息,输入双值决策控制模型中,输出第一决策信息对所述第一缝纫机群进行群控管理。解决了缝纫机群设备效率的利用率低,导致机群生产成本浪费的技术问题,达到了智能机群群控决策,提高机群利用率的技术效果。
Description
技术领域
本发明涉及电数字数据处理领域,具体涉及一种缝纫机的群控管理方法及***。
背景技术
随着自动纺织产线的普及,自动纺织产线对应的数据信息的等级层次多元化,自动纺织产线设备的智能控制方案急需进行优化,缝纫机为自动纺织产线重要的生产加工设备,在缝纫机运作过程对应多种加工工艺,加工工艺不同,缝纫机效率信息对应不同,故优化缝纫机机群控决策,保证群控决策的响应与预期数据对应,为现阶段多数自动纺织产线存在的问题。
基于电动缝纫机的安全操作规范,通过绩效管理优化缝纫机的群控管理方法,但绩效管理方案只针对效率提升,会导致自动纺织产线部分节点生产加工堆积,无法保证群控决策的响应与预期数据的平衡,通过自动纺织产线的生产加工信息,结合智能终端控制***与监控设备互联对优化缝纫机的群控管理方法,但监控设备采集的视频信息,无法对缝纫机群效率进行有效分析,会导致群控决策不及时,无法保证群控决策的响应与预期数据的动态平衡。
现有技术中存在的缝纫机群效率难以根据实时生产状态进行自适应群控决策,导致缝纫机群利用率不高、进而出现生产效率低,机群成本浪费的技术问题。
发明内容
本申请通过提供了一种缝纫机的群控管理方法及***,解决了现有技术中存在的缝纫机群效率难以根据实时生产状态进行自适应群控决策,导致缝纫机群利用率不高、进而出现生产效率低,机群成本浪费的技术问题,达到了智能分析匹配缝纫机群效率与实时生产状态,自适应匹配缝纫机群群控决策信息,提高缝纫机机群利用率,进而提高生产效率,降低机群成本浪费的技术效果。
鉴于上述问题,本申请提供了一种缝纫机的群控管理方法及***。
第一方面,本申请提供了一种缝纫机的群控管理方法,其中,所述方法包括:获得第一制备工厂的第一缝纫机群和第一生产线;根据所述第一缝纫机群和所述第一生产线的信息,获得第一型号分布信息;基于所述第一型号分布信息,生成第一效率分布信息;根据所述第一型号分布信息和所述第一效率分布信息生成第一双值决策输入信息,其中,所述第一型号分布信息和所述第一效率分布信息一一对应;根据所述第一缝纫机群对应的第一机群人员,获得第二效率分布信息;基于所述第一型号分布信息和所述第二效率分布信息,生成第二双值决策输入信息;将所述第一双值决策输入信息和所述第二双值决策输入信息,输入双值决策控制模型中,以第一待制备数据为响应目标,输出第一决策信息;根据所述第一决策信息对所述第一缝纫机群进行群控管理。
第二方面,本申请提供了一种缝纫机的群控管理***,其中,所述***包括:第一获得单元,所述第一获得单元用于获得第一制备工厂的第一缝纫机群和第一生产线;第二获得单元,所述第二获得单元用于根据所述第一缝纫机群和所述第一生产线的信息,获得第一型号分布信息;第一生成单元,所述第一生成单元用于基于所述第一型号分布信息,生成第一效率分布信息;第二生成单元,所述第二生成单元用于根据所述第一型号分布信息和所述第一效率分布信息生成第一双值决策输入信息,其中,所述第一型号分布信息和所述第一效率分布信息一一对应;第三获得单元,所述第三获得单元用于根据所述第一缝纫机群对应的第一机群人员,获得第二效率分布信息;第三生成单元,所述第三生成单元用于基于所述第一型号分布信息和所述第二效率分布信息,生成第二双值决策输入信息;第一执行单元,所述第一执行单元用于将所述第一双值决策输入信息和所述第二双值决策输入信息,输入双值决策控制模型中,以第一待制备数据为响应目标,输出第一决策信息;第二执行单元,所述第二执行单元用于根据所述第一决策信息对所述第一缝纫机群进行群控管理。
第三方面,本申请提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
第四方面,本申请提供了一种计算机程序产品,包括计算机程序和/或指令,其中,该计算机程序和/或指令被处理器执行时实现第一方面任一项所述方法的步骤。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了获得第一制备工厂的第一缝纫机群和第一生产线;根据第一缝纫机群和第一生产线的信息,获得第一型号分布信息,为保证型号分布与销量分布进行数据分布对应提供数据基础;基于第一型号分布信息,生成第一效率分布信息;根据第一型号分布信息和第一效率分布信息生成第一双值决策输入信息;根据第一缝纫机群对应的第一机群人员,获得第二效率分布信息;基于第一型号分布信息和第二效率分布信息,生成第二双值决策输入信息,保证了所述第二双值决策输入信息的有效性,为进行决策信息确定提供参数理论支持;将第一双值决策输入信息和第二双值决策输入信息,输入双值决策控制模型中,以第一待制备数据为响应目标,输出第一决策信息;根据第一决策信息对第一缝纫机群进行群控管理,实现结合制备产线的工艺与缝纫机群效率信息精准定位所述第一缝纫机群的群控管理决策信息,保证了所述第一决策信息的有效性。本申请实施例达到了智能分析匹配缝纫机群效率与实时生产状态,自适应匹配缝纫机群群控决策信息,提高缝纫机机群利用率,进而提高生产效率,降低机群成本浪费的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请一种缝纫机的群控管理方法的流程示意图;
图2为本申请一种缝纫机的群控管理方法的获得第一匹配结果与第一调整数据的流程示意图;
图3为本申请一种缝纫机的群控管理方法的获得第一调控效率的流程示意图;
图4为本申请一种缝纫机的群控管理方法的输出第二决策数据的流程示意图;
图5为本申请一种缝纫机的群控管理***的结构示意图;
图6为本申请示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第一生成单元13,第二生成单元14,第三获得单元15,第三生成单元16,第一执行单元17,第二执行单元18,电子设备300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请通过提供了一种缝纫机的群控管理方法及***,解决了现有技术中存在的缝纫机群效率难以根据实时生产状态进行自适应群控决策,导致缝纫机群利用率不高、进而出现生产效率低,机群成本浪费的技术问题,达到了智能分析匹配缝纫机群效率与实时生产状态,自适应匹配缝纫机群群控决策信息,提高缝纫机机群利用率,进而提高生产效率,降低机群成本浪费的技术效果。
申请概述
通过绩效管理优化缝纫机的群控管理方法,无法保证群控决策的响应与预期数据的平衡,结合智能终端控制***与监控设备互联对优化缝纫机的群控管理方法,无法保证群控决策的响应与预期数据的动态平衡。
现有技术中存在的缝纫机群效率难以根据实时生产状态进行自适应群控决策,导致缝纫机群利用率不高、进而出现生产效率低,机群成本浪费的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供了一种缝纫机的群控管理方法,其中,所述方法包括:获得第一制备工厂的第一缝纫机群和第一生产线;获得第一型号分布信息;生成第一效率分布信息;生成第一双值决策输入信息;根据第一缝纫机群对应的第一机群人员,获得第二效率分布信息;基于第一型号分布信息和第二效率分布信息,生成第二双值决策输入信息;将第一双值决策输入信息和第二双值决策输入双值决策控制模型中,输出第一决策信息;对第一缝纫机群进行群控管理。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请提供了一种缝纫机的群控管理方法,其中,所述方法包括:
S100:获得第一制备工厂的第一缝纫机群和第一生产线;
S200:根据所述第一缝纫机群和所述第一生产线的信息,获得第一型号分布信息;
具体而言,所述第一制备工厂为任意存在缝纫机群工厂的制备工厂,所述第一制备工厂可以是加工家纺用品、服饰用品、布偶玩具或其他任意存在缝纫机群工厂的制备工厂,所述第一生产线为所述第一制备工厂的第一产品对应的生产线,所述第一生产线包括多种加工生产设备,所述第一生产线可以是传送装置、上布装备、缝纫机群或其他相关生产设备装置,实际的第一生产线结合产品加工流程进行对应确定,所述第一缝纫机群和所述第一生产线的信息包括但不限于缝纫机群型号、缝纫机群数量、缝纫机群额定生产效率对应的参数信息与控制信息,不对所述第一缝纫机群和所述第一生产线的信息进行限制,上述数据是为对本方案数据信息基础进行对应确定的参数数据信息,实际结合实际数据特征进行数据对应性确定,获得第一型号分布信息,为保证型号分布与销量分布进行数据分布对应提供数据基础。
S300:基于所述第一型号分布信息,生成第一效率分布信息;
S400:根据所述第一型号分布信息和所述第一效率分布信息生成第一双值决策输入信息,其中,所述第一型号分布信息和所述第一效率分布信息一一对应;
具体而言,所述第一型号分布信息为所述第一生产线在各个生产线流程中对应的缝纫机型号,所述缝纫机型号可以一致,也可以不一致,实际结合第一制备工厂的设备信息进行实际确定,所述第一生产效率分布信息为在各个生产线流程中对应的缝纫机效率,所述第一双值决策输入信息以所述第一型号分布信息和所述第一效率分布信息为调节的基础参照数据,其中,所述第一型号分布信息和所述第一效率分布信息一一对应,一般的,所述第一型号分布信息确定机器加工的额定参数信息,基于所述额定参数信息,确定所述第一效率分布信息,保证了所述缝纫机运作参数的合理性,同一型号的缝纫机,在进行决策信息确定过程,所述第一型号分布信息和所述第一效率分布信息与决策信息一一对应,生成第一双值决策输入信息,为进行决策信息确定提供参数理论支持。
进一步具体说明,所述第一型号分布信息和所述第一效率分布信息与决策信息一一对应,不考虑电压不稳定或其他干扰信息下,同一型号缝纫机,同一决策信息,效率信息一致,对应的响应也一致,上述对应关系为理想运行状态下验证所得,不对实际干扰进行分析说明,实际应结合实际数据信息进行进一步参数信息优化,此处不做赘述。
S500:根据所述第一缝纫机群对应的第一机群人员,获得第二效率分布信息;
S600:基于所述第一型号分布信息和所述第二效率分布信息,生成第二双值决策输入信息;
具体而言,根据所述第一缝纫机群,对应确定第一机组人员,一般的,所述机组人员可以对第一缝纫机群的设备运行故障及时进行排除,所述第一机组人员的所述第一缝纫机群的对应度越高,所述第一缝纫机群的有序执行可以得到保证,所述对应度可以结合所述第一机群人员的工作年限信息与历史使用机群进行数据对应,简单来说就是第一机组人员对所述第一缝纫机群的控制、使用、操作更熟悉,所述对应度越高,所述第一缝纫机群的有序执行可以得到有效的保证;第一机组人员对所述第一缝纫机群的控制、使用、操作越生疏,所述对应度越低,所述第一缝纫机群的有序执行难以有效的保证。获得第二效率分布信息,以第二效率分布信息与第一型号分布信息为调节的基础参照数据,生成第二双值决策输入信息,保证了所述第二双值决策输入信息的有效性,为进行决策信息确定提供参数理论支持。
S700:将所述第一双值决策输入信息和所述第二双值决策输入信息,输入双值决策控制模型中,以第一待制备数据为响应目标,输出第一决策信息;
S800:根据所述第一决策信息对所述第一缝纫机群进行群控管理。
具体而言,构建双值决策控制模型,将所述第一双值决策输入信息和所述第二双值决策输入信息,输入所述双值决策控制模型,将第一待制备数据为响应目标,第一待制备数据为按照需要制备的工艺,确定其各个生产线所需要的效率,所述响应目标为所述双值决策控制模型的训练监督数据,在所述响应目标达成,获得双值决策控制模型的输出结果,所述输出结果为第一决策信息,获取所述第一决策信息在所述第一生产线执行所述第一决策信息,对所述第一缝纫机群进行群控管理,实现结合制备产线的工艺与缝纫机群效率信息精准定位所述第一缝纫机群的群控管理决策信息,保证了所述第一决策信息的有效性。
进一步具体说明,所述第一双值决策输入信息区别于所述第二双值决策输入信息,所述第一双值决策输入信息是以所述第一型号分布信息和所述第一效率分布信息的分布作为输入双值决策模型的一方数据源;所述第二双值决策输入信息是以所述第一型号分布信息和所述第二效率分布信息的分布作为输入双值决策模型的另一方数据源。简单来说就是第一双值决策输入信息与实时的缝纫机的机群效率分布相关度高,第二双值决策输入信息与实时的机群人员效率分布相关度高。
进一步具体说明,所述双值决策控制模型输入的两个数据值,输入的第一数据值为人机匹配度,所述人机匹配度按照缝纫机类型匹配人,输入的第二数据值为群体损耗度,所述群体损耗度按照缝纫机的类型分析损耗,通过所述人机匹配度和所述群体损耗度,分析控制逻辑。所述双值决策控制模型为逻辑状态机器,逻辑状态机器只由1个存储器或1个包括被控机器逻辑的可编程序逻辑装置所组成,逻辑状态机器的输出状态取决于输入状态或输出状态的一部分,所述双值决策控制模型输出决策信息。
进一步具体说明,第一待制备数据为按照需要制备的工艺,确定其各个生产线所需要的效率,所述缝纫机群生产效率结合缝纫机群生产线流程对应的加工工艺进行对应确定,示例性的,同一生产线同一型号的缝纫机,第一缝纫机执行锁边工艺,第二缝纫机执行电脑印花工艺,在同一设备功率参数下,所述第一缝纫机与第二缝纫机的缝纫机效率可能会不一致,所述第一缝纫机的工作效率需要第二缝纫机的工作效率需要结合生产线流程对应的加工工艺确定决策信息,保证所述第一缝纫机的工作效率需要第二缝纫机的工作效率达到平衡匹配。
进一步的,所述根据所述第一缝纫机群对应的第一机群人员,获得第二效率分布信息,步骤S500还包括:
S510:获得所述第一机群人员信息;
S520:根据所述第一机群人员信息,获得工作年限信息和历史使用机群;
S530:获得所述第一机群人员的实时匹配缝纫机;
S540:根据所述工作年限信息和所述历史使用机群,分析所述实时匹配缝纫机的第一匹配性;
S550:按照所述第一匹配性生成的匹配分布集合对所述第二效率分布信息进行调整。
具体而言,获得所述第一机群人员信息,所述第一机群人员信息包括但不限于人员工作年限信息、人员历史使用机群和人员机群工作时间分布信息;根据所述第一机群人员信息,获得工作年限信息和历史使用机群,所述工作年限信息与所述历史使用机群数据存在对应,一般的,工作总年限信息等于所述历史使用机群数据分别对应的使用年限之和;获得所述第一机群人员的实时匹配缝纫机,所述实时匹配缝纫机为所述第一机群人员目前匹配的缝纫机;根据所述工作年限信息和所述历史使用机群,所述第一人员为所述第一机群人员的任意人员,综合分析第一人员的匹配度数据,一般的,所述人员的工作年限越久且匹配的实时匹配缝纫机为历史使用机群,综合分析第一匹配性数据值越大,所述第一匹配性为所述第一人员的匹配性数据;所述匹配分布集合为所述第一机群人员分别确定的匹配性分布数据,按照所述第一匹配性生成的匹配分布集合,对所述第二效率分布信息进行调整。
从缝纫机群的设备运行与维护角度出发,获得第二效率分布信息,保障了第一缝纫机群效率的稳定,结合机群人员与实时匹配缝纫机的匹配性,对所述第二效率分布信息进行调整,保证了所述第二效率分布信息的可靠性。
进一步的,如图2所示,所述方法还包括:
S551:获得所述实时匹配缝纫机的类型信息;
S552:根据所述实时匹配缝纫机的类型信息,获得第一迭代机型;
S553:根据所述第一迭代机型,对所述第一机群人员的历史使用机群进行型号类比匹配,获得第一匹配结果;
S554:若所述第一匹配结果为匹配成功,输出第一类比使用机群,其中,所述第一类比使用机群为符合所述第一迭代机型的机群;
S555:根据所述第一类比使用机群进行差异性分析,输出第一调整数据。
具体而言,获得所述实时匹配缝纫机的类型信息,所述实时匹配缝纫机的类型信息为现阶段所述第一生产线生产加工确定的缝纫机的类型信息;根据所述实时匹配缝纫机的类型信息,获得第一迭代机型,所述第一迭代机型为所述实时匹配缝纫机的历史机型;根据所述第一迭代机型,对所述第一机群人员的历史使用机群进行型号类比匹配,确定第一机群人员的历史使用机群是否存在所述第一迭代机型的使用记录,若第一机群人员的历史使用机群存在所述第一迭代机型的使用记录,确定获得第一匹配结果,所述第一匹配结果为所述第一迭代机型与所述实时匹配缝纫机的类型进行参数匹配所获;若所述第一匹配结果为匹配成功,表示所述第一类比使用机群为符合所述第一迭代机型的机群,结合差异性分析,一般的,所述第一迭代机型与所述实时匹配缝纫机的类型差异小,匹配度高,所述第一类比使用机群为符合所述第一迭代机型的机群;若所述第一匹配结果为匹配失败,表示所述第一迭代机型与所述实时匹配缝纫机的差异大,匹配度低,所述实时匹配缝纫机对应的机群与所述第一迭代机型的机群不匹配,需要对第一机群人员的效率进行细化调整,输出第一调整数据,结合缝纫机机型迭代数据,通过差异性分析优化第一机群人员的效率,保证了所述第一匹配结果的可靠性。
进一步的,所述方法还包括:
S810:获得所述第一制备工厂的生产控制平台,其中,所述生产控制平台用于接收订单数据实现生产线控制;
S820:根据所述生产控制平台,获得第一生产织品信息;
S830:根据所述第一生产织品信息进行流程工艺划分,输出多个制备分区,其中,所述多个制备分区中每个制备分区为同一类型的机群;
S840:根据所述第一生产织品信息,获得第一需求效率;
S850:按照所述第一需求效率对所述多个制备分区的机群进行配置,获得所述第一待制备数据。
具体而言,获得所述第一制备工厂的生产控制平台,其中,所述生产控制平台用于接收订单数据实现生产线控制,接收订单数据为实时数据信息,具体的,所述生产控制平台的内部集成一数显面板,所述数显面板对实时生产加工信息数量、商品实时订单累计数、待加工生产数量进行动态显示,所述待加工生产数量为商品实时订单累计数减去实时生产加工信息数量,加工所得不合格品不进入所述数据统计;根据所述生产控制平台,获得第一生产织品信息,所述第一生产织品信息包括但不限于第一产品的流程工艺信息、缝纫机群效率分布数据、加工工期限制信息或其他相关数据信息;根据所述第一生产织品信息进行流程工艺划分,输出多个制备分区,不同的工艺操作对应不同的制备分区,具体的,同一型号缝纫机的不同工艺对应不同缝纫机群效率,示例性的,印花操作的工艺复杂度大于封边操作的工艺复杂度,同一型号缝纫机,不考虑其他数据因素,印花操作效率低于封边操作效率,其中,所述多个制备分区中每个制备分区为同一类型的机群;根据所述第一生产织品信息,确定加工工期限制信息,获得第一需求效率,所述第一需求效率为所述第一决策信息的响应目标,获取所述第一需求效率按照确定制备的工艺,并确定各个生产线所需要的效率,保证所述第一决策信息与所述第一需求效率的匹配平衡。
进一步具体说明,所述多个制备分区中每个制备分区为同一类型的机群,不同类型型号的控制决策信息相同,不考虑其他数据因素,所得的响应目标可能不同。
进一步的,如图3所示,所述将所述第一双值决策输入信息和所述第二双值决策输入信息,输入双值决策控制模型中,步骤S700还包括:
S710:搭建所述双值决策控制模型,根据所述双值决策控制模型,接收所述第一双值决策输入信息和所述第二双值决策输入信息,其中,所述双值决策控制模型是以所述第一双值决策输入信息为训练数据进行训练获得的;
S720:以所述第一双值决策输入信息为输入定量,以所述第二双值决策输入信息为输入变量,以所述第一待制备数据为响应目标,输出第一决策数据;
S730:根据所述第一决策数据,获得第一调控效率。
具体而言,搭建所述双值决策控制模型,根据所述双值决策控制模型,接收所述第一双值决策输入信息和所述第二双值决策输入信息,其中,所述双值决策控制模型是以所述第一双值决策输入信息为训练数据进行训练获得的;以所述第一双值决策输入信息为输入定量,以所述第二双值决策输入信息为输入变量,以所述第一待制备数据为响应目标,所述第一待制备数据为响应目标为多阶段任务,输出第一决策数据,所述第一决策数据为当前阶段任务为响应目标的决策信息;根据所述第一决策数据,引入关于变量优化的所述第二双值决策输入信息,获得第一调控效率。
进一步具体说明,搭建所述双值决策控制模型,具体的,构建第一输入层,所述第一输入层为输入功能层;获取所述第一双值决策输入信息,以所述第一双值决策输入信息为训练数据,以所述第一待制备数据为响应目标,基于人工神经网络,进行有监督训练,构建双值决策控制网络层,合并所述第一输入层与所述双值决策控制网络层,构建所述双值决策控制模型。示例性的,所述第一待制备数据为响应目标为多阶段任务,根据每个阶段任务的不同,每个任务的输出不同,任务确定的决策方法不同,通过双值控制寻求网络最优决策的求解。
进一步具体说明,针对多值逻辑控制的最优控制方面,不但包含状态***的逻辑运算,又包含了性能指标的代数运算,若仅仅只有单一的逻辑***或一般最优控制方法是很难解决的,因此,引入关于变量优化的所述第二双值决策输入信息,能够提高决策有效性。
进一步的,所述方法还包括:
S860:获得所述第一制备工厂的能耗信息;
S870:根据所述第一缝纫机群对所述第一制备工厂的能耗信息进行能耗提取,输出第一机群能耗信息;
S880:按照所述第一机群能耗信息,生成第一能耗分布信息;
S890:将所述第一能耗分布信息输入所述双值决策控制模型,输出第二决策数据。
具体而言,获得所述第一制备工厂的能耗信息,所述能耗信息包括所述第一制备工厂所有能耗设备对应的能耗信息;根据所述第一缝纫机群对所述第一制备工厂所有能耗设备对应的能耗信息进行能耗提取,输出第一机群能耗信息,所述第一机群能耗信息为所述第一缝纫机群的设备能耗信息;按照所述第一机群能耗信息,结合所述第一缝纫机群与第一型号分布信息,确定第一能耗分布信息,所述第一能耗分布信息的能耗分布规律与第一型号分布信息的分布规律对应;将所述第一能耗分布信息输入所述双值决策控制模型,进行有监督训练,输出第二决策数据,所述第二决策数据为能耗的机群调整控制数据,获取第二决策数据,为配合所述第一决策数据执行,优化能源分布提供技术理论指出,保证了所述第一决策数据执行过程能耗信息的稳定。
进一步的,如图4所示,所述将所述第一能耗分布信息输入所述双值决策控制模型,输出第二决策数据,步骤S890还包括:
S891:根据第一调用指令,调用所述第一决策数据,其中,所述第一决策数据为基于效率的机群调整控制数据;
S892:将所述第一决策数据作为监督数据反馈输入至所述双值决策控制模型中,根据所述双值决策控制模型,输出所述第二决策数据,其中,所述第二决策数据为基于能耗的机群调整控制数据。
具体而言,基于群控管理***,根据第一调用指令,调用所述第一决策数据,其中,所述第一决策数据为基于效率的机群调整控制数据,所述第一调用指令为数据调取指令,为所述群控管理***的功能指令;将所述第一决策数据作为监督数据反馈输入至所述双值决策控制模型中,区别性说明,所述训练监督数据为所述双值决策控制模型训练阶段的数据信息,所述监督数据为所述双值决策控制模型构建结束,进行反馈输入阶段的数据信息。根据所述双值决策控制模型,输出所述第二决策数据,其中,所述第二决策数据为基于能耗的机群调整控制数据,所述第二决策数据包括多个与能耗相关的参数指标对应的群控管理参数,基于所述双值决策控制模型,将所述第一决策数据作为监督数据反馈输入,保证了所述第二决策数据对应的决策数据的有效性。
综上所述,本申请所提供的一种缝纫机的群控管理方法及***具有如下技术效果:
1.由于采用了获得备工厂的缝纫机群和生产线;获得型号分布信息;生成第一效率分布信息;生成第一双值决策输入信息;根据缝纫机群对应的机群人员,获得第二效率分布信息;基于型号分布信息和第二效率分布信息,生成第二双值决策输入信息;将第一双值决策输入信息和第二双值决策输入信息,输入双值决策控制模型中,以待制备数据为响应目标,输出决策信息;对缝纫机群进行群控管理。本申请通过提供了一种缝纫机的群控管理方法及***,通过缝纫机群型号分布与效率分布对应确定机群人员信息,达到了智能分析匹配缝纫机群效率与实时生产状态,自适应匹配缝纫机群群控决策信息,提高缝纫机机群利用率,进而提高生产效率,降低机群成本浪费的技术效果。
实施例二
基于与前述实施例中一种缝纫机的群控管理方法相同的发明构思,如图5所示,本申请提供了一种缝纫机的群控管理***,其中,所述***包括:
第一获得单元11,所述第一获得单元11用于获得第一制备工厂的第一缝纫机群和第一生产线;
第二获得单元12,所述第二获得单元12用于根据所述第一缝纫机群和所述第一生产线的信息,获得第一型号分布信息;
第一生成单元13,所述第一生成单元13用于基于所述第一型号分布信息,生成第一效率分布信息;
第二生成单元14,所述第二生成单元14用于根据所述第一型号分布信息和所述第一效率分布信息生成第一双值决策输入信息,其中,所述第一型号分布信息和所述第一效率分布信息一一对应;
第三获得单元15,所述第三获得单元15用于根据所述第一缝纫机群对应的第一机群人员,获得第二效率分布信息;
第三生成单元16,所述第三生成单元16用于基于所述第一型号分布信息和所述第二效率分布信息,生成第二双值决策输入信息;
第一执行单元17,所述第一执行单元17用于将所述第一双值决策输入信息和所述第二双值决策输入信息,输入双值决策控制模型中,以第一待制备数据为响应目标,输出第一决策信息;
第二执行单元18,所述第二执行单元18用于根据所述第一决策信息对所述第一缝纫机群进行群控管理。
进一步的,所述***包括:
第四获得单元,所述第四获得单元用于获得所述第一机群人员信息;
第五获得单元,所述第五获得单元用于根据所述第一机群人员信息,获得工作年限信息和历史使用机群;
第六获得单元,所述第六获得单元用于获得所述第一机群人员的实时匹配缝纫机;
第三执行单元,所述第三执行单元用于根据所述工作年限信息和所述历史使用机群,分析所述实时匹配缝纫机的第一匹配性;
第四执行单元,所述第四执行单元用于按照所述第一匹配性生成的匹配分布集合对所述第二效率分布信息进行调整。
进一步的,所述***包括:
第七获得单元,所述第七获得单元用于获得所述实时匹配缝纫机的类型信息;
第八获得单元,所述第八获得单元用于根据所述实时匹配缝纫机的类型信息,获得第一迭代机型;
第九获得单元,所述第九获得单元用于根据所述第一迭代机型,对所述第一机群人员的历史使用机群进行型号类比匹配,获得第一匹配结果;
第一输出单元,所述第一输出单元用于若所述第一匹配结果为匹配成功,输出第一类比使用机群,其中,所述第一类比使用机群为符合所述第一迭代机型的机群;
第二输出单元,所述第二输出单元用于根据所述第一类比使用机群进行差异性分析,输出第一调整数据。
进一步的,所述***包括:
第十获得单元,所述第十获得单元用于获得所述第一制备工厂的生产控制平台,其中,所述生产控制平台用于接收订单数据实现生产线控制;
第十一获得单元,所述第十一获得单元用于根据所述生产控制平台,获得第一生产织品信息;
第三输出单元,所述第三输出单元用于根据所述第一生产织品信息进行流程工艺划分,输出多个制备分区,其中,所述多个制备分区中每个制备分区为同一类型的机群;
第十二获得单元,所述第十二获得单元用于根据所述第一生产织品信息,获得第一需求效率;
第十三获得单元,所述第十三获得单元用于按照所述第一需求效率对所述多个制备分区的机群进行配置,获得所述第一待制备数据。
进一步的,所述***包括:
第一构建单元,所述第一构建单元用于搭建所述双值决策控制模型,根据所述双值决策控制模型,接收所述第一双值决策输入信息和所述第二双值决策输入信息,其中,所述双值决策控制模型是以所述第一双值决策输入信息为训练数据进行训练获得的;
第四输出单元,所述第四输出单元用于以所述第一双值决策输入信息为输入定量,以所述第二双值决策输入信息为输入变量,以所述第一待制备数据为响应目标,输出第一决策数据;
第十四获得单元,所述第十四获得单元用于根据所述第一决策数据,获得第一调控效率。
进一步的,所述***包括:
第十五获得单元,所述第十五获得单元用于获得所述第一制备工厂的能耗信息;
第五输出单元,所述第五输出单元用于根据所述第一缝纫机群对所述第一制备工厂的能耗信息进行能耗提取,输出第一机群能耗信息;
第四生成单元,所述第四生成单元用于按照所述第一机群能耗信息,生成第一能耗分布信息;
第六输出单元,所述第六输出单元用于将所述第一能耗分布信息输入所述双值决策控制模型,输出第二决策数据。
进一步的,所述***包括:
第五执行单元,所述第五执行单元用于根据第一调用指令,调用所述第一决策数据,其中,所述第一决策数据为基于效率的机群调整控制数据;
第七输出单元,所述第七输出单元用于将所述第一决策数据作为监督数据反馈输入至所述双值决策控制模型中,根据所述双值决策控制模型,输出所述第二决策数据,其中,所述第二决策数据为基于能耗的机群调整控制数据。
示例性电子设备
下面参考图6来描述本申请的电子设备。
基于与前述实施例中一种缝纫机的群控管理方法相同的发明构思,本申请还提供了一种缝纫机的群控管理***,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使得***以执行实施例一任一项所述的方法。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture,简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN),有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory,EEPROM)、只读光盘(compactdiscread-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请上述实施例提供的一种缝纫机的群控管理方法。
可选的,本申请中的计算机执行指令也可以称之为应用程序代码,本申请对此不作具体限定。
本申请提供了一种缝纫机的群控管理方法,其中,所述方法包括:获得第一制备工厂的第一缝纫机群和第一生产线;根据所述第一缝纫机群和所述第一生产线的信息,获得第一型号分布信息;基于所述第一型号分布信息,生成第一效率分布信息;根据所述第一型号分布信息和所述第一效率分布信息生成第一双值决策输入信息,其中,所述第一型号分布信息和所述第一效率分布信息一一对应;根据所述第一缝纫机群对应的第一机群人员,获得第二效率分布信息;基于所述第一型号分布信息和所述第二效率分布信息,生成第二双值决策输入信息;将所述第一双值决策输入信息和所述第二双值决策输入信息,输入双值决策控制模型中,以第一待制备数据为响应目标,输出第一决策信息;根据所述第一决策信息对所述第一缝纫机群进行群控管理。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如a,b,或c中的至少一项(个、种),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘(SolidState Disk,SSD))等。
本申请中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (10)
1.一种缝纫机的群控管理方法,其特征在于,所述方法包括:
获得第一制备工厂的第一缝纫机群和第一生产线;
根据所述第一缝纫机群和所述第一生产线的信息,获得第一型号分布信息;
基于所述第一型号分布信息,生成第一效率分布信息;
根据所述第一型号分布信息和所述第一效率分布信息生成第一双值决策输入信息,其中,所述第一型号分布信息和所述第一效率分布信息一一对应;
根据所述第一缝纫机群对应的第一机群人员,获得第二效率分布信息;
基于所述第一型号分布信息和所述第二效率分布信息,生成第二双值决策输入信息;
将所述第一双值决策输入信息和所述第二双值决策输入信息,输入双值决策控制模型中,以第一待制备数据为响应目标,输出第一决策信息;
根据所述第一决策信息对所述第一缝纫机群进行群控管理。
2.如权利要求1所述的方法,其特征在于,所述根据所述第一缝纫机群对应的第一机群人员,获得第二效率分布信息,所述方法还包括:
获得所述第一机群人员信息;
根据所述第一机群人员信息,获得工作年限信息和历史使用机群;
获得所述第一机群人员的实时匹配缝纫机;
根据所述工作年限信息和所述历史使用机群,分析所述实时匹配缝纫机的第一匹配性;
按照所述第一匹配性生成的匹配分布集合对所述第二效率分布信息进行调整。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
获得所述实时匹配缝纫机的类型信息;
根据所述实时匹配缝纫机的类型信息,获得第一迭代机型;
根据所述第一迭代机型,对所述第一机群人员的历史使用机群进行型号类比匹配,获得第一匹配结果;
若所述第一匹配结果为匹配成功,输出第一类比使用机群,其中,所述第一类比使用机群为符合所述第一迭代机型的机群;
根据所述第一类比使用机群进行差异性分析,输出第一调整数据。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
获得所述第一制备工厂的生产控制平台,其中,所述生产控制平台用于接收订单数据实现生产线控制;
根据所述生产控制平台,获得第一生产织品信息;
根据所述第一生产织品信息进行流程工艺划分,输出多个制备分区,其中,所述多个制备分区中每个制备分区为同一类型的机群;
根据所述第一生产织品信息,获得第一需求效率;
按照所述第一需求效率对所述多个制备分区的机群进行配置,获得所述第一待制备数据。
5.如权利要求1所述的方法,其特征在于,所述将所述第一双值决策输入信息和所述第二双值决策输入信息,输入双值决策控制模型中,所述方法还包括:
搭建所述双值决策控制模型,根据所述双值决策控制模型,接收所述第一双值决策输入信息和所述第二双值决策输入信息,其中,所述双值决策控制模型是以所述第一双值决策输入信息为训练数据进行训练获得的;
以所述第一双值决策输入信息为输入定量,以所述第二双值决策输入信息为输入变量,以所述第一待制备数据为响应目标,输出第一决策数据;
根据所述第一决策数据,获得第一调控效率。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
获得所述第一制备工厂的能耗信息;
根据所述第一缝纫机群对所述第一制备工厂的能耗信息进行能耗提取,输出第一机群能耗信息;
按照所述第一机群能耗信息,生成第一能耗分布信息;
将所述第一能耗分布信息输入所述双值决策控制模型,输出第二决策数据。
7.如权利要求6所述的方法,其特征在于,所述将所述第一能耗分布信息输入所述双值决策控制模型,输出第二决策数据,所述方法还包括:
根据第一调用指令,调用所述第一决策数据,其中,所述第一决策数据为基于效率的机群调整控制数据;
将所述第一决策数据作为监督数据反馈输入至所述双值决策控制模型中,根据所述双值决策控制模型,输出所述第二决策数据,其中,所述第二决策数据为基于能耗的机群调整控制数据。
8.一种缝纫机的群控管理***,其特征在于,所述***包括:
第一获得单元,所述第一获得单元用于获得第一制备工厂的第一缝纫机群和第一生产线;
第二获得单元,所述第二获得单元用于根据所述第一缝纫机群和所述第一生产线的信息,获得第一型号分布信息;
第一生成单元,所述第一生成单元用于基于所述第一型号分布信息,生成第一效率分布信息;
第二生成单元,所述第二生成单元用于根据所述第一型号分布信息和所述第一效率分布信息生成第一双值决策输入信息,其中,所述第一型号分布信息和所述第一效率分布信息一一对应;
第三获得单元,所述第三获得单元用于根据所述第一缝纫机群对应的第一机群人员,获得第二效率分布信息;
第三生成单元,所述第三生成单元用于基于所述第一型号分布信息和所述第二效率分布信息,生成第二双值决策输入信息;
第一执行单元,所述第一执行单元用于将所述第一双值决策输入信息和所述第二双值决策输入信息,输入双值决策控制模型中,以第一待制备数据为响应目标,输出第一决策信息;
第二执行单元,所述第二执行单元用于根据所述第一决策信息对所述第一缝纫机群进行群控管理。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至7任一项所述方法的步骤。
10.一种计算机程序产品,包括计算机程序和/或指令,其特征在于,该计算机程序和/或指令被处理器执行时实现权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211148254.9A CN115248577B (zh) | 2022-09-21 | 2022-09-21 | 一种缝纫机的群控管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211148254.9A CN115248577B (zh) | 2022-09-21 | 2022-09-21 | 一种缝纫机的群控管理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115248577A true CN115248577A (zh) | 2022-10-28 |
CN115248577B CN115248577B (zh) | 2023-07-04 |
Family
ID=83700722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211148254.9A Active CN115248577B (zh) | 2022-09-21 | 2022-09-21 | 一种缝纫机的群控管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115248577B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159979A (zh) * | 2021-03-17 | 2021-07-23 | 清华大学 | 一种排产决策方法与*** |
CN113554302A (zh) * | 2021-07-19 | 2021-10-26 | 张缪春 | 一种基于mes智能制造的生产管理方法及*** |
CN114091610A (zh) * | 2021-11-25 | 2022-02-25 | 中国联合网络通信集团有限公司 | 智能决策方法及装置 |
CN114283023A (zh) * | 2021-12-29 | 2022-04-05 | 工业云制造(四川)创新中心有限公司 | 一种基于云制造支撑技术的制造管理方法及*** |
CN114862112A (zh) * | 2022-04-02 | 2022-08-05 | 中建钢构工程有限公司 | 一种用于工业制造单元的智能群控方法、***及电子设备 |
-
2022
- 2022-09-21 CN CN202211148254.9A patent/CN115248577B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159979A (zh) * | 2021-03-17 | 2021-07-23 | 清华大学 | 一种排产决策方法与*** |
CN113554302A (zh) * | 2021-07-19 | 2021-10-26 | 张缪春 | 一种基于mes智能制造的生产管理方法及*** |
CN114091610A (zh) * | 2021-11-25 | 2022-02-25 | 中国联合网络通信集团有限公司 | 智能决策方法及装置 |
CN114283023A (zh) * | 2021-12-29 | 2022-04-05 | 工业云制造(四川)创新中心有限公司 | 一种基于云制造支撑技术的制造管理方法及*** |
CN114862112A (zh) * | 2022-04-02 | 2022-08-05 | 中建钢构工程有限公司 | 一种用于工业制造单元的智能群控方法、***及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115248577B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sheng et al. | Optimal placement and sizing of distributed generation via an improved nondominated sorting genetic algorithm II | |
Blanco et al. | An efficient robust solution to the two-stage stochastic unit commitment problem | |
Ye et al. | Multi-objective optimal power flow considering transient stability based on parallel NSGA-II | |
Asrari et al. | Reconfiguration of smart distribution systems with time varying loads using parallel computing | |
CN104424512B (zh) | 操作计划决策方法和操作计划决策*** | |
CN101478157B (zh) | 自动发电控制***及其负荷预测自动综合的优化方法 | |
Du et al. | Game-theoretic formulation of power dispatch with guaranteed convergence and prioritized bestresponse | |
CN106934497A (zh) | 基于深度学习的智慧小区用电量实时预测方法及装置 | |
CN111639793A (zh) | 一种锅炉群组调度优化方法及装置 | |
CN107679719A (zh) | 一种复杂电网电能质量知识云监测与评价***和方法 | |
Bahmanifirouzi et al. | Multi-objective stochastic dynamic economic emission dispatch enhancement by fuzzy adaptive modified theta particle swarm optimization | |
CN107908459B (zh) | 一种云计算调度*** | |
Liao et al. | Multicore parallel dynamic programming algorithm for short-term hydro-unit load dispatching of huge hydropower stations serving multiple power grids | |
CN115248577A (zh) | 一种缝纫机的群控管理方法及*** | |
Ying et al. | A nonlinear service composition method based on the skyline operator | |
CN113922369B (zh) | 用于输配电网可靠性评估的方法、终端及存储介质 | |
CN112737422B (zh) | 一种基于云计算的电机设备调速控制方法 | |
Wang et al. | Distributed finite-time economic dispatch for islanded microgrids | |
Jiang et al. | Improved heuristic algorithm for modern industrial production scheduling | |
CN107069743A (zh) | 电网断面潮流的自动调整计算方法 | |
CN113673141A (zh) | 一种基于数据驱动的能量路由器建模及优化控制方法 | |
CN116719873B (zh) | 一种分布式电源边缘自治软件控制*** | |
Damjanović et al. | High Performance Computing Reinforcement Learning Framework for Power System Control | |
CN113675894B (zh) | 主动配电网云边协同调控方法、装置和终端设备 | |
CN114418358A (zh) | 锅炉调度方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231129 Address after: 200122 room A-D, 12th floor, Dongfang Building, 1500 Century Avenue, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Patentee after: SHANGGONG SHENBEI (GROUP) CO.,LTD. Address before: 215600 No. 8, Miaoqiao Middle Road, Tangqiao town, Zhangjiagang City, Suzhou City, Jiangsu Province Patentee before: BAIFU INDUSTRIAL SEWING MACHINE (ZHANGJIAGANG) CO.,LTD. |
|
TR01 | Transfer of patent right |