1.本发明涉及数据融合技术领域，尤其是涉及一种基于人机物三元数据融合的问题轧制单元发现方法。
背景技术：2.数据融合最初起源于军事领域，随后逐渐被应用到商业和工业中，例如应用到工业方面的故障检测等问题上，此时主要是围绕传感器的数据进行融合，主要在物理空间中进行数据融合。随着互联网和信息技术的发展，出现了“软硬”数据的融合，以及人机物三元数据融合。可以发现围绕数据融合已有许多的研究，逐渐由单一空间向多空间延伸(社会空间、赛博空间)。围绕物理空间的数据，基于“数据-信息-知识-智能”的规则，已经进行了许多的研究，例如设备的预测性维护、设备的剩余寿命预测、生产相关的工艺参数推荐等。互联网的快速发展正在加速网络虚拟数据信息之间的知识流动和知识共享，从而将数据知识管理工作从物的层面或者说企业内扩展到企业外部，也对整个数据知识管理产生了深远影响。人具有很强的理解、感知、推理和学习的能力，可以处理许多复杂的问题，并弥补物理传感器的局限性，充分考虑实体关系等语义信息。数据融合除了可以进行数据的计算外，还应该可以进行复杂的逻辑推理，本体以其具有人和计算机以及机器与机器之间对领域知识的共享和共同的理解的能力提供了实现的可能，本体作为一种语义化的数据描述和共享的方法，主要包括概念类、关系、公理、实例和函数，可以解决语义冗余、数据异构等问题，在知识密集型上下文中扮演着重要角色，已经被广泛用来解决数据的组织表示和融合等问题。
3.在钢铁的热轧生产过程中，来自连铸机或者板坯库的钢坯，经过加热炉达到要求的温度后，输送到连轧机上生产出成品或者半成品。热轧调度问题主要是针对热轧阶段，在轧制单元划分完毕后，确定轧制单元的先后加工顺序，使得其满足约束条件和生产目标。目前，关于热轧调度常考虑的因素有生产跳跃惩罚因素、订单交货期因素、设备维修因素等，具体方法多是针对具体约束条件下的热轧调度进行求解。然而，在钢铁热轧轧制生产过程中，加热炉内温度不均匀，加热炉横梁线性膨胀等故障都会影响板坯加热，客户还有可能有新的需求，在这种情况下，原先的调度计划将无法适用，此时所得到的调度安排就无法继续适用。
技术实现要素：4.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于人机物三元数据融合的问题轧制单元发现方法，在出现不确定事件时快速获取受影响的轧制单元，有利于快速响应突发事件，助力钢铁热轧调度生产的精细化管理。
5.本发明的目的可以通过以下技术方案来实现：
6.一种基于人机物三元数据融合的问题轧制单元发现方法，包括：
7.根据人机物三元数据构建热轧调度本体；
8.将热轧调度实例加载至热轧调度本体；
9.根据热轧调度本体，通过sparql语句获取轧辊调度信息；
10.根据轧辊调度信息，通过蚁群算法获取调度计划；
11.根据调度计划，通过根据swrl规则生成的推理规则进行推理，发现问题轧制单元。
12.进一步地，所述的构建热轧调度本体的过程包括：
13.通过对调度相关概念进行层次构建，对热轧生产订单进行形式化表示，对生产任务进行分解，确定生产订单涉及到的轧制单元以及其规格属性，确定不确定情况下的任务，进而确定本体中的类和子类，所述的不确定情况包括设备故障和紧急订单；
14.定义属性和约束，所述的属性包括对象属性、数据属性和注释属性。
15.进一步地，所述的人机物三元数据包括人的数据、机的数据以及物的数据。
16.进一步地，所述的人的数据包括领域专家经验、用户需求和评价。
17.进一步地，所述的机的数据包括文档表格、数据库和计算结果。
18.进一步地，所述的物的数据包括传感器采集到的设备运行状态数据、物料数据和车间环境数据。
19.进一步地，所述的将热轧调度实例加载至热轧调度本体的具体过程包括：
20.通过owlapi将热轧调度实例加载至热轧调度本体，或通过prot
égé
将热轧调度实例构建进热轧调度本体，再通过owlapi加载至计算机。
21.进一步地，所述的热轧调度实例的构建过程包括：
22.将订单分解为工作类型、工作类型下的操作项目以及操作项目下的轧制产线，所述的工作类型只包括热轧阶段，所述的操作项目只包括轧制，所述的轧制产线设为一条。
23.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器调用所述程序指令能够执行如所述的问题轧制单元发现方法。
24.一种计算机可读存储介质，包括计算机程序，所述计算机程序能够被处理器执行以实现所述的问题轧制单元发现方法。
25.与现有技术相比，本发明具有以如下有益效果：
26.本发明问题轧制单元发现方法根据人机物三元数据构建热轧调度本体，将热轧调度实例加载至热轧调度本体，根据热轧调度本体，通过sparql语句获取轧辊调度信息，根据轧辊调度信息，通过蚁群算法获取调度计划，根据调度计划，通过根据swrl规则生成的推理规则进行推理，发现问题轧制单元，本发明针对目前企业缺少数据的组织表示和融合问题，分析了制造领域人机物三元数据的特征，对基于本体的数据融合框架进行了研究，构建面向调度的本体模型，进行调度相关的人机物三元数据融合，然后在设备出现故障、或者紧急加单时，原先的调度计划可能需要更改，可能出现受影响的轧制单元，基于swrl进行受影响的问题轧制单元推理发现，在出现不确定事件时快速获取受影响的轧制单元，有利于快速响应突发事件，再进一步制定调度计划，助力钢铁热轧调度生产的精细化管理。
附图说明
27.图1为调度本体类层次图；
28.图2为数据属性示意图；
29.图3为对象属性示意图；
30.图4为实例展示图；
31.图5为轧制单元调度图；
32.图6为推理结果示意图；
33.图7为受影响的轧制单元在轧制单元调度图中的位置示意图；
34.图8为问题轧制单元发现方法的流程框图。
具体实施方式
35.下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
36.实施例1
37.一种基于人机物三元数据融合的问题轧制单元发现方法，如图8，包括以下步骤：
38.s1、人机物三元数据分析：对人机物三元数据进行融合，要从数据结构多样、规模大等特点出发，结合融合的目标来考虑模型框架的结构。数据来源多样、结构多样，需要选择一种能够表示多源异构数据的方法来进行数据表示。人机物三元数据结构存在差异，语义存在歧义，本体以其良好的概念定义、层次结构、知识重用和推理等特点适用于人机物三元数据融合。
39.s2、本体构建技术：要构建热轧调度相关的本体需要从整体的角度出发来分析涉及的概念和关系，通过对调度相关概念进行层次构建，进而确定本体中的类和子类。对调度相关的概念关系进行梳理，确定本体中的对象属性。以调度为研究对象，通过对其概念及其关系的提取进行了本体的构建。
40.s3、实例生成：调度的概念模型构建好之后，需要根据具体的调度问题将调度实例加载进概念模型中去，可以通过owlapi进行加载，也可以在prot
égé
中构建进去，然后再通过owlapi加载到计算机。
41.s4、调度计划生成：通过本体对调度相关的人机物三元数据进行融合，原本调度相关的概念能够保留，数据可以保留其语义信息，这样方便了数据的查询和使用，通过sparql语句获取所有需要轧制的单元和交货日期等信息。通过本体实现数据的人机共识，更换不同的轧制单元时方便查看轧辊的类型。另外不同规格的轧制单元所需的轧辊信息可以保留在本体库，轧制时间保留在本体库，方便后续的使用。蚁群算法是模拟真实蚂蚁觅食行为一种寻优算法，可以更新概率加强算法的全局搜索能力，此外还支持分布式计算，所以本实施例选用蚁群算法进行原始调度生成。
42.s5、语义规则编写：semantic web rule language(swrl)是由万维网联盟(w3c)在2004年提出了语义web规则语言，用来描述推理规则。作为一种以语义方式表示规则的语言，swrl的规则概念结是从ruleml(rule markup language)演变而来的，并与owl本体结合形成。根据人的经验编写swrl规则；
43.s6、人机物三元数据融合，问题轧制单元发现：最后，当不确定事件发生后，触发问题轧制单元发现。
44.步骤s1具体包括以下步骤：
45.s11、人机物三元数据确定，进行人机物三元数据的融合，主要包括制造业的相关数据，从产品的全生命周期来看主要包括设计、生产制造、维护和服务等阶段。在产品设计
阶段将设计师的想法以及用户的真实需求转化为详细描述，在生产阶段按照设计流程将概念加工为产品，维护和服务阶段制造商提供产品的远程运维服务。
46.s12、人机物三元数据特征分析，从以上分析中可以发现如今数据来源与种类越来越多样化，如果还像以往只重视生产系统中的数据，将失去企业数据化的意义，信息技术的发展，使得互联网数据激增，同时也出现了大数据、云计算等新技术，把互联网、社会网、物联网中的数据加入进来，以增强感知和决策。从人机物三元数据角度来分析，人的数据主要来自社会空间，包括领域专家经验、用户需求和评价等，主要是以文字的形式来进行表示，语义信息丰富。相比于从大数据中挖掘知识，专家经验的价值密度比较高。通常用户的需求和专家经验是没有交集的，运维专家经验与生产调度经验也无交集，数据间关联性比较弱。机的数据主要来自赛博空间，包括文档表格、数据库、计算结果等，在企业内信息系统中存在大量的数据，格式多种多样，导致其表现为多样性、异构型和海量性等特点。物的数据主要来自物理空间，包括传感器采集到的设备运行状态数据、物料数据和车间环境数据等。传感器每天工作都会产生大量的数据，同时数据也在随着时间不多的变化，其主要表现为海量性和实时性等。
47.s13、采用本体来实现数据融合优点，语义支持：本体的概念层次可以将数据的原始语义信息保留下来。规范表述：本体具有规范的表示形式和严格的定义，采用本体可以将原始数据规范化表述，方便后续应用。人机共识：采用本体来进行数据的融合，通过查看本体相关人员可以方便的获得本体内容，此外计算机也可以读取本体内容，获得其相关信息。知识重用：本体作为一种形式化的表示方法，可以将数据信息保存下来，此外还可以进行本体的扩展和更新不断完善本体。
48.步骤s2具体包括以下步骤：
49.s21、确定应用范围，本实施例主要通过构建本体来进行人机物三元数据的融合，然后用于热轧调度相关问题中。包括热轧生产订单的形式化表示，生产任务的分解，生产订单涉及到的轧制单元以及其规格属性等，此外还包括设备故障或者紧急订单等不确定情况下的一些任务。
50.s22、考虑复用，本阶段主要是研究现有相关本体，以及相关主题的文献等。
51.s23、定义类和层次结构，通过对调度相关概念进行层次构建，进而确定本体中的类和子类。
52.s24、定义属性和约束，在这个步骤中，识别用于执行类之间关系的术语，即选择属于对象属性的术语，对象属性用于修饰类或者实例之间具有的关系，对象属性具有各自的域(domain)和范围(range)。
53.s25、创建实例，实例用于表示特定的元素，对于每个实例，选择它所属的类，以便绑定对象属性、数据属性和注释属性等。
54.步骤s3具体包括以下步骤：
55.s31、进行本体的实例构建，首先热轧调度是钢铁轧制流程中一小部分，需要把已有的订单进行任务的分解，也被称为热轧批量计划问题，在经过此步骤后才得到可以加工的热轧单元，热轧调度主要在此时来进行。所以企业得到的订单将被划分为加工订单processingorder，然后这些订单被分为不同的job，在热轧阶段job划分为operation只有包括轧制这一步，如果企业有多条轧制产线则有不同的process，不过轧制单元在计划的时
候已经把相近的划分为一组了，所以假设每个operation只有一个可选的process。
56.步骤s4具体包括以下步骤：
57.s41、轧制单元数据获取，为了操作rdf/owl格式数据，w3c设计了一种名为sparql的标准查询语言，被认为是语义网的一项关键技术。使用sparql查询语言需要了解有关查询中实体的相关信息，以及对语言语法的理解。sparql查询语言通常一系列由包含变量的三元组模式构成，包含两部分：一个select操作符，用于标识要出现在查询中的变量和where子句，提供rdf数据存储的子图要与之匹配的图模式。当然其还可以有相关的附加运算符用于对结果进行筛选分组等，同时也支持计数和聚合等操作。
58.s42、原始调度计划生产，蚁群算法是利用蚂蚁释放信息素的正反馈机制来寻优的启发式算法，蚂蚁会沿着信息素浓度较大的方向前进。在调度中，从每次迭代生成的调度解中学习更新operation加工优先级知识(operation processing priority knowledge，oppk)，已知轧制单元的轧制顺序和machine选择优先级知识(machine selects priority knowledge，mspk)，轧制某轧制单元选择哪个轧制产线，本实施例中假设就一条，然后不断优化，从而寻找最优解。
59.步骤s5具体包括：
60.编写合适的规则使原本体模型具有更强大的语言表达能力，根据本实施例需要编写如下规则：
61.规则1(由此规则可以得到operation需要的轧制单元)：
[0062][0063]
规则2(由此规则可以得到operation所需工件的来源)：
[0064][0065]
规则3(由此规则可以推理出可能受影响的operation)：
[0066][0067]
步骤s6具体包括以下步骤：
[0068]
s61、人机物三元数据融合，将上述得到的原始调度计划信息和编写的swrl规则融合进本体模型中。
[0069]
s62、问题轧制单元发现，应用本体的推理能力获得受影响的轧制单元。
[0070]
具体实例：
[0071]
步骤s1为人机物三元数据特征分析，以支持步骤s2的本体构建，所以具体实施从步骤s2开始。
[0072]
按照上面的构建流程，在prot
égé
中构建调度相关本体类层次如图1所示，其中在调度中关于人的数据的概念包括dispatchingrule(调度规则)和productionobject(生产对象)，机的数据主要包括salesorder销售订单、process过程、job工作和operation操作等，物的数据包括equipmentfaliure设备故障、part和product等。通过本体模型将人机物三元数据进行融合，可以更全面的考虑调度相关数据，使求解方法具有更好的适应性以及不确定情况的处理能力。
[0073]
继续在prot
égé
中构建对象属性和数据属性，图2为数据属性，其多是用来表示轧
制单元相关信息的数据数值。
[0074]
图3为对象属性，用来表示类之间的关系，调度涉及人机物三元数据，采用本体对象属性保留三元数据间的语义信息。
[0075]
s3、实例生成
[0076]
根据钢铁热轧的生产场景，为了验证所提方法模型的可行性和有效性进行仿真实验，在实验中，企业有3个需要加工的订单processingorder，每个订单是一个job，然后每个job里面有6个需要轧制的单元rollingunit，需要18个operation。每个process具有不同的轧辊，参见表1。然后每个job和operation有到期时间，process还有加工时间，具体轧制单元所需轧辊表如表1所示：
[0077]
表1具体轧制单元所需轧辊表
[0078][0079]
表中第一行为18个operation，18个轧制单元，第一列为轧辊编号，每个轧制单元可选的轧辊，如果某个轧制单元需要该轧辊则此处为1，否则为0。实例化后结果如图4所示。
[0080]
具体轧制单元相关时间表如表2所示：
[0081]
表2具体轧制单元相关时间表
[0082][0083]
表中第一行为具体轧制单元编号，也就是18个轧制单元，第二行为job的发布时间，也就是哪个时间获得的该订单，本实施例假设订单是从上周中任意一天获取的，即releasetime＝random.randint(1,7)，第三行为operation需要的轧制时间，假设为3到10之间某个数，即processingtime＝random.randint(3,10)，最后一行为到期时间，到期时间是基于总的工作内容的，故本实施例由加工时间扩大六倍自动生成，即duetime＝a*random.randint(18,60)，a为宽松系数，每个到期时间由订单发布时间依次累加得到。
[0084]
s4、调度计划生成：利用上面的算法模型对实例化的轧制单元进行仿真实验，在实例化中总共有18个轧制单元，选择不同的轧制单元数量来进行实验。实验系统选用window 10操作系统、8g内存、intel core i5-5200u/2.2ghz，采用java语言，intellij ide环境。
[0085]
应用蚁群算法所得调度顺序如图5所示。
[0086]
s6、人机物三元数据融合，问题轧制单元发现
[0087]
将上述规则和调度顺序更新到本体实例中，以加热炉furnace3发生故障为例，发生时间设为100，应用本体推理查询可得到受影响的单元如图6所示。受影响的轧制单元如图7所示(图7中深色部分)，由于加热炉的故障，无法按时得到轧制。
[0088]
实施例2
[0089]
一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器调用所述程序指令能够执行如实施例1所述的问题轧制单元发现方法。
[0090]
实施例3
[0091]
一种计算机可读存储介质，包括计算机程序，所述计算机程序能够被处理器执行以实现实施例1所述的问题轧制单元发现方法。
[0092]
实施例1、实施例2和实施例3提出了一种基于人机物三元数据融合的问题轧制单元发现方法、电子设备及介质，针对目前企业缺少数据的组织表示和融合问题，分析了制造领域人机物三元数据的特征，对基于本体的数据融合框架进行了研究，构建面向调度的本体模型，进行调度相关的人机物三元数据融合，然后在设备出现故障、或者紧急加单时，原先的调度计划可能需要更改，可能出现受影响的轧制单元，基于swrl进行受影响的问题轧制单元推理发现。
[0093]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
技术特征：1.一种基于人机物三元数据融合的问题轧制单元发现方法，其特征在于，包括：根据人机物三元数据构建热轧调度本体；将热轧调度实例加载至热轧调度本体；根据热轧调度本体，通过sparql语句获取轧辊调度信息；根据轧辊调度信息，通过蚁群算法获取调度计划；根据调度计划，通过根据swrl规则生成的推理规则进行推理，发现问题轧制单元。2.根据权利要求1所述的一种基于人机物三元数据融合的问题轧制单元发现方法，其特征在于，所述的构建热轧调度本体的过程包括：通过对调度相关概念进行层次构建，对热轧生产订单进行形式化表示，对生产任务进行分解，确定生产订单涉及到的轧制单元以及其规格属性，确定不确定情况下的任务，进而确定本体中的类和子类，所述的不确定情况包括设备故障和紧急订单；定义属性和约束，所述的属性包括对象属性、数据属性和注释属性。3.根据权利要求1所述的一种基于人机物三元数据融合的问题轧制单元发现方法，其特征在于，所述的人机物三元数据包括人的数据、机的数据以及物的数据。4.根据权利要求3所述的一种基于人机物三元数据融合的问题轧制单元发现方法，其特征在于，所述的人的数据包括领域专家经验、用户需求和评价。5.根据权利要求3所述的一种基于人机物三元数据融合的问题轧制单元发现方法，其特征在于，所述的机的数据包括文档表格、数据库和计算结果。6.根据权利要求3所述的一种基于人机物三元数据融合的问题轧制单元发现方法，其特征在于，所述的物的数据包括传感器采集到的设备运行状态数据、物料数据和车间环境数据。7.根据权利要求1所述的一种基于人机物三元数据融合的问题轧制单元发现方法，其特征在于，所述的将热轧调度实例加载至热轧调度本体的具体过程包括：通过owlapi将热轧调度实例加载至热轧调度本体，或通过prot
é
g
é
将热轧调度实例构建进热轧调度本体，再通过owlapi加载至计算机。8.根据权利要求1所述的一种基于人机物三元数据融合的问题轧制单元发现方法，其特征在于，所述的热轧调度实例的构建过程包括：将订单分解为工作类型、工作类型下的操作项目以及操作项目下的轧制产线，所述的工作类型只包括热轧阶段，所述的操作项目只包括轧制，所述的轧制产线设为一条。9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器调用所述程序指令能够执行如权利要求1至8任一所述的问题轧制单元发现方法。10.一种计算机可读存储介质，其特征在于，包括计算机程序，所述计算机程序能够被处理器执行以实现如权利要求1-8任一所述的问题轧制单元发现方法。
技术总结本发明涉及一种基于人机物三元数据融合的问题轧制单元发现方法，包括：根据人机物三元数据构建热轧调度本体；将热轧调度实例加载至热轧调度本体；根据热轧调度本体，通过SPARQL语句获取轧辊调度信息；根据轧辊调度信息，通过蚁群算法获取调度计划；根据调度计划，通过根据SWRL规则生成的推理规则进行推理，发现问题轧制单元。与现有技术相比，本发明在出现不确定事件时快速获取受影响的轧制单元，有利于快速响应突发事件，助力钢铁热轧调度生产的精细化管理。的精细化管理。的精细化管理。
技术研发人员：李洪泽 凌卫青 王坚 韩竹琳
受保护的技术使用者：同济大学
技术研发日：2022.07.07
技术公布日：2022/11/1
