CN102725703A - 用于优化散装产品混合和包装车间的性能指标的方法和装置 - Google Patents

Abstract

一种在指定计划期内生成容量、生产和存货计划的方法，该方法将相对于指定性能指标来优化一个或多个散装产品混合和包装车间的操作，同时满足关键操作约束。而且，决策产生工具和计算机实现了用于执行该方法的程序。

Description

用于优化散装产品混合和包装车间的性能指标的方法和装置

技术领域

本发明的领域是优化方法、工具和程序。

背景技术

本领域中已知散装产品混合和包装车间。在这样的车间中制造的说明性散装产品是石油产品（例如，润滑油、蜡和油脂）、表面涂料（例如，底漆、油漆、着色剂和清漆）、健康和个人护理产品（例如，液体洗衣清洁剂、洗碗液、香波和护发剂、液体肥皂、以及沐浴露）、食物和饮料产品（例如，酒精饮料、软饮料、瓶装水、以及调味品）。这些车间制造大量产品等级和规格。

确保容量、生产和存货以满足用于大量产品等级和规格的非特定级别需求提出了有挑战性的问题。一个解决方案是简单地维持过多级别存货和/或保存制造足以满足在用于给定产品的需求中任何未曾预料的峰值的容量的空间。然而，该方法是昂贵的。

本实践以分级方式将长期和中期容量计划与生产和存货计划分离。换句话说，容量决策首先被作出，并且然后变为在生产和存货的随后计划中的约束。

更特别地，容量计划通常每两年或三年作出，用于多达几年的中到长期范围。容量计划还通常分为由长期容量计划和中期容量计划构成的两步处理。例如，基于预计需求预测和/或公司的长期商业战略，长期容量计划可能涉及战略性资源决策，诸如，车间扩大或缩小，新车间开张或关闭等。进而，中期容量技术可能涉及添加或去除轮班（通常伴随劳动力的添加或减小）、添加装置、在给定工作班次中添加或去除工人、允许或要求超时工作等。在已经作出关于聚集容量（也叫作最大生产率）的长期决策之后，通常作出这些中期计划决策。

相反地，生产和存货计划通常每半年或每季度完成，以考虑预计需求作出关于要求级别的生产和安全库存的短期决策，同时保持聚集容量——通常按照每单位时间的容量表示——不变。例如，在给定车间配置和指定操作进度表内，生产批量大小可以被优化以满足最低制造成本的需求要求。由于每批生产都可能招致转换成本，所以较大批量大小的生产可以允许通过减小所需要的转换的数目来减少成本。然而，较大批量大小倾向于增加要被处理的其他批次的等待时间，从而要求增加安全存货的水平以满足需求。这增加了存货持有成本。从而，可以通过找到平衡这些竞争成本的最优批量来改进散装产品混合和包装车间的操作。

当前，因为生产和存货计划与容量计划分离分等级地完成，所以所得到的操作计划可能不能实现特定机会以减少成本和/或捕捉增加的需求。以此方式构想的操作计划可能不能捕捉通过在需求的预期增加到达之前容量增加之后立即承载较少安全存货来降低成本的机会。相反地，以此方式构想的操作计划可能不能通过在需求维持增加之后增加容量之前承载更多安全存货来捕捉需求的增加。分级计划将不一直产生生产和存货的最优计划。

本领域的当前状态包括：在大多数企业资源计划（ERP）软件包中实现的粗略产能计划（RCCP）和产能需求计划（CRP）步骤。可以使用RCCP和CRP技术来验证是否存在足够的容量以满足所提出的主生产计划的要求并且提供用于满足计划的总容量推荐。然而，用于推荐按照装置、操作班次结构和劳动力表达的合适量容量的工具不可用。

从而，需要更多综合决策产生方法、工具和计算机程序，以改进散装产品混合和包装车间的操作。

附图说明

附图仅被用于说明目的。附图并不意在以任何方式限制本发明的范围。

图1示出可以由本发明建模的车间的实例。

图2示出根据本发明的某些实施例的在使用表示为时间消耗的储存罐时的多种活动。

图3示出描述产品混合和批量大小决策对用于在混合和填充/包装装置处的生产的可用时间的影响的混合装置、罐、以及填充/包装装置之间的相互作用。

图4示出如何根据通过本发明的某些实施例获得的解算来执行组合混合。

图5是可以由本发明的某些实施例建模的地区或地域性市场位置中的供应网络的实例。

发明内容

本发明涉及决策产生方法、工具和计算机程序，以生成用于给定计划时段的容量、生产和存货计划，以关于给定性能指标改进或优化一个或多个散装产品混合和包装车间的操作，同时仍然满足关键操作约束。在每种情况下，一个或多个车间包括装置的网络，装置的网络包括混合装置、一个或多个储存罐、包装装置、一个或多个包装产品存储设施、以及卸载和卸货设施。

本发明的一个实施例是用于在指定约束下在规定时间周期内使操作朝向用于性能度量的最优效果推进的方式操作一个或多个散装产品混合和包装车间的方法。该方法包括至少四个步骤。

该方法中的第一步骤是接收数据集合的计算机实现步骤。数据集合包括以下一个或多个：（a）识别时间范围的数据；（b）识别混合装置及其一个或多个操作参数的数据；（c）识别储存罐及其一个或多个操作参数的数据；（d）识别包装装置及其一个或多个操作参数的数据；（e）识别包装产品存储设施及其一个或多个操作参数的数据；（f）识别卸载和卸货设施及其一个或多个操作参数的数据；（g）与车间装置之间的互连有关的数据；以及（h）与用于每种包装产品的历史需求有关的数据。

方法中的第二步骤是使用数据集合来填充混合整数非线性数学优化模型中的模型参数的计算机实现步骤，所述混合整数非线性数学优化模型被构建成在数学上描述混合和包装车间的操作。除了参数之外，模型还包括决策变量、约束、以及目标函数。模型的变量表示在每个时间间隔作出的关于车间容量、生产和存货的定量决策。模型的约束包括以下一个或多个：（a）限制混合装置的可用性和容量的一个或多个项；（b）限制储存罐的可用性和容量的一个或多个项；（c）限制包装装置的可用性和容量的一个或多个项；（d）限制包装产品存储设施的可用性和容量的一个或多个项；（e）限制卸载和卸货设施的可用性和容量的一个或多个项；（f）使每种包装产品的批次的数目与产品批量大小相关的一个或多个非线性项；以及（g）使每批包装产品的大小与要求用于产品的安全库存的数量相关的一个或多个非线性项。模型的目标函数是性能度量。在一个实施例中，混合整数非线性数学优化模型为混合整数非线性程序（MINLP）的形式。在另一个实施例中，混合整数非线性数学优化模型为混合整数非线性动态程序的形式。

该方法的第三步骤是运行算法解算器以操纵决策变量的计算机实现步骤。变量被操纵以识别更接近用于目标函数的最优而推进车间操作的变量值的解算集合。

该方法中的第四步骤根据所获得的解算真实地并且优选准确地操作。该步骤可以手动地或自动地执行，但是通常，假设决策的性质正被作出，解算要求通过车间计划和/或操作人员进行中间检查、论述和核准。

本发明的另一个实施例是用于识别最优或接近最优操作计划以满足用于一个或多个散装产品混合和包装车间的性能度量的决策产生工具。决策产生工具包括至少三个组件。工具中的第一组件是用于存储数据文件的计算机可读器件，其中，数据文件包含先前描述的数据集合。工具中的第二组件是用于存储数学模型的计算机可读器件，其中，模型如先前所述。工具中的第三组件是包括优化平台的处理器，优化平台包括算法解算器。优化平台可操作成加载模型，读取数据文件中的数据，根据数据文件来填充模型参数，以及执行算法解算器。算法解算器可操作成操纵模型中的决策变量，以识别优化目标函数的变量值的集合。

本发明的另一个实施例是可由包含可由计算机执行的计算机程序的计算机可读的程序存储设备。计算机程序包括可操作成使计算机识别最优或接近最优操作计划以满足用于一个或多个散装产品混合和包装车间的性能度量的代码。更特别地，指令可操作成使计算机执行至少三个动作。第一动作是检索和读取数据文件，其中，数据文件包含先前描述的数据集合。第二动作是使用数据文件来填充数学模型中的模型参数，其中，模型如先前所述。第三动作是执行算法解算器，以操纵模型中的决策变量，以识别优化目标函数的变量值的解算集合。

这些实施例中的每个都结合生产决策（例如，批/批量、填充率、生产批次的数目）和存货决策（例如，安全库存水平）给用户提供同时估计与长期车间容量（例如，可用装置和人）和中期容量（例如，操作班次结构）有关的不同决策变量，并且识别在给定计划时段内可以作出以满足性能目标同时仍然满足关键操作约束的选择的最佳组合的唯一方式。

对于这些实施例中的每个，特定优选性能度量是成本。在这样的优选实施例中，在此描述的方法、工具和程序使用户能够作出协调容量、生产和存货决策，其将最小化在给定计划时段内的车间操作成本，同时仍然满足关键操作约束。

本发明的这些和其他特征以下将更详细地进行阐述。

具体实施方式

定义

除非另外明确地限定，否则在此使用的所有技术和科学术语都具有本领域普通技术人员通常理解的意义。以下词语和短语具有以下意义：

“散装产品”是指松散未包装形式的基本液体产品。说明性散装产品是用于制造润滑油、油脂、蜡、底漆、油漆、着色剂和清漆及其添加剂的基本原料。散装产品的其他实例包括用于液体洗涤剂、香波和护发剂、液体肥皂、酒精饮料、软饮料、调味品、及其添加剂的基本原料。

“混合产品”是指与一种或多种其他散装产品和/或添加剂混合的散装产品。说明性混合产品包括商业级润滑油、油脂、蜡、底漆、油漆、着色剂和清漆。混合产品的其他实例包括未包装的液体洗涤剂、液体肥皂、香波和护发剂、沐浴露、酒精饮料、软饮料、瓶装水、和调味品。

“代码”包括源代码和目标代码两者。

如在此可互换使用的“计算机”、“处理器”和“计算机处理器”，甚至当单独使用时，是指直接或间接地彼此相互作用的单个计算机或计算机的集合。

在此可互换使用的“计算机程序”或“计算机应用程序”是指以诸如机器码的计算机可读语言编写的指令集合，意在在计算机上执行以执行任务。

“计算机可读介质”包括可以存储计算机可读数据的所有物理有形介质。作为非暂时性的合适计算机可读介质包括但不限于存储介质，诸如，磁性存储介质（例如，ROM、软盘、硬盘等）、光学读取介质（例如，CD ROM（只读光盘存储器）、DVD（数字视频盘）、光盘的可重写版本等）、混合磁性光盘、有机盘、系统存储器（只读存储器、随机存取存储器）、以及非易失性存储器，诸如闪存或任何其他易失性或非易失性存储器。计算机可读介质还包括位于单个处理系统或分布在本地或相互远离的多个处理系统之间的合作或互连计算机可读介质。

“模型”是一个或多个处理的一些或所有部分的数学描述，并且可以为单个模型或多个组件模型的构造的形式。

“接近最优”或“接近最佳”是基于例如到最优的依次获得的解算的收敛的最优的近似。

“包装产品”是指传统上用于下游销售（例如，批发和零售）的在容器中的混合产品。说明性包装产品包括存储在硬纸盒、铁罐、瓶子、桶和鼓形圆桶中的混合产品，其每个都可以改变大小。包装产品通常进而被进一步组织到集装箱（pallet）中。

数学模型的上下文中的“参数”是指输入变量。因此，虽然车间处理的模型中的参数可以随着时间并且从车间到车间而改变，但是参数被配置/填充成在运行用于车间处理的模型的优化之前匹配用于特定车间的当前数据。

“不合格产品（slop）”是关于在装置的给定集合上处理的产品的样本，其中，该装置穿过装置以清除处理其他产品留下的杂质。由于其中存在得到的杂质而导致不合格产品通常作为废物被丢弃。

散装产品混合和包装车间

在此描述的所有方法、工具和程序都涉及用于一个或多个散装产品混合和包装车间的容量、生产和存货计划（共同称为“操作计划”）。典型散装产品混合和包装车间由直接或间接互连的装置的网络构成。该网络包括用于混合散装产品的混合装置。该网络进一步包括用于存储原材料、组件和混合散装产品的一个或多个储存罐。该网络进一步包括用于将混合产品包装为包装产品的填充/包装装置。该网络进一步包括用于存储包装产品的包装产品存储设施（例如，仓库）。最后，该网络进一步包括用于从一种形式的机械运输接收大批原材料并且将混合产品和/或包装产品装载到该种形式的机械运输的卸载和卸货设施。合适形式的机械运输包括但不限于卡车、铁轨和船舶（例如，驳船或海船）。

图1是典型散装产品混合和包装车间的示意性说明。如图1中所示，车间具有用于执行混合操作的多个混合器（B系列）。这些混合器可以为多种类型。例如，混合器可以是流水线混合器（ILB）和/或混合罐场中的批量混合罐的任何组合。而且，每种类型的混合罐都可以是不同子类型（例如，批量混合罐场可以包括用于手动混合的搅拌罐和用于自动混合的自动批量混合（ABB）罐）。如图1中所示，混合散装产品还可以通过散装产品导入设施（BPIF）导入（即，卸载）到车间中。类似地，对于包装操作，车间具有用于将散装产品填充/包装到容器中的多种类型的装置（P系列）以及用于通过将它们卸货到传输单元上来导出混合散装产品的批量导出设施（D系列）。车间还具有用于存储包装产品的一个或多个外部（WHS-EXT）和/或内部（WHS-INT）存储仓库。在一些车间中，包装产品可以被存储在联合车间中的一个或多个建筑物内指定的可能用警戒线隔离的区域内。图1中还示出用于导入用于生产原料的基本原料（RMIF）和其他原材料的设施和用于将包装产品递送至产品供应链的下游实体的设施。用于递送包装产品的设施概略地表示为包装产品导出设施（PPEF）。除了以上设施之外，散装产品混合和包装车间还可以具有用于导入包装产品（PPIF）的设施。实际车间可以配置其设施用于导入基本原料和其他原材料，用于导入和导出混合散装产品，用于导入和导出包装产品，并且用于以包括但不限于以下的一种或多种方式来存储包装产品：（a）共享用于导入和导出混合散装产品以及用于以批量形式导入其他原材料的设施，（b）共享用于导入和导出包装产品以及用于以包装形式（在集装箱中）导入添加剂的设施，（c）用于导入基本原料和其他原材料，以及（d）共享用于存储包装产品和包装形式（集装箱）的添加剂的设施。

在图1中所示的混合车间的操作中，基本原料从用于存储原材料的存储罐（ST系列）中获取并且与添加剂混合以制作混合散装产品。在专用储存罐（还是ST系列）中可以持有一些混合散装产品。这可以允许使包装操作与混合操作分离，使得混合每个专用混合散装产品的决策可以补充其相应罐中的散装产品的存货。剩余混合散装产品可以在要求时通过连续混合器（例如，流水线混合）而混合。混合操作可以通过混合装置的可用性和/或储存罐的可用性被限制，其中，在继续至包装操作之前，混合散装产品被存储到储存罐中用于质量保证（QA）和分段运输。

然后，混合散装产品被传送至车间的包装操作。然后，填充/包装装置将混合散装产品填充到多种尺寸的容器（包装）中，以制作包装产品。由填充/包装装置制造的包装产品然后可以被存储在仓库或者联合车间中的指定区域中。而且，车间应该具有用于将混合散装产品装载到运输单元上的设施。车间的包装操作可能通过多个约束被限制，包括混合散装产品（例如，来自混合操作）的可用性和/或用于填充容器或装载支架传输单元的填充装置的可用性。

由车间生产的产品不被特别限制。典型产品包括基于油的产品、表面涂料、健康和个人护理产品、以及食物和饮料产品。基于油的产品包括但不限于润滑油、蜡和油脂。表面涂料包括但不限于底漆、油漆、着色剂、以及清漆。健康和个人护理产品包括但不限于液体衣物洗涤剂、液体肥皂、香波和护发剂、以及沐浴液。食物和饮料产品包括但不限于酒精饮料、软饮料（果汁和苏打水）、瓶装水、酱油和调味品。

配送中心

在一个实施例中，上述模型可以用于通过作出将以下决策变量和/或参数的值设置为0的决策来描述配送中心的行为：（a）涉及包括混合装置、罐、以及填充装置的所有生产装置的变量/参数；（b）涉及散装产品导入设施和散装产品导出设施的变量/参数；以及（c）涉及原材料导入设施的变量/参数。

方法

本发明的第一实施例是用于操作一个或多个散装产品混合和包装车间的方法。该方法的目的是在指定操作约束下在指定时间周期内使混合和包装车间的操作朝向用于性能度量的最优而推进。用于性能度量的最优将是如由方法实施者指定的性能度量的最大化或最小化。

性能度量的性质不特别被限制。说明性性能度量包括但不限于功率消耗、总的或特定包装产品生产、生产时间、车间装置的总的或特定利用、操作成本和净利润。一些性能度量设法被最大化，而其他设法被最小化。对于功率消耗、生产时间和操作成本的性能度量，该方法可能设法最小化。对于净利润的性能度量，该方法可能设法最大化。对于总的或特定包装产品生产和车间装置的总的或特定利用，该方法根据环境可能设法最小化或最大化。

步骤1

该方法中的第一步骤是接收数据集合的计算机实现步骤。通常，数据集合被存储在数据文件中，并且该步骤仅当用户输入计算机命令以检索和读取数据文件时被实现。可替代地，该步骤可以定期性地被自动发起。

数据集合通常包括在作出关于车间容量、生产和存货的决策中有用的关于每个车间的信息。数据集合包括以下一个或多个：（a）识别时间范围的数据；（b）识别混合装置及其一个或多个操作参数的数据；（c）识别储存罐及其一个或多个操作的参数数据；（d）识别包装装置及其一个或多个操作参数的数据；（e）识别包装产品存储设施及其一个或多个操作参数的数据；（f）识别卸载和卸货设施及其一个或多个操作参数的数据；（g）与车间装置之间的互连有关的数据；以及（h）与用于每种包装产品的历史要求有关的数据。

优选地，识别混合装置的数据独立地分开每个主要装置。当不同类型的混合装置被车间利用时，这是特别真实的。可替代地，混合装置可以在一个或多个组（例如，通过生产链）中被共同识别或者甚至通过车间共同识别。类似地，储存罐、包装装置、包装产品存储设施以及卸载和卸货设施的身份可以取决于环境被独立识别或被识别为一组或多组装置。

优选地，识别时间范围的数据指定要优化的车间操作的时间周期。在另一个实施例中，感兴趣的时间范围被划分为两个或更多时间间隔，在其每个时间间隔期间，由于需求的季节性而导致用于包装产品的需求可能改变。通常，要优化的车间操作的时间范围包括一个或多个时间间隔。优选地，关于混合装置的操作参数的数据指定混合装置清洗和准备时间、泵浦率、操作混合装置所必须的技术工人的必要数目、混合器主轴转速和混合率中的一个或多个。优选地，关于储存罐的操作参数的数据指定储存罐体积（直接或间接地通过指定可以从其计算体积的罐直径和高度）、顶部类型（例如，浮动或固定）、底部类型（例如，圆锥形形状或平面）、跟部体积和储存罐清洗和准备时间中的一个或多个。优选地，关于包装装置的操作参数的数据指定包装装置清洗和准备时间、包装率、操作包装装置必须的技术工人的必要数目、以及测定体积的散装产品包装填充率中的一个或多个。优选地，关于包装产品存储设施的操作参数的数据指定每种包装产品仓库的可用性和容量、每种包装产品的批次单位的大小、以及每种包装产品的平均仓库停留时间中的一个或多个。优选地，关于卸载和卸货设施的操作参数的数据指定卸载和卸货装置（例如，是否用于从卡车、铁路车、驳船等卸载或卸货到其上）的类型、用于每个装置的卸载/卸货率、卸载/卸货装置清洗和准备时间、以及用于每种产品的平均装载装置停留时间中的一个或多个。优选地，与车间装置之间的互连有关的数据指定将混合装置链接至一个或多个罐的物理管道连通性以及将每个罐链接至一种或多种类型的包装装置和/或卸载和卸货设施的物理管道连通性中的一个或多个。优选地，与用于每种包装产品的历史需求有关的数据指定了客户需求事件的到达时间、以及对于每个需求事件，在需求事件中的产品的身份和质量中的一个或多个。该方法包括使用在该段落中描述的数据的任何组合，并且优选地，该方法利用在该段落中描述的所有数据。

在很多情况下，不同散装产品和/或混合产品都将显著地具有与不同车间装置的不同兼容性。这可以由于多个物理和/或化学因素，包括但不限于粘性、酸性、密度等。因此，在一个实施例中，数据集合进一步包括与不同散装产品和/或混合产品与车间装置的兼容性有关的数据。

在另一个实施例中，数据集合进一步包括与生产班次结构有关的数据。与生产班次结构有关的说明性数据包括但不限于以下：制造/生产天数、每生产天的操作班次；每个班次的持续时间；超时的上限；每个班次的可用工人；及其任何组合。该数据可以被均匀地限定用于整个车间或被分解分别用于车间中的每个处理步骤（例如，卸载、混合、包装、仓库存储和卸货）或被分解甚至进一步用于车间中的每个生产装置。

在一些工业中，车间具有在现货市场上购买混合产品和包装产品以扩大生产的选项。因此，在另一个实施例中，数据进一步包括通常可用于从第三方和/或共享一些公共所有权和/或操作控制（“附属车间”）的关联车间买进现货的混合散装产品和/或包装产品的身份和数量。

如将在随后部分进一步详述的，如果性能度量是财务，则数据集合将包括关于用于操作车间的成本的数据。该数据可以包括但不限于操作和维持混合和包装装置、储存罐的成本、用于维持存货的成本、以及操作装载和卸载装置的成本。而且，如果性能度量是净利润，则数据集合还将包括所生产的每种包装产品的财务估价的某个近似。

步骤2

该方法中的第二步骤是使用数据集合来填充混合整数非线性数学优化模型中的模型参数的计算机实现步骤。该模型被构建成在数学上描述混合和包装车间的操作，并且除了参数之外，包括决策变量、约束和目标函数。

模型的决策变量表示要在每个间隔内作出的关于车间容量、生产和存货的定量决策。例如，模型决策变量可以表示关于以下决策变量中的一个或多个的定量决策：（i）生产批次的必要数目和要作出用于每种包装产品的批次的大小；（ii）产品批次的必要数目和要作出用于每种混合产品的每个批次的大小；（iii）是否以及何时组合用于类似散装产品的混合操作；（iv）包括但不限于混合装置、包装装置、储存罐以及卸载和卸货设施的装置的必要数目；（v）是否以及何时将储存罐专用于混合产品；（vi）每天的班次的必要数目和长度；（vii）工人的必要数目；（viii）超时小时的必要数目；以及（ix）维持用于每种包装产品和一些混合产品的安全库存的必要数量。该方法包括使用包含在该段落中阐述的决策变量的任何组合的模型。优选地，在该段落中阐述的所有决策变量都在模型中出现。

还可以包括关于车间容量、生产和存货计划的大量其他决策变量。例如，可以包括的附加决策变量是要从第三方和/或附属车间购买以扩大生产的任何混合散装产品和/或包装散装产品的身份和数量。

模型约束表示必须满足任何解算都可行的关键操作准则。约束不被特别限制。然而，约束包括以下一个或多个：（a）限制混合装置的可用性和容量的一个或多个项；（b）限制储存罐的可用性和容量的一个或多个项；（c）限制包装装置的可用性和容量的一个或多个项；（d）限制包装产品存储设施的可用性和容量的一个或多个项；（e）限制卸载和卸货设施的可用性和容量的一个或多个项；（f）使每种包装产品的批次的数目与产品批量大小相关的一个或多个非线性项；以及（g）使每批包装产品的大小与要求用于所述产品的安全库存的数量相关的一个或多个非线性项。

优选地，限制混合装置的可用性和容量的约束指定以下一个或多个：（i）对可以利用的混合装置的类型和每种类型的数目的限制；（ii）对生产班次结构的限制；（iii）对工人的可用性和他们操作混合装置的技术或能力的限制；以及（iv）对混合装置处理特定散装产品的能力的限制。优选地，限制储存罐的可用性和容量的约束指定以下一个或多个：（i）对将不同车间装置（例如，混合装置、包装装置和/或卸载和卸货设施）链接至不同储存罐的物理连通性的限制；（ii）用于设置用于接收一批混合散装产品的不同储存罐的最小时间周期；（iii）用于将一批混合散装产品泵送到储存罐的最小时间周期；（iv）用于对混合散装产品进行质量保证测试的最小时间周期；（v）用于设置填充装置以制造一批包装产品的最小时间周期；以及（vi）用于将混合散装产品泵送出不同储存罐的最小时间周期。优选地，限制包装装置的可用性和容量的约束指定以下一个或多个：（i）对可以利用的包装装置的类型和每种类型的数目的限制；（ii）对生产班次结构的限制；以及（iii）对工人的可用性以及他们操作包装装置的技术或能力的限制。优选地，限制包装产品存储设施的可用性和容量的约束指定以下一个或多个：（i）对仓库的大小或在存储包装产品的联合车间中的位置的限制；（ii）对仓库中的每种包装产品的批次的停留时间的限制；以及（iii）每种包装产品的存货周转。优选地，限制卸载和卸货设施的可用性和容量的约束指定以下一个或多个：（i）对包装产品可以被卸载/卸货的速率的限制；（ii）对每种包装产品的批次的大小的限制；以及（iii）对每种包装产品的批次在卸载/卸货装置上的停留时间的限制。通常，通过使包装产品的最小总制造数量（即，批次的数目乘以批量大小）对应于对产品的期望需求，至少一个约束使每种包装产品的批次的数目与产品批量大小相关。通常，通过使用于每种尺寸的包装产品的安全库存的水平对应于可以在发出补充订单的指定时间长度（还被称为“交付周期”）内履行客户需求的数量，至少一个约束使每批包装产品的大小与所要求的安全库存的数量相关。该方法包括使用包含在该段落中描述的约束的任何组合的模型。优选地，在该段落中阐述的所有约束都出现在模型中。

还可以存在大量附加约束。例如，如果模型中的决策变量是要从第三方和/或附属车间购买以扩大生产的混合散装产品和/或包装散装产品的身份和数量，则一个或多个约束可以存在以限制这样的购买的身份和数量。例如，一个这样的约束可以是，任何这样的购买不能超过每种产品的典型现货市场可用性。

模型的目标函数是性能度量。如前所述，性能度量的性质不特别限制，并且说明性性能度量包括但不限于总功率消耗、总包装产品生产、特定包装产品生产、用于车间装置的生产、利用的总时间、总操作成本和总净利润。

步骤3

该方法中的第三步骤是运行算数解算器以操纵模型中的决策变量的计算机实现步骤。优选商用解算器包括CPLEX、XPress、KNITRO、和XA。决策变量被操纵成识别将对于目标函数更接近最优（并且优选到最优）而使车间操作推进的变量值的解算集合。当发起该步骤时，用户还决定目标函数的优化意味着最小化还是最大化。

步骤1、2和3的计算机实现

上述方法中的步骤1、2和3每个都由计算机实现，意味着它们通过使计算机运行驻留在计算机可读介质上的计算机程序来实现。通常，计算机程序包括加载数学模型、检索和读取数据集合并且根据数据文件来填充模型参数的代码。计算机程序还可以基于解算方法来限定一个或多个优化。计算机程序进一步包括通过准确方法和/或通过一个或多个启发法，访问整合到或与计算机程序对接以解算数学模型的最优解算器的代码。

优选地，使用诸如AIMMS、GAMS、ILOG OPL、AMPL或XPressMosel的建模系统软件来编写代码。然而，代码还可以使用任何计算机编程语言来编写，包括C++。在一个实施例中，计算机程序使用AIMMS编写并且采用AIMMS用户界面。

在优选实施例中，使用Excel界面完成数据录入和存储，并且以AIMMS建模语言编写程序，并且程序通过使用准确方法或通过使用一个或多个启发法、或通过使用其组合来访问CPLEX解算器，以解算程序中的数学建模问题。在该实施例中，程序利用用于执行和输出的AIMMS界面。然后，结果可以被传送（例如，导出或复制）回Excel并且存储为Excel文件。可替代地，可以在AIMMS中存储和管理结果。

在一个实施例中，通过经由线性近似将MINLP模型转换为混合整数线性规划（MILP）模型并且然后解算MILP模型来获得MINLP模型的解算。在该实施例中，使用割平面法来迭代地解算模型。

可替代地，可以通过使用万用启发式算法（metaheuristics）来解算MINLP模型。合适的万用启发式算法选自由进化算法、模拟退火、蚁群优化、禁忌搜索、图案搜索算法、或其任何组合构成的组。

在另一个实施例中，当混合整数非线性优化模型被提出为混合整数非线性动态程序时，可以通过使用近似动态规划算法来解算模型。

在另一个实施例中，当混合整数非线性数学优化被提出为基于代理的模型（ABM）时，通过使用仿真来解算模型。

优选地，在两小时或更少的时间帧内完成解算步骤。明显地，处理时间将根据所利用的计算机的处理能力、所选择的特定优化平台和解算器、所采用的特定解算技术以及变量和约束的数目而改变。然而，本发明的益处之一在于，当以类似于在此提供的实例的方式设置时，处理问题花费少于两小时。

步骤4

第四步骤是根据所获得的解算来基本和优选准确地操作车间。换句话说，关于车间容量、车间生产和车间存货的决策符合由模型提供的推荐。在通过车间计划和/或操作人员检查解算之后，可以确定用于操作车间的操作计划。规划人员可能想要改变参数并且获得多种“假设”情形的解算，以便选择鉴于多种情形而最佳优化性能度量的路径。然而，可替代地，该步骤可以自动地执行。

原材料

该方法可以以任何合适的方式处理原材料的可用性。在一个实施例中，模型假设原材料的无限可用性，并且因此识别对建模问题的最优或接近最优解算。在另一个实施例中，指定的原材料的可用性是要从数据集合填充的参数，并且模型中的约束在于，指定的原材料的利用不能超过可用性。在另一个实施例中，原材料的必要数量是要确定的附加决策变量，使得性能度量朝向最优或接近最优值而推动，同时满足对其原材料存储的限制和/或约束。

订单履行

该方法可以以任何合适的方式处理需求履行。需求数据通常包括历史客户订单。这些历史客户订单可以用于计算用于包装产品的需求概率分布。在一个实施例中，订单履行率被创建为任何可行解算都必须满足的模型中的约束。然后，鉴于客户订单履行率约束和需求概率分布来计算生产和存货（例如，安全库存）。可替代地，订单履行率可以是要在模型中操纵的决策变量（经过最小化约束），鉴于需求概率分布和其他因素，以确定目标函数的最优解算。

成本最小化

在特定优选实施例中，上述方法是用于在指定操作约束下在指定时间周期内以减小总操作成本的方式来操作一个或多个产品混合和包装车间的方法。换句话说，目标函数是操作成本，并且所提供的数据是确定操作成本所必须的数据。

因此，在方法的该成本最小化实施例中的第一步骤是接收数据集合的计算机实现步骤。在该情况下，数据集合包括以下数据中的一个或多个：（a）识别时间范围的数据；（b）识别混合装置的数据和与操作混合装置的成本有关的数据；（c）识别储存罐的数据和与操作储存罐的成本有关的数据；（d）识别包装装置的数据和与操作包装装置的成本有关的数据；（e）识别包装产品存储设施的数据和与持有用于包装产品的存货的成本有关的数据；（f）识别卸载和卸货设施的数据和与操作设施的成本有关的数据；（g）与车间设备之间的互连有关的数据；（h）与用于每种包装产品的历史需求有关的数据；以及（i）与添加车间装置所必须的投资和去除车间装置所必须的撤销投资有关的数据。

在一个实施例中，与操作混合装置和包装装置的成本有关的数据包括超时的成本。在另一个实施例中，与操作混合装置和包装装置的成本有关的数据包括所生成的不合格产品（slop）的成本。在另一个实施例中，与持有存货的成本有关的数据是存货水平的函数。在另一个实施例中，数据集合进一步包括与维持车间装置（例如，混合装置、储存罐、包装装置、仓库和/或卸载/卸货装置）的成本有关的数据。在另一个实施例中，数据集合进一步包括与操作生产班次结构的成本和从一个生产班次结构到另一个改变的成本有关的数据。优选地，数据满足该段落中的限制的一些组合，并且优选满足所有该段落中的限制。

该方法的该成本最小化实施例中的第二步骤是使用数据集合来填充混合整数非线性规划（MINLP）模型的模型参数的计算机实现步骤，该模型被构建成在数学上描述混合和包装车间的操作。再次，模型包括决策变量、约束和目标函数。再次，变量表示将在每个间隔内作出的关于车间容量、生产和存货的定量决策。再次，约束包括以下一个或多个：（a）限制混合装置的可用性和容量的一个或多个项；（b）限制储存罐的可用性和容量的一个或多个项；（c）限制包装装置的可用性和容量的一个或多个项；（d）限制包装产品存储设施的可用性和容量的一个或多个项；（e）限制卸载和卸货设施的可用性和容量的一个或多个项；（f）使每种包装产品的批次的数目与产品批量大小相关的一个或多个非线性项；以及（g）使每批包装产品的大小与要求用于产品的安全库存的数量相关的一个或多个非线性项。

如所述，在该实施例中，目标函数是操作成本。该总操作成本通常包括但不必须限于用于操作混合装置的成本、用于操作包装装置的成本和用于持有存货的成本。在一个实施例中，总操作成本还包括维持车间装置（例如，混合装置、储存罐、包装装置、仓库和卸载/卸货实施）的成本。在另一个实施例中，总操作成本还包括添加和/或去除车间装置的成本。优选地，总操作成本满足该段落中的限制的一些组合，并且优选地满足所有该段落中的限制。

第三步骤是运行算法解算器以操纵模型中的决策变量来获得优化目标函数（即，总操作成本）的变量值的解算集合的计算机实现步骤。在该情况下，目标函数的优化意味着最小化。

第四步骤是根据所获得的解算来真实地操作车间。优选地，根据所获得的解算来准确地操作车间。

多车间

在一个实施例中，上述方法用于优化孤立的一个散装产品混合和包装车间的性能。然而，在另一个实施例中，上述方法用于同时优化散装产品混合和包装车间的集合，以捕捉车间之间的容量、生产和存货合作益处。

如果该方法在散装产品混合和包装车间的集合上同时实践，则上述数据集合被提供用于集合中的每个车间。而且，附加参数和约束包括在模型中，以限定在车间之间传送混合和/或包装产品的能力、益处和/或损害。数据集合包括了填充这些附加参数所必须的数据。用于模型的附加决策变量将是是否改变一个车间的容量、生产和存货，以便制造用于运载到另一个车间的混合/或包装产品。

例如，在被优化用于总成本的多车间实施例中，附加参数和约束将包括在车间之间传送混合和/或包装产品的成本。用于模型的附加决策变量将包括是否改变一个车间的容量、生产和存货，以便制造用于运载到另一个车间的混合和/或包装产品。在该实施例中，用于车间的集合的总操作成本的目标函数将包括任何购买/出售以及在车间之间传输产品的成本。

当扩展容量以满足车间A中的需求的成本小于从车间B购买和传输产品并且可能甚至扩展容量的成本时，该多车间实施例在检测实例中非常有用。不是增加车间A的容量来满足较高需求，通过该方法获得的最优解算将车间B的一些部分专用于车间A。甚至可能，取决于所存在的数据，多车间优化问题的最优解算将用于一个车间，以变为用于另一个的完全专用的混合车间或完全专用的包装车间。

供应网络

在一个实施例中，上述方法用于同时优化散装产品混合和包装车间的集合以及地区或地域性市场中的配送中心的集合，以捕捉具有优选车间和配送中心、从而提供每种指定包装产品用于满足图4中所示的地区中的包装产品的零售的益处。

如果该方法在散装产品混合和包装车间的集合以及地区或地域性市场中的配送中心的集合上同时实践，则针对每个车间和每个配送中心都提供了上述数据集合。而且，附加参数和约束包括在模型中，以限定：（a）用于在车间之间传送混合产品的能力、益处和/或损害；（b）从每个车间到每个配送中心传送包装产品的能力、益处和/或损害；以及（c）在配送中心之间传送包装产品的能力、益处和/或损害。数据集合包括填充这些附加参数所必须的数据。用于模型的附加决策变量是：（a）是否改变一个车间的容量、生产和存货，以便制造用于运载到另一个车间的混合产品；（b）是否具有用于将每种指定包装产品供应给每个配送中心的一个或多个优选车间；以及（c）在哪里持有用于每种包装产品的合并安全库存。

例如，在被优化用于总成本的供应网络的实施例中，附加参数和约束将包括：（a）在车间之间传送混合产品的成本；（b）将包装产品从每个车间传送到每个配送中心的成本；以及（c）在配送中心之间传送包装产品的成本。用于模型的附加决策变量包括：（a）是否改变一个车间的容量、生产和存货，以便制造用于运载到另一个车间的混合产品；（b）是否具有用于将每种指定包装产品供应到每个配送中心的一个或多个优选车间；以及（c）在哪里持有每种包装产品的合并安全库存。在该实施例中，用于车间的集合的总操作成本的目标函数将包括任何购买/出售和在车间之间传送混合产品的成本以及任何购买/出售和在配送中心之间传送包装产品的成本。

当也在该地区中的另一个区域中的车间处制造产品时，当满足地区的一个区域中的需求花费最少时，该供应网络实施例在检测实例中是非常有用的。不是增加位于相同区域中的车间的容量来满足该区域中的较高需求，而是通过该方法获得的最优解算将主要建立用于将产品从位于地区中的另一个区域中的车间提供至一个区域中的配送中心的偏好。除了以上之外，甚至可以，取决于所出现的数据，供应网络优化问题的最优解算将用于一个车间，以变为用于一个区域的完全专用混合车间或用于地区中的另一个区域的完全专用包装车间。

多间隔

要优化性能度量的时间范围包括一个或多个时间间隔。在一个实施例中，上述方法被用于在包括一个间隔的时间范围内优化性能。在另一个实施例中，在包括两个或更多间隔的时间范围内应用该方法。当在新兴市场中或在衰退市场中，对包装产品的需求随着时间（例如，由于季节性）而改变时，在两个或更多间隔内优化性能度量可能变为必须的。多间隔实施例要求对于指定时间范围内的每个时间间隔以需求展望的形式来描述该时间范围内的需求的随时间改变性质的附加数据集合。

如果例如实践该方法以优化用于包装产品的季节性需求中的性能指标，则优化算法可以确定优化生产混合、批量大小、是否组合批次、生产班次结构、以及在时间范围内的每个时间间隔内用于混合散装产品和包装产品的安全库存。这样的决策是但不限于此，其中，由于季节性导致季节性包装产品和/或组成季节性包装产品的混合散装产品的时间间隔存货决策在用于这样的产品的增加需求的预期方面增加，同时仍然优化性能指标。

如果该方法在增加诸如新兴市场中的情况的需求中实践，则优化算法可以确定，其中，时间间隔容量决策变量的值应当增加，从而就可以用于生产每种或大多数混合散装产品和/或包装产品的更多产品或更多数量的可用时间而言，增加一个或多个车间的生产容量。因为诸如但不限于补充数量和安全库存的存货决策与容量和生产变量同时考虑，所以优化算法可以确定：可以降低从容量增加的时间间隔开始的存货水平、同时性能指标仍然朝向其最优或接近最优值推进。

决策产生工具

本发明的另一个实施例是用于识别最优或接近最优操作计划以满足用于一个或多个散装产品混合和包装车间的性能度量的决策产生工具。如下所述，该工具包括至少三个组件以实现该方法的步骤1、2和3。

第一组件是存储数据文件的第一计算机可读存储器件。当在定义部分中限定短语时，计算机可读存储器件可以是任何计算机可读介质。

存储在计算机可读存储器件上的数据文件包含在该方法的步骤1中描述的数据集合。因此，数据文件包括以下一个或多个：（a）识别时间范围的数据；（b）识别车间混合装置及其一个或多个操作参数的数据；（c）识别车间储存罐及其一个或多个操作参数的数据；（d）识别车间包装装置及其一个或多个操作参数的数据；（e）识别包装产品存储设施及其一个或多个操作参数的数据；（f）识别卸载和卸货设施及其一个或多个操作参数的数据；（g）与车间设备之间的互连有关的数据；以及（h）与用于每种包装产品的历史要求有关的数据。数据文件可以包含与在该方法的步骤1中描述的数据集合的任何实施例或实施例的组合相对应的数据集合。优选地，数据文件包含计算操作成本所必须的数据。

第二组件是存储包括描述混合和包装车间的操作的参数的数学模型的第二计算机可读存储器件。该第二计算机可读存储器件可以与第一计算机可读器件相同。可替代地，第一和第二计算机可读器件可以是分开的和不同的。无论如何，当在定义部分限定短语时，类似于第一计算机可读器件，第二计算机可读器件可以是任何计算机可读介质。

模型如在该方法的步骤2中描述的。因此，除了参数之外，模型包括决策变量、约束和目标函数。再次，变量表示在每个间隔内作出的关于车间容量、生产和存货的定量决策。再次，约束包括以下一个或多个：（a）限制混合装置的可用性和容量的一个或多个项；（b）限制储存罐的可用性和容量的一个或多个项；（c）限制包装装置的可用性和容量的一个或多个项；（d）限制包装产品存储设施的可用性和容量的一个或多个项；（e）限制卸载和卸货设施的可用性和容量的一个或多个项；（f）使每种包装产品的批次的数目与产品批量大小相关的一个或多个非线性项；以及（g）使每批包装产品的大小与要求用于产品的安全库存的数量相关的一个或多个非线性项。再次，目标函数是性能度量。模型可以对应于该方法的步骤1中描述的任何实施例或实施例的任何组合。因此，在优选实例中，目标函数是操作成本。

第三组件是包括优化平台的处理器，优化平台包括算法解算器。优化平台可操作成加载模型，读取数据文件，根据数据文件来填充模型参数，并且执行算法解算器。算法解算器进而可操作成操纵模型中的决策变量，以识别优化目标函数的变量值的集合。在操作成本的情况下，这意味着最小化目标函数。优选解算器包括CPLEX、XPress、KNITRO、和XA。

优选地，优化平台是包括使用诸如AIMMS、GAMS、ILOG OPL、AMPL、或XPress Mosel的建模系统软件编写的代码的计算机应用程序。然而，代码还可以使用任何计算机编程语言编写，包括C++。

在一个优选实施例中，计算机应用程序使用AIMMS编写并且采用AIMMS用户界面。更特别地，使用Excel界面来实现数据录入和存储，以AIMS建模语言编写模型，并且以AIMMS建模语言编写的程序加载模型，用数据文件中的数据集合来填充模型中的参数，并且使用准确方法或使用一个或多个启发式算法、或使用其组合来访问CPLEX解算器以解算数学建模问题（即，识别优化目标函数的解算）。在该实施例中，程序利用AIMMS界面用于执行和输出。然后，结果可以被传送（例如，导出或复制）回Excel并且存储为Excel文件。可替代地，可以在AIMMS中存储和管理结果。

计算机程序

本发明的另一个实施例是可由计算机读取的程序存储设备，包含可由计算机执行的计算机程序，其中，计算机程序包括代码，这些代码可操作成使计算机识别最优或接近最优操作计划以满足针对一个或多个散装产品混合和包装车间的性能度量。如下所述，指令的程序可操作成使计算机用作例如诸如上述决策产生工具的工具的一部分，以执行该方法的步骤1、2和3。

首先，指令的程序可操作成使计算机在用户的命令下或自动地从计算机可读存储器件中检索和读取数据文件。当在定义部分中限定短语时，计算机可读存储器件可以是任何计算机可读介质。

数据文件包含该方法的步骤1中描述的数据集合。因此，数据文件包括以下一个或多个：（a）识别时间范围的数据；（b）识别车间混合装置及其一个或多个操作参数的数据；（c）识别车间储存罐及其一个或多个操作参数的数据；（d）识别车间包装装置及其一个或多个操作参数的数据；（e）识别包装产品存储设施及其一个或多个操作参数的数据；（f）识别卸载和卸货设施及其一个或多个操作参数的数据；（g）与车间设备之间的互连有关的数据；以及（h）与用于每种包装产品的历史要求有关的数据。数据文件可以包含与在该方法的步骤1中描述的数据集合的任何实施例或实施例的组合相对应的数据集合。优选地，数据文件包含计算操作成本所必须的数据。

第二，指令的程序可操作成此后使计算机自动地或通过手动干涉来加载模型和使用数据文件，以填充模型中的模型参数。该模型是混合整数非线性规划（MINLP）模型，所述混合整数非线性数学优化模型被存储在计算机可读存储器件上，被构建成在数学上描述混合和包装车间的操作。该第二计算机存储器件可以与第一计算机可读存储器件相同。可替代地，第一和第二计算机可读存储器件可以是分开的和不同的。无论如何，当在定义部分中限定短语时，类似第一计算机可读存储器件，第二计算机可读存储器件可以是任何计算机可读介质。

模型是如在该方法的步骤2中描述的。因此，除了参数之外，模型包括决策变量、约束和目标函数。再次，变量表示要在每个间隔中作出的关于车间容量、生产和存货的定量决策。再次，约束包括以下一个或多个：（a）限制混合装置的可用性和容量的一个或多个项；（b）限制储存罐的可用性和容量的一个或多个项；（c）限制包装装置的可用性和容量的一个或多个项；（d）限制包装产品存储设施的可用性和容量的一个或多个项；（e）限制卸载和卸货设施的可用性和容量的一个或多个项；（f）使每种包装产品的批次的数目与产品批量大小相关的一个或多个非线性项；以及（g）使每批包装产品的大小与要求用于产品的安全库存的数量相关的一个或多个非线性项。再次，目标函数是车间性能度量。模型可以对应于在该方法的步骤1中描述的任何实施例或实施例的任何组合。因此，在优选实例中，目标函数是操作成本。

第三，指令的程序可操作成此后使计算机自动或地通过手动干涉来执行算法解算器，以操纵模型中的决策变量，识别优化目标函数的变量值的解算集合。在操作成本的情况下，这意味着最小化目标函数。优选解算器包括CPLEX、XPress、KNITRO、和XA。

优选地，指令的程序以诸如AIMMS、GAMS、ILOG OPL、AMPL、或XPress Mosel的建模系统软件的语言编写。然而，代码还可以使用任何计算机编程语言编写，包括C++。

在一个优选实施例中，指令的程序使用AIMMS编写并且采用AIMMS用户界面。更特别地，使用Excel界面来实现数据录入和存储，以AIMS建模语言来编写模型，并且以AIMMS建模语言编写的程序加载模型，用数据文件中的数据集合来填充模型中的参数，并且使用准确方法、或使用一个或多个启发式算法（heuristics）、或使用其组合来访问CPLEX解算器以解算数学建模问题（即，识别优化目标函数的解算）。在该实施例中，程序利用AIMMS界面用于执行和输出。然后，该结果可以传送（例如，导出或复制）回Excel并且存储为Excel文件。可替代地，可以在AIMMS中存储和管理结果。

实例-车间成本优化

当本发明属于对一个或多个散装产品混合和包装车间的容量、生产和存货的成本优化时，以下特定实例更详细地描述本发明，其中，根据所得到的分析来计算所要求的原材料的数量。

在混合和包装车间中，给定时段内的车间的生产（例如，经由输出逻辑设备传送出的所生产的包装产品的数量或混合散装产品的体积）取决于这样的车间的操作容量。混合和包装车间的操作容量取决于用于生产的净（有效）可用时间，在其期间，车间装置可以生产产品（即，将原材料混合到批量混合产品中，将混合产品存储在储存罐中，同时等待质量保证测试和认证，并且将散装产品填充到多种尺寸的容器中作为包装产品）。当明显不同的产品依次被制造时，用于生产的净可用时间进而取决于用于生产的可用时间减去要求清洗和准备车间装置的时间。

用于在车间的生产的可用时间取决于其容量变量，包括车间装置的量、车间的操作班次结构、超时和可用于在车间操作装置的工人的数目。调节上述容量变量的决策更改所述车间制造足够数量的产品以满足客户需求的能力。增加的需求可以通过作出添加以下一个或多个的决策来确定地满足：装置、生产班次、工人、超时或其任何组合。替代增加容量以满足增加的需求的决策，生产计划者/管理者可以选择购买一些散装产品、或一些包装产品、或两者。该决策通常涉及源自供应网络中的其他车间（即，源自相同公司或分支机构拥有的其他车间或源自第三方）。当从外部购买时，采购车间支付额外费用。

调节容量的一种方式是通过添加或去除一个或多个装置来调节装置的量。改变装置的量要求新购买形式的投资，或者要求处置的残值，其每个都发生一次（即，在作出和实现改变装置的数目的决策的时刻）。当添加装置时，除了引入新购买成本之外，可能要求附加投资例如用于站点构建、安装等。装置的处置有时以如此丢弃的装置的残值形式回收了所丢弃装置中的投资的一部分。

车间通常制造迫使车间装置从一个切换至另一个的多个产品。切换要求在一件产品完成之后但在开始生产下一个之前清洗和准备车间装置。这是由于质量原因而做的，例如，以避免污染，满足产品规格等。可以根据产品的类型和/或用于制造这样的产品的装置而改变的清洗和准备时间可以显著减少用于在车间装置处生产的净可用时间。同样地，车间将批量制造多个类似产品，以获得制造这样的产品的规模经济。所制造的产品的批次的大小从而可以是车间生产计划者/管理者需要作出的生产决策变量。

改变装置的量在货币方面以及在实现的速度上可能非常昂贵。调节容量的更快并且通常更便宜的方式是通过调节超时和/或操作班次结构。超时延长每个班次的正常生产小时，使得车间可以用装置和其具有的人生产更多的产品，并且可以在公司及其工会之间的合同中指定并且由本地劳动法管理。例如，可以存在对超时的限制，以提升本地劳动法或劳工合同施加影响的能力，并且存在对工作小时的减少的限制，以消减由要求车间中的工人每周花费指定的小时数目而不管车间的实际操作小时的劳工合同施加影响的能力。

车间的操作班次结构涉及生产或制造天数（日历天数减去空闲周末天数减去节假日）、每生产天的班次的数目、以及每个班次的小时数。班次结构的改变可能通常要求劳动力改变。劳动力包括工人的数目以及他们操作车间装置的技术或知识。车间通常采用每个班次可以操作指定类型的装置的指定数目的工人。每种装置进而可以要求特定数目的工人操作。雇用新工人可以要求培训，以确保新雇用的工人获取适合操作车间装置的技术或知识。解雇有经验的工人可能导致知识或技术的损失。作为雇用/解雇决策的结果的知识的获取和损失可以被计入雇用/解雇工人的成本，以增加或减少用于生产的可用时间。

混合和包装车间通常制造客户购买的多个成品。多个生产计划者/管理者作出关于通过决定每种产品的批次的数目作出制造什么产品和每种产品的每个批次的大小的决策。在该实例中，从约束的列表中明确地排除原材料的数量，使得车间生产计划者/管理者使用该结果来计算所要求的原材料的数量以及存储原材料以支持所得到的操作计划所需的储存箱的数目。为了执行该决策，要求车间具有足够的小时数来制造所有批次并且完成用于每个批次的清洗和准备步骤。这些时间要求可以表示如下：

以及

其中，以下术语具有以下意义：

BLENDING是混合装置的集合，下标为i；

BULK是被制造和导入的散装产品的集合，下标为b；

TANK是非专用散装或中间储存罐的集合，下标为t；

PACKAGING是包装装置的集合，下标为j；

PACK是包装产品的集合，下标为f:

UNLOADING是卸载设施的集合，下标为u；以及

DISCHARING是卸货设施的集合，下标为x。

并且其中，以下变量具有以下意义：

n_i，b：要使用混合器i生产以满足对这样的散装产品的需求的散装产品b的批次的数目，其中，这样的散装产品作为散装产品将被运送到客户-这可以作为期望数目的批次被输入；

Q_i，b：要在混合装置i中混合以满足对这样的散装产品的独立需求的散装产品b的批量大小，这样的散装产品作为散装产品将被运送到客户-这可以作为以上期望数目的批次的大小被输入：

n_j，f：要使用包装装置j生产的包装产品f的批次的数目；

Q_j，f：要在包装装置j中制造的包装产品f的批量大小；

τ_i，b：用于混合器i制造散装产品b的清洗和准备时间；

τ_x，b：用于卸货设施x配送散装产品b的清洗和准备时间；

τ_j，f：用于包装装置j制造包装产品f的清洗和准备时间；

τ_t，b：用于罐t在其被包装之前存储散装产品b的清洗和准备时间；

r_i，b：由混合器i混合产品b的速率；

r_x，b：通过卸货设施x卸载产品b的速率；

r_j，f：通过包装装置j包装产品f的速率；

r_t，i，b：将散装产品b从混合器i泵送到散装产品储存罐t中的速率；

r_t，x，b：通过卸货设施x将散装产品b从罐t泵送到传送设备（例如，卡车、铁路车等）中的速率-通常等于r_x，b；

r_t，j，f：将散装产品f从散装产品储存罐t泵送到包装装置j的速率；

C_b：质量测试和认证时间要求，以确保散装产品b∈BULK满足规范；

M_b，f：包装产品f的一个容器中的散装产品b的体积；

δ_i，b：在混合装置i上混合散装产品b的指派/决策，由此，对于在车间中制造的每种产品b，∑_i∈BLENDINGδ_i，b≥1，并且当特定产品b被导入车间中时，∑_iδ_i，b＝0；

δ_u，b：购买/导入要被卸载在卸载装置u上的散装产品b的指派/决策，由此，在情况∑_iδ_i，b＝0下，对于特定导入的产品b，∑_{u∈UNLOADING}δ_u，b≥1，对于每种制造的产品b，∑_iδ_u，b＝0；以及

sgn(·)：符号函数，即，当自变量为正时，为+1，另外当为负和0时，其为-1。

为了确保满足用于包装产品或成品的客户需求，每种包装产品的总生产量必须至少满足其期望需求D_f。这要求满足以下等式：

对于所有产品f∈PACK，

当可应用时，散装产品的总生产体积满足用于散装产品的独立需求D_b，使得：

对于所有产品b∈BULK，

除了清洗和准备时间之外，在制造一批产品期间，每个生产装置的操作速率都在确定完成所述产品的生产的必要时间中扮演重要角色。除了添加装置之外，增加容量可以通过使装置升级到用于可以由这样的装置制造的产品的较快速率和/或较短清洗和准备时间来实现。车间通常可以通过仅选择制造每种产品的最佳可用生产装置来满足客户需求。该选择基本是要由车间生产计划者/管理者作出的生产决策。

为了确保以上生产决策可以被适当地执行，车间需要有必要生产小时，这些生产小时是通过使得在车间的生产资源可用的情况下具有足够的生产时间来满足的，其中，车间的生产资源包括装置、操作小时、以及工人。在典型混合和包装车间中，在给定混合装置i上可用的总小时是车间处的班次结构决策的函数。班次结构可以包括对生产日的数目、每个生产日的班次的数目、以及生产班次的小时数或长度的决策。制造混合产品b∈BULK的必要生产小时必须少于用于生产的可用小时，使得：

$\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}\underset{b\∈\mathrm{BULK}}{\mathrm{\Σ}}\underset{j\∈\mathrm{PACKAGING}}{\mathrm{\Σ}}\underset{f\∈\mathrm{PACK}}{\mathrm{\Σ}}\{{\mathrm{\δ}}_{i,b}\·\mathrm{sgn}\left(M_{b,f}\right)\·n_{j,f}\·({\mathrm{\τ}}_{i,b}+1/r_{i,b}$

$\·{\mathrm{\δ}}_{i,b}\·M_{b,f}\·Q_{j,f})\}+\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}\underset{b\∈\mathrm{BULK}}{\mathrm{\Σ}}{n}_{i,b}\·({\mathrm{\τ}}_{i,b}+Q_{i,b}/r_{i,b})$

$\≤\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}(d_i^{\′}{S}_i{h}_i^{\′}+{\mathrm{\β}}_i)$

其中，以下变量具有以下意义：

d′_i：制造日混合器i可用于生产；

S_i：每制造日混合器i的班次可用于生产；

h′_i：每班次混合器i的小时被操作用于生产；以及

β_i：用于混合器i的超时小时。

类似地，制造包装产品f∈PACK的必要生产小时必须小于用于生产的可用小时，使得：

$\underset{j\∈\mathrm{PACKAGING}}{\mathrm{\Σ}}\underset{f\∈\mathrm{PACK}}{\mathrm{\Σ}}{n}_{j,f}\·({\mathrm{\τ}}_{j,f}+Q_{j,f}/r_{j,f})\≤\underset{j\∈\mathrm{PACKAGING}}{\mathrm{\Σ}}(d_j^{\′}{S}_j{h}_j^{\′}+{\mathrm{\β}}_j)$

在此，用于包装装置j的符号描述具有合适下标替换与用于混合器i的那些完全相同。

除了车间装置的可用性满足用于生产的必要时间（小时）之外，技术工人的可用性施加对车间可以制造的产品的最大数量的限制。要求技术工人在车间装置的操作小时期间进行清洗和准备任务以及在操作的同时照管装置。大多数车间装置是自动的，使得技术工人仅需要花费指定长度的时间来监视所述装置。该要求可以在数学上表示如下：

$\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}\underset{b\∈\mathrm{BULK}}{\mathrm{\Σ}}({\mathrm{\ω}}_i\·{\tilde{n}}_{i,b}\·{\mathrm{\τ}}_{i,b}+{\mathrm{\η}}_i)\≤\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}{e}_i\·(h_i^{\′}\·d_i^{\′}+{\mathrm{\β}}_i)\≤\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}{e}_i\·(1+\stackrel{\‾}{\mathrm{\β}})\·H$

$\underset{j\∈\mathrm{PACKAGING}}{\mathrm{\Σ}}\underset{f\∈\mathrm{PACK}}{\mathrm{\Σ}}({\mathrm{\ω}}_j\·{\tilde{n}}_{j,f}\·{\mathrm{\τ}}_{j,f}+{\mathrm{\η}}_j)\≤\underset{j\∈\mathrm{PACKAGING}}{\mathrm{\Σ}}{e}_j\·(h_j^{\′}\·d_j^{\′}+{\mathrm{\β}}_j)\≤\underset{j\∈\mathrm{PACKAGING}}{\mathrm{\Σ}}{e}_j\·(1+\stackrel{\‾}{\mathrm{\β}})\·H$

其中，以下变量具有以下意义：

b关于i的相关和独立批次的总数目；

ω_(·)：装置(·)上需要以完成清洗和准备任务的技术工人；

η_(·)：装置(·)在操作期间必须被照管和监视的必要时间；

e_(·)：指派给装置(·)的技术工人；

H：用于每个技术工人的正常工作小时；以及

工人可以工作超时的最大超时百分比可以通过本地劳动法或雇佣合同设置。

在一个实施例中，卸货设施由传送设备的外部操作者照管，使得设施不必被约束。在另一个实施例中，卸货设施由车间的内部操作者照管，并且同样地，它们的可用性以以下方式被约束：

$\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}\underset{x\∈\mathrm{DISCHARGLNG}}{\mathrm{\Σ}}\underset{b\∈\mathrm{BULK}}{\mathrm{\Σ}}({\mathrm{\ω}}_x\·n_{i,b}\·{\mathrm{\τ}}_{x,b}+{\mathrm{\η}}_x)\≤\underset{x\∈\mathrm{DISCHARGING}}{\mathrm{\Σ}}{e}_x\·(h_x^{\′}\·d_x^{\′}+{\mathrm{\β}}_x)$

$\≤\underset{x\∈\mathrm{DISCHARGING}}{\mathrm{\Σ}}{e}_x\·(1+\stackrel{\‾}{\mathrm{\β}})\·H$

注意，在优选实施例中，对关于每种生产资源（即，混合和包装装置以及卸货设施的每个集合）的必要时间的以上约束都应该施加给在此的每个单独装置。

每种混合散装产品b∈BULK都可能需要认证，要求这样的产品的测试的处理依靠其规范，同时其驻留在充当中间储存器的散装产品储存罐中。同样地，混合操作要求用于测试和认证的中间储存器的可用性，并且包装操作要求混合散装产品的足够体积。用于原材料的罐的必要数目通过用于使散装产品满足对包装产品和散装产品运输的要求的所要求的原材料的数量来确定。用于散装产品储存的罐的必要数目必须是使得罐可以存储大量散装产品，以满足对包装产品以及散装产品运输的客户要求。如果用于每种包装产品的散装产品按要求被混合，则在质量测试和认证期间存储散装产品的必要时间使得：

$\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}\underset{t\∈\mathrm{TANK}}{\mathrm{\Σ}}\underset{b\∈\mathrm{BULK}}{\mathrm{\Σ}}\underset{j\∈\mathrm{PACKAGING}}{\mathrm{\Σ}}\underset{f\∈\mathrm{PACK}}{\mathrm{\Σ}}\{{\mathrm{\δ}}_{i,b}\·\mathrm{sgn}\left(M_{b,f}\right)\·n_{j,f}\·[{\mathrm{\τ}}_{t,b}$

$\·{\mathrm{\δ}}_{i,b}\·M_{b,f}\·Q_{j,f}\·(1/r_{t,i,b}+1/r_{t,j,b})+C_b+{\mathrm{\τ}}_{j,f}\left]\right\}$

$+\underset{u\∈\mathrm{UNLOADING}}{\mathrm{\Σ}}\underset{t\∈\mathrm{TANK}}{\mathrm{\Σ}}\underset{b\∈\mathrm{BULK}}{\mathrm{\Σ}}\underset{j\∈\mathrm{PACKAGING}}{\mathrm{\Σ}}\underset{f\∈\mathrm{PACK}}{\mathrm{\Σ}}\{{\mathrm{\δ}}_{u,b}\·\mathrm{sgn}\left(M_{b,f}\right)\·n_{j,f}\·[{\mathrm{\τ}}_{t,b}$

$\·{\mathrm{\δ}}_{u,b}\·M_{b,f}\·Q_{j,f}\·(1/r_{t,u,b}+1/r_{t,j,b})+C_b+{\mathrm{\τ}}_{j,f}\left]\right\}$

$+\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}\underset{t\∈\mathrm{TANK}}{\mathrm{\Σ}}\underset{b\∈\mathrm{BULK}}{\mathrm{\Σ}}\underset{x\∈\mathrm{DISCHARGING}}{\mathrm{\Σ}}{n}_{i,b}\·[{\mathrm{\τ}}_{i,b}+Q_{i,b}\·(1/r_{t,i,b}+1/r_{t,x,b})+C_b+{\mathrm{\τ}}_{x,f}]$

$\≤\underset{t\∈\mathrm{TANK}}{\mathrm{\Σ}}(d_t^{\′}{S}_t{h}_t^{\′}+{\mathrm{\β}}_t)$

在以上表达式中必须做出的决策如下：（a）指派储存罐t以从混合装置i接收散装产品b的决策；（b）指派储存罐t以从卸载设施u接收导入的散装产品b的决策；以及（c）指派包装装置j以在生产包含来自罐t的散装产品b的包装产品f时使用的决策。

除了对时间要求的以上约束（它们在优选实施例中应该被施加给单独罐或罐集群t）之外，每批散装产品必须适合其中存储散装产品的罐，同时等待质量测试和认证。在数学上表达为：

(Q_i，b)_i ≤V_i，用于装置i上的产品b以满足独立需求；以及

(δ_i，b·M_b，f·Q_j，f)_i≤V_i，用于装置i上的产品b以满足对装置j上的f的相关需求

(δ_u，b·M_b，f·Q_j，f)_i≤V_i，用于装置u上的导入产品b，以满足对装置j上的f的相关需求

通过在较大数量内散布清洗和准备时间使较大批次递送规模经济，其还将要生产的下一批产品的等待时间增加至实际补充交付时间超过正常补充交付时间的点。这要求订购补充早于其他，以在实际补充交付时间期间满足客户需求。用于产品的补充订单被发布至工厂的存货水平通常称为补充再订购量，在该情况下，还用作安全库存。较早定购意味着保持较大数量的安全库存；这可能是代价高的并且产生关于性能度量的普通性能。当进行补充决策时，车间库存计划者/管理者大体上决定用于包装产品的安全库存的水平。本发明允许人们同时作出关于容量（例如，装置、班次结构、超时、工人等的必要数目）、存货（例如，安全库存）、以及生产（例如，批次的数目、批量大小等）的定量决策。

可以进一步减少关于混合装置的以上必要时间，从而通过组合散装产品的生产批次和/或专用用于特定散装产品的一些罐来减少对附加装置的需要。组合生产批次量相当于生产足够大以满足多种包装产品的体积要求的一批类似产品。这增加了散装储存罐的时间占用，同时减少关于混合装置的必要时间。组合生产批次的决策涉及将包装产品的集合划分为组合的包装产品的成群子集。每个子集都包含一种或多种包装产品，其消耗类似散装产品，使得由于具有要被包装为多种包装产品的较大批次散装产品而导致罐占用时间增加不违反为确保用于储存罐的必要时间小于或等于用于罐的可用时间的约束。决策产生工具能够通过使混合装置上的负载的益处减小针对储存罐上停留时间的不利增加保持平衡，来选择组合的混合决策。在作出关于是否组合混合的决策时，决策产生工具可以考虑特定于组合混合的约束。例如，这样的约束可以包括以下一个或多个：

（1）混合装置可以执行组合混合的约束；

（2）储存罐可以接受组合混合的约束；

（3）基于组合混合的大小（例如，体积）来选择储存罐和/或混合装置的约束；例如，仅特定混合装置和/或储存罐可能能够处理组合混合要求的较大体积；

（4）组合混合的大小的约束；以及

（5）当混合被组合时对罐体积和/或时间利用的约束；例如，罐使用时间的最大允许增加可以被指定用于每个车间，其可以基于操作经验通过车间管理者来确定。

如果决策产生工具决定组合混合，在一些情况下，决策产生工具可以进一步决定是否将储存罐专用于组合混合。在作出将一个或多个储存罐专用于组合混合的决策时，与储存罐不被专用的相同参数相比，当储存罐是专用时，决策产生工具可以考虑罐体积和/或时间使用。

组合生产决策可以表示为矩阵∑中的条目，其元素σ_f′，f是在每个组合混合包装产品f′中组合多个包装产品f的决策，也就是：

如果f属于组合群集f′，则σ_f′，f＝1，否则，σ_f′，f＝0。该决策的集合必须使得组合混合包装产品组必须具有至少一个实际包装产品，并且每种实际包装产品都必须仅在一个组合混合包装产品组中，或者：分别为∑_fσ_f′·f≥1和∑_f′σ_f′·f＝1。

以上主要涉及形成COMBINEDPACK的集合，其成员f′是包装产品的集合PACK内的子集，包括包含类似散装产品的多个包装产品。在组合产品之后，关于混合装置的必要时间约束被给定为：

$\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}\underset{b\∈\mathrm{BULK}}{\mathrm{\Σ}}\underset{f^{\′}\∈\mathrm{COMBINEDPACK}}{\mathrm{\Σ}}[n_{i,b,f^{\′}}\·({\mathrm{\τ}}_{i,b}+Q_{i,b,f^{\′}}/r_{i,b})]$

$+\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}\underset{b\∈\mathrm{BULK}}{\mathrm{\Σ}}{n}_{i,b}\·({\mathrm{\τ}}_{i,b}+Q_{i,b}/r_{i,b})\≤\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}(d_i^{\′}{S}_i{h}_i^{\′}+{\mathrm{\β}}_i)$

其中，以下变量具有以下意义：

n_i，b，f′：通过用于组合混合包装产品f′的混合器i的产品b的批次的数目：以及

Q_i，b，f′：通过用于组合混合包装产品f′的混合器i的产品b的每批的大小。

在一个实施例中，以上决策必须调节用于受影响的包装产品的生产决策，使得用于每种受影响的包装产品的生产批次的数目等于作为用于混合包装产品中的类似散装产品的生产批次的数目的单个值。这要求确保在组合混合包装产品集合中的最后受影响包装产品的生产完成之后，在组合混合决策中使用的储存罐是空的。在该情况下：

$\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}\underset{t\∈\mathrm{TANK}}{\mathrm{\Σ}}\underset{b\∈\mathrm{BULK}}{\mathrm{\Σ}}\underset{f^{\′}\∈\mathrm{COMBINEDPACK}}{\mathrm{\Σ}}\{n_{i,b,f^{\′}}\·[{\mathrm{\τ}}_{i,b}+Q_{i,b,f^{\′}}/r_{t,i,b}+C_b+\underset{j\∈\mathrm{PACKAGING}}{\mathrm{\Σ}}\underset{f\∈f^{\′}}{\mathrm{\Σ}}({\mathrm{\δ}}_{i,b}$

$\·M_{b,f}\·Q_{j,f}/r_{t,j,b}+{\mathrm{\ϵ}}_{t,j,f})\left]\right\}$

$+\underset{u\∈\mathrm{UNLOADING}}{\mathrm{\Σ}}\underset{t\∈\mathrm{TANK}}{\mathrm{\Σ}}\underset{b\∈\mathrm{BULK}}{\mathrm{\Σ}}\underset{j\∈\mathrm{PACKAGING}}{\mathrm{\Σ}}\underset{f\∈\mathrm{PACK}}{\mathrm{\Σ}}\{{\mathrm{\δ}}_{u,b}\·\mathrm{sgn}\left(M_{b,f}\right)\·n_{j,f}\·[{\mathrm{\τ}}_{t,b}$

$\·{\mathrm{\δ}}_{u,b}\·M_{b,f}\·Q_{j,f}\·(1/r_{t,u,b}+1/r_{t,j,b})+C_b+{\mathrm{\τ}}_{j,f}\left]\right\}$

$+\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}\underset{t\∈\mathrm{TANK}}{\mathrm{\Σ}}\underset{b\∈\mathrm{BULK}}{\mathrm{\Σ}}\underset{x\∈\mathrm{DISCHARGING}}{\mathrm{\Σ}}{n}_{i,b}\·[{\mathrm{\τ}}_{i,b}+Q_{i,b}\·(1/r_{t,i,b}$

$+1/r_{t,x,b})+C_b]\≤\underset{t\∈\mathrm{TANK}}{\mathrm{\Σ}}(d_t^{\′}{S}_t{h}_t^{\′}+{\mathrm{\β}}_t)$

其中，以下项具有以下意义：

ε_t，j，f：在包装装置j上生产包装产品f∈f′时类似散装产品的罐t中的附加停留时间，其值大于或等于0。

图2用图画表示关于用于组合在生产两个包装产品时消耗的用于类似散装产品的生产批次的情况的散装储存罐的必要时间。必要时间要求罐可用于贯穿以下时段中的每个接收散装产品：（a）在设置罐（清洗和准备）期间；（b）在散装产品被泵送到罐中期间；（c）散装产品等待质量保证和认证期间；（d）等待必要包装装置被启动并且等待由于组合混合决策而导致可能必须的附加停留时间期间；以及（e）散装产品被包装（即，填充）为两个包装产品期间。在图2中，两个包装产品所需的混合被组合，并且然后在两个阶段分别被泵出。第一泵出阶段用于用于第一包装产品的包装操作，并且第二泵出阶段用于用于第二包装产品的包装操作。

图3描述混合装置、储存罐、以及填充/包装装置之间的相互作用，示出组合批次、产品混合和批量大小生产决策对可以在一个生产班次中生产的每种产品的数量的影响。在图3中，在将要被包装的散装产品A混合到包装产品1、2和3中并且在将散装产品B混合到包装产品4和5中组合批次的决策造成混合装置、储存罐、以及填充/包装装置经历高百分比的空闲时间，这可能产生不理想的性能度量。通过使用优化算法，分类和定量决策的值可以被确定，以朝向其最优或接近最优值推进性能度量。

图4用图画示出组合用于多个包装产品中的类似散装产品的生产批次的决策。类似散装产品将通过批量大小足够大以满足用于这样的散装产品的相关需求来生产，以生产该包装产品。更具体地，假设用于车间的生产订单包括共享公共混合润滑油产品b的两种不同类型的产品（f₁和f₂）。决策产生工具可以确定，这两种不同类型的润滑油产品应该一起被分组在f′中，作为用于混合目的的简单需求。车间被操作成从原材料罐获得基本原料和添加剂，并且使用混合装置i混合它们，以制造一批Q_i，b，f′混合润滑油产品。该批次的混合润滑油产品通过填充装置j被填充到容器中，以生产用于生产订单中的f₁和f₂中的每个的批次Q_j,f。从而，不同族产品可以被分组到一起用于组合混合以减少制造成本。例如，如果在单独批次中作出制造两种不同类型的润滑油产品（f₁和f₂）所需的混合，在制造处理中招致额外设置成本。当然，模型考虑在作出决策以组合混合时从增加的混合批量大小得到的增加存货持有成本。

除了以上时间要求之外，用于散装产品的生产批量大小必须适合将存储散装产品的罐。这可以在数学上表示为以下约束：

(Q_i，b)≤V_i由于装置i上的产品b以满足独立需求；以及

(Q_i，b，f′)_i≤V_i，用于装置i上的产品b以满足用于组合混合包装产品f′的相关需求。

(δ_u，b·M_b，f·Q_j，f)_i≤V_i，用于装置u上的导入产品b以满足用于装置j上的f的相关需求

在另一个实施例中，如果在决策中使用的储存罐专用于存储类似散装产品，则以上同步不是必须的。在该实施例中，生产包装产品变为与生产这些包装产品中的类似散装产品分离。如果生产类似散装产品与生产包装产品分离，则对所述散装产品确保以期望需求履行级别满足对包装产品的需求的相关需求通过维持散装产品的存货来满足。优选实施例是在用于解算器的模型中确定产生最优性能度量的配置。

为了适应这两者，模型要求包装产品集合PACK被划分为两个子集：DEDICATEDPACK，其由包含具有专用的储存罐的类似散装产品的包装产品构成；以及COMBINEDPACK，其包含没有特定储存罐的类似散装产品，并且散装产品集合BULK被划分为具有专用的储存罐的散装产品的DEDICATEDBULK和包括没有任何专用的罐的散装产品的BULK。对于该实施例，用于车间装置的必要时间由以下给出：

在本实施例中对必要时间的约束类似于涉及没有专用罐的组合混合的那些。另外，作出具有专用的储存罐的混合散装产品的生产决策必须满足：

$\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}{\hat{n}}_{i,b}\·{\hat{Q}}_{i,b}\≥\underset{j\∈\mathrm{PACKAGING}}{\mathrm{\Σ}}\underset{f\∈\mathrm{DEDICATEDPACK}}{\mathrm{\Σ}}[\mathrm{sgn}\left(M_{b,f}\right)\·n_{j,f}\·M_{b,f}\·Q_{j,f}]+\underset{i\∈\mathrm{BLENDING}}{\mathrm{\Σ}}{n}_{i,b}\·Q_{i,b}$

在车间中，可以存在基于例如兼容性或连通性从车间的一个组件到另一个的散装产品的流动的限制。例如，在图1中，从混合装置和储存罐的箭头表示允许从一个组件到另一个组件的产品的流动的连通性。从储存罐、混合散装产品然后可以进入多种类型的填充装置之一或者装载到卸货设施（例如，卡车、驳船、或有轨电车）上。从储存罐到填充装置的箭头表示允许用于产品从储存罐到填充装置或卸货设施的流的连通性。同样地，在图1中所示的车间的操作中，可能应用以下的一项或多项：

（1）特定产品可以限于混合的特定方法，和/或反之亦然；

（2）特定产品可以限于特定混合装置，和/或反之亦然；

（3）特定产品可以限于特定储存罐，和/或反之亦然；

（4）特定产品可以限于特定填充装置，和/或反之亦然；

（5）特定产品可以限于特定卸货设施类型，和/或反之亦然；

（6）特定产品可以限于特定仓库空间，和/或反之亦然；

（7）特定混合装置可以仅提供特定储存罐，和/或反之亦然，用于储存罐从混合装置接收；

（8）特定混合散装产品导入可以仅提供特定储存罐，和/或反之亦然，用于储存罐接收导入的混合散装产品；

（9）特定储存罐可以仅提供特定填充装置，和/或反之亦然，用于填充装置从储存罐接收；

（10）特定储存罐可以仅提供特定卸货设施，和/或反之亦然，用于卸载设施递送至储存罐；以及

（11）特定填充装置可以仅提供特定仓库空间，和/或反之亦然，用于仓库空间从填充装置接收包装产品。

调节超时的成本

在短期内调节容量的一种方式是使用超时。同样地，在一些实施例中，决策产生工具可以解释使用超时的成本。实际上，超时的量可以由法律、法规或合同要求约束。这样的要求可以被表达为对模型中的超时的限制。在一些情况下，还可以存在与使用超时（为正或负）相关联的成本，其还可以作为因素计入模型中。负超时是暂时减小车间容量的一种方式。使用超时的成本通常是超时的量的函数，其就超时使用而言可以是非线性的，并且除了当量是负时之外，通常可以与超时的量成比例。当负超时用于暂时减少容量时，由于要求劳动力基于商定的小时获得补偿的劳动法或合同而导致可能仍然招致正成本。

调节生产资产/装置的成本

在一些实施例中，决策产生工具可以解释通过添加或除去生产资产或装置作出的容量调节。改变生产装置的数目的成本包括用于添加装置（包括站点构建）的设置和购买成本、和/或用于去除装置的丢弃和清理（残值）成本。决策产生工具可以假设购买成本是生产装置的添加数目的函数；其通常具有与生产装置的添加数目成比例的总购买成本。该工具还可以假设清理成本是生产装置的数目减小的函数；其通常具有与生产装置的数目的减小成比例的成本。当减小生产装置的数目时，车间可能招致丢弃所述装置的成本，因为其必须对清洗以及清理费用付费。在一些实例中，车间可以通过收集在模型中被认为是负清理成本的所述装置的残值来回收其投资。

操作和维持车间及其装置的成本

在一些情况下，决策产生工具可以作为因素被计入操作和维持包括其生产装置的车间的成本中。这可以包括拥有、操作、和/或维持生产线的成本。成本可以被假设为生产装置的数目的函数。通常可以假设成本与生产装置的数目和这样的生产装置被利用的时间成比例。

调节工人的成本

在一些实施例中，决策产生工具可以通过添加或除去工人来解决容量调节。该工具使用与工人的添加或减少相关联的成本。改变工人的数目的成本可以包括用于增加工人的数目的整合和雇用成本，和/或用于减少工人的数目的解雇成本。整合和减少成本通常是调节的函数，在一些情况下，其可以被假设为恒定值或与调节无关。雇用成本通常是工人的添加数目的函数，在一些情况下，可以假设其与工人的添加数目成比例。在减少工人的数目时，车间可能招致通常是工人的数目减少的函数的解雇成本，其中，可以假设该解雇成本与工人的数量的减少成比例。

转换成本

在一些实施例中，决策产生工具可以解释关于用于生产一种产品到另一种产品的转换（changeover）的成本。通常，较小批量大小将导致较高转换成本和/或较低生产量。可能存在与转换相关联的多种成本。一个这样的成本是不合格产品的成本，其是在产品转换之间的系统中捕获并且当生产线被清除时浪费的材料。例如，不合格产品可以是未加工的基础油或者在混合或包装装置的转换期间（分别在混合或包装操作之前或之后）浪费的混合散装产品。不合格产品的成本可以被表达为每单位数量（例如，每公升）的不合格产品的某个货币值。还可以在支架传输单元处的输出后勤活动期间招致转换成本。

存货持有成本

在一些实施例中，决策产生工具解释存货的持有作为成本惩罚（例如，持有包装产品的集装箱（pallet）的每年的成本）。可以使用多种技术来计算存货持有成本。例如，用于持有存货的成本函数可以与存货水平成比例，其中比例因数表示在给定时间周期内持有一个单位存货的成本。存货水平将根据存货策略的类型而改变。在一些情况下，用于产品的补充策略是(r，Q)，其中，当存货水平达到再订购点r时，补充订单被释放。该补充订单的大小是贯穿生产时段保持为常数的批量大小Q。另一种类型的策略是（s,S）基本原料策略，由此当存货水平下降到最低水平s时，补充订单被释放。补充订单使存货水平达到基本原料水平S。用于在计算库存持有成本中使用的库存水平取决于可以被计算用于给定再订购点和需求履行率的安全库存。可以假设持有库存的成本与可以由安全库存和补充批量大小的一半的总和近似的存货的平均水平成比例。

交叉运输成本

交叉运输成本可以包括用于将混合散装产品或包装产品导入到车间中的成本，有时来自供应网络中的另一个车间。交叉运输成本通常分别是散装产品或包装产品的导入体积或数量的函数。散装产品或包装的导入体积或数量分别是决策变量，使得优化算法可以将在车间中制造产品的总成本（包括调节容量的成本）与导入这样的产品的总成本进行比较，并且推荐最小化总成本的制造相对购买（make-v-buy）决策。在优化供应网络的性能的实施例中，交叉运输成本的添加成本元素是在配送中心之间运输包装产品的成本。在该实施例中，优化算法可以比较在规定车间处制造一些包装产品，并且然后将那些产品从规定车间传送到配送中心的规模经济，其中，这些产品的总安全库存将相对于从车间运输到每个配送中心的那些产品的成本而被保持。

其他操作成本

在一些实施例中，决策产生工具解释其他操作成本。这样的其他成本的实例包括用于罐维护的成本（例如，每小时罐时间的成本）、多车间应用中的交叉运输成本、用于泵送（例如，每小时）的成本、或者在罐中持有的散装产品的成本（例如，每升）。另一个可能成本是对低于目标的需求履行率的惩罚（即，拖欠成本）。

性能度量

该实例中的性能度量是总成本，其是以上成本项的总和。

相关约束

相关约束包括仓库储存器接收包装产品的集装箱的可用性和劳动力操作装置的可用性。其中，容量被建模为用于生产的可用时间（例如，小时），容量约束将确保装置的使用不超过用于在装置上生产的可用时间。模型约束的附加实例包括与以下有关的约束（其在模型中可以是线性或非线性项）：

（1）装置的打开和关闭；

（2）装置操作小时；

（3）可用于装置的最大超时；

（4）仓库容量（例如，用于包装产品）；

（5）所要求的安全库存的量；

（6）包装批量；

（7）包装产品导入对混合散装产品批量大小的影响；

（8）混合批量大小限制；

（9）混合数目限制；

（10）所制造的混合散装产品的总量；

（11）储存罐指派，其可能取决于是否组合混合；

（12）到支架传输单元的负载指派；

（13）储存罐上的负载体积；

（14）批次混合罐上的负载体积；

（15）混合批量大小约束（取决于混合是否被组合，其可以是不同的，即，可能存在与用于非组合混合的约束不同的用于组合混合的独立约束）；

（16）如果不组合混合，则包装批量大小约束；

（17）关于填充装置的填充的数目和填充的总数量；

（18）关于混合装置的混合的数目和混合散装产品的总数量；

（19）对从流水线混合装置到支架传输的加载的限制；

（20）批量混合计数要求；

（21）填充装置时间要求；

（22）混合装置时间要求；

（23）支架传输时间要求；

（24）储存罐时间要求；

（25）批量混合罐泵入时间要求；

（26）产品在每个罐中混合的数目；

（27）质量保证（QA）时间要求；

（28）储存罐转换次数；

（29）储存罐泵送次数；

（30）混合泵送和混合次数；

（31）在用于每种混合散装产品的罐上的有效时间；

（32）基于停留时间和泵送时间，在用于每种混合散装产品的罐上的总时间；

（33）对罐的总时间限制；

（34）包装装置的可用性（例如，对用于包装装置的操作时间的限制）；

（35）混合装置的可用性（例如，用于混合装置的操作时间的限制）；

（36）储存器和/或批量混合罐的可用性（例如，对用于罐的体积和/或占用次数的限制）；或

（37）劳动劳动力的可用性。

需求和目标需求履行率

在该实施例中，目标需求履行率是必须满足的输入参数。需求数据包括对包装产品的历史需求和对散装产品运输的历史需求。决策产生工具计算用于每种包装产品的需求概率分布，并且确定必须满足目标需求履行率的每种包装产品的生产批量大小和用于每种包装产品的安全库存的水平之间的函数关系。目标需求履行率表示在作为包装产品的生产批量大小的函数的补充交付时间期间在没有必须补充的情况下履行需求的概率。在另一个实施例中，需求履行率可以推导为批量大小、安全库存的水平以及历史需求概率分布的函数。

解算方法

由于模型中的约束包括涉及生产的批次的数目和/或每批次的大小的一个或多个非线性项（例如，双线性项），所以所得到的模型是混合整数非线性规划模型（MINLP）。作为解算MINLP的方法，决策产生工具可以使用本领域中已知的任何合适弛豫和/或分解方法。一种这样的技术是将MINLP分解为混合整数线性规划（MILP）子问题，和可选地为非线性规划（NLP）子问题。其中，MINLP被分解为MILP子问题和NLP子问题，所得到的MILP和NLP子问题然后可以以合作方式被解算（例如，迭代地）。

MILP子问题可以通过MINLP的线性近似用公式表达。所得到的MILP子问题可以通过本领域中已知的任何合适技术来解算，包括分支限界技术或切割面技术。例如，可以添加切割并且迭代地解算MILP子问题，直到原始约束的违背变为小于预定容限水平。在一些实施例中，决策产生工具可以在最小化罐活动时间的后处理步骤中进一步细化解算。可替代地，在一些实施例中，可以通过包括作为罐占用成本参数的函数的占用罐的成本来最小化罐活动。可替代地，可以通过使用组合方法的遗传算法来解算MINLP，以确定最优罐产品配送、组合混合决策、和/或生产装置和劳动力的激活（或调度）。

通过引用的方式合并

在本说明书中提及的所有公布、专利和专利申请都通过引用的方式合并于此，就像每个独立公布、专利或专利申请都明确和单独地被指示通过引用的方式被合并。不承认在此引用的任何参考是现有技术。

发明宽于具体实施例

不通过在此描述的具体实施例限制本发明的范围。实际上，除了在此描述的那些之外，根据前述描述和附图，本发明的多种实施例对于本领域普通技术人员来说将变得显而易见。而且，虽然在此在用于特定目的的特定环境下的特定实现的背景下描述了本发明，但是本领域普通技术人员将认识到，其实用性不限于此并且本发明可以在用于任何数目的目的的任何数目的环境下有益地实现。因此，应该鉴于如在此公开的本发明的全部范围和精神来理解以下阐述的权利要求书。

Claims (21)

1.一种用于在操作约束和物理和/或经济限制下，在包括一个或多个时间间隔的指定时间范围期间，以使给定车间或给定车间的集合的操作朝向用于性能度量的最优推进的方式，操作一个或多个散装产品混合和包装车间的方法，每个这样的车间都包括混合装置、一个或多个储存罐、包装装置、一个或多个包装产品存储设施以及卸载和卸货设施，其中，所述方法包括以下步骤：

（I）接收数据集合的计算机实现的步骤，所述数据集合包括：

（a）识别包括一个或多个时间间隔的时间范围的数据；

（b）识别所述混合装置及其一个或多个操作参数的数据；

（c）识别所述储存罐及其一个或多个操作的参数的数据；

（d）识别所述包装装置及其一个或多个操作参数的数据；

（e）识别所述包装产品存储设施及其一个或多个操作参数的数据；

（f）识别所述卸载和卸货设施及其一个或多个操作参数的数据；

（g）与车间设备之间的互连有关的数据；以及

（h）与用于每种包装产品的历史需求有关的数据；

（II）使用所述数据来填充混合整数非线性数学优化模型的模型参数的计算机实现的步骤，所述混合整数非线性数学优化模型被构建成在数学上描述所述混合和包装车间的操作；

其中，所述模型包括模型参数、决策变量、约束、以及目标函数；

其中，所述决策变量表示在每个时间间隔作出的关于作为以下一项或多项的函数的车间容量的定量决策：生产装置的数目、工人的数目、生产班次结构、超时、生产转换的数目和完成生产转换所要求的设置时间；

其中，附加决策变量是要在每个时间间隔内作出的关于车间生产和存货的定量决策；

其中，所述约束包括：

（a）限制所述混合装置的可用性和容量的一个或多个项；

（b）限制所述储存罐的可用性和容量的一个或多个项；

（c）限制所述包装装置的可用性和容量的一个或多个项；

（d）限制所述包装产品存储设施的可用性和容量的一个或多个项；

（e）限制所述卸载和卸货设施的可用性和容量的一个或多个项；

（f）使每种包装产品的批次的数目与产品批量大小相关的一个或多个非线性项；以及

（g）使包装产品的每个批次的大小与该产品所需的安全库存的数量相关的一个或多个非线性项；

其中，所述目标函数是性能度量

（III）运行算数解算器以获得对所述混合整数非线性数学优化模型的解算的计算机实现的步骤；以及

（IV）根据所获得的解算或根据所获得的解算而作出的操作计划来真实地操作所述车间。

2.根据权利要求1所述的方法，其中，所述性能度量选自由以下项构成的组：能量消耗、总的或特定包装产品生产、生产时间、需求履行交付时间、车间装置的总的或特定利用、净利润、以及需求履行率。

3.根据权利要求1所述的方法，其中，所述性能度量是总成本。

4.根据权利要求3所述的方法，其中，所述总成本是以下一项或多项的总和：（a）总操作成本，（b）添加容量的总投资，以及（c）减少容量的总撤销投资成本。

5.根据权利要求1所述的方法，其中，所述数据集合进一步被限定为如下项：（a）识别包括一个或多个时间间隔的所述时间范围的所述数据指定了要被优化的车间操作的时间周期；（b）关于所述混合装置的所述操作参数的所述数据指定了以下项中的一项或多项：所述混合装置清洗和准备时间、所述泵浦率、操作所述混合装置所必须的技术工人的必要数目、所述混合器主轴转速、以及所述混合率；（c）关于所述储存罐的所述操作参数的所述数据指定了以下项中的一项或多项：所述储存罐体积、所述顶部类型、所述底部类型、所述跟部体积、以及所述储存罐清洗和准备时间；（d）关于所述包装装置的所述操作参数的所述数据指定了以下项中的一项或多项：所述包装装置清洗和准备时间、所述包装率、操作所述包装装置所必须的技术工人的必要数目、以及所述测定体积的散装产品包装填充速率；（e）关于包装产品存储设施的操作参数的数据指定了以下项中的一项或多项：每种包装产品仓库的可用性和容量、每种包装产品的大小、每种包装产品的批次单位的大小、以及每种包装产品的平均仓库停留时间；（f）关于所述卸载和卸货设施的所述操作参数的数据指定了以下项中的一项或多项：卸载和卸货装置的类型、针对每个装置的卸载/卸货速率、卸载/卸货装置清洗和准备时间、以及用于每种产品的平均装载装置停留时间；（g）关于车间装置之间的互连的数据包括以下项中的一项或多项：将混合装置链接至一个或多个罐的物理管道连通性、以及将每个罐链接至一种或多种类型的包装装置和/或卸载和卸货设施的物理管道连通性；以及（h）关于用于每种包装产品的历史需求的数据指定了以下项中的一项或多项：客户需求事件的到达时间、以及对于每个需求事件所述需求事件中的所述产品的身份和数量。

6.根据权利要求1所述的方法，其中，所述数据集合进一步包括：与不同散装产品和/或混合产品与所述车间装置的兼容性有关的数据。

7.根据权利要求1所述的方法，其中，所述数据集合进一步包括：关于所生产的每种包装产品的财务估价的数据。

8.根据权利要求1所述的方法，其中，所述模型包括针对以下一项或多项的决策变量：（i）产品批次的必要数目和要作出的用于每种包装产品的批次的大小；（ii）产品批次的必要数目和要作出的用于每种混合产品的每个批次的大小；（iii）是否以及何时组合用于类似散装产品的混合操作；（iv）包括但不限于混合装置、包装装置和储存罐的装置的必要数量；（v）是否以及何时将储存罐专用于混合产品；（vi）每天的班次的必要数目和长度；（vii）工人的必要数目；（viii）超时小时的必要数目；以及（ix）针对每种包装产品和一些混合产品所要维持的安全库存的必要数量。

9.根据权利要求1所述的方法，其中，限制所述储存罐的可用性和容量的约束指定了以下一项或多项：（i）对将不同车间装置链接至所述储存罐的物理连通性的约束；（ii）对接收一批混合散装产品的不同储存罐进行设置的时间的约束；（iii）对储存罐的物理几何结构和大小的约束；（iv）对用于将一批混合散装产品泵送至储存罐中的时间的约束；（v）对用于混合散装产品进行质量保证测试的时间的约束；（vi）对用于设置所述填充装置以制造一批包装产品的时间的约束；以及（vii）对用于将混合散装产品泵送出不同储存罐的时间的约束。

10.根据权利要求1所述的方法，其中，使每批包装产品的大小与安全库存的数量相关的约束通过使具有所指定的批量大小的每批包装产品的安全库存的水平对应于在发出补充订单的时间的长度内可以履行消费者需求的数量来这样做。

11.根据权利要求1所述的方法，其中，所述时间范围包括一个时间间隔；

其中，提出所述混合整数数学优化模型作为混合整数非线性程序（MINLP）；

其中，获得对所述MINLP模型的解算包括：通过线性近似将所述MINLP模型转换成混合整数线性程序（MILP）模型并且解算所述MILP；以及

其中，在两小时或更少的时间帧内完成获得解算的步骤。

12.根据权利要求1所述的方法，其中，所述时间范围包括一个时间间隔；

其中，所述混合整数数学优化模型被提出作为混合整数非线性程序（MINLP）；

其中，通过使用选自由进化算法、模拟退火、蚁群优化、禁忌搜索、图案搜索算法等中的一个或多个构成的组的万用启发式算法来解算所述MINLP，以解算由所述MINLP提出的所述组合优化问题；以及

其中，在两小时或更少的时间帧内完成获得解算的步骤。

13.根据权利要求1所述的方法，其中，所述时间范围包括两个或更多时间间隔

其中，所述数学优化问题被提出作为混合整数非线性动态规划；

其中，所述混合整数非线性动态规划通过使用所述近似动态规划技术来解算；以及

其中，在合理时间帧内完成获得解算的步骤。

14.根据权利要求1所述的方法，其中，获得原材料的量是散装产品混合和包装车间为了满足需求所作出的另一个决策，同时优化所述模型中的性能和约束是所获得的原材料必须适合所述储存罐。

15.根据权利要求1所述的方法，其中，根据历史客户订单和需求预测来计算用于每种包装产品的需求概率分布；以及

其中，根据用于所述产品的所述需求概率分布和补充交付时间来计算用于每种包装产品的订单履行率。

16.根据权利要求1所述的方法，其中，所述方法被用于优化包括散装产品混合和包装车间的集合和配送中心的集合的供应网络的性能度量，两者均位于规定地区或地域性市场中；

其中，配送中心通过使用仅具有用于存储包装产品、导入包装产品、以及导出包装产品的设施的散装产品混合和包装车间的模型来建模；

其中，朝向最优或接近最优值来推进所述性能度量的定量决策包括：（i）用于每种散装产品混合和包装车间的车间容量、生产、以及存货决策；以及（ii）用于每个配送中心的存货和产品补充购买决策；

其中，针对每个车间和每个配送中心提供所述数据集合；

其中，存在附加参数和约束，以限定在车间之间传送混合产品的能力、益处和/或损害；

其中，存在附加参数和约束，以限定从特定散装产品混合和包装车间供应配送中心的能力、益处和/或损害；以及

其中，存在附加参数和约束，以限定在配送中心之间传送包装产品的能力、益处和/或损害。

17.根据权利要求16所述的方法，其中，所述时间范围包括一个时间间隔；

其中，所述混合整数数学优化模型被提出作为混合整数非线性程序（MINLP）；

其中，通过使用选自由进化算法、模拟退火、蚁族优化、禁忌搜索、图案搜索算法等中的一个或多个构成的组的万用启发式算法来解算所述MINLP，以解算由所述MINLP提出的所述组合优化问题；以及

其中，在合理时间帧内完成获得解算的步骤。

18.根据权利要求16所述的方法，其中，所述混合整数数学优化模型被提出作为基于代理的模型（ABM）；

其中，通过使用仿真来解算所述ABM；以及

其中，在合理时间帧内完成获得解算的步骤。

19.根据权利要求16所述的方法，其中，所述时间范围包括两个或更多时间间隔；

其中，所述数学优化问题被提出作为混合整数非线性动态规划；

其中，所述混合整数非线性动态规划通过使用所述近似动态规划技术来解算；以及

其中，在合理时间帧内完成获得解算的步骤。

20.一种用于识别关于以下一项或多项的定量决策的决策产生工具：针对一个或多个散装产品混合和包装车间和一个或多个配送中心产生性能度量最优或接近最优值的车间容量、生产、和存货，所述工具包括以下组件：

（I）存储数据文件的第一计算机可读存储器件，所述数据文件包括

（a）识别包括一个或多个时间间隔的时间范围的数据；

（b）识别所述车间混合装置及其一个或多个操作参数的数据；

（c）识别所述车间储存罐及其一个或多个操作参数的数据；

（d）识别所述车间包装装置及其一个或多个操作参数的数据；

（e）识别所述包装产品存储设施及其一个或多个操作参数的数据；

（f）识别所述卸载和卸货设施及其一个或多个操作参数的数据；

（g）与车间装置之间的互连有关的数据；

（h）与用于每种包装产品的所述历史需求有关的数据；以及

（i）识别所述配送中心及其一个或多个操作参数的数据；

（II）第二计算机可读存储器件，所述第二计算机可读存储器件可以是或可以不是所述第一计算机可读存储器件，所述第二计算机可读存储器件存储了包括描述带有或不带有所述配送中心的所述混合和包装车间的操作的参数的数学模型；

其中，除了参数之外，所述模型包括决策变量、约束、以及目标函数；

其中，所述决策变量表示要在每个时间间隔内作出的关于作为以下一项或多项的函数的车间容量的定量决策：生产装置的数目、工人的数目、生产班次结构、超时、产品转换的数目和完成产品转换所要求的设置时间；

其中，附加决策变量是要在每个时间间隔内作出的关于车间生产和存货以及关于配送中心处的存货的定量决策；

其中，所述约束包括：

（a）限制所述混合装置的可用性和容量的一个或多个项；

（b）限制所述储存罐的可用性和容量的一个或多个项；

（c）限制所述包装装置的可用性和容量的一个或多个项；

（d）限制所述包装产品存储设施的可用性和容量的一个或多个项；

（e）限制所述卸载和卸货设施的可用性和容量的一个或多个项；

（f）使每种包装产品的批次的数目与产品批量大小相关的一个或多个非线性项；以及

（g）使包装产品的每批的大小与该产品所需的安全库存的数量相关的一个或多个非线性项；

（h）限制配送中心的可用性和容量的一个或多个项其中，所述目标函数是性能度量；以及

（III）处理器，包括优化平台，所述优化平台包括算法解算器，其中，所述优化平台可操作成加载所述模型，读取所述数据文件，根据所述数据文件来填充所述模型参数，并且执行所述算法解算器，其中，所述算法解算器可操作成操纵所述模型中的决策变量，以识别优化所述目标函数的变量值的集合。

21.一种可由计算机读取的程序存储设备，包含可由计算机执行的计算机程序，其中，所述计算机程序包括代码，通过使计算机执行以下动作，这些代码可操作而使所述计算机识别关于以下一项或多项的定量决策：产生用于一个或多个散装产品混合和包装车间的性能度量的最优或接近最优值的车间容量、生产、以及存货：

（I）从计算机可读存储器件读取数据文件，所述数据文件包括：

（a）识别包括一个或多个时间间隔的时间范围的数据；

（b）识别所述混合装置及其一个或多个操作参数的数据；

（c）识别所述储存罐及其一个或多个操作的参数的数据；

（d）识别所述包装装置及其一个或多个操作参数的数据；

（e）识别所述包装产品存储设施及其一个或多个操作参数的数据；

（f）识别所述卸载和卸货设施及其一个或多个操作参数的数据；

（g）与车间设备之间的互连有关的数据；

（h）与用于每种包装产品的历史需求有关的数据；以及

（i）识别所述配送中心及其一个或多个操作参数的数据；

（II）使用所述数据文件来填充混合整数非线性数学优化模型中的模型参数，所述混合整数非线性数学优化模型存储在计算机可读存储器件上，被构建成在数学上描述所述混合和包装车间的操作；

其中，除了参数之外，所述模型包括决策变量、约束、以及目标函数；

其中，所述决策变量表示在每个时间间隔作出的关于作为以下一项或多项的函数的车间容量的定量决策：生产装置的数目、工人的数目、生产班次结构、超时、生产转换的数目和完成生产转换所要求的设置时间；

其中，附加决策变量是要在每个时间间隔内作出的关于车间生产和存货的定量决策，所述车间生产和存货与关于车间容量的那些定量决策同时被确定；

其中，所述约束包括：

（a）限制所述混合装置的可用性和容量的一个或多个项；

（b）限制所述储存罐的可用性和容量的一个或多个项；

（c）限制所述包装装置的可用性和容量的一个或多个项；

（d）限制所述包装产品存储设施的可用性和容量的一个或多个项；

（e）限制所述卸载和卸货设施的可用性和容量的一个或多个项；

（f）使每种包装产品的批次的数目与产品批量大小相关的一个或多个非线性项；

（g）使每批包装产品的大小与该产品所要求的安全库存的数量相关的一个或多个非线性项；以及

（h）限制所述配送中心的可用性和容量的一个或多个项；

其中，所述目标函数是性能度量；以及

（III）执行算数解算器，以操纵所述模型中的决策变量，以识别优化所述目标函数的变量值的解算集合。

Images