申请/专利权人:南京迅集科技有限公司
申请日:2024-02-29
公开(公告)日:2024-04-02
公开(公告)号:CN117808272A
主分类号:G06Q10/0631
分类号:G06Q10/0631;G06Q10/067;G06Q50/04;G06F30/27;G06F119/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明涉及机器学习技术领域,是一种基于机器学习的工业系统产能优化与调度方法和系统,具体方法包括:构建工业园区的工业系统所属的生产节点的动态网格可视化框架;获取工业园区的工业系统上一年的生产产品的历史生产信息数据,以及工业系统的生产产品的实时生产信息数据;构建机器学习模型,对历史生产信息数据和实时生产信息数据进行融合分析和产能威胁值的预测计算;根据机器学习模型预测计算的产能威胁值,进行产能优化等级判断;核验评估各个生产节点的生产速度,并执行产能调度策略。本发明解决了现有技术中,工业系统产能容易受到在岗工作人数、故障设备数量、市场需求信息的影响,对工业系统产能的优化实时性差和全面性弱的问题。
主权项:1.一种基于机器学习的工业系统产能优化与调度方法,其特征在于:所述方法包括如下具体步骤:S1:构建工业园区的工业系统所属的生产节点的动态网格可视化框架;S2:获取工业园区的工业系统上一年的生产产品的历史生产信息数据,以及工业系统的生产产品的实时生产信息数据;S3:构建机器学习模型,对S2中的历史生产信息数据和实时生产信息数据进行融合分析和产能威胁值的预测计算;S4:根据机器学习模型预测计算的产能威胁值,进行产能优化等级判断;S5:实时可视化更新各个生产节点的产能优化等级数据,核验评估各个生产节点的生产速度,并执行产能调度策略。
全文数据:
权利要求:
百度查询: 南京迅集科技有限公司 一种基于机器学习的工业系统产能优化与调度方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。