一种根据直播信息反馈的柔性智能制造方法及系统

本发明属于智能制造，具体涉及一种根据直播信息反馈的柔性智能制造方法及系统。

背景技术：

1、随着新一轮科技革命的兴起，传统的制造业面临着巨大的冲击，创新能力薄弱、产品科技含量低、高端设备少等问题逐渐暴露出来，传统制造业急需进行调整升级，智能制造产业逐渐成为产业发展的新方向。目前，我国制造业的传统优势在逐步减弱。对于当前的制造行业，难免会出现生产过量以及产品生产后期处理过程繁琐的问题，需要消耗大量的人力物力，为解决这些问题，本发明提高了一种根据直播信息反馈的柔性智能制造系统，能够预测有效订单量的同时，优化生产过程，解放双手，实现产生智能化。

技术实现思路

1、发明目的：本发明提供一种根据直播信息反馈的柔性智能制造方法及系统，通过直播直接获取订单信息，对订单信息进行处理，预测出有效订单数；根据有效订单数据对产品进行智能加工，不仅能够避免由于盲目生产和用户退订造成的经济损失，还得使生产过程变得快速高级，有效解决时间成本和成本，从而提高净收益。

2、技术方案：本发明提供一种根据直播信息反馈的柔性智能制造方法，具体包括以下步骤：

3、(1)进行实时数据的采集，读取并记录实时订单数据；

4、(2)通过分层检索的方式对实时订单数据进行分类处理；

5、(3)构建基于ifoa-lstm的有效订单预测模型，根据分类处理好的实时订单数据以及历史订单数据进行有效订单数的预测；

6、(4)根据有效订单数的预测结果，进行智能生产，并记录已完成生产的产品信息；将以完成的产品信息标记为历史数据，再次作为有效订单预测模型的输入，提高有效订单预测模型的预测精度。

7、进一步地，步骤(1)所述的实时数据是通过直播平台采集获取。

8、进一步地，所述步骤(2)实现过程如下：

9、将各种不同材质、规格、颜色的产品数据进行分类，第一次检索以订单的材质为关键信息进行分类，分成多组不同材质的订单数学；再对不同材质的订单以产品的规格为关键信息进行组内分类，得到多组规格不同的订单数据；再对各种不同规格的订单采用相同的方法，以产品的颜色为关键信息，进行组内分类，得到不同颜色的产品订单数据。

10、进一步地，步骤(3)所述历史订单数据是指各类不同材质、不同规格、不同颜色的产品的订单数以及退订数。

11、进一步地，步骤(3)所述构建基于ifoa-lstm的有效订单预测模型实现过程如下：

12、s1：构建lstm神经网络模型，对lstm在神经网络模型中的输入门、输出门和遗忘门三个具有记忆功能的模块进行构建；

13、s2：遗忘门ft负责决定从记忆单元中丢弃哪些信息，更新公式为：

14、ft＝σ(wfxxt+wfhht-1+wfcct-1+bf)

15、式中，σ(·)-sigmoid：xt表示第t个订单的信息；ht表示第t个预测有效订单信息；ht-1表示t-1个预测有效订单信息，ct表示t时刻的候选向量；wfx、wfh、wfc表示遗忘门的权重系数；bf表示遗忘门偏置；

16、s3：输出门it负责决定哪些信息可以保存在记忆单元中，更新公式为：

17、it＝σ(wixxi+wihht-1+wicct-1+bi)

18、

19、

20、式中：wix、wih、wic表示输入门的权重系数；bi表示输入门偏置；wcx、wch表示候选向量的权重系数；b0表示候选向量偏置；tanh(.)表示双曲正切激活函数；表示候选向量的更新值；

21、s4：输出门决定将输出哪些信息，其表达方式为：

22、ot＝σ(woxxt+wohht-1+wocct-1+bo)

23、ht＝ottanh(ct)

24、式中：ot表示输出门；wox、woh、woc表示输出门的权重系数；将智能分类后的实时订单数据以及历史订单数据作为预测模型的输入，输出为有效订单信息；

25、s5：采用改进果蝇优化算法ifoa对lstm预测模型的初始隐层节点数和学习率进行优化，找到初始隐层节点数和学习率的最优值，具体的实现过程如下所示：

26、1)初始化果蝇种群规模sizepop、最大迭代次数maxgen以及果蝇群体位置xaxis和yaxis；

27、2)赋予果蝇个体随机的搜索方向和距离，计算公式如下所示：

28、

29、3)对搜索步长进行优化改进：

30、r＝α×e-(β×g)/margen

31、其中，α为步长控制因子，β为指数调控因子，g为当前迭代次数，maxge为最大迭代次数；

32、4)得到改进后果蝇个体更新位置：

33、

34、5)计算果蝇个体到原点的距离dist：

35、

36、6)计算味道浓度判定值si，计算公式如下所示：

37、si＝1/disti

38、7)采用sign函数对味道浓度判定值si进行优化改进：

39、

40、si＝sign(2×rand-1)/dist

41、其中，rand为范围在[0,1]之间均匀分布的随机数；

42、8)将浓度判定值输入目标函数，计算出味道浓度值smelli，计算公式如下所示：

43、smelli＝fitness(si)

44、其中，fitness表示计算味道浓度值的目标函数；

45、9)得到味道浓度值最优的果蝇个体，记录其位置信息和响应的味道浓度值，公式如下所示：

46、[bestsmell,bestindex]＝min(smell)

47、10)保留最优的味道浓度值bestsmell，进行位置更新，形成新的种群中心：

48、smellbest＝bestsmell

49、

50、11)迭代寻优，直到满足最大迭代次数时，输出最优初始隐层节点数和学习率。

51、基于相同的发明构思，本发明还提出一种根据直播信息反馈的柔性智能制造系统，包括实时数据采集单元、智能分类单元、有效订单数预测单元以及智能制造单元；所述实时数据参加单元通过直播平台进行实时数据的采集，读取并记录订单数据，将所记录的数据传输到智能分类单元；所述智能分类单元通过分层检索的方式对订单数据进行分类处理，将各种不同材质、规格、颜色的产品数据进行分类，为后期的有效订单预测单元提供数据来源；所述有效订单预测单元，根据智能分类单元处理好的实时订单数据，以及历史订单数据进行有效订单数的预测；所述智能制造单元根据有效订单预测单元的预测结果，进行智能生产。

52、有益效果：与现有技术相比，本发明的有益效果：

53、1、本发明通过直播直接获取订单信息，并对订单数据进行智能分类处理，结合历史订单数据对有效订单的数量进行预测，避免了由于生产过多或者用户的退订而造成的经济亏损，有效提高了经济收益；

54、2、本发明的智能制造单元能够分材料、分规格、分颜色加工产品，并将同材料、同规格、同颜色的产品在同一个出货口产出，能够快速高效的对产品进行分类，避免了产品后期的繁杂人工分类过程，节约了经济成本以及时间成本；

55、3、本发明可以实现数据的循环利用，记录已完成生产的产品信息，并将以完成的产品信息标记为历史数据，传输的历史订单数据库中，再次作为本发明构建的基于ifoa-lstm的有效订单预测模型的输入，提高了有效订单预测的准确性。