所属单位：

　　河南财经政法大学，计算机与信息工程学院（软件学院）

　　服务产业：

　　先进计算产业链

　　成果简介：

　　针对面粉生产中多生产线异构、订单需求多变、模式切换成本高、动态约束复杂等痛点，创新融合深度强化学习技术与多智能体协同框架，构建适配面粉生产全流程的智能排产体系。基于深度强化学习构建了融合生产线异构性、模式切换成本及多目标任务需求的多约束优化模型，优化动作选择机制以缓解动作稀疏问题。通过多智能体分工协作（生产任务分配、设备状态监测、动态调度决策），实现生产环节的分布式协同优化。依托大模型强大的数据分析与泛化能力，精准捕捉小麦品种、设备工况、订单需求等多维度变量关联，自动生成最优排产方案。技术突破传统人工排产与单一算法局限，较传统遗传算法，模式切换次数平均减少47.04%，有效降低停机损耗；较传统排产模式，生产线利用率提升1.55个百分点，未按时交付任务数减少91.90%，单位产品能耗下降12%，具备强动态适应性与实时响应能力，核心性能指标达到行业领先水平。

　　应用情况：

　　本成果深度适配河南、山东、河北等产粮大省的粮食加工（尤其是面粉加工）产业链核心需求，已在河南、山东、河北多个中粮集团7个下属企业完成试点应用，面粉加工超5000吨。针对三省面粉生产企业“规模化产能、多品种订单、设备异构明显”的共性特点，技术有效解决了传统排产中订单响应滞后、设备闲置率高、原料损耗严重等痛点，试点企业生产效率平均提升22%，原料损耗率降至4.5%以下，订单准交率达98.6%。

　　团队简介：

　　团队现有科研人员10名，其中高级职称5人，博士7人，团队长期致力于机器学习算法、多智能体架构与大模型的应用研究，具备扎实的理论积累与产学研实践经验。带头人冯新扬博士、副教授、硕士生导师，爱尔兰卡罗理工学院访问学者，主要研究方向为金融大数据、软件工程。主持中央军委军民融合项目1项，省部级课题4项，发表国家级专著2部，在国内外学术期刊上发表论文20余篇，主持发明专利2项，软件著作权60余项。

　　联系电话：13525552099