买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利一种融合前摄性评估的多站位装配车间智能排产方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119539346B 。

龙图腾网通过国家知识产权局官网在2025-11-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411517957.3，技术领域涉及：G06Q10/0631；该发明授权一种融合前摄性评估的多站位装配车间智能排产方法是由郭宇;马立俊;黄少华设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本一种融合前摄性评估的多站位装配车间智能排产方法在说明书摘要公布了：本发明公开了一种融合前摄性评估的多站位装配车间智能排产方法，结合生产线管控系统中的物料加工数据、仓库数据、配送系统信息以及装配进度等信息，对车间的物料齐套性以及装配进度进行前摄性评估；基于离散事件仿真搭建仿真车间模拟真实车间运行情况，利用前摄性评估结果和车间相关工艺数据等初始化仿真环境，设计多智能体协商模型生成排产方案以及资源需求清单；针对生产过程中出现的异常事件制定由人工和智能体仿真结合的应对方案。本发明能够一定程度上避免由于物料缺料等扰动事件导致的计划频繁变更问题，可快速生成全局最优的车间排产结果。

本发明授权一种融合前摄性评估的多站位装配车间智能排产方法在权利要求书中公布了：1.一种融合前摄性评估的多站位装配车间智能排产方法，其特征在于，包括以下步骤： 1构建反应物理车间运行状态、运行逻辑的仿真车间，分解车间排产流程，基于装配指令的转移构建智能体以及决策动作，搭建马尔可夫过程模型；车间运行逻辑和运行规律为多站位装配车间，以装配指令来指导实际装配过程； 2利用物料齐套时间评估模型对车间装配所需的物料进行齐套性分析与评估，利用装配进度评估模型评估车间未来进度；以评估结果、车间工艺信息、主计划、人员信息、设备信息初始化仿真车间，形成完整的智能体学习环境； 3智能体与仿真环境之间通过Socket接口以及TCP通讯协议进行信息的交互，智能体从仿真环境中获取观测状态、状态转移、即时奖励，反馈给环境对应状态所采取的动作；交互轨迹以五元组的形式组成样本数据，并采用二叉树的结构存储于经验回放池中；所述智能体包括重要性评估智能体、匹配人员智能体和决策顺序智能体；所述重要性评估智能体获取与指令相关的状态信息，并给出待决策装配指令的优先级反馈给仿真环境；所述匹配人员智能体获取待匹配的装配指令状态以及所有装配人员的相关信息与状态，给出决策的优先规则，并根据智能体决策的经验规则匹配装配人员，反馈给车间仿真环境；所述决策顺序智能体获取车间的生产状态，包括各个站位的进度，缓存区以及存储区的状态，以及待决策的指令组信息，并根据智能体决策出的经验规则选择出下一个要执行的装配指令；智能体获取的奖励为复合奖励，智能体的优化目标为最小化最大完工时间以及最小化装配人员的工作负荷方差；智能体获取的奖励为递进式奖励，采用各个站位装配进度之和对奖励进行加权，实现越接近任务完成时所获得的奖励越大，加快了智能体的学习过程； 4当经验回放池中的样本数量超过一定数量时，智能体从各自的经验回放池中进行采样，每次按照样本的采样概率采样一批次的数据进行训练，并通过多步预测的方法来预测每个样本数据未来的累积回报； 5利用步骤4中的样本数据以及累积回报预测值对智能体的价值函数网络进行更新； 6重复步骤3-5直至达到指定回合，各个智能体均收敛到对应的最优价值函数；固定智能体的网络参数，并将其部署于车间排产求解上； 步骤2所述物料齐套时间评估模型对包含必要件的装配指令清单进行评估；每一本装配指令均有对应的物料清单，当且仅当物料清单达到一定齐套率且不缺少必要件时该本装配指令才能被执行；通过仓库信息判断每本装配指令的齐套率，如果齐套率达标则判断必要件是否在库；在库则将该本装配指令的状态设置为可执行，否则需要对必要件的齐套时间进行评估，在齐套时间后该本装配指令状态才为可执行； 步骤2所述的装配进度评估模型依赖于所搭建的仿真车间，同步真实车间当前的装配进度，对未来一段时间内的车间生产情况进行模拟，判断是否能在交付节点前完成所有装配指令的装配作业；若不能则进行相应的调整；具体调整方式包括，增加每天装配人员的工作时长，增加产线中的装配人员数，变更产线工艺，将调整后的车间相关数据同步至仿真环境进行验证，直至满足交付节点要求。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29号南京航空航天大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。