-
-
公开(公告)号：CN111275356A
公开(公告)日：2020-06-12
申请号：CN202010114279.1
申请日：2020-02-25
Applicant: 福州大学
Abstract: 本发明涉及基于混合调度算法的SMT车间智能排程方法，其特征在于，提供一SMT车间智能排程系统，包括数据管理模块和生产计划排程模块，具体包括以下步骤：步骤S1:采集排程需求和约束，并构建构建数据管理模块；步骤S2:将未加工订单信息输入数据管理模块，得到已锁定订单排程和未锁定待排订单信息；步骤S3:生产计划排程模块根据实际排程约束，构建基于混合调度算法的SMT车间智能排程模型；步骤S4:根据未锁定待排订单信息，并基于混合调度算法的SMT车间智能排程模型，得到最优未锁定待排订单排程。
-
公开(公告)号：CN115793583B
公开(公告)日：2024-06-25
申请号：CN202211546673.8
申请日：2022-12-02
Applicant: 福州大学
IPC: G05B19/418
Abstract: 本发明涉及一种基于深度强化学习的流水车间新订单插入优化方法。在制造实践中常有新工单紧急插单生产，扰乱事先制定好的生产计划，有可能造成工单延误、产线闲置、设备利用率降低等问题。本发明基于事先制定的生产计划方案，重调度采用基于深度强化学习的方法，提取状态特征，以最小化新订单插入对调度目标（延误、闲置等）和系统稳定性的影响为目标，建立以机器为对象的状态特征，利用现有最优调度规则和调度理论形成动作空间，然后依据状态特征变化情况进行行为策略选取，快速调整生成满足生产需求的生产方案。
-
公开(公告)号：CN115729198B
公开(公告)日：2024-06-04
申请号：CN202211545420.9
申请日：2022-12-02
Applicant: 福州大学
IPC: G05B19/418
Abstract: 本发明涉及一种考虑物料到料时间不确定的鲁棒优化成组生产方法。在物料到达不确定的生产场景中，利用门循环单元深度学习模型对缺料工单的物料到达时间进行预测，将其作为输入数据，并通过生产数据构造鲁棒不确定集，考虑加工时间不确定性在成组生产中的影响，以最小化工单逾期总和为目标，构建鲁棒调度优化模型，合理对产品进行分组，在减少产品切换的同时尽可能避免因成组方案不恰当造成的工单逾期。本发明为电子制造业多品种少批量的复杂成组生产问题提供参考方案，提高生产排程在不确定生产条件下的鲁棒性和稳健性。
-
公开(公告)号：CN115793583A
公开(公告)日：2023-03-14
申请号：CN202211546673.8
申请日：2022-12-02
Applicant: 福州大学
IPC: G05B19/418
Abstract: 本发明涉及一种基于深度强化学习的流水车间新订单插入优化方法。在制造实践中常有新工单紧急插单生产，扰乱事先制定好的生产计划，有可能造成工单延误、产线闲置、设备利用率降低等问题。本发明基于事先制定的生产计划方案，重调度采用基于深度强化学习的方法，提取状态特征，以最小化新订单插入对调度目标（延误、闲置等）和系统稳定性的影响为目标，建立以机器为对象的状态特征，利用现有最优调度规则和调度理论形成动作空间，然后依据状态特征变化情况进行行为策略选取，快速调整生成满足生产需求的生产方案。
-
Patent Agency Ranking
公开(公告)号：CN113222396B
公开(公告)日：2022-06-21
申请号：CN202110497795.1
申请日：2021-05-08
Applicant: 福州大学
Abstract: 本发明涉及一种自动配药系统中处方订单智能排序调度方法，包括以下步骤：步骤S1:将处方订单信息整理后输入自动化配药系统中；步骤S2:根据自动配药系统和实际排序的约束，并基于改进的禁忌算法构建智能排序调度模型；步骤S3:根据输入的处方订单信息，并基于智能排序调度模型，得到处方订单的排程。本发明实现了自动配药系统中处方订单的按餐配药，并且最大程度减少患者的平均等待时间，即最小化处方订单总体完成时间。解决了患者按每一餐的药品处方自行二次配药，花费大量时间精力还可能造成医疗错误的问题。
-
公开(公告)号：CN111009316B
公开(公告)日：2022-06-21
申请号：CN201911356327.1
申请日：2019-12-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于贝叶斯网络的医患匹配方法，包括：步骤S1：采集电子病历数据，确定疾病和症状节点及其取值，并作为训练集数据；步骤S2:构建‘疾病‑疾病/疾病‑症状’自交互矩阵，并作为贝叶斯网络的约束；步骤S3:构建贝叶斯网络模型，并进行结构学习和参数学习；步骤S4:患者将病症输入贝叶斯网络预诊模型，得到计算主疾病和并发症并发的所有可能的疾病组合；步骤S5计算医生和患者的匹配指数步骤S6:基于医生和患者的匹配指数构建医生推荐模型；步骤S7:根据患者偏好指数，得到患者和医生的最优分配。本发明结合了预诊结果、医生专长、医生工作量和患者偏好进行医患匹配，解决了目前医患匹配技术不够准确的缺陷。
-
公开(公告)号：CN113222396A
公开(公告)日：2021-08-06
申请号：CN202110497795.1
申请日：2021-05-08
Applicant: 福州大学
Abstract: 本发明涉及一种自动配药系统中处方订单智能排序调度方法，包括以下步骤：步骤S1:将处方订单信息整理后输入自动化配药系统中；步骤S2:根据自动配药系统和实际排序的约束，并基于改进的禁忌算法构建智能排序调度模型；步骤S3:根据输入的处方订单信息，并基于智能排序调度模型，得到处方订单的排程。本发明实现了自动配药系统中处方订单的按餐配药，并且最大程度减少患者的平均等待时间，即最小化处方订单总体完成时间。解决了患者按每一餐的药品处方自行二次配药，花费大量时间精力还可能造成医疗错误的问题。
-
公开(公告)号：CN115729198A
公开(公告)日：2023-03-03
申请号：CN202211545420.9
申请日：2022-12-02
Applicant: 福州大学
IPC: G05B19/418
Abstract: 本发明涉及一种考虑物料到料时间不确定的鲁棒优化成组生产方法。在物料到达不确定的生产场景中，利用门循环单元深度学习模型对缺料工单的物料到达时间进行预测，将其作为输入数据，并通过生产数据构造鲁棒不确定集，考虑加工时间不确定性在成组生产中的影响，以最小化工单逾期总和为目标，构建鲁棒调度优化模型，合理对产品进行分组，在减少产品切换的同时尽可能避免因成组方案不恰当造成的工单逾期。本发明为电子制造业多品种少批量的复杂成组生产问题提供参考方案，提高生产排程在不确定生产条件下的鲁棒性和稳健性。
-
公开(公告)号：CN111009316A
公开(公告)日：2020-04-14
申请号：CN201911356327.1
申请日：2019-12-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于贝叶斯网络的医患匹配方法，包括：步骤S1：采集电子病历数据，确定疾病和症状节点及其取值，并作为训练集数据；步骤S2:构建‘疾病-疾病/疾病-症状’自交互矩阵，并作为贝叶斯网络的约束；步骤S3:构建贝叶斯网络模型，并进行结构学习和参数学习；步骤S4:患者将病症输入贝叶斯网络预诊模型，得到计算主疾病和并发症并发的所有可能的疾病组合；步骤S5计算医生和患者的匹配指数步骤S6:基于医生和患者的匹配指数构建医生推荐模型；步骤S7:根据患者偏好指数，得到患者和医生的最优分配。本发明结合了预诊结果、医生专长、医生工作量和患者偏好进行医患匹配，解决了目前医患匹配技术不够准确的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
