本发明涉及离散制造技术领域。具体为一种基于人工智能的离散制造智能管理系统及方法，所述智能管理系统包括节点模块、数据分析模块、网闸模块和管理模块；所述节点模块能够对订货单的数据信息存储，收集生产线上所有生产设备反馈的数据信息并且控制生产线上生产设备的工位智能调度；所述数据分析模块是根据产品的生产信息对产品物料的供需关系以及生产设备的有效生产速度和综合利用率分析；所述网闸模块为控制节点设备之间的数据信息传输；所述管理模块在订货单无法执行时进行告警提醒，并且在产品物料在供需关系不对等时对生产线上生产设备的工位调度。本发明通过对订货单的执行率和生产设备分析，对生产设备的工位进行调度使其满足供需关系。
1.一种基于人工智能的离散制造智能管理方法，其特征在于：所述离散制造智能管理方法包括以下步骤：
S100、将订货单的信息数据存储外网区块链上第一个节点设备中，并且根据内网区块链上第三个节点设备反馈的数据信息，对存储在第一节点设备的订货单进行执行率评估；
S200、获取所述第一节点设备中订货单的执行率，将所述订货单的执行率与设定的阈值进行比较后，通过网闸对订货单数据信息进行摆渡传输到内网区块链上第二节点设备中；所述第一节点设备与第二节点设备之间设有网闸；
所述S200包括：S201、所述订货单的执行率与设定的阈值A进行比较；
S202、当订货单的执行率大于设定的阈值A时，第一节点设备和第二节点设备之间的网闸对订货单的数据信息进行摆渡，外网区块链上的第一节点设备接收到网闸的访问，网闸对订货单的数据信息进行读写传输到内网区块链上第二节点设备中，第一节点设备将网闸读写过的订货单的数据信息进行删除；
S203、当订货单的执行率小于设定的阈值A时，网闸无法连接外网区块链上第一节点设备与内网区块链上第二节点设备的物理通路，当订货单在第一节点设备存储的时长超过了设定的阈值B时，告警单元对系统终端输出告警提示；
S300、当订货单大于网闸设定的阈值时，建立匹配模型对产品在生产的过程中的供需关系进行分析，当出现供需关系不对等导致产品进行组装时无法满足订货单的交易数量，对生产设备的综合利用率进行分析；
S400、根据所述生产设备的综合利用率对生产线的生产工位进行调度，生产车间按照订货单执行生产制造计划。
2.根据权利要求1所述的一种基于人工智能的离散制造智能管理方法，其特征在于：所述S100中对存储在第一节点设备的订货进行执行率评估的具体方法如下：S101、根据区块链第三个节点设备反馈的数据信息，获取不同生产线上生产车间中能够为订货单进行加工生产的空余生产设备的生产速度xij以及物料合格率kij，得到不同生产线上空余生产设备的物料有效生产速度为Wij＝axij*kij，其中a为空余生产设备的生产速度以及物料合格率与物料有效生产速度之间的系数，xij和kij分别表示第j个生产线上第i个空余生产设备的生产速度和物料合格率；
S102、通过所述区块链上第一个节点设备获取订货单的交易时间t以及交易数量m，计算得到订货单的执行率为[(∑Wij/ij)*(t/m)]*100％。
3.根据权利要求2所述的一种基于人工智能的离散制造智能管理方法，其特征在于：所述S300包括：
S301、通过内网区块链上的第三节点设备获取所有生产线中的任意两个生产线的产品I
物料的生产信息，当所述任意两个生产线的产品物料的生产信息存在t*∑i＝1Wij’＜m且t*I
∑i＝1Wij＞m时，对第j个生产线上生产设备的综合利用率进行分析，其中j’＝1、2、3，...，J’，j’≠j，J’表示为所有生产线中生产物料数量在组装的过程中无法按照订货单的交易数量进行交易的生产线个数；i＝1、2、3，...，I，I表示为生产线j中的生产设备的个数；j＝1、
S302、通过所述内网区块链上第三节点设备获取第j个生产线上生产设备的开机率为Zij、生产速度为xij和物料合格率为kij，根据生产设备的生产速度和物料合格率分别得到第j个生产线上生产设备的综合利用率为Uij＝bZij+axij*kij，其中b为生产设备的综合利用率与生产设备开机率之间的系数；将第j个生产线上生产设备根据综合利用率Uij按照由大到小进行排序。
4.根据权利要求3所述的一种基于人工智能的离散制造智能管理方法，其特征在于：所述S400包括：根据第j个生产线上生产设备综合利用率的排序，选取任意个数的生产设备的I I’工位进行调度使得t(∑i＝1Wij－∑ i’＝1Wi’j)≥m，将第j个生产线上调取的工位安置第j’个I生产线上的生产设备，其中∑i＝1Wij表示为第j个生产线上i个生产设备的有效生产速度之I’
和，∑ i’＝1Wi’j为第j个生产线上i’个生产设备的有效生产速度之和，i’个生产设备为第j个生产线上任意个数的生产设备，i’＝1、2、3，...，I’，I’＜I，i’≠i；I’表示为生产线j上需要调度给j’的生产设备工位的个数。
5.一种应用权利要求1‑4中任意一项所述的基于人工智能的离散制造智能管理方法的离散制造智能管理系统，其特征在于：所述离散制造智能管理系统包括节点模块、数据分析模块、网闸模块和管理模块；所述节点模块能够对订货单的数据信息进行存储，收集生产线上所有生产设备反馈的数据信息并且能够控制生产线上的工位进行智能调度；所述数据分析模块是根据产品的生产信息对产品物料的供需关系以及生产设备的有效生产速度和综合利用率进行分析；所述网闸模块主要控制节点设备之间的数据信息传输；所述管理模块在订货单无法执行时进行告警提醒，并且能够在产品物料在供需关系不对等时对生产线上的工位进行调度。
6.根据权利要求5所述的离散制造智能管理系统，其特征在于：所述节点模块包括第一节点设备单元、第二节点设备单元和第三节点设备单元；所述第一节点设备单元是订货单的信息数据存储单元，所述第二节点设备单元是为生产车间的总控终端设备；所述第三节点设备单元是获取生产设备的数据信息。
7.根据权利要求6所述的离散制造智能管理系统，其特征在于：所述网闸模块包括访问单元和读写单元；所述访问单元是在订货单的执行率大于设定的阈值时，对存储订货单数据信息的节点设备进行访问；所述读写单元为访问完节点设备后对订货单的数据信息进行读出，并且在将订货单的数据信息写入到目标节点设备中。
8.根据权利要求7所述的离散制造智能管理系统，其特征在于：所述管理模块包括告警单元和智能调度单元；所述告警单元为订货单在节点设备中存储的时间超过设定的阈值时进行告警提示；所述智能调度单元为在产品物料生产过程中供需关系不对等时对生产线上的工位进行智能调度。
一种基于人工智能的离散制造智能管理系统及方法
技术领域
[0001] 本发明涉及离散制造技术领域，具体为一种基于人工智能的离散制造智能管理系统及方法。
背景技术
[0002] 离散制造是指产品的生产过程通常被分解成很多加工任务来完成，从产品形态来说，离散制造的产品相对较为复杂，包含多个零部件，一般具有相对较为固定的产品结构，原材料清单和零部件配套关系。对主要的业务流程的管理由以下几个业务管理系统完成：采购管理、仓库管理、生产过程管理、销售管理等。
[0003] 在现有的技术下，离散制造生产的数据多、数据的维护工作量大，容易出现数据丢失或者篡改的情况出现；由于离散制造是将产品的组装物料分成多个加工任务进行生产制造，当物料在生产的过程中会出现物料数量过剩以及部分物料不足的情况，在这种情况下产品在组装的过程中会出现数量过剩导致的物料堆积，容易造成资源浪费。
发明内容
[0004] 本发明的目的在于提供一种基于人工智能的离散制造智能管理系统及方法，以解决上述背景技术中提出的问题。
[0005] 为了解决上述技术问题，本发明提供如下技术方案：一种基于人工智能的离散制造智能管理方法，所述离散制造智能管理方法包括以下步骤：
[0006] S100、将订货单的信息数据存储外网区块链上第一个节点设备中，并且根据内网区块链上第三个节点设备反馈的数据信息，对存储在第一节点设备的订货单进行执行率评估；所述第三节点设备反馈的数据信息为生产车间中不同生产线上空余生产设备的数据信息；所述内网区块链上第三节点设备为接收所有生产设备反馈数据信息的数据采集设备，所述外网区块链上第一节点设备为订货单信息数据的存储设备；
[0007] S200、获取所述第一节点设备中订货单的执行率，将所述订货单的执行率与设定的阈值进行比较后，通过网闸对订货单数据信息进行摆渡传输到内网区块链上第二节点设备中；所述第一节点设备与第二节点设备之间设有网闸；当订货单的执行率小于设定的阈值时，网闸将不会连接区块链上第一节点设备与第二节点设备之间的物理通路，由于第一节点设备中的订货单的数据信息无法发送到第二节点设备，第一节点设备将订货单进行退回处理；当订货单的执行率大于设定的阈值时，网闸连接外网区块链上第一节点设备与内网区块链上第二节点设备之间的物理通路，使得订货单的数据信息发送到第二节点设备中，由生产车间按照订货单的数据信息执行生产制造计划；所述区块链上第二节点设备为生产车间的总控终端设备；
[0008] S300、订货单大于网闸设定的阈值，建立匹配模型对产品在生产的过程中的供需关系进行分析，当出现供需关系不对等导致无法正常对产品进行组装时，通过区块链上第三节点设备获取生产设备的数据信息，并且对生产设备的综合利用率进行分析；所述生产设备的综合利用率包括了生产设备的开机率和有效生产速度；
[0009] S400、根据所述生产设备的综合利用率对生产线上生产设备的工位进行调度，生产车间按照订货单执行生产制造计划，使得生产制造的产品物料在产品组装的过程中能够满足订货单的交易数量，所述产品为不同物料组装形成，当在产品组装过程中出现某个物料的缺少会导致该产品无法正常组装。
[0010] 进一步的，所述S100中对存储在第一节点设备的订货进行执行率评估的具体方法如下：
[0011] S101、根据区块链第三个节点设备反馈的数据信息，获取不同生产线上生产车间中能够为订货单进行加工生产的空余生产设备的生产速度xij以及物料合格率kij，i＝1、2、3，...，I，I为常数；j＝1、2、3，...，J，J为常数；其中xij和kij分别表示第j个生产线上第i个空余生产设备的生产速度和物料合格率；根据所述不同生产线上空余生产设备的生产速度xij以及物料合格率kij，得到不同生产线上空余生产设备的物料有效生产速度为Wij＝axij*kij，其中a为空余生产设备的生产速度以及物料合格率与物料有效生产速度之间的系数；
[0012] S102、通过所述区块链上第一个节点设备获取订货单的交易时间t以及交易数量m，其中t和m都为常数；通过计算得到订货单的执行率为[(∑Wij/ij)*(t/m)]*100％。
[0013] 进一步的，所述S200包括：
[0014] S201、所述订货单的执行率与设定的阈值A进行比较，其中A为常数；
[0015] S202、当订货单的执行率大于设定的阈值A时，第一节点设备和第二节点设备之间的网闸对订货单的数据信息进行摆渡，外网区块链上的第一节点设备接收到网闸的访问，网闸对订货单的数据信息进行读写传输到内网区块链上第二节点设备中，第一节点设备将网闸读写过的订货单的数据信息进行删除，避免订货单的数据信息重复读写；由于节点设备都处于区块链上，能够确保订货单数据信息的准确性；
[0016] S203、当订货单的执行率小于设定的阈值A时，网闸无法连接外网区块链上第一节点设备与内网区块链上第二节点设备的物理通路，当订货单在第一节点设备存储的时长超过了设定的阈值B时，告警单元对系统终端输出告警提示，提醒相关人员对执行率小于设定阈值A的订货单进行处理，处理方法如：将与客户商量将订货单的交易时间或者交易数量进行修改，使得订货单的执行率大于设定的阈值A；所述网闸在外网区块链上第一节点设备和内网区块链上第二节点设备之间实现逻辑隔离，主要体现在网络模型各层的断开，所述网络模型各层的断开为物理层断开、链路层断开、TCP/IP协议隔离以及应用协议隔离，其中B为常数。
[0017] 进一步的，所述S300包括：
[0018] S301、通过内网区块链上的第三节点设备获取所有生产线中的任意两个生产线的I产品物料的生产信息，当所述任意两个生产线的产品物料的生产信息存在t*∑i＝1Wij’＜mI
且t*∑i＝1Wij＞m时，说明第j’个生产线上生产的物料数量使得产品在组装的过程中无法按照订货单的交易数量进行交易，并且第j个生产线上生产的物料数量过剩需要对第j个生产线上生产设备的工位进行调度；对第j个生产线上生产设备的综合利用率进行分析，其中j’＝1、2、3，...，J’，j’≠j；所述生产设备的综合利用率包括了生产设备的开机率和有效生产速度；
[0019] S302、通过所述内网区块链上第三节点设备获取第j个生产线上生产设备的开机率为Zij、生产速度为xij和物料合格率为kij，根据生产设备的生产速度和物料合格率分别得到第j个生产线上生产设备的综合利用率为Uij＝bZij+axij*kij，其中b为生产设备的综合利用率与生产设备开机率之间的系数；将第j个生产线上生产设备根据综合利用率Uij按照由大到小进行排序。
[0020] 进一步的，所述S400包括：根据第j个生产线上生产设备综合利用率的排序，选取I I’任意个数的生产设备的工位进行调度使得t(∑i＝1Wij－∑ i’＝1Wi’j)≥m，说明将第j个生产线上的i’个生产设备的工位调度给第j’个生产线生产物料时，能够使第j个生产线生产的物料在产品组装的过程中满足订货单的交易数量；将第j个生产线上调取的工位安置第j’个生产线上的生产设备，使得第j’个生产线生产的物料在产品组装的过程中能够满足订货I
单的交易数量；其中∑ i＝1Wij表示为第j个生产线上i个生产设备的有效生产速度之和，I’
∑ i’＝1Wi’j为第j个生产线上i’个生产设备的有效生产速度之和，i’个生产设备为选取第j个生产线上任意个数的生产设备，i’＝1、2、3，...，I’，I’＜I，i’≠i。
[0021] 一种基于人工智能的离散制造智能管理系统，所述离散制造智能管理系统包括节点模块、数据分析模块、网闸模块和管理模块；所述节点模块能够对订货单的数据信息进行存储，收集生产线上所有生产设备反馈的数据信息并且能够控制生产线上生产设备的工位进行智能调度，在离散制造中具有存储、传送或者收集数据信息的设备；所述数据分析模块是根据产品的生产信息对产品物料的供需关系以及生产设备的有效生产速度和综合利用率进行分析；所述网闸模块主要控制节点设备之间的数据信息传输，在节点设备之间数据信息进行交换过程中，对病毒以及恶意代码等信息进行过滤，保证了节点设备传输的信息安全；所述管理模块在订货单无法执行时进行告警提醒，避免企业信誉的降低；并且能够在产品物料在供需关系对等时对生产设备的工位进行调度。
[0022] 进一步的，所述节点模块包括第一节点设备单元、第二节点设备单元和第三节点设备单元；所述第一节点设备单元是订货单的信息数据存储单元，所述第二节点设备单元是为生产车间的总控终端设备，在产品物料生产的过程中出现供需关系不对等，控制生产设备对其进行调度；所述第三节点设备单元是获取生产设备的数据信息，如：生产设备的开机率、生产速度以及物料合格率。
[0023] 进一步的，所述网闸模块包括访问单元和读写单元；所述访问单元是在订货单的执行率大于设定的阈值时，对存储订货单数据信息的节点设备进行访问；所述读写单元为访问完节点设备后对订货单的数据信息进行读出，并且在将订货单的数据信息写入到目标节点设备中。
[0024] 进一步的，所述管理模块包括告警单元和智能调度单元；所述告警单元为订货单在节点设备中存储的时间超过设定的阈值时进行告警提示；所述智能调度单元为在产品物料生产过程中供需关系不对等时对生产线上生产设备的工位进行智能调度。
[0025] 与现有技术相比，本发明所达到的有益效果是：本发明通过对订货单的执行率进行分析，将订货单的数据信息通过网闸传输到生产车间总控设备中，令生产车间总控设备按照订货单的数据信息完成生产制造的过程；能够确保订货单数据信息的安全可靠，实现了生产制造一体化，减少了资源的浪费，并且在产品物料与订货单的供需关系不对等时对生产设备的工位进行调度，使得在有限的时间内完成订货单的交易数量，避免了企业的信誉降低。
附图说明
[0026] 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0027] 图1是一种基于人工智能的离散制造智能管理系统的结构示意图。
具体实施方式
[0028] 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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0029] 请参阅图1，本发明提供技术方案：一种基于人工智能的离散制造智能管理方法，所述离散制造智能管理方法包括以下步骤：
[0030] S100、将订货单的信息数据存储外网区块链上第一个节点设备中，并且根据内网区块链上第三个节点设备反馈的数据信息，对存储在第一节点设备的订货单进行执行率评估；所述第三节点设备反馈的数据信息为生产车间中不同生产线上空余生产设备的数据信息；所述内网区块链上第三节点设备为接收所有生产设备反馈数据信息的数据采集设备，所述外网区块链上第一节点设备为订货单信息数据的存储设备；
[0031] S200、获取所述第一节点设备中订货单的执行率，将所述订货单的执行率与设定的阈值进行比较后，通过网闸对订货单数据信息进行摆渡传输到内网区块链上第二节点设备中；所述第一节点设备与第二节点设备之间设有网闸；当订货单的执行率小于设定的阈值时，网闸将不会连接区块链上第一节点设备与第二节点设备之间的物理通路，由于第一节点设备中的订货单的数据信息无法发送到第二节点设备，第一节点设备将订货单进行退回处理；当订货单的执行率大于设定的阈值时，网闸连接外网区块链上第一节点设备与内网区块链上第二节点设备之间的物理通路，使得订货单的数据信息发送到第二节点设备中，由生产车间按照订货单的数据信息执行生产制造计划；所述区块链上第二节点设备为生产车间的总控终端设备；
[0032] S300、订货单大于网闸设定的阈值，建立匹配模型对产品在生产的过程中的供需关系进行分析，当出现供需关系不对等导致无法正常对产品进行组装时，通过区块链上第三节点设备获取生产设备的数据信息，并且对生产设备的综合利用率进行分析；所述生产设备的综合利用率包括了生产设备的开机率和有效生产速度；
[0033] S400、根据所述生产设备的综合利用率对生产线上生产设备的工位进行调度，生产车间按照订货单执行生产制造计划，使得生产制造的产品物料在产品组装的过程中能够满足订货单的交易数量，所述产品为不同物料组装形成，当在产品组装过程中出现某个物料的缺少会导致该产品无法正常组装。
[0034] 进一步的，所述S100中对存储在第一节点设备的订货进行执行率评估的具体方法如下：
[0035] S101、根据区块链第三个节点设备反馈的数据信息获取不同生产线上生产车间中能够为订货单进行加工生产的空余生产设备的生产速度，第一生产线中生产设备的生产速度为“77/min、64/min、70/min、71/min...”，第一生产线中生产设备的物料合格率为“85％、81％、83％、79％...”；第二生产线中生产设备的生产速度为“98/min、91/min、97/min、95/min...”，第二生产线中生产设备的物料合格率为“98％、82％、89％、96％...”；第三生产线中生产设备的生产速度为“108/min、99/min、96/min、97/min...”，第三生产线中生产设备的物料合格率为“98％、99％、93％、94％...”；不同生产线上每个生产设备的有效生产速度公式为：Wij＝axij*kij＝0.95xij*kij；第一生产线中生产设备的有效生产速度为“62/min、
49/min、55/min、53/min...”，第二生产线中生产设备的有效生产速度为“91/min、70/min、
82/min、87/min...”，第三生产线中生产设备的有效生产速度为“101/min、93/min、85/min、
87/min...”；
[0036] S102、通过所述区块链上第一个节点设备获取订货单的交易时间t＝10h以及交易数量m＝8000万，计算得到订货单的执行率为[(∑Wij/ij)*(t/m)]*100％＝76％。
[0037] 进一步的，所述S200包括：
[0038] S201、所述订货单的执行率与设定的阈值A＝75％进行比较，其中A为常数；
[0039] S202、订货单的执行率为76％大于设定的阈值A＝75％，第一节点设备和第二节点设备之间的网闸对订货单的数据信息进行摆渡，外网区块链上的第一节点设备接收到网闸的访问，网闸对订货单的数据信息进行读写传输到内网区块链上第二节点设备中，第一节点设备将网闸读写过的订货单的数据信息进行删除，避免订货单的数据信息重复读写；由于节点设备都处于区块链上，能够确保订货单数据信息的准确性；
[0040] S301、通过内网区块链上的第三节点设备获取所有生产线中的任意两个生产线的I产品物料的生产信息，当第一生产线和第三生产线的产品物料的生产信息存在t*∑i＝1Wij’
7 I 7
＜m＝8*10且t*∑ i＝1Wij＞m＝8*10时，说明第j’个生产线上生产的物料数量使得产品在组装的过程中无法按照订货单的交易数量进行交易，并且第j个生产线上生产的物料数量过剩需要对第j个生产线上生产设备的工位进行调度；对第j个生产线上生产设备的综合利用率进行分析，其中j’＝1、2、3，...，J’，j’≠j；所述生产设备的综合利用率包括了生产设备的开机率和有效生产速度；
[0041] S302、通过所述内网区块链上第三节点设备获取第j个生产线上生产设备的开机率为“95％、94％、98％、91％...”，根据生产设备的生产速度和物料合格率分别得到第j个生产线上生产设备的综合利用率为Uij＝bZij+axij*kij，其中b＝0.98为生产设备的综合利用率与生产设备开机率之间的系数；将第j个生产线上生产设备根据综合利用率Uij按照由大到小进行排序。
[0042] 进一步的，所述S400包括：根据第j个生产线上生产设备的排序，选取任意个数的I I’ 7生产设备的工位进行调度使得t(∑i＝1Wij－∑ i’＝1Wi’j)≥m＝＝8*10 ，说明将第j个生产线上的i’个生产设备的工位调度给第j’个生产线生产物料时，能够使第j个生产线生产的物料在产品组装的过程中满足订货单的交易数量；将第j个生产线上调取的工位安置第j’个生产线上的生产设备，使得第j’个生产线生产的物料在产品组装的过程中能够满足订货单I
的交易数量；其中∑ i＝1Wij表示为第j个生产线上i个生产设备的有效生产速度之和，I’
∑ i’＝1Wi’j为第j个生产线上i’个生产设备的有效生产速度之和，i’个生产设备为选取第j个生产线上任意个数的生产设备，i’＝1、2、3，...，I’，I’＜I，i’≠i。
[0043] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0044] 最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
