(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210815947.2 (22)申请日 2022.07.12 (71)申请人 中国平安人寿保险股份有限公司 地址 518000 广东省深圳市福田区益田路 5033号平安金融中心14、 15、 16、 37、 41、 44、 45、 46层 (72)发明人 陈思妮　 (74)专利代理 机构 深圳众鼎专利商标代理事务 所(普通合伙) 44325 专利代理师 姚章国 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/04(2012.01) G06Q 10/08(2012.01) G06Q 50/04(2012.01) (54)发明名称 基于人工智能的生产规划方法、 装置、 计算 机设备及 介质 (57)摘要 本发明涉及人工智能技术领域， 尤其涉及一 种基于人工智能的生产规划方法、 装置、 计算机 设备及介质。 该方法将历史销售数据输入销量预 测模型得到预测销量， 将预测销量和生产信息输 入产量预测模 型得到预测产量， 确定预测产量与 预测销量的差值为预测库存量， 在预测库存量不 满足预设条件时， 通过变分自编码器中得到优化 产量， 确定优化产量与预测销量的差值为优化库 存量， 并根据满足预设条件的优化库存量确定生 产量， 通过库存量对产量进行评估， 避免在生产 时出现库存超限， 造成额外的损失， 提高了生产 规划的准确性， 同时采用变分自编码器生成优化 产量， 能够对预测产量微调， 防止多项产品的生 产量由于库存限制存在对抗关系， 从而提高了生 产规划的效率。 权利要求书3页 说明书13页 附图3页 CN 115130894 A 2022.09.30 CN 115130894 A 1.一种基于人工智能的生产规划方法， 其特 征在于， 所述方法包括： 获取待生产产品在采样时间段的历史销售数据， 将所述历史销售数据输入训练好的销 量预测模型， 得到目标时间段的预测销量； 获取所述待生产产品在所述目标时间段的生产信 息， 将所述预测销量和所述生产信 息 输入训练好的产量预测模型， 得到所述目标时间段的预测产量； 计算所述预测产量与所述预测销量的差值， 确定所述差值为预测库存量， 并检测所述 预测库存量是否满足预设条件， 若所述预测库存量不满足所述预设条件， 则将所述预测产 量输入预训练好的变分自编码器中进行N次采样生成， 得到N个优化产量， N为大于零的整 数； 将N个优化产量分别与所述预测销量进行差值计算， 确定对应优化产量的计算结果为 对应的优化库存量， 并根据N个优化库存量中满足所述预设条件的优化库存量， 确定所述待 生产产品在所述目标时间段的生产量， 所述 生产量用于指导 生产者进行生产规划。 2.根据权利要求1所述的生产规划方法， 其特征在于， 所述销量预测模型包括第 一编码 器和第一全连接层， 以样本产品在样本采样时间段的历史销售数据作为所述销量预测模型 训练时的训练样本， 以所述样本产品在样本目标时间段的实际销量作为所述销量预测模型 训练时的标签， 以均方误差损失作为所述销量预测模型训练时的损失函数； 所述销量预测模型的训练过程包括： 将所述训练样本 输入所述第一编码器进行 特征提取， 得到样本特 征张量； 将所述样本特征张量输入所述第 一全连接层进行特征映射， 得到所述样本目标时间段 的样本预测销量； 根据所述样本预测销量和所述实 际销量， 计算所述均方误差损 失， 以所述均方误差损 失为根据， 采用梯度下降法反向更新所述销量预测模型 的参数， 直至所述均方误差损失收 敛， 得到训练好的销量预测模型。 3.根据权利要求1所述的生产规划方法， 其特征在于， 所述预测销量包括目标时间段内 K个对应目标时间点的销量元 素， K为大于零的整数； 所述将所述预测销量和所述生产信 息输入训练好的产量预测模型， 得到所述目标时间 段的预测产量包括： 根据K个销量元素的时序， 确定首个销量元素为输入元素， 并确定总产量的初始值为 零， 迭代次数的初始值 为1； 将所述输入元素、 所述生产信息和所述总产量输入所述训练好的产量预测模型， 得到 输出产量， 并将迭代次数增 加1； 检测所述输出产量对应的时间段是否为所述目标时间段， 若所述输出产量对应的时间 段不为所述目标时间段， 则按照所述时序， 确定下一个销量元素为输入元素， 并确定所述输 出产量为总产量， 再次执行所述将所述输入元素、 所述生产信息和所述总产量输入所述训 练好的产量预测模型的步骤， 直至所述输出产量对应的时间段为所述目标时间段或者所述 迭代次数为K， 确定对应所述目标时间段的输出产量 为所述目标时间段的预测产量。 4.根据权利要求1所述的生产规划方法， 其特征在于， 所述检测所述预测库存量是否满 足预设条件 包括： 检测所述预测库存量是否小于预设的库存上限；权　利　要　求　书 1/3 页 2 CN 115130894 A 2若所述预测库存量小于所述库存上限， 则检测所述预测库存量是否大于预设的库存下 限； 若所述预测库存量大于所述库存下限， 则确定所述预测库存量满足预设条件， 否则， 确 定所述预测库存量 不满足预设条件。 5.根据权利要求1所述的生产规划方法， 其特征在于， 将所述预测产量输入预训练好的 变分自编码器中进行N次采样生成， 得到N个优化产量包括： 将所述预测销量和所述预测产量输入训练好的分布预测模型， 得到预测采样分布； 根据所述预测采样分布， 由所述预训练好的变分自编码器进行N次采样， 并根据N次采 样结果， 得到N个优化产量。 6.根据权利要求1所述的生产规划方法， 其特征在于， 以所述样本产品在所述样本目标 时间段的实际销量和在所述样本目标时间段 的实际产量作为所述分布预测模型训练时的 第二训练样本， 以交叉熵损失作为所述分布预测模型训练时的损失函数； 所述分布预测模型的训练过程包括： 获取每个对应样本产品的保留的优化库存量在所述预训练好的变分自编码器中采样 时对应的采样值， 并将所述采样值 转化为采样向量； 将所有采样向量叠加， 采用归一化指数函数对叠加结果中每个元素进行归一化， 得到 采样概率分布， 确定所述采样概 率分布为标签； 将所述第二训练样本 输入所述分布预测模型， 得到样本分布； 根据所述样本分布和所述采样概率分布， 计算所述交叉熵损 失， 以所述交叉熵损 失为 根据， 采用梯度下降法反向更新所述分布预测模型的参数， 直至所述交叉熵损失收敛， 得到 训练好的分布预测模型。 7.根据权利要求1至6任一项所述的生产规划方法， 其特征在于， 所述目标时间段包括 至少两个目标时间点； 所述根据N个优化库存量中满足所述预设条件的优化库存量， 确定所述待生产产品在 目标时间段的生产量包括： 针对任一满足所述预设条件的优化库存量， 计算所述优化库存量内所有对应目标时间 点的子库存量的方差； 确定方差最小的所述优化库存量为目标库存量， 并根据 所述目标库存量内所有对应目 标时间点的优化子产量， 确定所述待生产 产品在所述目标时间段的生产量。 8.一种基于人工智能的生产规划装置， 其特 征在于， 所述 生成规划装置包括： 销量预测模块， 用于获取待生产产品在采样时间段的历史销售数据， 将所述历史销售 数据输入训练好的销量预测模型， 得到目标时间段的预测销量； 产量预测模块， 用于获取待生产产品在所述目标时间段的生产信息， 将所述预测销量 和所述生产信息 输入训练好的产量预测模型， 得到所述目标时间段的预测产量； 产量优化模块， 用于计算所述预测产量与所述预测销量的差值， 确定所述差值为预测 库存量， 并检测所述预测库存量是否满足预设条件， 若所述预测库存量不满足所述预设条 件， 则将所述预测产量输入预训练好的变分自编码器中进行N次采样生成， 得到N个优化产 量， N为大于零的整数； 生成规划模块， 用于将N个优化产量分别与所述预测销量进行差值计算， 确定对应优化权　利　要　求　书 2/3 页 3 CN 115130894 A 3