基于增量简单循环单元和双重注意力的生产瓶颈预测方法

    公开(公告)号:CN114154820B

    公开(公告)日:2024-10-15

    申请号:CN202111384905.X

    申请日:2021-11-22

    IPC分类号: G06Q10/0639 G06Q50/04

    摘要: 本发明公开了一种基于增量简单循环单元和双重注意力的生产瓶颈预测方法,重新对生产瓶颈进行了定义量化;采用基于双层注意力机制的简单循环单元网络进行特征提取,完成瓶颈预测源模型的构建;借助滑动时间窗和快速霍夫丁概念检测方法触发源模型参数增量更新;选取模型库中最适应当前数据分布的预测模型和合适的新增制造数据,并对数据样本设定不同的价值权重,通过基于模型的迁移学习实现预测模型的增量更新,采用淘汰机制更新模型库,保证模型库的时效性。本发明解决了离散制造车间瓶颈量化不准确、生产瓶颈预测模型精度较低、适应度随时间下降的问题,将实时制造数据输入增量式瓶颈预测模型,实现生产瓶颈在线精准预测,为触发生产决策和评估生产计划执行提供依据。

    基于增量简单循环单元和双重注意力的生产瓶颈预测方法

    公开(公告)号:CN114154820A

    公开(公告)日:2022-03-08

    申请号:CN202111384905.X

    申请日:2021-11-22

    IPC分类号: G06Q10/06 G06Q50/04

    摘要: 本发明公开了一种基于增量简单循环单元和双重注意力的生产瓶颈预测方法,重新对生产瓶颈进行了定义量化;采用基于双层注意力机制的简单循环单元网络进行特征提取,完成瓶颈预测源模型的构建;借助滑动时间窗和快速霍夫丁概念检测方法触发源模型参数增量更新;选取模型库中最适应当前数据分布的预测模型和合适的新增制造数据,并对数据样本设定不同的价值权重,通过基于模型的迁移学习实现预测模型的增量更新,采用淘汰机制更新模型库,保证模型库的时效性。本发明解决了离散制造车间瓶颈量化不准确、生产瓶颈预测模型精度较低、适应度随时间下降的问题,将实时制造数据输入增量式瓶颈预测模型,实现生产瓶颈在线精准预测,为触发生产决策和评估生产计划执行提供依据。