一种基于大数据的工业互联网生产线协同推荐算法

本发明涉及工业互联网生产线协同，具体为一种基于大数据的工业互联网生产线协同推荐算法。

背景技术：

1、近年来，工业互联网作为新兴技术正在逐步改变传统制造业的运营模式，随着越来越多的企业开始将工业互联网技术应用到生产中，它所带来的巨大的经济效益和运营上的效率提升也逐渐显现，工业互联网是指将物理设备、传感器、制造工序和生产活动等进行互联和信息化，从而实现自主运作和自我优化的技术，在工业生产中，工业互联网主要应用于以下几个方面：通过物联网技术和大数据分析，可以将生产过程中的各个环节掌握在手中，实现对生产流程的数据化、可视化和自动化管理，如通过对加工机床等设备的实时监测，对设备的运转状态、温度、湿度、振动等参数进行采集和分析，实时反馈设备运行情况，发现并预测可能出现的故障，在故障尚未发生时，就可以及时进行维修和调整，确保生产线的正常运行；通过对物料、工序、批次等信息的追溯，可以快速定位产品可能存在的质量问题，从而在出现问题时及时采取措施进行处理，例如在食品行业中，可以通过条形码或rfid技术对每个批次的食品的生产、包装、运输过程进行追踪记录，确保食品的质量和安全；工业互联网可以通过对生产设备的运行情况进行监测和分析，实现对设备状态的预测和维修管理。如对一台机床进行实时监测和分析，发现在一月内机器负载度出现了剧烈波动，根据分析结果，可能是机床主轴轴承存在问题，需要进行维修或更换，从而提高设备的可靠性和稳定性；工业互联网可以通过物联网技术和自主学习算法，实现对生产过程的智能化和自主化，如在某个工厂中，将所有机器设备连接到一个物联网系统中，并提供一些基本信息，如每个设备的操作顺序、流程和应用程序，每台设备上都有一个无人值守的智能控制模块，该模块可以自动根据当前生产任务，选择最优的设备配置和方案，实现生产工艺的智能优化和自我调节。

2、随着互联网技术的不断更新迭代，网络数据的体量和复杂性不断增大，用户从体量庞大的数据中挖掘出有价值的信息资源变得越来越困难，“信息过载”题愈加严重。推荐算法是缓解“信息过载”问题的主要技术手段之一。

3、但是，传统的工业互联网生产线协同存在以下缺点：

4、传统的工业互联网生产线内外部信息融合共享不够，无法实现高效协同制造，传统的五级架构内部协同融合性不够，已无法适应工业数字化转型升级需要；由于没有实现与链条企业的数据融合共享，在供应端和市场端两端反应敏感度不够，无法将上下游工业的问题和特殊需求及时有效地反馈到生产制造过程中，无法与产业链链条企业保持同频共振，为上下游客户提供超值服务方面有待提升。

技术实现思路

1、本发明的目的在于提供一种基于大数据的工业互联网生产线协同推荐算法，以解决上述背景技术中提出的传统的工业互联网生产线内外部信息融合共享不够，无法实现高效协同制造，传统的五级架构内部协同融合性不够，已无法适应工业数字化转型升级需要；由于没有实现与链条企业的数据融合共享，在供应端和市场端两端反应敏感度不够，无法将上下游工业的问题和特殊需求及时有效地反馈到生产制造过程中，无法与产业链链条企业保持同频共振，为上下游客户提供超值服务方面有待提升的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于大数据的工业互联网生产线协同推荐算法，包括以下步骤：

3、步骤一、设立工业模型：融合全流程制造的工业互联网架构并研制了标准体系，搭建基于云-边-端协同的多源数据采集和多协议解析数据平台，基于大数据平台构建了动态数字孪生模型；

4、步骤二、模型处理：对动态数字孪生模型进行模型画像，生成对应的模型标签，并基于模型的模型标签训练推荐模型，依据算法设立生产线相似度矩阵；

5、步骤三、确定用户需求：获取用户输入的与模型需求相关的语句文本，并对语句文本进行自然语言语义理解和分析，生成对应的用户需求；

6、步骤四、设立矩阵：根据用户需求依据算法设立一个维护用户相似度矩阵，并将用户需求投放至对应矩阵内；

7、步骤五、结果输出：将用户相似度矩阵和生产线相似度矩阵相互匹配后计算结果并输出。

8、作为本发明的一种优选技术方案，所述步骤一中动态数字孪生模型具体为工业全流程生产线和边缘数字化模型开发平台，所述边缘数字化模型开发平台包括边缘数据中心、模型开发、数字孪生、机理建模、模型创新和工艺创新。

9、作为本发明的一种优选技术方案，所述步骤二中模型标签具体为多业务一体化管控平台、计划、设备、质量、成本、调度、能源、原料、采购、营销、物流、运营、仓储、客户、配套、服务、产业链和供应链。

10、作为本发明的一种优选技术方案，所述步骤二中设立生产线相似度矩阵的算法公式具体为其中score(μ，si)为生产线适配，si为生产线的适配度，sim(si，s)为生产线的总适配度，si为工业适配的生产线。

11、作为本发明的一种优选技术方案，所述步骤四中设立用户相似度矩阵具体为其中score(μ，si)为用户需求，si为用户的需求度，sim(si，s)为用户的总需求，si为用户的需求生产线。

12、作为本发明的一种优选技术方案，所述步骤五中计算的具体流程为：s1、计算矩阵相似度；s2、通过矩阵相乘为用户推荐生产线。

13、作为本发明的一种优选技术方案，所述计算矩阵相似度具体为式中vi为用户需求度，vj为生产线适配度。

14、作为本发明的一种优选技术方案，所述矩阵相乘的计算公式为：rnxm＝anxm*smxn，其中smxn为生产线相似度矩阵，anxm为用户相似度矩阵。

15、与现有技术相比，本发明的有益效果是：

16、1、基于云-边-端的数据采集与异构数据处理技术，开发了基于云-边-端的流程工业互联网平台，搭建了面向生产线流程的数字化业务基盘，建立了异构数据自动转换、数据降维和时空匹配模型，实现了生产线流程数据互联互通，为钢生产线流程协同制造系统关键技术研发奠定了基础；

17、2、通过数字孪生、用户相似度矩阵和生产线相对度矩阵，将各生产线工序和各用户需求形成矩阵式网格联通；建立高精度过程动态数字孪生和多工序动态协同控制平台，与产业链链条企业保持同频共振，为上下游客户提供超值服务方面有待提升。

技术特征：

1.一种基于大数据的工业互联网生产线协同推荐算法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于大数据的工业互联网生产线协同推荐算法，其特征在于：所述步骤一中动态数字孪生模型具体为工业全流程生产线和边缘数字化模型开发平台，所述边缘数字化模型开发平台包括边缘数据中心、模型开发、数字孪生、机理建模、模型创新和工艺创新。

3.根据权利要求1所述的一种基于大数据的工业互联网生产线协同推荐算法，其特征在于：所述步骤二中模型标签具体为多业务一体化管控平台、计划、设备、质量、成本、调度、能源、原料、采购、营销、物流、运营、仓储、客户、配套、服务、产业链和供应链。

4.根据权利要求1所述的一种基于大数据的工业互联网生产线协同推荐算法，其特征在于：所述步骤二中设立生产线相似度矩阵的算法公式具体为其中score(μ，si)为生产线适配，si为生产线的适配度，sim(si，s)为生产线的总适配度，si为工业适配的生产线。

5.根据权利要求1所述的一种基于大数据的工业互联网生产线协同推荐算法，其特征在于：所述步骤四中设立用户相似度矩阵具体为其中score(μ，si)为用户需求，si为用户的需求度，sim(si，s)为用户的总需求，si为用户的需求生产线。

6.根据权利要求1所述的一种基于大数据的工业互联网生产线协同推荐算法，其特征在于：所述步骤五中计算的具体流程为：s1、计算矩阵相似度；s2、通过矩阵相乘为用户推荐生产线。

7.根据权利要求6所述的一种基于大数据的工业互联网生产线协同推荐算法，其特征在于：所述计算矩阵相似度具体为式中vi为用户需求度，vj为生产线适配度。

8.根据权利要求6所述的一种基于大数据的工业互联网生产线协同推荐算法，其特征在于：所述矩阵相乘的计算公式为：rnxm＝anxm*smxn，其中smxn为生产线相似度矩阵，anxm为用户相似度矩阵。

技术总结本发明公开了一种基于大数据的工业互联网生产线协同推荐算法，包括以下步骤：步骤一、设立工业模型，步骤二、模型处理，步骤三、确定用户需求，步骤四、设立矩阵，步骤五、结果输出，本发明基于云‑边‑端的数据采集与异构数据处理技术，开发了基于云‑边‑端的流程工业互联网平台，搭建了面向生产线流程的数字化业务基盘，建立了异构数据自动转换、数据降维和时空匹配模型，通过数字孪生、用户相似度矩阵和生产线相对度矩阵，将各生产线工序和各用户需求形成矩阵式网格联通；建立高精度过程动态数字孪生和多工序动态协同控制平台，与产业链链条企业保持同频共振，为上下游客户提供超值服务方面有待提升。技术研发人员：程东受保护的技术使用者：电子科技大学中山学院技术研发日：技术公布日：2024/8/1