公开(公告)号：CN108694502A

公开(公告)日：2018-10-23

申请号：CN201810440569.8

申请日：2018-05-10

Applicant: 清华大学

Inventor： 张林宣 ,  王楚原 ,  刘重党

IPC: G06Q10/06 ,  G06Q50/04 ,  G06F17/30

CPC classification number: Y02P90/30 ,  G06Q10/06312 ,  G06Q50/04

Abstract: 一种基于XGBoost算法的机器人制造单元自适应调度方法，属于制造业生产线自动化调度领域，具体涉及采用XGBoost算法对具有复杂约束的机器人制造单元进行实时在线调度的方法。包括以下步骤：建立样本数据库，数据库中存储的样本是生产数据以及对应生产数据的最优启发式方法；以样本数据库为基础，应用FIPS‑XGBoost算法启发式调度方法分类模型；通过监测机器人制造单元内的生产状态信息，获取实际的生产数据，将实际的生产数据输入给启发式调度方法分类模型，得到最优启发式方法。本发明可以快速高效地求解最优特征子集，算法性能普遍好于组合调度规则，验证了该算法自适应调度的有效性。使用本发明提供的分类模型，根据实际生产数据得出最优启发式方法，可以减少机器人空载移动次数、加快调度效率，带来单元内吞吐量的提升。

公开(公告)号：CN108694502B

公开(公告)日：2022-04-12

申请号：CN201810440569.8

申请日：2018-05-10

Applicant: 清华大学

Inventor： 张林宣 ,  王楚原 ,  刘重党

IPC: G06Q10/06 ,  G06Q50/04 ,  G06F16/35 ,  G06F16/28

Abstract: 一种基于XGBoost算法的机器人制造单元自适应调度方法，属于制造业生产线自动化调度领域，具体涉及采用XGBoost算法对具有复杂约束的机器人制造单元进行实时在线调度的方法。包括以下步骤：建立样本数据库，数据库中存储的样本是生产数据以及对应生产数据的最优启发式方法；以样本数据库为基础，应用FIPS‑XGBoost算法启发式调度方法分类模型；通过监测机器人制造单元内的生产状态信息，获取实际的生产数据，将实际的生产数据输入给启发式调度方法分类模型，得到最优启发式方法。本发明可以快速高效地求解最优特征子集，算法性能普遍好于组合调度规则，验证了该算法自适应调度的有效性。使用本发明提供的分类模型，根据实际生产数据得出最优启发式方法，可以减少机器人空载移动次数、加快调度效率，带来单元内吞吐量的提升。