一种适用于服装制造产线的一体化动态排程方法与流程

1.本发明涉及服装制造产线排程技术领域，具体涉及一种适用于服装制造产线的一体化动态排程方法。

背景技术：

2.服装制造产线排程，是指将生产任务分配至生产资源的过程，在考虑能力和设备的前提下，在物料数量一定的情况下，安排各生产任务的生产顺序，优化生产顺序，优化选择生产设备，使得减少等待时间，平衡各机器和工人的生产负荷，从而优化产能，提高生产效率，缩短生产周期。
3.在服装生产流程中，计划订单确定到最终排产涉及众多环节信息，其中排产计划是产线制造过程中最重要的环节，需要综合权衡众多环节信息从而进行决策，以使众多环节信息在排产计划上体现并记录，传统的服装制造产线排程，生产排程计划缺乏科学的管理，各环节单独的工序任务完成之前锁定人员资源，各工序之间的产能量拉开差距情况下，导致各工序所锁定的人员资源造成浪费，无法进行合理有效的安排，严重影响工作效率。

技术实现要素：

4.本发明的目的在于提供一种适用于服装制造产线的一体化动态排程方法，用于解决上述背景技术中提出的问题。
5.本发明的目的可以通过以下技术方案实现：
6.一种适用于服装制造产线的一体化动态排程方法，包括以下步骤：
7.s10、采集产线的生产数据，以及采集待排程虚拟产线中的订单数据；
8.s20、基于所述生产数据和订单数据，建立强化学习模型，对虚拟产线订单进行实际排产，生成动态排程计划；
9.s30、基于所述动态排程计划进行信息回馈，并做出动态调整，在预设计算时间和预设计算资源条件下生成最佳排产计划；
10.其中，s30步骤中所述信息回馈依据产线用户终端做出的调整信息数据，并判断动态调整是否进行，符合动态调整的信息结果重复s20步骤，并生成动态调整后的动态排程计划，直至信息回馈结果不符合动态调整，在预设计算时间和预设计算资源条件下最终生成最佳排产计划。
11.作为本发明进一步的方案：所述生产数据包括产线工序数据以及各工序原定配置工人数据。
12.作为本发明进一步的方案：所述订单数据包括按原计划排产订单信息数据以及优先插单信息数据。
13.作为本发明进一步的方案：所述强化学习模型通过环境参数、奖励函数和动态特性进行学习训练演算，在多个不同调配闲置工人模拟情境下以及针对不同订单的介入时间模拟情境下产生多个排程决策，并针对每一模拟情境判断出最佳排程决策，在预设计算时
间和预设计算资源条件下直到模拟迭代获取最优化排程决策终止，并生成动态排程计划。
14.作为本发明进一步的方案：所述环境参数包括工人的历史产能数据以及服装订单耗时数据。
15.作为本发明进一步的方案：所述动态特性包括款式品类和紧急程度。
16.作为本发明进一步的方案：所述奖励函数是针对客户需求设计的自定义函数，在预设计算时间和预设计算资源条件下，对多个不同模拟情境下做出奖励机制判断的最佳排程代理策略。
17.作为本发明进一步的方案：所述奖励机制判断依据最优化排程决策目标不延时或生产成本最低为约束条件。
18.作为本发明进一步的方案：所述最佳排产计划采用甘特图进行显示。
19.本发明的有益效果：
20.(1)本发明的一种适用于服装制造产线的一体化动态排程方法借助强化学习模型，根据生产数据和订单数据以及特定算法对调配闲置工人进行不同情景模拟以及针对不同订单的介入时间模拟情境演算，从而训练模型快速生成动态排程计划，再根据是否符合产线用户终端的信息回馈，从而简化虚拟服装产线排程作业，辅助用户提高生产效率、降低生产成本；
21.(2)本发明通过调整工序中分配闲置工人组合，并在一轮轮模拟中迭代优化，并在最优化排产计划中设置对应的奖赏机制，可以到一个有限计算量下最优的方案，达到本发明的优先排产计划目标，可以动态高效调整生产排程计划，资源调配智能高效，以使生产排程计划具备科学管理性能，有助于奖赏提高工作效率。
附图说明
22.下面结合附图对本发明作进一步的说明。
23.图1是本发明一体化动态排程方法的流程框图；
24.图2是本发明一体化动态排程方法的具体流程示意图。
具体实施方式
25.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
26.请参阅图1-2所示，本发明为一种适用于服装制造产线的一体化动态排程方法，包括以下步骤：
27.s10、采集产线的生产数据，以及采集待排程虚拟产线中的订单数据；
28.s20、基于所述生产数据和订单数据，建立强化学习模型，对虚拟产线订单进行实际排产，生成动态排程计划；
29.s30、基于所述动态排程计划进行信息回馈，并做出动态调整，生成最佳排产计划；
30.其中，s30步骤中所述信息回馈依据产线用户终端做出的调整信息数据，并判断动态调整是否进行，符合动态调整的信息结果重复s20步骤，并生成动态调整后的动态排程计
划，直至信息回馈结果不符合动态调整，最终生成最佳排产计划。
31.开始后，采集生产数据和订单数据，基于生产数据和订单数据采用强化学习模型生成动态排程计划，根据生成的动态排程计划在进行生成过程中，产线用户终端可以实时进行信息回馈，考虑是否达到产线用户终端预期，并根据信息回馈结果判断动态排程计划是否符合动态调整，若符合动态调整，则返回重新采集生产数据和订单数据、并由强化学习模型调整生成动态排程计划、再进行信息回馈，直至信息回馈结果不符合动态调整；若符合动态调整则作为最佳排产计划输出，结束。
32.所述生产数据包括产线工序数据以及各工序原定配置工人数据。
33.所述订单数据包括按原计划排产订单信息数据以及优先插单信息数据。
34.所述强化学习模型通过环境参数、奖励函数和动态特性进行学习训练演算，在多个不同调配闲置工人模拟情境下以及针对不同订单的介入时间模拟情境下产生多个排程决策，并针对每一模拟情境判断出最佳排程决策，在预设计算时间和预设计算资源条件下直到模拟迭代获取最优化排程决策终止，并生成动态排程计划，其中，模拟情境的设定需考虑是否满足产能最大化、生产周期最短、设备稼动率最高等多种情境。
35.所述环境参数包括工人的历史产能数据以及服装订单耗时数据，对于参数的定义更为自然和便捷，优于现有遗传算法中程序逻辑中的条件抽象处理。
36.所述奖励函数是针对客户需求设计的自定义函数，在预设计算时间和预设计算资源条件下，对多个不同模拟情境下做出奖励机制判断的最佳排程代理策略。
37.所述奖励机制判断依据最优化排程决策目标不延时或生产成本最低为约束条件，且不限于其它约定的约束条件。
38.所述动态特性包括款式品类和紧急程度。
39.所述最佳排产计划采用甘特图进行显示，在甘特图中，结合最佳排产计划和在制库存数据，可以得知库存订单变化，并根据最佳排产计划直观显示闲置工人资源利用率。
40.与现有技术相比，本发明的一种适用于服装制造产线的一体化动态排程方法借助强化学习模型，根据生产数据和订单数据以及特定算法对调配闲置工人进行不同情景模拟演算，从而训练模型快速生成动态排程计划，再根据是否符合产线用户终端的信息回馈，从而简化服装产线排程作业，辅助用户提高生产效率、降低生产成本。
41.综合利用上述信息，使用者还可以根据本发明的一种适用于服装制造产线的一体化动态排程方法进行产能瓶颈分析、模拟生产或生产调节等，产能瓶颈分析具体包括若有些订单不能按期交付，可以结合动态排程计划和设备的负载情况，到瓶颈资源，进而通过增加资源或者外包第三方生产等方式促进订单按期交付；模拟生产具体包括在现有动态排程计划的基础上，如果再接到新的订单，可以利用本发明的动态生产计划排程系统模拟一下生产情况，评估是否可以按期交付；生产调节具体包括根据生产与管理过程中反馈的实际生产信息，动态调整排程结果，可以进行二次排程，形成从高级计划排程到实际生产的闭环反馈。
42.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程；其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非
易失性和/或易失性存储器。
43.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，从而完成以上描述的全部或者部分功能。
44.以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

技术特征：

1.一种适用于服装制造产线的一体化动态排程方法，其特征在于，包括以下步骤：s10、采集产线的生产数据，以及采集待排程虚拟产线中的订单数据；s20、基于所述生产数据和订单数据，建立强化学习模型，对虚拟产线订单进行实际排产，生成动态排程计划；s30、基于所述动态排程计划进行信息回馈，并做出动态调整，在预设计算时间和预设计算资源条件下生成最佳排产计划；其中，s30步骤中所述信息回馈依据产线用户终端做出的调整信息数据，并判断动态调整是否进行，符合动态调整的信息结果重复s20步骤，并生成动态调整后的动态排程计划，直至信息回馈结果不符合动态调整，在预设计算时间和预设计算资源条件下最终生成最佳排产计划。2.根据权利要求1所述的一种适用于服装制造产线的一体化动态排程方法，其特征在于，所述生产数据包括产线工序数据以及各工序原定配置工人数据。3.根据权利要求1所述的一种适用于服装制造产线的一体化动态排程方法，其特征在于，所述订单数据包括按原计划排产订单信息数据以及优先插单信息数据。4.根据权利要求1所述的一种适用于服装制造产线的一体化动态排程方法，其特征在于，所述强化学习模型通过环境参数、奖励函数和动态特性进行学习训练演算，在多个不同调配闲置工人模拟情境下以及针对不同订单的介入时间模拟情境下产生多个排程决策，并针对每一模拟情境判断出最佳排程决策，在预设计算时间和预设计算资源条件下直到模拟迭代获取最优化排程决策终止，并生成动态排程计划。5.根据权利要求4所述的一种适用于服装制造产线的一体化动态排程方法，其特征在于，所述环境参数包括工人的历史产能数据以及服装订单耗时数据。6.根据权利要求4所述的一种适用于服装制造产线的一体化动态排程方法，其特征在于，所述动态特性包括款式品类和紧急程度。7.根据权利要求4所述的一种适用于服装制造产线的一体化动态排程方法，其特征在于，所述奖励函数是针对客户需求设计的自定义函数，在预设计算时间和预设计算资源条件下，并对多个不同模拟情境下做出奖励机制判断的最佳排程代理策略。8.根据权利要求7所述的一种适用于服装制造产线的一体化动态排程方法，其特征在于，所述奖励机制判断依据最优化排程决策目标不延时或生产成本最低为约束条件。9.根据权利要求1所述的一种适用于服装制造产线的一体化动态排程方法，其特征在于，所述最佳排产计划采用甘特图进行显示。

技术总结

本发明公开了一种适用于服装制造产线的一体化动态排程方法，包括以下步骤：采集产线的生产数据和订单数据；基于所述生产数据和订单数据，建立强化学习模型，对虚拟产线订单进行实际排产，生成动态排程计划；基于所述动态排程计划进行信息回馈，并做出动态调整，生成最佳排产计划；其中，所述信息回馈依据产线用户终端做出的调整信息数据，并判断动态调整是否进行，符合动态调整的信息结果重复强化学习处理，并生成动态调整后的动态排程计划，直至信息回馈结果不符合动态调整，最终生成最佳排产计划，借助强化学习模型，从而简化虚拟服装产线排程作业，辅助用户提高生产效率、降低生产成本。产成本。产成本。