人机协同的供应链柔性生产调度与产能优化系统及方法专利申请文档.docxVIP

人机协同的供应链柔性生产调度与产能优化系统及方法##一、发明专利请求书（标准格式）|项目|内容||——|——||发明名称|人机协同的供应链柔性生产调度与产能优化系统及方法||申请人|[申请人全称]||地址|[详细地址]||联系人|[联系人姓名]||电话|[联系电话]||电子邮箱|[联系邮箱]||发明人|[发明人姓名1]、[发明人姓名2]…||专利代理机构|[代理机构全称]||代理人姓名|[代理人姓名]||代理人电话|[代理人电话]||发明所属技术领域|智能制造与生产调度技术领域||是否提前公开|□是□否（□自申请日起满18个月公开）||是否要求优先权|□是（国别：______申请号：______申请日：______）□否||申请文件清单|1.发明专利请求书1份2.权利要求书1份（共10项）3.说明书1份4.说明书附图3份（图1-图3）5.说明书摘要1份6.摘要附图1份（选用图2）||附加文件清单|□费用减缓请求书□实质审查请求书□其他：______||申请人签章|______________日期：______年______月______日||专利代理机构签章|______________日期：______年______月______日|##二、权利要求书1.一种人机协同的供应链柔性生产调度与产能优化系统，其特征在于，包括：订单解析模块、数字员工层、人类协作层、记忆学习模块、产能优化模块以及可视化协同平台；-所述订单解析模块，用于自动解析小批量定制订单的工艺要求、物料清单和交货期，并基于工艺相似性算法对订单进行聚类批次处理；-所述数字员工层，采用改进遗传算法求解柔性作业车间调度问题，负责80%常规排程任务，生成初始调度方案；-所述人类协作层，用于处理数字员工层难以应对的20%异常场景，包括紧急插单、设备故障、物料短缺，通过可视化协同平台对排程方案进行调整；-所述记忆学习模块，采用强化学习算法记忆人类调整偏好，将人类调整决策转化为训练样本，更新AI排程模型，形成“AI建议-人类审批-系统学习”的闭环；-所述产能优化模块，基于实时设备负载和订单优先级数据，通过线性规划动态调整生产任务分配，支持“what-if”产能影响分析；-所述可视化协同平台，提供交互式甘特图、设备负载热力图及冲突预警功能，集成通讯模块支持多人协同工作。2.根据权利要求1所述的系统，其特征在于，所述订单解析模块基于自然语言处理（NLP）和规则引擎，可解析PDF/Excel格式的订单文件，采用Jaccard系数作为工艺相似性算法，将200+SKU订单聚类为15-20个批次，减少生产换线次数。3.根据权利要求1所述的系统，其特征在于，所述改进遗传算法的优化目标为最小化最大完工时间（Makespan），改进点包括：-采用自适应交叉变异率，根据种群多样性动态调整参数；-引入模拟退火算子，避免算法陷入局部最优；-约束处理涵盖设备能力、工艺顺序和物料可用性，初始排程生成时间＜5分钟/200订单。4.根据权利要求1所述的系统，其特征在于，所述记忆学习模块采用深度确定性策略梯度（DDPG）强化学习算法，状态空间包括订单优先级、设备负载、物料状态，动作空间为调整类型（顺序交换、设备重分配、批次合并），奖励函数为调整后Makespan缩短比例，模型每24小时离线训练一次。5.根据权利要求1所述的系统，其特征在于，所述产能优化模块实时采集设备状态数据（运行、空闲、故障状态及生产进度），当某设备负载率＞90%时，自动将部分任务分配给负载率＜60%的同类设备，同时可生成物料需求预警。6.根据权利要求1所述的系统，其特征在于，所述可视化协同平台基于WebGL构建，支持时间轴缩放、订单色块拖拽调整，集成视频会议和即时通讯功能，可实现多planner协同工作及排程方案的实时调整。7.一种基于权利要求1-6任一所述系统的人机协同供应链柔性生产调度与产能优化方法，其特征在于，包括以下步骤：-步骤1：订单解析与优先级排序，解析订单需求，提取款式、面料、工艺及交货期信息，采用层次分析法（AHP）按权重排序，将工艺相似订单合并为批次；-步骤2：AI初始排程，数字员工加载车间数据和订单数据，运行改进遗传算法生成初始调度方案；-步骤3：人机协作调整，人类planners通过可视化协同平台处理异常场景并调整排程方案，系统记录调整轨迹；-步骤4：偏好记忆学习，记忆学习模块将人类调整行为转化为训练样本，通过DD