一种生产物料管控方法、系统及可读存储介质与流程

1.本技术涉及物料数据管控技术领域，具体而言，涉及一种生产物料管控方法、系统及可读存储介质。


背景技术：

2.随着科技的不断发展，物料生产工艺的发展越来越成熟，能够有效地提高物料的生产智能化程度。但是在实际操作过程中，发明人发现，在生产物料的过程中可能存在物料调度进程异常的问题，从而降低物料管理效率。因此，亟需一种生产物料管控方法以改善上述技术问题。


技术实现要素：

3.鉴于此，本技术提供了一种生产物料管控方法、系统及可读存储介质。
4.第一方面，提供一种生产物料管控方法，应用于生产物料管控系统，所述方法至少包括：确定待管控生产物料处理请求和所述待管控生产物料处理请求的第一解析阶段；确定目标自动化物料调度进程和所述目标自动化物料调度进程的第二解析阶段；若基于所述第一解析阶段和所述第二解析阶段判定出存在处理请求识别线程准备添加到待响应队列，则基于所述待管控生产物料处理请求确定所述处理请求识别线程的请求主题，并基于所述目标自动化物料调度进程确定所述处理请求识别线程的线程语义特征；若基于所述请求主题和所述线程语义特征确定所述处理请求识别线程为通过验证的处理请求识别线程，则放行所述处理请求识别线程添加到所述待响应队列。
5.在一种独立实施的实施例中，所述待管控生产物料处理请求包括对于处理请求识别线程的设定生产线状态的第一待管控生产物料处理请求，所述设定生产线状态包括实时产线状态、延时产线状态、离线产线状态中的一种产线状态或多种产线状态；所述基于所述第一解析阶段和所述第二解析阶段判定出存在处理请求识别线程准备添加到待响应队列，包括：基于所述第一待管控生产物料处理请求的第一解析阶段和所述第二解析阶段，确定处理请求识别线程解析的目标结束阶段；若在所述目标结束阶段之前，确定到第二待管控生产物料处理请求，则判定出存在处理请求识别线程准备添加到待响应队列；其中，所述第二待管控生产物料处理请求是对于处理请求识别线程的下游状态的待管控生产物料处理请求。
6.在一种独立实施的实施例中，所述基于所述第一待管控生产物料处理请求的第一解析阶段和所述第二解析阶段，确定处理请求识别线程解析的目标结束阶段，包括：基于所述第一待管控生产物料处理请求的第一解析阶段确定反馈等待指示；或者，基于所述第一待管控生产物料处理请求的第一解析阶段和所述第二解析阶段确定反馈等待指示；
基于所述反馈等待指示和所述第二解析阶段，确定所述目标结束阶段。
7.在一种独立实施的实施例中，所述方法还包括以下其中一项：若在匹配所述目标结束阶段时，未确定到对于处理请求识别线程的第二待管控生产物料处理请求，则确定所述处理请求识别线程未准备添加到待响应队列；若未确定到对于处理请求识别线程的第二待管控生产物料处理请求，且确定到对于剩余的其中一个处理请求识别线程的第一待管控生产物料处理请求，则确定所述处理请求识别线程未准备添加到待响应队列。
8.在一种独立实施的实施例中，所述确定待管控生产物料处理请求，包括：从设定解析网络确定第一生产任务会话清单，并基于所述第一生产任务会话清单确定多组生产物料处理请求；通过ai算法确定每组生产物料处理请求中的请求主题的可信系数；基于每组生产物料处理请求中的请求主题的可信系数，从所述多组生产物料处理请求中确定出待管控生产物料处理请求；所述确定目标自动化物料调度进程，包括：从语义特征解析网络确定第二生产任务会话清单，并基于所述第二生产任务会话清单确定多组自动化物料调度进程，并通过所述ai算法确定每组自动化物料调度进程中的线程语义特征的可信系数；基于每组自动化物料调度进程中的线程语义特征的可信系数，从所述多组自动化物料调度进程中确定出目标自动化物料调度进程。
9.在一种独立实施的实施例中，所述基于每组生产物料处理请求中的请求主题的可信系数，从所述多组生产物料处理请求中确定出待管控生产物料处理请求，包括：将请求主题的可信系数最高的生产物料处理请求，确定为所述待管控生产物料处理请求；所述基于每组自动化物料调度进程中的线程语义特征的可信系数，从所述多组自动化物料调度进程中确定出目标自动化物料调度进程，包括：将线程语义特征的可信系数最高的自动化物料调度进程，确定为所述目标自动化物料调度进程。
10.在一种独立实施的实施例中，所述基于所述待管控生产物料处理请求确定所述处理请求识别线程的请求主题，包括：将所述待管控生产物料处理请求传入到ai算法，以使所述ai算法基于所述待管控生产物料处理请求的显著性描述确定所述处理请求识别线程的请求主题；所述基于所述目标自动化物料调度进程确定所述处理请求识别线程的线程语义特征，包括：将所述目标自动化物料调度进程传入到ai算法，以使所述ai算法基于所述目标自动化物料调度进程的显著性描述确定所述处理请求识别线程的线程语义特征。
11.在一种独立实施的实施例中，所述基于所述请求主题和所述线程语义特征确定所述处理请求识别线程为通过验证的处理请求识别线程，包括：将所述请求主题和所述线程语义特征下发至辅助解析服务系统，以使所述辅助解析服务系统基于所述请求主题和所述线程语义特征对所述处理请求识别线程进行验证解析；若捕捉到表征验证解析通过的回应，则确定所述处理请求识别线程为通过验证的处理请求识别线程；其中，所述表征验证解析通过的回应是所述辅助解析服务系统解析出所述处理请求识别线程为通过验证时反馈的。
12.在一种独立实施的实施例中，所述方法还包括：将所述第一解析阶段和所述第二
解析阶段下发至所述辅助解析服务系统，以使所述辅助解析服务系统缓存所述第一解析阶段和所述第二解析阶段。
13.第二方面，提供一种生产物料管控系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实上述的方法。
14.第三方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时实现上述的方法。
15.本技术实施例所提供的一种生产物料管控方法、系统及可读存储介质，确定待管控生产物料处理请求和待管控生产物料处理请求的第一解析阶段并确定目标自动化物料调度进程和目标自动化物料调度进程的第二解析阶段。对基于第一解析阶段和第二解析阶段进行判定，从而确定后续操作步骤。可以基于待管控生产物料处理请求确定处理请求识别线程的请求主题，并基于目标自动化物料调度进程确定处理请求识别线程的线程语义特征。进一步地，若基于请求主题和所述线程语义特征确定处理请求识别线程为通过验证的处理请求识别线程，则放行处理请求识别线程添加到待响应队列，这样能够提高请求主题和线程语义特征的识别精确度和可信度，并确保处理请求识别线程的正确性和合法性，这样能够确保物料管控的效率，减少物料管控过程中出现的安全性问题，保障物料管控过程的稳定性，避免物料管控进程出现异常。
附图说明
16.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
17.图1为本技术实施例所提供的一种一种生产物料管控方法的流程图。
18.图2为本技术实施例所提供的一种一种生产物料管控装置的框图。
19.图3为本技术实施例所提供的一种一种生产物料管控系统的架构图。
具体实施方式
20.为了更好的理解上述技术方案，下面通过附图以及具体实施例对本技术技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
21.请参阅图1，示出了一种一种生产物料管控方法，该方法可以包括以下步骤201步骤203所描述的技术方案。
22.步骤201，确定待管控生产物料处理请求和待管控生产物料处理请求的第一解析阶段。
23.举例而言，生产物料管控系统可以从设定解析网络确定第一生产任务会话清单，并基于第一生产任务会话清单确定多组生产物料处理请求（即设定解析网络采集的多组生产物料处理请求），并从多组生产物料处理请求中确定出待管控生产物料处理请求。比如，
假如生产物料管控系统在片段x确定出待管控生产物料处理请求，则待管控生产物料处理请求的第一解析阶段理解为片段x。
24.举例而言，在从多组生产物料处理请求中确定出待管控生产物料处理请求时，生产物料管控系统可以通过ai算法确定每组生产物料处理请求中的请求主题的可信系数，并基于每组生产物料处理请求中的请求主题的可信系数，从多组生产物料处理请求中确定出待管控生产物料处理请求。比如，将请求主题的可信系数最高的生产物料处理请求，确定为待管控生产物料处理请求。或者，通过ai算法确定局部生产物料处理请求中的请求主题的可信系数，并基于这些请求主题的可信系数，从多组生产物料处理请求中确定出待管控生产物料处理请求。比如，将请求主题的可信系数最高的生产物料处理请求，确定为待管控生产物料处理请求。
25.举例而言，基于各请求主题的可信系数，若最高的可信系数大于设定判断值，则生产物料管控系统可以将请求主题的可信系数最高的生产物料处理请求，确定为待管控生产物料处理请求。或者，若最高的可信系数不超过设定判断值，则生产物料管控系统确定所有生产物料处理请求均不是待管控生产物料处理请求，即不能从生产物料处理请求中确定到请求主题。
26.举例而言，设定判断值可以基于标准模板，可信系数大于设定判断值时，表征生产物料处理请求中的请求主题精确度，能够从生产物料处理请求中确定到精确的请求主题。
27.进一步地，根据上述内容为例，并不限定于此，能够从多组生产物料处理请求中确定出待管控生产物料处理请求即可。
28.在一种可替换的实施例中，可以在生产物料管控系统事先训练的神经网络模型，生产物料管控系统可以通过神经网络模型确定每组生产物料处理请求中的请求主题的可信系数，并将请求主题的可信系数最高的生产物料处理请求，确定为待管控生产物料处理请求。
29.ai算法作为神经网络模型中的一种实施方式，生产物料管控系统可以将每组生产物料处理请求均传入到ai算法，以使ai算法确定每组生产物料处理请求中的请求主题的可信系数，并输出每组生产物料处理请求中的请求主题的可信系数。
30.进一步地，生产物料管控系统可以获得每组生产物料处理请求中的请求主题的可信系数，并将请求主题的可信系数最高的生产物料处理请求，确定为待管控生产物料处理请求。
31.ai算法的计算步骤，可以由生产物料管控系统完成，即生产物料管控系统执行ai算法的计算步骤，得到完成更新的ai算法。或者，ai算法的计算步骤，可以由生产物料管控系统完成，即生产物料管控系统执行ai算法的计算步骤，得到完成更新的ai算法，并将完成更新的ai算法传输到各生产物料管控系统（即存在差异的待响应队列的生产物料管控系统），使得生产物料管控系统得到完成更新的ai算法。
32.在ai算法的计算步骤中，生产物料管控系统得到多组生产物料处理请求后，可将这些生产物料处理请求传入到ai算法。ai算法可以通过各ai算法指示对每组生产物料处理请求进行处理，在处理过程中，对于每组生产物料处理请求，可以筛选该生产物料处理请求的显著性描述，并得到与该显著性描述对应的请求主题，该请求主题的可信系数。可以理解的是，ai算法可以得到每组生产物料处理请求中的请求主题的可信系数，并输出每组生产
物料处理请求中的请求主题的可信系数。
33.可以理解的是，生产物料管控系统可以从ai算法确定每组生产物料处理请求中的请求主题的可信系数，将请求主题的可信系数最高的生产物料处理请求，确定为待管控生产物料处理请求。
34.以下具体内容的具体应用场景，对步骤201进行解释。
35.在处理请求识别线程的识别步骤中，设定解析网络a可以按照设定时间段进行收集处理请求识别线程实时产线状态的生产物料处理请求，即收集到多组生产物料处理请求，并向生产物料管控系统传输第一生产任务会话清单，第一生产任务会话清单涵盖这些生产物料处理请求。生产物料管控系统在得到第一生产任务会话清单后，可以基于第一生产任务会话清单确定多组生产物料处理请求，通过ai算法确定每组生产物料处理请求中的请求主题的可信系数，并基于可信系数从多组生产物料处理请求中确定出待管控生产物料处理请求a1，待管控生产物料处理请求a1是设定解析网络a收集到的处理请求识别线程实时产线状态的生产物料处理请求，并确定待管控生产物料处理请求a1的第一解析阶段a2。
36.举例而言，设定解析网络a在设定时间段收集生产物料处理请求的步骤中，对于每组生产物料处理请求，判断该组生产物料处理请求中的请求主题是否已属于异常主题。若否，则该组生产物料处理请求不传输给生产物料管控系统，若是，则从该组生产物料处理请求开启，将连续p组生产物料处理请求下发至生产物料管控系统。
37.举例而言，当处理请求识别线程实时产线状态的请求主题属于异常主题时，表示设定解析网络a采集的生产物料处理请求中的请求主题是十分精确地，能够从生产物料处理请求中精确地识别出请求主题，且请求主题的识别精确度较高。
38.为了判断生产物料处理请求中的请求主题是否已属于异常主题，可以在设定解析网络a事先训练的神经网络模型，设定解析网络a通过神经网络模型确定生产物料处理请求中的请求主题是否已属于异常主题。ai算法作为神经网络模型其中一个实施方式，设定解析网络a可以将生产物料处理请求传入到ai算法，以使ai算法确定生产物料处理请求中的请求主题是否已属于异常主题。
39.在ai算法的使用过程中，设定解析网络a得到生产物料处理请求后，可以将生产物料处理请求传入到ai算法。ai算法利用各ai算法指示对生产物料处理请求进行处理，在处理步骤中，可以筛选生产物料处理请求的显著性描述，并通过上述关联情况得到与该显著性描述对应的描述结果。若该描述结果为第一量化情况，则确定请求主题已属于异常主题，若该描述结果为第二量化情况，则确定请求主题没有属于异常主题。
40.可以理解的是，ai算法可以确定出生产物料处理请求中的请求主题是否已属于异常主题，并输出计算结果。进一步的，设定解析网络a可以从ai算法确定该计算结果，继而获得生产物料处理请求中的请求主题是否已属于异常主题。
41.进一步地，设定解析网络x，设定解析网络e和设定解析网络f的计算方式，与设定解析网络a的计算方式像是，在此不再进行一一赘述。生产物料管控系统可以从设定解析网络x收集的多组生产物料处理请求中确定出待管控生产物料处理请求x1，并确定待管控生产物料处理请求x1的第一解析阶段x2。生产物料管控系统可以从设定解析网络e收集的多组生产物料处理请求中确定出待管控生产物料处理请求e1，并确定待管控生产物料处理请求e1的第一解析阶段e2。生产物料管控系统可以从设定解析网络f收集的多组生产物料处
理请求中确定出待管控生产物料处理请求f1，并确定待管控生产物料处理请求f1的第一解析阶段f2。
42.步骤202，确定目标自动化物料调度进程和目标自动化物料调度进程的第二解析阶段。
43.举例而言，生产物料管控系统可以从语义特征解析网络确定第二生产任务会话清单，并基于该第二生产任务会话清单确定多组自动化物料调度进程（即语义特征解析网络收集的多组自动化物料调度进程），生产物料管控系统可以从多组自动化物料调度进程中确定出目标自动化物料调度进程。在此以外，假如生产物料管控系统在片段e确定出目标自动化物料调度进程，则目标自动化物料调度进程的第二解析阶段可理解为片段e。
44.举例而言，在从多组自动化物料调度进程中确定出目标自动化物料调度进程时，生产物料管控系统可以通过ai算法确定每组自动化物料调度进程中的线程语义特征的可信系数；基于每组自动化物料调度进程中的线程语义特征的可信系数，从多组自动化物料调度进程中确定出目标自动化物料调度进程。比如，将线程语义特征的可信系数最高的自动化物料调度进程，确定为目标自动化物料调度进程。或者，通过ai算法确定局部自动化物料调度进程中的线程语义特征的可信系数，基于这些线程语义特征的可信系数从多组自动化物料调度进程中确定出目标自动化物料调度进程。比如，将线程语义特征的可信系数最高的自动化物料调度进程，确定为目标自动化物料调度进程。只要能够从多组自动化物料调度进程中确定出目标自动化物料调度进程即可。
45.在一种可替换的实施例中，可以在生产物料管控系统事先训练的神经网络模型，生产物料管控系统可以通过神经网络模型确定每组自动化物料调度进程中的线程语义特征的可信系数，并将线程语义特征的可信系数最高的自动化物料调度进程，确定为目标自动化物料调度进程。ai算法作为神经网络模型的其中一个计算方式，生产物料管控系统可以将每组自动化物料调度进程均传入到ai算法，以使ai算法确定每组自动化物料调度进程中的线程语义特征的可信系数，并输出每组自动化物料调度进程中的线程语义特征的可信系数。进一步地，生产物料管控系统可以获得每组自动化物料调度进程中的线程语义特征的可信系数，并将线程语义特征的可信系数最高的自动化物料调度进程，确定为目标自动化物料调度进程。
46.生产物料管控系统通过ai算法确定线程语义特征的可信系数的过程，可以参阅生产物料管控系统通过ai算法确定请求主题的可信系数，在此不再进行一一赘述。
47.进一步地，在处理请求识别线程的识别步骤中，语义特征解析网络k设定时间段采集自动化物料调度进程，即收集到多组自动化物料调度进程，向生产物料管控系统发送第二生产任务会话清单，第二生产任务会话清单涵盖这些自动化物料调度进程。生产物料管控系统得到第二生产任务会话清单后，基于第二生产任务会话清单确定多组自动化物料调度进程，通过ai算法确定每组自动化物料调度进程中的线程语义特征的可信系数，并基于可信系数从多组自动化物料调度进程中确定出目标自动化物料调度进程，确定目标自动化物料调度进程的第二解析阶段。
48.举例而言，语义特征解析网络k的警戒方式可以是处理请求识别线程实时产线状态的线程语义特征属于异常主题。语义特征解析网络k在设定时间段的收集自动化物料调度进程的步骤中，对于收集的每组自动化物料调度进程，判断该组自动化物料调度进程中
的线程语义特征是否已属于异常主题。若不是，则该组自动化物料调度进程不传输给生产物料管控系统，若是，则从该组自动化物料调度进程开启，将连续z组自动化物料调度进程下发至生产物料管控系统，即，语义特征解析网络k向生产物料管控系统传输的第二生产任务会话清单，涵盖这z组自动化物料调度进程。
49.举例而言，当处理请求识别线程实时产线状态的线程语义特征属于异常主题时，则表征语义特征解析网络k收集的自动化物料调度进程中的线程语义特征是十分精确地，生产物料管控系统能够从自动化物料调度进程中精确地识别出线程语义特征，且线程语义特征的识别精确度较高。为了判断自动化物料调度进程中的线程语义特征是否已属于异常主题，可以在语义特征解析网络k训练的神经网络模型，通过神经网络模型确定自动化物料调度进程中的线程语义特征是否已属于异常主题。比如，语义特征解析网络k将自动化物料调度进程传入到ai算法，ai算法确定自动化物料调度进程中的线程语义特征是否已属于异常主题。
50.步骤203，若基于待管控生产物料处理请求的第一解析阶段和目标自动化物料调度进程的第二解析阶段，判定出存在处理请求识别线程准备添加到待响应队列，则基于待管控生产物料处理请求确定处理请求识别线程的请求主题，并基于目标自动化物料调度进程确定处理请求识别线程的线程语义特征。
51.举例而言，待管控生产物料处理请求可以包括对于处理请求识别线程的设定生产线状态的第一待管控生产物料处理请求，设定生产线状态可以包括实时产线状态、延时产线状态、离线产线状态中的一种产线状态或多种产线状态。根据上述内容，可以基于第一待管控生产物料处理请求的第一解析阶段和目标自动化物料调度进程的第二解析阶段，确定处理请求识别线程解析的目标结束阶段。若在目标结束阶段之前，确定到第二待管控生产物料处理请求，则判定出存在处理请求识别线程准备添加到待响应队列；其中，第二待管控生产物料处理请求是对于处理请求识别线程的下游状态的待管控生产物料处理请求。
52.举例而言，目标结束阶段可以表征：确定到处理请求识别线程的下游状态的第二待管控生产物料处理请求的结束阶段，即，应该在目标结束阶段之前确定到第二待管控生产物料处理请求。进一步地，若在目标结束阶段之前，确定到第二待管控生产物料处理请求，就表示处理请求识别线程准备添加到待响应队列。若在匹配目标结束阶段时，一直没有确定到第二待管控生产物料处理请求，就表征处理请求识别线程未准备添加到待响应队列。
53.比如，生产物料管控系统可以确定出待管控生产物料处理请求x1，待管控生产物料处理请求e1，待管控生产物料处理请求a1，待管控生产物料处理请求f1和目标自动化物料调度进程。第一待管控生产物料处理请求可以涵盖待管控生产物料处理请求x1，待管控生产物料处理请求e1和待管控生产物料处理请求a1，第二待管控生产物料处理请求可以涵盖待管控生产物料处理请求f1。
54.进一步地，生产物料管控系统基于待管控生产物料处理请求x1的第一解析阶段x2，待管控生产物料处理请求e1的第一解析阶段e2，待管控生产物料处理请求a1的第一解析阶段a2，目标自动化物料调度进程的第二解析阶段，确定处理请求识别线程解析的目标结束阶段。若在目标结束阶段之前，确定到待管控生产物料处理请求f1，则判定出存在处理请求识别线程准备添加到待响应队列。
55.举例而言，若生产物料管控系统只确定到待管控生产物料处理请求x1，待管控生产物料处理请求e1，待管控生产物料处理请求a1中的局部待管控生产物料处理请求，则可以利用局部待管控生产物料处理请求的第一解析阶段和目标自动化物料调度进程的第二解析阶段，确定目标结束阶段。比如，若只确定到待管控生产物料处理请求x1和待管控生产物料处理请求e1，没有确定到待管控生产物料处理请求a1，则生产物料管控系统基于待管控生产物料处理请求x1的第一解析阶段x2，待管控生产物料处理请求e1的第一解析阶段e2，目标自动化物料调度进程的第二解析阶段，确定目标结束阶段。
56.进一步地，以生产物料管控系统能够确定到待管控生产物料处理请求x1，待管控生产物料处理请求e1和待管控生产物料处理请求a1为例进行解释。
57.在一种可替换的实施例中，确定目标结束阶段。
58.（1）基于第一待管控生产物料处理请求的第一解析阶段确定反馈等待指示，并基于该反馈等待指示和第二解析阶段，确定处理请求识别线程解析的目标结束阶段。
59.比如，生产物料管控系统基于待管控生产物料处理请求x1的第一解析阶段x2，待管控生产物料处理请求e1的第一解析阶段e2和待管控生产物料处理请求a1的第一解析阶段a2，确定反馈等待指示，并基于该反馈等待指示和目标自动化物料调度进程的第二解析阶段，确定目标结束阶段。
60.在得到反馈等待指示后，生产物料管控系统就可以基于该反馈等待指示和第二解析阶段，确定目标结束阶段，比如，目标结束阶段为该反馈等待指示与第二解析阶段的叠加。
61.举例而言，反馈等待指示可以表征：从确定到目标自动化物料调度进程的第二解析阶段开启，在反馈等待指示的约束条件内，应该能够确定到处理请求识别线程的下游状态的第二待管控生产物料处理请求。根据上述目标结束阶段的含义（即确定到第二待管控生产物料处理请求的结束阶段），那么，反馈等待指示与第二解析阶段的叠加，就可以理解为目标结束阶段。
62.进一步地，从第二解析阶段开启时刻，若在反馈等待指示的约束条件内，确定到第二待管控生产物料处理请求，就表示处理请求识别线程准备添加到待响应队列。若在超出反馈等待指示的约束条件后，仍然没有确定到第二待管控生产物料处理请求，就表征处理请求识别线程未准备添加到待响应队列。
63.（2）基于第一待管控生产物料处理请求的第一解析阶段和第二解析阶段确定反馈等待指示，并基于该反馈等待指示和第二解析阶段确定处理请求识别线程解析的目标结束阶段。
64.比如，生产物料管控系统基于待管控生产物料处理请求x1的第一解析阶段x2，待管控生产物料处理请求e1的第一解析阶段e2，待管控生产物料处理请求a1的第一解析阶段a2和第二解析阶段，确定反馈等待指示，并基于该反馈等待指示和该第二解析阶段确定目标结束阶段。
65.在得到反馈等待指示后，生产物料管控系统就可以基于该反馈等待指示和第二解析阶段，确定目标结束阶段，比如，目标结束阶段为该反馈等待指示与第二解析阶段的叠加。
66.当然，上述（1）和（2）仅仅限于一种解释，只要能够基于第一待管控生产物料处理
请求的第一解析阶段和第二解析阶段，确定目标结束阶段即可。
67.在一种可替换的实施例中，基于目标结束阶段，可以包括以下几种步骤。
68.（a）若在目标结束阶段之前，确定到第二待管控生产物料处理请求，则判定出存在处理请求识别线程准备添加到待响应队列。比如，生产物料管控系统确定到对于处理请求识别线程x的第一待管控生产物料处理请求（如待管控生产物料处理请求x1，待管控生产物料处理请求e1，待管控生产物料处理请求a1中的局部或者全局），并确定到对于处理请求识别线程x的目标自动化物料调度进程，基于第一待管控生产物料处理请求的第一解析阶段和第二解析阶段，确定目标结束阶段之后，若在目标结束阶段之前，确定到对于处理请求识别线程x的第二待管控生产物料处理请求（即待管控生产物料处理请求f1），则生产物料管控系统判定出存在处理请求识别线程x准备添加到待响应队列。
69.（b）若在匹配目标结束阶段时，未确定到对于处理请求识别线程的第二待管控生产物料处理请求，则确定该处理请求识别线程未准备添加到待响应队列。比如，生产物料管控系统确定到对于处理请求识别线程x的第一待管控生产物料处理请求和目标自动化物料调度进程，基于第一待管控生产物料处理请求的第一解析阶段和第二解析阶段，确定目标结束阶段之后，若在匹配目标结束阶段时，仍然未确定到对于处理请求识别线程x的第二待管控生产物料处理请求，则生产物料管控系统确定处理请求识别线程x未准备添加到待响应队列，删除与处理请求识别线程x有关的第一待管控生产物料处理请求和目标自动化物料调度进程，结束对于处理请求识别线程x的识别步骤。
70.（c）若在匹配目标结束阶段之前，未确定到对于处理请求识别线程的第二待管控生产物料处理请求，且确定到对于剩余的其中一个处理请求识别线程的第一待管控生产物料处理请求，则确定处理请求识别线程未准备添加到待响应队列。比如，生产物料管控系统确定到对于处理请求识别线程x的第一待管控生产物料处理请求和目标自动化物料调度进程，基于第一待管控生产物料处理请求的第一解析阶段和第二解析阶段，确定目标结束阶段之后，若在匹配目标结束阶段之前，仍然未确定到对于处理请求识别线程x的第二待管控生产物料处理请求，但是，已经确定到对于处理请求识别线程e的第一待管控生产物料处理请求，则生产物料管控系统确定处理请求识别线程x未准备添加到待响应队列，丢弃与处理请求识别线程x有关的第一待管控生产物料处理请求和目标自动化物料调度进程，结束对于处理请求识别线程x的识别步骤。由于已经确定到对于处理请求识别线程e的第一待管控生产物料处理请求，因此，进行处理请求识别线程e的识别步骤，具体识别步骤在此不再进行一一赘述。
71.进一步似，对基于第一解析阶段和第二解析阶段，确定是否有处理请求识别线程准备添加到待响应队列的步骤进行解释。
72.步骤2031，判断是否确定到待管控生产物料处理请求a1。若是，则记录待管控生产物料处理请求a1的第一解析阶段a2，并执行步骤2032。若否，直接执行步骤2032。
73.步骤2032，判断是否确定到待管控生产物料处理请求x1。若是，则记录待管控生产物料处理请求x1的第一解析阶段x2，并执行步骤2033。若否，直接执行步骤2033。
74.步骤2033，判断是否确定到目标自动化物料调度进程。若是，则记录目标自动化物料调度进程的第二解析阶段，并执行步骤2034。若否，直接执行步骤2034。
75.步骤2034，判断是否确定到待管控生产物料处理请求e1。若是，则记录待管控生产
物料处理请求e1的第一解析阶段e2，并执行步骤2035。若否，直接执行步骤2035。
76.步骤2035，判断是否确定到待管控生产物料处理请求f1。若是，则记录待管控生产物料处理请求f1的第一解析阶段f2，并判定出存在处理请求识别线程准备添加到待响应队列，至此，成功解析出有处理请求识别线程准备添加到待响应队列，流程结束。若否，执行步骤2036。
77.步骤2036，判断是否确定到对于另一处理请求识别线程的待管控生产物料处理请求a1。若是，则确定处理请求识别线程未准备添加到待响应队列，至此，成功解析出处理请求识别线程未准备添加到待响应队列，流程结束，执行另一处理请求识别线程的解析。若否，执行步骤2037。
78.步骤2037，判断当前片段是否匹配目标结束阶段。若是，则确定处理请求识别线程未准备添加到待响应队列，至此，成功解析出处理请求识别线程未准备添加到待响应队列，流程结束。若否，返回步骤2035，继续判断是否确定到待管控生产物料处理请求f1。
79.可以理解的是，生产物料管控系统可以确定出是否有处理请求识别线程准备添加到待响应队列，若有处理请求识别线程准备添加到待响应队列，生产物料管控系统还可以基于待管控生产物料处理请求确定处理请求识别线程的请求主题，并基于目标自动化物料调度进程确定处理请求识别线程的线程语义特征。
80.在一种可替换的实施例中，为了确定处理请求识别线程的请求主题，可以采用以下内容实现：生产物料管控系统将待管控生产物料处理请求传入到ai算法，以使ai算法基于待管控生产物料处理请求的显著性描述确定处理请求识别线程的请求主题。为了确定处理请求识别线程的线程语义特征，可以采用以下内容实现：生产物料管控系统将目标自动化物料调度进程传入到ai算法，以使ai算法基于目标自动化物料调度进程的显著性描述确定处理请求识别线程的线程语义特征。
81.举例而言，可以在生产物料管控系统事先训练的神经网络模型，生产物料管控系统可以通过神经网络模型确定待管控生产物料处理请求中的请求主题，并通过神经网络模型确定目标自动化物料调度进程中的线程语义特征。比如，生产物料管控系统可以将待管控生产物料处理请求传入到ai算法，以使ai算法确定待管控生产物料处理请求中的请求主题。生产物料管控系统可以将目标自动化物料调度进程传入到ai算法，以使ai算法确定目标自动化物料调度进程中的线程语义特征。
82.在ai算法的计算步骤中，生产物料管控系统得到待管控生产物料处理请求后，可以将待管控生产物料处理请求传入到ai算法。ai算法可以筛选待管控生产物料处理请求的显著性描述，并得到与该显著性描述对应的请求主题，并输出该请求主题，这样一来，生产物料管控系统可以得到该请求主题，即处理请求识别线程的请求主题。生产物料管控系统得到目标自动化物料调度进程后，可以将目标自动化物料调度进程传入到ai算法。ai算法可以筛选目标自动化物料调度进程的显著性描述，并得到与该显著性描述对应的线程语义特征，并输出该线程语义特征，这样一来，生产物料管控系统可以得到该线程语义特征，即处理请求识别线程的线程语义特征。
83.步骤204，若基于该请求主题和该线程语义特征确定处理请求识别线程为通过验证的处理请求识别线程，则放行处理请求识别线程通过待响应队列。若基于该请求主题和该线程语义特征确定处理请求识别线程为非法的处理请求识别线程，则禁止处理请求识别
线程通过待响应队列。
84.若生产物料管控系统捕捉到辅助解析服务系统返回的表征验证解析通过的回应，则确定处理请求识别线程为通过验证的处理请求识别线程，并放行处理请求识别线程通过待响应队列。
85.举例而言，生产物料管控系统还可以将第一解析阶段和第二解析阶段等信息下发至辅助解析服务系统，以使辅助解析服务系统标记第一解析阶段和第二解析阶段。比如，辅助解析服务系统标记第一解析阶段x2，第一解析阶段e2，第一解析阶段a2，第一解析阶段f2，第二解析阶段等描述。第一解析阶段a2可以表征处理请求识别线程准备添加到待响应队列的片段。
86.在本实施例中，生产物料管控系统需要从多组生产物料处理请求中确定出待管控生产物料处理请求，以下对上述内容进行解释。假如多组生产物料处理请求涵盖生产物料处理请求2-生产物料处理请求20，生产物料管控系统确定生产物料处理请求2中的请求主题的可信系数2，若可信系数2超过设定判断值，则将生产物料处理请求2作为最优的标准值，若可信系数2不超过设定判断值，则不将生产物料处理请求2作为最优的标准值。然后，生产物料管控系统可以确定生产物料处理请求4中的请求主题的可信系数4。若可信系数4不超过设定判断值，则结束生产物料处理请求4的处理，继续确定生产物料处理请求6中的请求主题的可信系数6。
87.可以理解的是，当有生产物料处理请求的可信系数大于设定判断值时，生产物料管控系统才能够确定出待管控生产物料处理请求，若所有生产物料处理请求的可信系数均不超过设定判断值，则所有生产物料处理请求中不存在待管控生产物料处理请求，即生产物料管控系统没有确定到待管控生产物料处理请求。
88.在本实施例中，生产物料管控系统可以从待管控生产物料处理请求x1中确定请求主题t1，从待管控生产物料处理请求e1中确定请求主题t2，从待管控生产物料处理请求a1中确定请求主题t3，从待管控生产物料处理请求f1中确定请求主题t4。若请求主题t1、请求主题t2、请求主题t3和请求主题t4都一致，则表示请求主题的识别精确度高。若请求主题t1、请求主题t2、请求主题t3和请求主题t4中存在不同的请求主题，则表示请求主题的识别存在错误。
89.确定待管控生产物料处理请求和待管控生产物料处理请求的第一解析阶段并确定目标自动化物料调度进程和目标自动化物料调度进程的第二解析阶段。对基于第一解析阶段和第二解析阶段进行判定，从而确定后续操作步骤。可以基于待管控生产物料处理请求确定处理请求识别线程的请求主题，并基于目标自动化物料调度进程确定处理请求识别线程的线程语义特征。进一步地，若基于请求主题和所述线程语义特征确定处理请求识别线程为通过验证的处理请求识别线程，则放行处理请求识别线程添加到待响应队列，这样能够提高请求主题和线程语义特征的识别精确度和可信度，并确保处理请求识别线程的正确性和合法性，这样能够确保物料管控的效率，减少物料管控过程中出现的安全性问题，保障物料管控过程的稳定性，避免物料管控进程出现异常。
90.在上述基础上，请结合参阅图2，提供了一种一种生产物料管控装置200，应用于一种生产物料管控系统，所述装置包括：阶段确定模块210，用于确定待管控生产物料处理请求和所述待管控生产物料处
理请求的第一解析阶段；确定目标自动化物料调度进程和所述目标自动化物料调度进程的第二解析阶段；阶段判断模块220，用于若基于所述第一解析阶段和所述第二解析阶段判定出存在处理请求识别线程准备添加到待响应队列，则基于所述待管控生产物料处理请求确定所述处理请求识别线程的请求主题，并基于所述目标自动化物料调度进程确定所述处理请求识别线程的线程语义特征；若基于所述请求主题和所述线程语义特征确定所述处理请求识别线程为通过验证的处理请求识别线程，则放行所述处理请求识别线程添加到所述待响应队列。
91.在上述基础上，请结合参阅图3，示出了一种一种生产物料管控系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
92.在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
93.综上，基于上述方案，确定待管控生产物料处理请求和待管控生产物料处理请求的第一解析阶段并确定目标自动化物料调度进程和目标自动化物料调度进程的第二解析阶段。对基于第一解析阶段和第二解析阶段进行判定，从而确定后续操作步骤。可以基于待管控生产物料处理请求确定处理请求识别线程的请求主题，并基于目标自动化物料调度进程确定处理请求识别线程的线程语义特征。进一步地，若基于请求主题和所述线程语义特征确定处理请求识别线程为通过验证的处理请求识别线程，则放行处理请求识别线程添加到待响应队列，这样能够提高请求主题和线程语义特征的识别精确度和可信度，并确保处理请求识别线程的正确性和合法性，这样能够确保物料管控的效率，减少物料管控过程中出现的安全性问题，保障物料管控过程的稳定性，避免物料管控进程出现异常。
94.应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本技术的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
95.需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
96.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可能会对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
97.同时，本技术使用了特定词语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本技术的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
98.此外，本领域技术人员可以理解，本技术的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本技术的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
99.计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质，或任何上述介质的组合。
100.本技术各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如java、scala、smalltalk、eiffel、jade、emerald、c++、c#、vb.net、python等，常规程序化编程语言如c语言、visual basic、fortran 2003、perl、cobol 2002、php、abap，动态编程语言如python、ruby和groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（lan）或广域网（wan），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（saas）。
101.此外，除非权利要求中明确说明，本技术所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
102.同理，应当注意的是，为了简化本技术披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
103.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例
描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本技术一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
104.针对本技术引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本技术作为参考。与本技术内容不一致或产生冲突的申请历史文件除外，对本技术权利要求最广范围有限制的文件(当前或之后附加于本技术中的)也除外。需要说明的是，如果本技术附属材料中的描述、定义、和/或术语的使用与本技术所述内容有不一致或冲突的地方，以本技术的描述、定义和/或术语的使用为准。
105.最后，应当理解的是，本技术中所述实施例仅用以说明本技术实施例的原则。其他的变形也可能属于本技术的范围。因此，作为示例而非限制，本技术实施例的替代配置可视为与本技术的教导一致。相应地，本技术的实施例不仅限于本技术明确介绍和描述的实施例。
106.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。