基于CNN-SVR的作业车间订单完工周期预测方法

作者：于嘉惠; 李铁克; 王柏琳^*; 张文新; 张卓伦; 袁帅鹏

来源：机械设计, 2023, 40(02): 57-64.

DOI：10.13841/j.cnki.jxsj.2023.02.003

• 订单完工周期
• 完工周期预测
• 卷积神经网络
• 支持向量回归
• 仿真模型

经典作业车间生产环境包含多产品、多机器和多工序，提高其完工周期的预测精度对于企业提高客户满意度、优化生产调度等方面都具有重要意义。因此，针对作业车间订单完工周期预测问题提出一种卷积神经网络-支持向量回归(CNN-SVR)方法。首先，将订单完工周期影响因素分类为订单信息与车间实时状态信息，并分析得到其中的关键特征因素。进而，采用ReLU激活函数训练卷积神经网络，对生产数据特征进行自适应提取，并将结果输入至支持向量回归模型中进行预测。最后，设计FlexSim作业车间仿真模型生成车间订单生产数据，确定评价指标并进行试验验证。结果表明，相较于其他对比模型，CNN-SVR预测方法在拟合优度和预测误差等方面均有很好表现，能够得到理想的预测效果。

• 单位
  北京科技大学; 经济管理学院