人工智能高级排程系统在铝基新材料加工企业的应用.pdfVIP

计算机自动化

ComputerAutomation

人工智能高级排程系统在铝基新材料加工企业的应用

覃香梅，黄丹妹，黄靖惠

摘要：本研究探讨了一种集成人工智能技术（AI）的1.2 铝基新材料制造业的生产管理与优化

高级排程系统（APS），旨在解决铝基新材料加工企业在复铝基新材料作为先进材料领域的重要组成部分，其生

杂生产环境中所遇到的排程难题。系统融合了机器学习、产管理与优化策略一直是学术界和业界关注的焦点。该行

遗传算法和模糊逻辑，能够动态地平衡生产效率、资源利业面临着市场需求多变、生产工艺复杂、资源消耗大等挑

用率和订单交付时间等多个关键指标。结合深度学习预测战，企业不断探索满足高效、灵活、可持续生产需求的排

能力、遗传算法寻优策略及模糊逻辑决策机制，系统有效程策略与系统。随着智能制造时代的到来，将人工智能技

应对生产中的不确定性，提前识别并缓解潜在瓶颈，保障术引入铝基新材料制造业的生产排程优化中，成为当前研

生产计划的灵活性与稳健性。通过案例验证了该方法的有究的热点之一。

效性。系统能够显著提升生产效率，减少生产成本，缩短1.3 研究缺口与创新点

交货周期，同时维持高质量的产品输出。尽管当前AI技术大放异彩，但在制造行业，特别是

关键词：高级排程系统；人工智能技术；铝基新材铝基新材料加工企业的生产排程方面应用不多。此外，AI

料精深加工；生产效率；成本控制技术的集成应用研究不足，未能充分挖掘其他生产制造系

统（MES）的技术协同潜力。本文首创性地融合机器学习、

铝基新材料加工企业正面临定制化需求激增与生产深度学习、遗传算法与模糊逻辑，专攻铝基新材料精深加

效率提升的双重挑战。按单生产模式下，生产计划的复杂工排程。首先，机器学习预测市场与产能波动，为优化奠

性与资源分配的不确定性成为制约发展的瓶颈。传统排程定基础。其次，深度学习增强模型预测不确定性，提升排

方法依赖于经验丰富的生产计划员和一些基础的数学模程精度与稳定性。再次，采用遗传算法对多种优化目标进

型，但已难以适应现代制造业对实时性、预测性和灵活性行全局搜索和寻优，生成最优或次优的生产计划；最后，

的高要求。为此，本研究引入人工智能技术，开发一种集通过模糊逻辑对排程结果进行决策和调整，以适应生产过

成机器学习、遗传算法和模糊逻辑的高级排程系统。该系程中的动态变化和不确定性。此集成方案不仅突破传统限

统旨在智能预测生产瓶颈，动态优化资源配置，以实现生制，还能显著提升生产效能与市场适应力。

产效率最大化、成本最小化和交货期缩短的目标。通过深

度学习预测、遗传算法优化及模糊逻辑决策，系统展现出2 系统设计与实现

了应对生产不确定性的强大能力，为铝基新材料行业提供2.1 系统架构

了智能化排程的新思路，加速其向智慧制造与绿色转型的在铝基新材料精深加工企业的应用中，人工智能辅助

步伐，具有重要的理论价值与实践意义。的高级排程系统采用了模块化设计，以确保系统的可扩展

性和灵活性。总体架构包含数据层、处理层、决策层和应

1 文献综述用层四个主要部分。

1.1 相关研究现状2.1.1 数据层

人工智能技术在制造业的应用日益深入，尤其是在表数据层是系统的基础，负责从生产制造执行系统

面质量检测、物流优化方面，通过人工智能算法、模型，（MES）、企业资源计划（ERP）系统等多源数据中收集和

实现了企业质量控制和资源优化配置。高级排程系统作为存储信息。这些数据包括但不限于生产订单详情、工艺路

重要的生产管理工具，经历了从规则导向到智能算法的线、设备状态、原