淺析人工智能技術在軟包裝行業中的應用

黃小平 李小雷 杜亞軍

摘要：隨著包裝企業生產制造自動化、信息化和物聯網技術的快速發展，企業數據精細化管理變得越來越重要，傳統ERP對數據的分析功能比較欠缺，一般都是對數據進行簡單的匯總、分類統計。在大數據時代背景下，如何挖掘數據背后的信息使得數據能夠更好地為企業服務，變得越來越重要。文中針對此問題，以包裝生產企業信息化系統應用為例，將神經網絡模型、遺傳算法等人工智能技術應用到信息化系統中，挖掘數據背后的隱藏信息，實現產品精準報價，生產計劃自動安排，產品生產標準自動調節，產品質量追蹤與溯源。系統經過企業使用，數據挖掘功能完善準確，實現了預期效果。結果表明將人工智能技術應用到軟包裝企業信息化系統可以實現對包裝材料企業生產過程信息智能監管，實現材料產品數據追蹤與溯源，提高管理部門的決策效率，提高數據價值。

關鍵詞：人工智能;遺傳算法;包裝行業;數據挖掘;神經網絡

中圖分類號：TP18? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）36-0112-02

開放科學（資源服務）標識碼（OSID）：

1 引言

隨著計算機網絡和通信技術的快速發展，為了使企業生產數據得到高效的管理，查詢、統計，日報、周報、月報、季報等的規范化處理，國內外很多企業很早就開展企業信息化的工作。經過幾十年的發展，一些發達和發展中國家已經從政府層面大力推進企業信息化工作。為了滿足企業的不同歷史時期的需求，先后在市場上出現了管理信息系統（MIS）、物料需求規劃（MRP）、企業資源規劃（ERP）、客戶資源管理（CRM）等一系列的產品。這些系統將計算機數據庫技術和網絡技術充分運用到企業的信息流、物流、資金流等中，科學、合理地解決不同歷史時期企業的重要問題。20世紀70年代企業信息化開始逐漸邁向高度集成階段。計算機集成制造系統（CIMS）以系統工程理論作為指導，建立人、網絡、數據和功能、流程的企業物流和作業流的有機集成。

在包裝行業中，企業使用最為廣泛的信息化工具是企業ERP。ERP實現了企業材料和產品的投入與產出管理。在此基礎上，實現企業生產過程中材料信息的流動情況、產品生產過程的數據流進行有效的管理是包裝行業企業信息化發展的趨勢所在。目前企業內部材料入庫數據、出庫數據、材料與訂單和產品的綁定、余料的綜合利用、各個工序的生產管理、訂單生產情況、成品或半成品材料的組成與生產工序的組成情況，以及在各個工序中的人工、水、電、氣消耗情況、成品與半成品庫存情況和銷售情況，都還處于人工和Excel報表形式進行管理。往往會導致為了滿足不同的報表和統計要求，相同的數據要多次復制、組合的情況。既增加了工作量，又容易出現不同的統計與查詢數據不準確的情況。因此，加強企業生產過程的精細化管理、提高企業生產數據的綜合、準確利用就顯得非常重要。

2 軟包裝行業簡介

計算機技術的快速發展，使得大多數企業都使用信息化系統來幫助企業完成管理。在包裝生產企業中，企業使用最為廣泛的信息化工具是企業ERP，比較知名的是用友、金蝶等ERP [1]。這些ERP實現了企業材料采購、訂單產品車間生產過程管理，但是這些ERP采用記錄數據的方式都是以訂單整體數據來記錄，同時對數據的分析也僅僅局限于簡單的統計匯總、分類，無法挖掘數據背后的隱藏信息，使得企業數據的價值就大打折扣[2]。目前，包裝材料生產企業主要生產過程包括吹膜、復合、印刷、制袋、分切、輔助、實驗、熟化等生產工序。在對成都、廣州、長沙等包裝材料有限公司生產過程調研后發現，大多數包裝材料企業的生產過程流程為生產計劃、材料采購、材料領用、生產工序、成品或半成品入庫與出庫，大多數企業數據管理方式是粗放型數據管理，一旦出現質量問題，很難精準定位[3]。我們提取其管理過程的功能共性，并充分認識到一個公司的產品或半成品是其中一個或幾個工序的組合，同時由于軟包裝行業特點，軟包裝材料生產企業對于油墨、膠水等輔助材料很難實現按照產品訂單統計數據，企業一般的做法是按照周、月等方式進行分攤，數據誤差大。利用計算機科學技術，將人工智能技術應用到生產過程管理系統中，可以實現產品質量追蹤與溯源，同時可以挖掘歷史數據，真正發揮數據的價值和作用[4]。

3 技術簡介

3.1基于物-物相聯、人-物相聯過程追蹤和產品質量溯源技術

實現產品質量追蹤與溯源是軟包裝行業一個非常重要的需求，一旦出現產品質量問題，能夠快速定位問題，確定是原材料還是生產工藝導致的質量問題[5-6]。

班組、機臺、操作工同各個工序以碼相聯、訂單、產品、材料與各工序以碼相聯圖1。實現材料不竄單、訂單成本和產品精細管理、產品溯源、材料追蹤、過程控制。

該功能接收一個在生產過程中的任意條形碼，可以向上溯源其生產過程、生產班組、機臺、材料組成情況;向下可以追蹤其下工序的使用情況，包括成品代碼、成品名稱、訂單號、成品的基本信息（重、長、寬、厚、規格、數量、卷號、單價）、生產日期、總價、庫位、入庫日期、庫房、價格單位、供應商、使用班組、生產班組、機臺等以及在生產過程中退料、轉料情況。

3.2生產標準動態調節的雙向神經網絡模型

每個產品在生成前，企業都會制定好生產工藝，隨著生產技術的成熟、材料市場價格的變化等因素，生產標準也是會發生變化的，模型流程圖如圖2所示[7]。

1）主材、輔材（油墨、膠水、溶劑）、水、電、氣、人工工時折算成成本價格。

2）輸入層：以訂單+機臺為最小數據單元，建立形成不同的產品和半成品成本預警模型，采取歷史成品、半成品生產數據，形成輸入數據樣本集（X1，X2，…，X8），X1代表主材，X2代表油墨，X3代表膠水，X4代表溶劑，X5代表用水，X6代表用電，X7代表用氣，X8代表人工工時。

3）輸出層：（Y1，Y2，Y3），取三種值（1，0，0）代表成本超限，（0，1，0）代表成本控制在誤差允許范圍，（0，0，1）表示成本正常。

4）歷史生產數據由人工判斷形成，樣本對（X，Y），對BP網絡進行學習，形成成本控制學習機。一旦網絡學習穩定，形成成本預測機。

3.3基于遺傳算法的生產計劃安排方法

本方法分為兩步來安排生產計劃，首先根據訂單的交貨期限、客戶重要性、原材料到位等條件把訂單按照順序安排到每個工序，然后每個工序的機臺按照先空閑先生產的原則按照排好的順序生產。

本方法采用如下步驟進行生產計劃安排：

1）將工序的序列作為遺傳編碼，隨機建立生產訂單與工序所對應的初始群體;

2）計算各個個體的適應度;

3）根據遺傳概率，利用下述操作產生新群體：

① 選擇，利用輪盤賭選擇方法選出優良個體復制添加到新群體中;

② 交叉，利用輪盤賭選擇方法選出兩個個體進行基因交換添加到新群體;

③ 變異，利用輪盤賭選擇方法選出個體按一定概率隨機變化其基因添加到新群體。

4）判斷是否達到終止條件，達到終止輸出最優解，否則轉2）。

通過該算法能夠生成每日生產計劃安排表，用戶可以根據實際情況做修改。該算法大大節省用戶的生產計劃安排時間并提高生產效率。

3.4生產過程自動預警模型

在生產各工序，按生產量和生產標準，在線生產數據自動統計，自動計算成品、半成品的生產過程主材、輔材（油墨、膠水、溶劑）、工時、水、電、氣等使用情況，將統計樣本數據（X1，X2，X3，X4，X5，X6，X7，X8）輸入成本預測機，對超過一定標準的產品和生產車間、班組、機臺進行報警。報警分為自動報警和人工報警，在2秒內自動報警中心軟件將超標的產品、生產車間、班組、機臺，按超標的情況分為紅色預警、黃色預警、橙色預警。以便管理人員及時發現生產過程中的問題。手工預警是管理人員對歷史預警產品、車間、班組進行查詢與統計，以便生產周報、月報、季報、年報。同時在下方對一個訂單下使用的超標材料進行顯示，該模型流程圖如圖3所示。

1）在線輸入（X1，X2，X3，X4，X5，X6，X7，X8）。

2）通過隱層到輸入層的計算，形成輸出樣本，正方形預警表示成本嚴重超標，菱形表示提示車間、班組生產正常，成本在允許的范圍、三角形預警表示生產正常。

4 結論

本研究以包裝生產企業當前生產過程為依據，對企業生產過程進行梳理和優化，明確企業需求和目的。將人工智能技術應用到生產過程管理系統中，通過數據挖掘技術挖掘企業歷史數據，提升數據價值。通過企業實際應用，能夠滿足企業的使用需求，提升數據管理和數據利用能力。

參考文獻：

[1] 馬世垚，李鵬飛，呂明帥，等.條碼技術在蘇寧超市果蔬產品冷鏈全程管理中的應用[J].條碼與信息系統，2021（4）：36-39.

[2] 郝奉孝，楊長宇，孫繼峰，等.物料全周期智能條碼管理系統及大數據分析[C].中國企業改革發展優秀成果2020（第四屆）下卷，2020.

[3] 萬寶剛.農業產品質量追蹤溯源系統的設計與實現[D].成都：電子科技大學，2014.

[4] 董香麗.“互聯網+”時代下農產品追蹤溯源系統研究[J].新智慧，2018（8）：104-105.

[5] 肖泉彬，黎小龍，車俊俊，等.BP神經網絡在新零售行業銷售預測中的應用[J].電子設計工程，2021，29（17）：111-116.

[6] 馬連博，李楠，程適.進化神經網絡原理、模型及方法綜述[J].陜西師范大學學報（自然科學版），2021，49（5）：30-38，133.

[7] 熊勁松.改進的遺傳算法在農產品電商中的應用研究[J].遵義師范學院學報，2021，23（4）：62-66.

【通聯編輯：謝媛媛】