本发明涉及生产调配，更具体地说，本发明涉及一种基于工业知识图谱的智能生产调配方法及系统。
背景技术：
1、智能生产调配系统的应用场景广泛，尤其是在自动化生产线和智能制造领域，通过智能调度系统，可以有效地管理复杂的生产流程，提高设备利用率和生产效率，降低企业的生产成本，而工业知识图谱不仅包括对各种工业资源的统一管理，还包括对这些实体之间的动态关系的记录，因此将工业知识图谱与智能生产调配系统进行组合后，即可实现企业高效、低成本的生产制造效果。
2、参考公开号为cn114137921a的专利申请公开了卫品设备智能生产车间实时调配系统及其调配方法，在云端和车间孪生数据中心环境下，对生产资源进行调度和配置，将生产任务拆分，并进行可用资源调度，给每个加工节点进行最优化的生产资源配置，使得空余资源最小化，提高生产效率，对订单任务进行实时跟踪，并将生产过程中实时数据反馈给云端和车间孪生数据中心；通过在上料缓存区、接点缓存区、设备加工区和出料缓存区均设置rfid天线，因此能够大大提高生产过程中的监控精度；通过制造任务管理中枢和车间孪生数据中心的实时交互和调度，以及高精度rfid识别，可以快速准确的获取所需的调度数据，保证了调度的准确性，可以通过车间孪生数据分析车间的运行状态并预测装配工时，通过物理车间和虚拟车间的信息交互和迭代优化，不断调整和优化调度方案，并及时应对生产扰动；
3、现有的智能生产调配方法通过获取企业端过往的生产流程数据，并根据生产流程数据构建出恒定状态的工业知识图谱，用来对用户端的定制产品进行生产调配处理，由于构建的工业知识图谱仅能够对企业端历史的生产情况进行表示，无法根据企业端的实际生产情况和用户端的实际生产需求进行实时更新操作，导致工业知识图谱的数据存在滞后性，不能保持在最新版本，当用户端需要进行小批量个性化产品的生产制造时，会导致企业端无法快速且准确的响应小批量个性化产品的生产调配需求问题，进而降低了智能生产调配的质量。
4、鉴于此，本发明提出一种基于工业知识图谱的智能生产调配方法及系统以解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：一种基于工业知识图谱的智能生产调配方法，应用于生产调配中心，包括：
2、s1：采集工业端的综合生产数据，综合生产数据包括设备数据、人员数据、材料数据、工艺数据和产品数据，并从综合生产数据中提取出待识别特征；
3、s2：从待识别特征中筛选出有效特征，将有效特征转换为图谱点，图谱点包括节点和边，并构建出工业知识图谱；
4、s3：接收用户端的生产需求数据，并从生产需求数据中提取出需求特征；
5、s4：将需求特征导入工业知识图谱中进行图谱更新，获取更新后的工业知识图谱的综合调配参数，综合调配参数包括节点波动频率、关联边更新度和更新延迟值，并计算出生产调配指数；
6、s5：将生产调配指数与预设的生产调配阈值比较，制定出调配等级，调配等级包括联动综合调配级别和独立自主调配级别，并按调配等级控制节点和边智能生产调配。
7、进一步的，待识别特征的提取方法包括：
8、通过自然语言处理技术逐一对i个综合生产数据进行语义识别，获得i个文字语义和i个数字语义；
9、将车间位置、设备编号、制造工艺、生产材料和检测仪器记为标准字，并将标准字组合成标准特征；
10、按照查询时间的先后顺序，依次将i个文字语义与标准特征进行比较，并将与标准特征中任意一个标准字存在重复的文字语义记为待识别语义，获得个待识别语义；
11、构建出个空白的基础组，并在基础组内分别绘制出第一特征位和第二特征位，获得个第一特征位和个第二特征位；
12、将个待识别语义和对应的个数字语义分别导入到个第一特征位和个第二特征位内，获得个特征组，并对个特征组依次编号后，获得个待识别特征。
13、进一步的，有效特征的筛选方法包括：
14、通过属性管理系统逐一查询出个待识别特征的属性状态框，并标记出属性状态框中的备注值，获得个第一备注值和个第二备注值；
15、将个第一备注值与对应的个第二备注值相乘，获得个状态指数；
16、状态指数的表达式为：
17、；
18、式中，为第个待识别特征的状态指数，为第个待识别特征的第一备注值，为第个待识别特征的第二备注值；
19、将小于预设的指数阈值的状态指数记为有效指数，并将有效指数对应的待识别特征记为有效特征，获得s个有效特征。
20、进一步的，工业知识图谱的构建方法包括：
21、利用ner技术逐一识别出s个有效特征的关键实体，获得s个关键实体，并分别识别出s个关键实体的属性信息；
22、通过关系抽取模型提取出s个关键实体中相邻两个关键实体之间的关系，获得w个关系；
23、通过虚拟现实技术将s个关键实体转换为s个基础点，并在s个基础点上分别绘制出信息框；
24、将s个关键实体的属性信息对应导入s个基础点的信息框内，生成s个节点，并对s个节点逐一编号；
25、逐一识别出位于w个关系前端和后端的关键实体所处节点的编号，获得w个前编号和w个后编号；
26、将w个关系的前端连接在编号与w个前编号相同的节点上，并将w个关系的后端连接在编号与w个后编号相同的节点上，获得w个边；
27、通过图数据库将s个节点和w个边存储为知识图谱，并结合异质图技术设定定期更新机制，构建出工业知识图谱。
28、进一步的，需求特征的提取方法包括：
29、通过企业生产数据库查询出用户端的输入数据，并逐一识别出输入数据的信息状态，并将信息状态为用户的输入数据记为生产需求数据，获得u个生产需求数据；
30、通过自然语言处理技术逐一识别出u个生产需求数据的需求语义，并标记出需求语义中的关键字；
31、将关键字为进度、分配、质量和时间的需求语义记为需求特征，获得y个需求特征。
32、进一步的，节点波动频率的获取方法包括：
33、a1：在t1时刻下，记录工业知识图谱中s个节点的节点状态，并识别出节点状态中的状态值，获得s个初始状态值；
34、a2：在t2时刻下，记录工业知识图谱中s个节点的节点状态，并识别出节点状态中的状态值，获得s个更新状态值；
35、a3：将更新状态值与初始状态值不一致的节点状态记为异常状态，并将异常状态对应的节点记为波动节点，统计出波动节点的数量；
36、a4：重复次a1-a3的步骤，获得个波动节点的数量，并将个波动节点的数量分别与t1时刻至t2时刻之间的时长比较，获得个子频率；
37、子频率的表达式为：
38、；
39、式中，为第个子频率，为第个波动节点的数量，为t1时刻至t2时刻之间的时长；
40、a5：将个子频率累加后求平均，获得节点波动频率；
41、节点波动频率的表达式为：
42、；
43、式中，为节点波动频率，为第个子频率。
44、进一步的，关联边更新度的获取方法包括：
45、以t3时刻为起始时刻，以预设的监测时长为间隔标准，标记出个监测时刻点；
46、在个监测时刻点下，通过关联管理系统逐一查询出w个边的关联值，获得w个关联值；
47、将任意两个关联值一一比较，将关联值相同的边记为关联边，并统计出关联边的数量，获得个关联量值；
48、将个关联量值依次与边的总数量比较，并将比较值累加后求平均，获得关联边更新度；
49、关联边更新度的表达式为：
50、；
51、式中，为关联边更新度，为第个关联量值，为边的总数量。
52、进一步的，更新延迟值的获取方法包括：
53、通过时间戳逐一查询出个波动节点的节点状态第一次出现波动时的时刻和最后一次出现波动时的时刻，获得个第一时刻和个第二时刻；
54、将个第一时刻至个第二时刻之间的时长记为第一更新时长，并将大于预设的第一时长阈值的第一更新时长记为第一延迟时长，获得个第一延迟时长；
55、将个第一延迟时长依次与预设的第一时长阈值作差后并将差值累加，获得第一延迟值；
56、第一延迟值的表达式为：
57、；
58、式中，为第一延迟值，为第个第一延迟时长，为预设的第一时长阈值；
59、通过时间戳逐一查询出所有的关联边的第二更新时长，并将大于预设的第二时长阈值的第二更新时长记为第二延迟时长，获得个第二延迟时长；
60、将个第二延迟时长依次与预设的第二时长阈值作差后并将差值累加，获得第二延迟值；
61、第二延迟值的表达式为：
62、；
63、式中，为第二延迟值，为第个第二延迟时长，为预设的第二时长阈值；
64、将第一延迟值与第二延迟值相加后求平均，获得更新延迟值；
65、更新延迟值的表达式为：
66、；
67、式中，为更新延迟值；
68、生产调配指数的表达式为：
69、；
70、式中，为生产调配指数，、、为权重因子，且、、均大于0。
71、进一步的，联动综合调配级别和独立自主调配级别的制定方法包括：
72、将生产调配指数与预设的生产调配阈值比较；
73、当大于等于时，制定出联动综合调配级别；
74、当小于时，制定出独立自主调配级别；
75、节点和边智能生产调配的控制方法包括：
76、在工业知识图谱中逐一标记出与y个需求特征的关键字存在关联的节点和边，获得n个目标节点和k个目标边；
77、按照工业知识图谱中生产流程的先后顺序，依次对n个目标节点和k个目标边进行升序编号；
78、在n个目标节点之间建立第一调配线，并将n个目标节点与第一调配线连接，在k个目标边之间建立第二调配线，并将k个目标边与第二调配线连接；
79、当制定出联动综合调配级别时，生产调配中心发出同步调配指令，控制第一调配线上的n个目标节点和第二调配线上的k个目标边在同一时刻下整体联动调配；
80、当制定出独立自主调配级别时，生产调配中心发出异步调配指令，控制第一调配线上的n个目标节点和第二调配线上的k个目标边按照编号由小到大的方式独立自主调配。
81、一种基于工业知识图谱的智能生产调配系统，应用于生产调配中心，用于实现所述的一种基于工业知识图谱的智能生产调配方法，包括第一提取模块、图谱构建模块、第二提取模块、指数计算模块和生产调配模块，其中，各个模块之间通过有线或无线网络方式连接；
82、第一提取模块，用于采集工业端的综合生产数据，综合生产数据包括设备数据、人员数据、材料数据、工艺数据和产品数据，并从综合生产数据中提取出待识别特征；
83、图谱构建模块，用于从待识别特征中筛选出有效特征，将有效特征转换为图谱点，图谱点包括节点和边，并构建出工业知识图谱；
84、第二提取模块，用于接收用户端的生产需求数据，并从生产需求数据中提取出需求特征；
85、指数计算模块，用于将需求特征导入工业知识图谱中进行图谱更新，获取更新后的工业知识图谱的综合调配参数，综合调配参数包括节点波动频率、关联边更新度和更新延迟值，并计算出生产调配指数；
86、生产调配模块，用于将生产调配指数与预设的生产调配阈值比较，制定出调配等级，调配等级包括联动综合调配级别和独立自主调配级别，并按调配等级控制节点和边智能生产调配。
87、本发明一种基于工业知识图谱的智能生产调配方法及系统的技术效果和优点：
88、本发明通过基于工业端的有效特征构建出工业知识图谱，并融合异质图技术来实现工业知识图谱的自动更新效果，使得工业知识图谱能够始终保持在最新版本，从而为用户端的生产需求数据的导入提供最佳的图谱状态，并为构建用户、产品和资源画像提供坚实的基础，同时通过获取工业知识图谱的综合调配参数来计算生产调配指数，可以为后续小批量个性化的产品智能生产调配提供准确的数据依据，进而根据工业知识图谱的节点和边的生产调配关系来实现企业内实体设备与工艺工序之间的准确生产调配目的，既能够提高智能生产调配的准确率，同时也满足了快速响应小批量个性化的产品需求，极大的提高了企业进行智能生产调配的效果。
1.一种基于工业知识图谱的智能生产调配方法，应用于生产调配中心，其特征在于，包括：
2.根据权利要求1所述的一种基于工业知识图谱的智能生产调配方法，其特征在于，所述待识别特征的提取方法包括：
3.根据权利要求2所述的一种基于工业知识图谱的智能生产调配方法，其特征在于，所述有效特征的筛选方法包括：
4.根据权利要求3所述的一种基于工业知识图谱的智能生产调配方法，其特征在于，所述工业知识图谱的构建方法包括：
5.根据权利要求4所述的一种基于工业知识图谱的智能生产调配方法，其特征在于，所述需求特征的提取方法包括：
6.根据权利要求5所述的一种基于工业知识图谱的智能生产调配方法，其特征在于，所述节点波动频率的获取方法包括：
7.根据权利要求6所述的一种基于工业知识图谱的智能生产调配方法，其特征在于，所述关联边更新度的获取方法包括：
8.根据权利要求7所述的一种基于工业知识图谱的智能生产调配方法，其特征在于，所述更新延迟值的获取方法包括：
9.根据权利要求8所述的一种基于工业知识图谱的智能生产调配方法，其特征在于，所述联动综合调配级别和独立自主调配级别的制定方法包括：
10.一种基于工业知识图谱的智能生产调配系统，应用于生产调配中心，用于实现权利要求1-9中任一项所述的一种基于工业知识图谱的智能生产调配方法，其特征在于，包括第一提取模块、图谱构建模块、第二提取模块、指数计算模块和生产调配模块，其中，各个模块之间通过有线或无线网络方式连接；
