CN119398426A 一种基于dqn的智能工厂作业车间调度方法及系统 （徐工汉云技术股份有限公司）

一种基于DQN的智能工厂作业车间调度方法本发明公开一种基于DQN的智能工厂作业车间系统状态利用DQN网络选择最优的调度规则并2基于所述关键的车间系统特征计算当前车间基于当前车间系统状态st利用DQN网络选择最优的调度规则at并执行，得到调度结果；候选订单最大加工时间maxsi、车间系统中候选订单最小剩余加工时间min(Di-t)、车间系min(t-Di)以及车间系统中候选订单最大延迟时间max(t-D:)。f-f,,3计算t时刻交付率评分A1,t、均衡生产评分A2t以及转产时间评分A3t分别通过以下公式获,,,获得t时刻排产效果得分At：,执行模块，用于基于当前车间系统状态st利用DQN网络选择最优的调度规则at并执行，4[0001]本发明涉及生产调度技术领域，特别是一种基于DQN的智能工厂作业车间调度方[0003]本发明的目的是提供一种基于DQN的智能工厂作业车间调度方法及系统，根据智最小剩余加工时间min(Di-t)、车间系统中候选订单最大剩余加工时间max(Di-t)、车间系统中候选订单最小延迟时间min(t-Di)以及车间系统中候选订单最大延迟时间max(t-D:)。5f-f分别由以下公式计算获得：[0013]h-，[0018]可选的，所述基于当前车间系统状态st利用DQN网络选择最优的调度规则at并执及转产时间评分A3t分别通过以下公式获得：生产总时长等于该设备上所有工单的结束时间减去计算获得t时刻排产效果得分At：6[0032]At=0.5XA1,t+0.3XAzr+0.3XA3,t，[0043]本发明提出的基于DQN的智能工厂作业车间调度方法能够实时处理大量数据，通过深度强化学习自动探索并学习最佳调度规则，从而提高调度效率和应对复杂环境的能理车间数据并计算车间系统状态，将连续车间系统状态值作为深度强化学习算法的输入，[0045]图1所示为本发明基于DQN的智能工厂作业车间调度方法在一种实施例中的流程个或者更多个该特征。7统状态值作为深度强化学习算法的输入并通过深度强化学习自动探索并学习最佳调度规候选订单最大加工时间maxsi、车间系统中候选订单最小剩余加工时间min(Di-t)、车间系min(t-Di)以及车间系统中候选订单最大延迟时间max(t-D:)。[0060]h-，8间评分A3t分别通过以下公式获得：生产总时长等于该设备上所有工单的结束时间减去计算获得t时刻排产效果得分At：[0078]At=0.5XA1,t+0.3XAzr+0.3XA3,t，49.837.5215.0206.468.39[0087]从总体性能上来说，DQN在大多数数据集（Mk01,Mk02,Mk03,Mk04,Mk06,中有每台设备每天可以工作的开始时间和结束时间。切换时间是指在某个设备上从产品A121214评分A3t分别通过以下公式获得备j的生产总时长等于该设备上所有工单的结束时间减去开始时[0105]基于交付率评分A1,t、均衡生产评分A2t以及转产时间评分A3t通过以下公式计算获得t时刻排产效果得分At：[0