CN120297690A 生产排产策略调整系统、方法 （上上德盛集团股份有限公司）

本发明公开了生产排产策略调整系统、方2构建风险评估基础数据集，设置风险评估方法，动态调计算偏差检测的偏差率，设置自优化方法，通过随从所述多源异构数据库获取文本数据，并计算词频与逆文档频率，通过TF采用Skip_Gram模型对高频词汇进行迭代训练，生成词向量矩阵并嵌入基础BERT模型利用RoBERTa模型对客服对话记录进行情感倾向分析，输出情感评分并映射为权重参结构化数据直接作为知识图谱实体，非结构化数对实体共现次数进行对数平滑处理生成基础权重，结合客户行为事获取所述图数据库实例中设备的属性信息，计算设备的理论将从知识图谱提取的客户画像特征、生产资源特构建订单预测模型，输入层接收构建好的输入特征向量，利用H基于所述多源异构数据库，基于最新数据生成实时向量，将获取订单量波动的正态分布特征，将所述正态分布特征与3根据设备产能与原料供应约束排除超出生产能力的订单量，生成有效订单量波动路构建基于订单时间的模拟样本，将所述模拟样本结合所述订单预测模型的预测值和所述加权标准差，利用ApacheFlink实时计算引擎构建数据处理管道，接入预测订单量流和设备状态通过生产线上的唯一标识对两路数据流进行join操作，关联所述预测订定义风险事件窗口，对数据分组，应用自定义函数计算设备负确定基于贝叶斯网络的风险概率模型的节点，根据风收集历史生产数据与风险事件数据，通过最大似然估根据预设的分析时间间隔实时采集实际出厂量数据，以及预测出厂获取订单实际交付日期，结合排产计划中的计划交付日期及标准一旦所述出厂量偏差率超过所述出厂偏差阈值，所述出厂偏一旦所述交期偏差率超过所述交期偏差阈值时，所述交期偏差依据生产流程和数据之间的内在关系，构建包含多个节49.根据权利要求8所述的生产排产策略调整系统，其特征在于，所述自优化方法还包基于新的输入特征向量重新训练所述订单预测模型，通过验证数若所述新特征的加入提升了所述订单预测模型，保留所述新特将最终的输入特征向量嵌入至订单预测模型进行排产预测动态调整风险阈值，通过条件概率模型更新生实时计算出厂量偏差率，构建因果图以分析偏差5[0003]现有公开号为CN119623870A的中国专利公开了一种用于智能制造的数据管理方6[0014]采用Skip_Gram模型对高频词汇进行迭代训练，生成词向量矩阵并嵌入基础BERT[0015]利用RoBERTa模型对客服对话记录进行情感倾向分析，输出情感评分并映射为权[0016]结构化数据直接作为知识图谱实体，非结构化数据通过[0022]将从知识图谱提取的客户画像特征、生产资源特征与传统订单数据特征进行整[0023]构建订单预测模型，输入层接收构建好的输入特征向量，利用Huber损失函数与[0030]结合所述订单预测模型的预测值和所述加权标准差，根78[0057]基于新的输入特征向量重新训练所述订单预测模型，通实现生产风险的精准识别与分级响应，利用因果分析与自优化机制通过DoWhy模型和SHAP9边缘计算进行异常检测与数据清洗，实现可信存储与高效传输，并最终生成多源异构数据具有区分度的专业词汇，为后续模型训练提供领域特定的词汇集合，提升模型对制造业专业术语的识别能力；从多源异构数据库中读取历史订单和设备生产日志，将这些文本数据逆文档频率IDF，将TF和IDF相乘得到TF_IDF值，筛选出TF_IDF值排名前01的高频专业词[0083]利用SkipGram模型对筛选出的高频专业词汇进行迭代训练，生成维的词向在制造业专业词汇上进行训练，捕捉制造业领域内词汇的语义特征，取0vin=5，;基于Neo4j的图数据库实例，存储了包含若干节点以及若干边的知识图谱，通过属性图模订单时间）确定输出维度，选择Huber损失函数平衡MAE与MSE的鲁棒性，采用AdamW优化器而生成若干条订单量路径；其中oistm为预测误差标准差，范围下限L和上限U的表达式如下所示：偏差率，也为预测误差的均值，本实施例中取q=0.2；风险指标之间的相互影响和依赖关系；[0118]根据企业的风险承受能力和生产策略，制定基于风险概率的ttotal为总运行时间。[0134]当预测订单的风险概率低于设定的低风险阈值时，判断预测订单可正常安排生[0136]当风险概率介于低风险阈值和高风险阈值以内时，按加权系数动态计算生产比[0137]k=0.6wc+0.4ry[0139]所有决策结果均通过API接口同步至生产执行终端，并在数字孪生平台进行可视范围；设置学习率的搜索范围为[a,a2]，学习率决定了模型在训练过程中参数更新的步数量的搜索范围为[l1,l2]，神经元数量直接影响模型的学习能力与复杂度，数量过少模型将无法学习到数据中的复杂模式，数量过多则容易导致过拟合，dropout率的范围设定为[d,d]，dropout是一种防止过拟合的技术，通过随机丢弃部分神经元来减少神经元之间偏差率，也为预测误差的均值，本实施例中取q=0.2；风险指标之间的相互影响和依赖关系；[0178]根据企业的风险承受能力和生产策略，制定基于风险概率的