本發明涉及設備管控領域，具體來說，尤其涉及一種用于工件物流輸送的物料輸送料設備管控方法及系統。

背景技術：

1、工件物流輸送指的是在生產過程中，將工件（即加工中或完成的物品）從一個生產站點轉移到另一個生產站點或存儲區域的整個運輸過程。這個過程涉及到物料的搬運、排序、暫存以及最終的投遞，是制造業和加工業中重要的一環，確保生產流程的順暢進行。

2、物料輸送料設備則是指用于實現工件物流輸送的機械和設備，包括但不限于傳送帶、自動化機器人、輸送滾筒、分揀機等，設備的功能是自動或半自動地傳送、分配和處理工件，以支持生產線的高效運作；通過有效的設備管理，可以確保物料輸送系統的高效運作，減少停機時間，加快生產速度，從而提高整體的生產效率。

3、在沒有精確物料需求預測的情況下，企業往往難以優化庫存管理和補貨策略，這可能導致物料的過量庫存或缺貨情況，從而影響生產效率和增加成本，傳統的輸送料設備運行策略缺乏根據實際生產需求進行調整的能力，經常導致能源消耗和設備磨損不必要的增加，缺乏效率和成本效益，由于缺乏對物料供應和需求的實時監控，傳統生產系統常常面臨生產中斷和停機等問題，這些問題直接影響生產效率和企業的盈利能力。

4、針對相關技術中的問題，目前尚未提出有效的解決方案。

技術實現思路

1、為了克服以上問題，本發明旨在提出一種用于工件物流輸送的物料輸送料設備管控方法及系統，目的在于解決由于缺乏對物料供應和需求的實時監控，傳統生產系統常常面臨生產中斷和停機等問題，這些問題直接影響生產效率和企業的盈利能力的問題。

2、為此，本發明采用的具體技術方案如下：

3、根據本發明的一個方面，提供了一種用于工件物流輸送的物料輸送料設備管控方法，該物料輸送料設備管控方法包括以下步驟：

4、s1、收集物料屬性和環境參數的數據；

5、s2、基于收集的數據，結合生產環境和物料特性，利用混合優化算法計算最優的物料輸送路徑；

6、s3、利用物料需求預測模型，基于最優的物料輸送路徑，預測未來預設時間內的物料需求量和時間，并根據預測結果和預設生產需求調整輸送料設備的速度和頻率；

7、s4、在物料輸送過程中，實時監控物料的質量，若發現物料存在缺陷，則通過反饋機制進行糾正；

8、s5、利用預測性維護模型分析輸送料設備的速度和頻率，通過對設備運行數據的實時監測和分析，預測故障的發生，并基于預測結果實施維護措施；

9、其中，基于收集的數據，結合生產環境和物料特性，利用混合優化算法計算最優的物料輸送路徑包括以下步驟：

10、s21、根據收集的數據，構建環境模型，并利用bellman-ford算法確定從起點到所有頂點的最短路徑；

11、s22、基于bellman-ford算法得出的最短路徑，生成遺傳算法的初始種群，其中，初始種群中的個體代表路徑，同時設定適應度函數；

12、s23、基于遺傳算法的初始種群和設定適應度函數，通過精英交叉和變異機制優化種群，并結合bellman-ford算法的最短路徑，尋找適應度更優的路徑解；

13、s24、重復執行s22-s24的步驟，直至滿足預設條件，預設條件如達到預設的迭代次數或找到滿足要求的路徑，選擇適應度最高的路徑作為最優解。

14、可選地，根據收集的數據，構建環境模型，并利用bellman-ford算法確定從起點到所有頂點的最短路徑包括以下步驟：

15、s211、獲取物料屬性和環境參數的數據，并構建環境模型；

16、s212、為環境模型中的每個頂點設置初值，并設定邊的權重，同時遍歷環境模型中的每一條邊；

17、s213、對每一條邊重復進行松弛操作，并檢查是否通過當前邊縮短從起點到預設頂點的已知最短路徑長度；

18、若通過當前邊得到更短的路徑，更新該頂點的最短路徑長度和前驅節點；

19、s214、重復執行s222-s223的步驟，直至達到預設的迭代次數，預設的迭代次數包括所有邊的檢查在一次完整的迭代中都不再產生更短的路徑更新，找到所有頂點的最短路徑，并記錄從起點到所有頂點的最短路徑。

20、可選地，基于遺傳算法的初始種群和設定適應度函數，通過精英交叉和變異機制優化種群，并結合bellman-ford算法的最短路徑，尋找適應度更優的路徑解包括以下步驟：

21、s231、將最短路徑和生成的初始種群作為遺傳算法的輸入；

22、s232、在遺傳算法中，通過選擇適應度高的個體作為父代進行交叉并隨機變異，以產生并保留適應度最高的新后代，并優化路徑種群；

23、s233、對每個新生成的路徑進行適應度評估，適應度函數應根據特定生產環境和物料特性的要求來設計，根據適應度函數計算每個個體的適應度值，并對種群進行排序，更新種群；

24、s234、檢查是否達到預設的迭代次數，若達到，則執行入最終路徑選擇；并檢查是否已經有路徑滿足了預設的性能要求；

25、s235、從當前種群中選擇適應度最高的路徑作為最終的最優解。

26、可選地，在遺傳算法中，通過選擇適應度高的個體作為父代進行交叉并隨機變異，以產生并保留適應度最高的新后代，并優化路徑種群包括以下步驟：

27、s2321、在遺傳算法中，從當前路徑中選擇符合預設要求的適應度個體作為父代；

28、s2322、以設定的概率進行交叉操作，產生新的后代個體；

29、s2323、對種群中的個體進行隨機的變異操作，并引入新的基因組合；

30、s2324、在交叉操作和變異操作后，保留路徑中適應度最高的個體。

31、可選地，對每個新生成的路徑進行適應度評估，適應度函數應根據特定生產環境和物料特性的要求來設計，根據適應度函數計算每個個體的適應度值，并對種群進行排序，更新種群包括以下步驟：

32、s2331、根據特定生產環境和物料特性設定適應度評估的標準；

33、s2332、利用適應度計算公式量化每條路徑的表現；

34、s2333、對種群中的每條路徑，根據適應度函數計算每條路徑的適應度值；

35、s2334、根據計算出的適應度值，對路徑進行排序；

36、s2335、根據排序結果，刪除不符合預設要求的路徑，并更新種群；

37、其中，適應度計算公式為：

38、；

39、式中，m表示路徑的適應度值；

40、l表示路徑總長度；

41、t表示時間；

42、s表示安全性分數；

43、表示路徑總長度的權重系數；

44、表示時間的權重系數；

45、表示安全性分數的權重系數。

46、可選地，利用物料需求預測模型，基于最優的物料輸送路徑，預測未來預設時間內的物料需求量和時間，并根據預測結果和預設生產需求調整輸送料設備的速度和頻率包括以下步驟：

47、s31、將當前的生產數據和歷史物料利用情況輸入預先配置的物料需求預測模型中；

48、s32、設置預測的時間范圍，基于最優的物料輸送路徑，分析并預測的時間范圍物料需求量和時間點；

49、s33、根據物料需求預測結果和預設的生產需求，調整輸送料設備的速度和運送頻率；

50、s34、實時監控物料供應情況和生產線的實時需求，根據實時數據反饋，優化輸送料設備的速度和頻率。

51、可選地，設置預測的時間范圍，基于最優的物料輸送路徑，分析并預測的時間范圍物料需求量和時間點包括以下步驟：

52、s321、設置預測的時間范圍；

53、s322、將最優的物料輸送路徑信息輸入物料需求預測模型中，包括路徑的長度、預計運輸時間、可能的延誤或物料損耗等因素，這些數據對預測物料需求具有重要影響；

54、s323、利用物料需求預測模型，基于已設定的時間范圍及整合的數據，整合的數據包括當前生產數據、歷史物料使用情況、輸送路徑特性，分析物料的利用趨勢和生產節奏；

55、根據分析結果預測未來設定時間點的物料需求量（預測結果包括各個時間點的物料需求量，考慮到生產計劃和可能的市場變動）；

56、s324、列出在預定時間范圍內每個重要時間點的預期物料需求量及關聯的時間點。

57、可選地，利用預測性維護模型分析輸送料設備的速度和頻率，通過對設備運行數據的實時監測和分析，預測故障的發生，并基于預測結果實施維護措施包括以下步驟：

58、s51、收集輸送料設備的運行數據；

59、s52、提取運行數據的特征數據，根據特征數據選擇預測性維護模型；

60、s53、訓練預測性維護模型的初始參數，通過優化參數提高預測準確性；

61、s54、利用訓練后的預測性維護模型預測輸送料設備未來預設時間內的運行狀態；

62、s55、分析預測結果，識別輸送料設備的故障風險；

63、s56、基于預測結果調整維護措施，采取相應維護措施以預防故障；

64、s57、持續監控設備狀態并更新預測性維護模型。

65、可選地，分析預測結果，識別輸送料設備的故障風險包括以下步驟：

66、s551、審查預測性維護模型預測的未來預設時間內的運行狀態數據；

67、s552、根據操作標準和歷史數據設置警告閾值，將標記超出警告閾值的預測性能視為潛在風險；

68、s553、利用預測性維護模型中的季節組分，檢測與正常季節性模式不符的異常行為，識別潛在故障；

69、s554、根據檢測結果中的風險大小和性質，對潛在故障進行分類，并分析導致預測異常的原因；

70、s555、針對識別出的不同風險類別，制定包括調整操作參數、計劃提前維護或臨時停機檢查在內的響應措施，并創建包含預測結果、風險點和預防措施的報告。

71、根據本發明的另一個方面，還提供了一種用于工件物流輸送的物料輸送料設備管控系統，該系統包括：數據收集模塊、路徑優化模塊、物料需求預測模塊、物料質量監控模塊及預測性維護模塊；

72、數據收集模塊、路徑優化模塊、物料需求預測模塊、物料質量監控模塊及預測性維護模塊依次保持連接；

73、數據收集模塊，用于收集物料屬性和環境參數的數據；

74、路徑優化模塊，用于基于收集的數據，結合生產環境和物料特性，利用混合優化算法計算最優的物料輸送路徑；

75、物料需求預測模塊，用于利用物料需求預測模型，基于最優的物料輸送路徑，預測未來預設時間內的物料需求量和時間，并根據預測結果和預設生產需求調整輸送料設備的速度和頻率；

76、物料質量監控模塊，用于在物料輸送過程中，實時監控物料的質量，若發現物料存在缺陷，則通過反饋機制進行糾正；

77、預測性維護模塊，用于利用預測性維護模型分析輸送料設備的速度和頻率，通過對設備運行數據的實時監測和分析，預測故障的發生，并基于預測結果實施維護措施。

78、相較于現有技術，本技術具有以下有益效果：

79、1、本發明通過使用bellman-ford算法構建的環境模型可以靈活適應不同的物料特性和生產環境，能夠處理含有負權重的圖，為物料輸送提供實際可行的路徑解決方案；遺傳算法用于優化路徑選擇，能夠在bellman-ford算法確定的最短路徑基礎上進一步探索可能的路徑組合，尋找成本更低或效率更高的路徑；通過精確調整適應度函數，考慮成本、時間和安全等多種因素，算法能夠綜合評估并選擇最優的物流路徑；隨著環境條件的變化，遺傳算法能夠通過迭代進化快速適應新的運輸需求和約束，確保物流設備的持續穩定運行。

80、2、本發明通過精確預測物料需求量和時間，企業可以優化物料的庫存管理和補貨策略，避免物料浪費和缺貨情況，通過根據預測數據調整輸送料設備的運行速度和頻率，可以更靈活地應對生產需求的變化，適時調整輸送料設備的速度和頻率不僅可以根據實際需求節省能源消耗，還能減少設備的過度使用和磨損，延長設備使用壽命，通過實時監控物料供應情況和生產線的需求，及時調整輸送設備的參數，可以確保物料及時到位，減少生產中斷和停機時間，從而提高整體生產效率。

81、3、本發明通過對設備運行數據的實時監測和分析，預測性維護模型可以提前識別可能發生的故障，從而使維護團隊能夠在故障發生前采取預防措施，定期和有針對性的維護可以有效延長設備的使用壽命，預測性維護允許企業根據設備的實際運行狀況制定維護計劃，而不是依靠固定的維護時間表，通過避免不必要的維護和減少緊急修理的需要，預測性維護有助于大幅降低總體維護成本，設備運行狀態的穩定和可靠性直接影響生產效率。