CN103547972A - 用于优化饮品混合的系统 - Google Patents

Abstract

一种用于优化混合的系统。该系统可以包括一个处理器，该处理器被配置成聚集材料信息、聚集生产信息、将对至少一种产品的消费者喜好模型化并且基于该材料信息、该生产信息以及该消费者喜好来提供用于控制多个生产资源的计划信息。该材料信息可以与该至少一种产品的一个产品输入相关联。该生产信息可以与该至少一种产品的这些生产资源相关联。

Description

用于优化饮品混合的系统

背景技术

提供以下描述来辅助读者的理解。并不承认所提供的信息或所引用的参考是现有技术。

对于业务单位经理来说，开发基于水果的饮品的生产计划呈现出独特的挑战。基于水果的饮品的输入材料，例如，水果，可能在可得到的数量、成本和品质方面是高度可变的。举例来说，水果的可得到的数量、成本和品质可能取决于飓风活动或者是否发生早期冰冻。因此，用于饮品的可得到的水果的供应可能在多个方面是高度可变的。

消费者对基于水果的饮品的需求可以取决于品质和成本。举例来说，当饮品成分较甜时，消费者可能会购买更多的基于水果的饮品。然而，可得到的甜水果的数量可能受到限制。因此，面临着有限数量的甜水果的业务单位经理必须开发出使可得到的水果与所感觉的消费者需求平衡的生产计划。

业务单位经理具有有限的信息，并且必须主要依赖于直觉来开发出生产计划。直觉方法可能导致随着时间以及跨地区的不一致结果。此外，当业务单位经理离开或移动到不同位置时，那个人学会的知识和经验也会失去。因此，需要用于开发并且实施用于基于水果的饮品的生产计划的改进的系统和方法。

发明内容

一个示意性实施例涉及一种用于优化混合的系统。该系统可以包括一个处理器，该处理器被配置成聚集材料信息、聚集生产信息、将对至少一种产品的消费者喜好模型化、并且基于该材料信息、该生产信息以及该消费者喜好来提供用于控制生产资源的计划信息。该材料信息可以与该至少一种产品的一个产品输入相关联。该生产信息可以与该至少一种产品的多个生产资源相关联。

另一示意性实施例涉及一种用于优化混合的方法。可以在一个处理器处聚集材料信息。该材料信息可以与至少一种产品的一个产品输入相关联。可以聚集生产信息。该生产信息可以与该至少一种产品的多个生产资源相关联。可以将对该至少一种产品的消费者喜好模型化。可以基于该材料信息、该生产信息以及该消费者喜好来提供用于控制这些生产资源的计划信息。

另一示意性实施例涉及一种制品，该制品包括一个有形计算机可读媒体，该有形计算机可读媒体具有存储在上面的多个指令，这些指令在由一个计算装置执行的情况下致使该计算装置执行多个操作。这些操作可以包括聚集材料信息、聚集至少一种产品的生产信息、将对至少一种产品的消费者喜好模型化、并且基于该材料信息、该生产信息以及该消费者喜好来提供用于控制生产资源的计划信息。该材料信息可以与该至少一种产品的一个产品输入相关联。该生产信息可以与该至少一种产品的多个生产资源相关联。

附图简要说明

通过结合附图进行的以下描述和所附权利要求书，本披露的前述和其他特征将变得更完全显而易见。应理解，这些图式仅描绘根据披露的若干实施例，并且因此不应被视为限制该披露的范围，将通过使用附图以额外的特殊性和细节来描述该披露。

图1是根据一个示意性实施例的一个饮品供应链的框图。

图2是根据一个示意性实施例的一个混合计划系统的示意图。

图3是根据一个示意性实施例的一个混合模型架构的图。

图4是根据一个示意性实施例的一个约束架构的图。

图5是由根据一个示意性实施例的一个混合计划系统执行的操作的流程图。

图6是根据一个示意性实施例的一个混合模型架构的图。

图7是根据一个示意性实施例的一个混合模型架构的图。

图8是由根据一个示意性实施例的一个分支和界限方法执行的操作的流程图。

图9是根据一个示意性实施例的一个内点方法的图。

示意性实施例的详细说明

这里说明的是用于优化饮品混合的示意性系统、方法、计算机可读媒体等。在以下详细说明中参考附图，附图形成详细说明的一部分。在图中，相似的符号典型地标示相似的部件，除非上下文另外规定。在详细描述、图式以及权利要求书中所说明的示意性实施例并不打算是限制性的。在不脱离这里呈现的主题的精神或范围的情况下，可以利用其他实施例，并且可以做出其他改动。将容易理解，在这里总体上说明并且在各图中图解说明的本披露的多个方面可以被安排、被替代、被组合以及被设计成广泛多种不同配置，以上全部都被明确涵盖并且形成此披露的部分。

参看图1，示出根据一个示意性实施例的一个饮品供应链100的框图。饮品供应链100可以与一种饮品（即，饮料）的生产和销售相关联，该饮品例如是未浓缩果汁、浓缩果汁、碳酸饮料（即，软饮品）、全谷物饮料、咖啡、茶、能量饮品、健康饮品、美容饮品、营养饮料、加味水、牛奶、乳品、格瓦斯、面包饮品、无酒精饮料、酒精饮料、葡萄酒、啤酒、龙舌兰酒、伏特加、朗姆酒，或者任何其他饮料。饮品供应链100可以包括饮料输入110、其他输入120、库存130、生产资源140、渠道150、消费者160以及一个混合计划优化系统170。混合计划优化系统170可以自动地或手动地（即，在一定量的人工参与的情况下）与饮料输入110的供应者、其他输入120的供应者、库存130、生产资源140、渠道150以及消费者160中的每一者交互。此交互可以包括将数据传送到以下各方或者从以下各方传送数据：饮料输入110的供应者、其他输入120的供应者、跟踪库存130的计算机、跟踪生产资源140的计算机、与渠道150相关联的计算机以及与消费者160相关联的计算机。

饮料输入110可以包括任何农产品，例如（但不限于）水果、蔬菜、谷物、坚果等。在一个示意性实施例中，饮料输入110可以包括（但不限于）浓缩针叶樱桃、针叶樱桃果泥/酱、压榨的、小块的以及成片的针叶樱桃、浓缩苹果、非浓缩苹果、苹果果泥/酱、浓缩杏、杏果泥/酱、浓缩香蕉、香蕉果泥/酱、浓缩甜菜、浓缩黑莓、黑莓果泥/酱、浓缩黑醋栗、浓缩蓝莓、蓝莓果泥/酱、浓缩胡萝卜、非浓缩胡萝卜、非浓缩有机胡罗卜、胡萝卜浆、浓缩腰果、浓缩樱桃、樱桃果泥/酱、浓缩花楸果、椰奶、浓缩酸果蔓、非浓缩酸果蔓、浓缩醋栗、浓缩葡萄、非浓缩葡萄、浓缩葡萄柚、非浓缩葡萄柚、葡萄柚浆、葡萄柚果泥/酱、浓缩番石榴、番石榴果泥/酱、浓缩猕猴桃、金橘果泥/酱、浓缩柠檬、非浓缩柠檬、柠檬浆、浓缩酸橙、非浓缩酸橙、酸橙浆、浓缩荔枝、浓缩橘子、浓缩芒果、芒果果泥/酱、浓缩瓜、浓缩桑果、浓缩多水果混合物、浓缩橙子、非浓缩橙子、橙子浆、橙子wesos、压榨的、小块的以及成片的木瓜、浓缩西番莲果、西番莲果果泥/酱、无名西番莲果、浓缩桃子、压榨的、小块的以及成片的桃子、桃子果泥/酱、浓缩梨、梨果泥/酱、浓缩菠萝、压榨的、小块的以及成片的菠萝、非浓缩菠萝、浓缩李子、李子果泥/酱、浓缩石榴、昆西果泥/酱、浓缩木莓、木莓果泥/酱、浓缩红浆果、浓缩大黄、浓缩酸樱桃、非浓缩酸樱桃、浓缩草莓、压榨的、小块的以及成片的草莓、草莓果泥/酱、罗望子果泥/酱、浓缩红桔、非浓缩红桔、浓缩西红柿、西红柿果泥/酱、浓缩西瓜、浓缩杨梅、浓缩柚子、蜂蜜、糖、牛奶、乳产品、香料、香草、树叶、种子、雌蕊、面粉、小麦、大麦、燕麦、碱液、玉米、奎藜籽以及大米。对于每种饮品或饮品群组，饮料输入110可以是不同的。在一个示意性实施例中，饮料输入110可以包括水果。举例来说，该水果可以包括橙子。这些橙子可以包括（例如）瓦伦西亚柑橘、季节早期/中期脐橙、巴西橙子或者哥斯达黎加橙子。可以准备好瓦伦西亚柑橘、季节早期/中期脐橙、巴西橙子或者哥斯达黎加橙子中的每一者的收成，以供在各个时期投入市场，具有不同的成本、品质和数量。可以在合同下购买或者在现货市场购买饮料输入110。在另一个实例中，该水果可以包括苹果或者芒果。然而，可以使用任何水果、蔬菜或者水果/蔬菜产品或副产品。在另一个示意性实施例中，饮料输入110可以包括稳定饮品成分，例如高果糖玉米糖浆、口味、淀粉、添加剂、矿物质、维生素、酒精、二氧化碳、磷酸、柠檬酸、人工增甜剂、酶、淀粉、盐、结冷胶、卡拉胶、纤维素胶、纤维素羧甲醚、果胶、食品用改性淀粉、琼脂、瓜尔胶、黄原胶、海藻酸丙二醇酯、槐树豆胶、阿拉伯胶等。

其他输入120可以包括用于生产饮品产品的任何非食物资源。举例来说，其他输入120可以包括容器、瓶子、标签、水、清洁剂、能量等。其他输入120中的每一个项目可以具有不同的成本、可用性、数量、品质等；然而，被标示为其他输入120的项目可以典型地比与饮料输入110相关联的项目更可预测。可以在合同下购买或者在现货市场购买与其他输入120相关联的产品。

可以用库存130来管理饮料输入110和其他输入120的引入量。库存130可以包括现场的和场外的设施。举例来说，库存130可以包括内部罐容量和供应者罐容量。库存130可以包括罐、罐区、仓贮等。库存130可以具有输入材料的容量和当前存货，如上文所讨论。库存130可以与计算机相关联。

库存130可以用于将输入材料提供给生产资源140以供生产饮品。生产资源140可以包括搅拌机，例如混合槽、灌装设备、巴氏灭菌设备、包装设备、劳动力等。生产资源140可以具有生产容量、操作成本以及限制因素。限制因素可以包括对制造过程的约束，例如，一个约束可以是：一旦打开罐，就应使用全部。约束的另一个实例可以是：当调换生产线时，应对生产线消毒。生产资源140可以用于生产饮品产品的成品单元。可以使用相同的生产资源140生产多种饮品产品。每种饮品产品具有基于许多属性的一个简档（profile），如下文进一步讨论。饮品产品的成品单元可以采用各种库存单元（SKU）的形式。

可以使用渠道150将饮品产品的成品单元销售给消费者160。渠道150可以包括运输资源、仓贮、批发经销商以及零售店。消费者160可以通过渠道150购买饮品产品的成品单元。可以基于与顾客调查和实际购买数据进行比较的每一饮品产品的相应简档来预测对每一种饮品产品的消费者喜好。可以使用对每一饮品产品的喜好来预测对每一种饮品产品的需求。消费者160还可以经由计算机启用的调查或者人工输入的调查数据将数据提供给混合计划优化系统170。

混合计划优化系统170可以从与饮料输入110的供应者相关联的计算机、与其他输入120的供应者相关联的计算机、与库存130相关联的计算机、与生产资源140相关联的计算机、与渠道150相关联的计算机以及与消费者160相关联的计算机接收数据，并且发送数据。混合计划优化系统170可以使用一些描述饮料输入110、其他输入120、库存130、生产资源140、渠道150以及消费者160的数据来确定（例如）可能的混合计划。混合计划优化系统170可以优化混合计划来将混合计划的多个属性最大化或最小化，如下文进一步讨论。在一个示意性实施例中，混合计划优化系统170可以预测消费者160的需求、从渠道150获得订单、预订饮料输入110和其他输入120、管理库存130并且控制生产资源140。在其他示意性实施例中，混合计划优化系统170可以为用户（例如，业务单位经理）提供计划和操作信息。有利的是，混合计划优化系统170可以提供成本和品质数据以及共同交流平台，从而实现跨功能协调来增强混合决策。有利的是，混合计划优化系统170可以有效地在粒度水平下分析多个情形、变化需求、原材料属性以及成本，从而评估折衷并且执行策略。

参看图2，示出根据一个示意性实施例的一个混合计划系统200的示意图。混合计划系统200可以包括一个计算装置210、一个输入材料数据库220、一个库存数据库225、一个生产数据库230、一个渠道数据库235、一个消费者数据库240以及一个网络245。计算装置210可以与输入材料数据库220、库存数据库225、生产数据库230、渠道数据库235、消费者数据库240以及网络245通信。计算装置210可以使用网络245来与其他数据库、供应者、工厂、储存设施、机器、经销商以及消费者通信。

计算装置210可以包括桌上型计算机、膝上型计算机、云计算客户端、手持式计算装置或者本领域的技术人员已知的其他类型的计算装置。计算装置210可以包括一个处理器250、一个存储器260、一个用户界面270、一个显示器280、混合模型软件290以及收发器295。在一些替代实施例中，计算装置210可以包括更少、额外和/或不同的部件。可以包括本领域的技术人员已知的任何类型的永久或者可移除计算机存储器的存储器260可以是计算机可读存储媒体。存储器260可以被配置成存储混合模型软件290以及被配置成运行混合模型软件290的应用程序、所俘获的数据、和/或本领域的技术人员已知的其他信息和应用程序。计算装置210的收发器295可以用于通过本领域的技术人员已知的有线或无线网络接收和/或传输信息。可以包括接收器和/或发射器的收发器295可以是调制解调器或者本领域的技术人员已知的其他通信组件。

混合模型软件290可以被配置成分析来自输入材料数据库220、库存数据库225、生产数据库230、渠道数据库235、消费者数据库240以及网络245的数据以形成至少一个混合计划。取决于实施例，可以由计算装置210通过例如USB线缆等有线连接和/或通过无线连接来接收数据。可以被实施为被配置成存储在存储器260上的计算机可读指令的混合模型软件290可以同时针对所有属性或者针对一个特定属性来优化至少一个混合计划。

在一个实施例中，混合模型软件290可以包括计算机程序和/或被配置成执行该程序的应用程序，例如可以从纽约州阿蒙克市的国际商务机器公司得到的Cplex优化软件。替代地，可以使用本领域的技术人员已知的其他编程语言和/或应用程序。在一个实施例中，混合模型软件290可以是专用独立应用程序。可以与计算装置210的多个部件中的每一者电联通的处理器250可以用于运行应用程序并且执行混合模型软件290的指令。可以使用本领域的技术人员已知的任何类型的计算机处理器。

输入材料数据库220可以包括关于例如农业输入等饮料输入以及用于饮料混合和包装的其他输入的数据。关于农业输入的数据可以包括用于农业输入的预期装运的属性数据。举例来说，属性数据可以包括关于预期或约定的装运的数量、成本、时限、白利糖度、柠檬酸、糖酸比、维生素c（抗坏血酸）、颜色得分、粘度、柠檬苦素、口味、水果种类（例如早期/中期脐橙或者瓦伦西亚橙）以及浆简档的信息。关于其他输入的数据可以包括关于可得到的或者预期可得到的包装材料、可得到的增甜剂、水质等的信息。

库存数据库225可以包括关于当前保存的饮料输入（例如，农业输入）以及其他输入的数据。该数据可以包括内部信息以及关于供应者的信息。当农业输入的装运物到达储存设施或工厂时，可以对农业输入进行测试来确定属性数据。举例来说，被测试的属性数据可以包括关于所接收的装运的数量、白利糖度、柠檬酸、糖酸比、维生素c（抗坏血酸）、颜色得分、粘度、柠檬苦素、口味、水果种类以及浆简档的信息。在一个示意性实施例中，该数据包括储存在一个罐中的果汁的量。所收集的数据可以被存储在库存数据库225中。该数据还可以包括关于库存的成本以及交货和计划使用的时限的信息。库存数据库225还可以包括例如包装等其他输入的数量、成本以及类型信息。

生产数据库230可以包括关于可供使用的当前生产资源的数据。举例来说，生产资源可以包括工厂、储存设施以及机器。该数据可以包括关于位置、装运成本、机器生产量、机器能力和机器时间表的信息。该数据还可以包括关于如何链接或联系资源的信息。举例来说，罐‘A’和‘B’可能仅用导管被输送到机器‘W’。示意性机器可以包括混合罐、巴氏杀菌设备以及灌装机器。

渠道数据库235可以包括关于用于销售成品的渠道的数据。举例来说，关于渠道的数据可以包括通过特定渠道的需求的历史数据。数据可以包括关于在一个特定渠道中的手头的完成库存的信息。数据还可以包括关于到（例如）饭店和食品服务公司的合同装运的时限和要求的信息。

消费者数据库240可以包括关于消费者需求的数据。举例来说，消费者需求数据可以包括消费者调查结果以及销售结果。消费者调查结果以及销售结果可以用于建立顾客喜好以及需求模型。

参看图3，示出根据一个示意性实施例的一个混合模型架构300的图。混合模型架构300可以包括一个混合模型360。混合模型360的输入可以包括预报310、库存信息320、生产信息330、渠道信息340以及期望的属性350。混合模型360基于输入310到350产生混合计划365和最佳解367。喜好简档器（liking profiler）370针对混合计划365提供喜好简档375。混合计划365及其最佳解367以及喜好简档375可以随后被存储在数据库380中以供进一步分析。虽然说明了针对果汁的混合模型，但可以将混合模型应用到任何基于农业的产品。可以将该混合模型应用到未浓缩果汁、浓缩果汁、碳酸饮料（即，软饮品）、全谷物饮料、咖啡、茶、能量饮品、健康饮品、营养饮料、美容饮品、加味水、牛奶、乳品、格瓦斯、面包饮品、无酒精饮料、酒精饮料、葡萄酒、啤酒、龙舌兰酒、伏特加、朗姆酒或者任何其他饮料。

预报310可以包括果汁预报、需求预报、库存预报、生产可用性预报、水果预报、蔬菜预报、坚果预报、谷物预报、农产品预报或者任何其他预报。举例来说，果汁预报可以包括水果果汁将在何时、在何处以及有多少可用于混合的估计。预报310可以包括材料信息，例如关于例如农业输入等饮料输入以及其他输入的数据。所预报的属性可以包括数量、白利糖度、柠檬酸、糖酸比、离心浆简档、维生素c（抗坏血酸）、回收油百分比、颜色得分、缺陷得分、柠檬苦素、口味以及品种百分比（巴西、早中期以及瓦伦西亚）。浆简档由关于预期果汁中的浆长度的分布的信息组成。预报310可以被手动地提供，或者基于存储于输入材料数据库中的已知信息以及历史信息而被产生。

库存信息320包括关于当前可用于混合的材料的数据。举例来说，库存信息320可以包括水果果汁在何处以及有多少当前可用于混合，库存属性可以包括数量、果汁存放时间、白利糖度、柠檬酸、糖酸比、离心浆简档、维生素c（抗坏血酸）、回收油百分比、颜色得分、缺陷得分、柠檬苦素、口味以及品种百分比（巴西、早中期以及瓦伦西亚）。库存信息320可以从库存数据库获得。

生产信息330包括关于可得到的生产资源的数据。举例来说，生产信息330可以包括关于例如储存容量、储存成本、生产能力以及生产成本等可得到的资源的数据。生产信息330可以从生产数据库获得。

渠道信息340包括关于例如一个特定渠道中的手头的成品库存等批发商和零售商的数据。数据还可以包括关于到（例如）饭店和食品服务公司的装运合同的时限和要求的信息。渠道信息340可以从渠道数据库获得。

期望的属性350可以包括一系列约束。参看图4，示出根据一个示意性实施例的一个约束架构400的图。可以将约束架构400分类为主要约束410、商业约束420以及杂项约束430。举例来说，这些约束和限制可以限定混合计划的界限、限制、条件以及不期望的配置。可以实施更多或者更少的约束和限制。

主要约束410可以包括流平衡、采购界限、品质界限440、需求、罐容量、巴氏杀菌容量、品种、卸载容量、新鲜的对储存的、果汁存放时间以及最低供应要求。流平衡可以约束该模型以确保进入系统的流等于流出系统的流加上库存。采购界限可以限定来自供应者的最小和最大购买。举例来说，供应者可以具有最大容量。

品质界限440可以限定多个成品的属性。品质界限440可以包括白利糖度、柠檬酸、糖酸比、离心浆简档、维生素c（抗坏血酸）、回收油百分比、颜色得分、缺陷得分、柠檬苦素以及口味得分。品质界限440可以针对一种属性设定最小水平、最大水平或者最小和最大范围。每个产品或SKU可以具有分开的一组品质界限440。

需求可以针对有待生产的成品的量来设定界限。罐区容量可以限定针对一个特定时间周期（例如，一周、一个月等）可得到的罐容量的最大量。巴氏杀菌容量可以限定可以在工厂进行巴氏杀菌的最大果汁量。品种可以限定用于产品中的季节早期/中期水果与瓦伦西亚水果与外国水果的比率的界限。卸载容量可以限定一个场所运出产品的最大能力。新鲜的对储存的可以限定一个产品中的新鲜果汁量与该产品中的储存果汁量的比率的界限。果汁存放时间可以限定在将使用果汁之前果汁可以放在罐中的最大时间量。最大供应要求可以限定由于（例如）合同而必须进行的最低量供应购买。

商业限制420可以包括（例如）最低的自身采购要求、罐可用周期限制、最低留用要求、当季的新储存限制、禁止的流动、消费要求以及最小末期库存要求。最低的自身采购要求可以限定应在内部采购，即从公司拥有的农场采购的水果或者果汁的最低量。罐可用周期限制可以限定特定罐可以使用，即未安排使用的时间周期。最低留用要求可以限定在生产计划周期结束时应维持多少输入库存。当季的新储存限制可以限定可以将多少新水果果汁储存在罐中。禁止的流动限定对例如将储存的果汁从第一工厂移动到第二工厂等过程流的限制。消费要求可以限定特定输入应在被接收之后多久被使用。举例来说，消费要求可以是所有国外采购的水果应在某一时间周期内，例如，在接收的一周内被消费。最小末期库存要求可以限定针对产品应维持的手头的存货的多少。

杂项约束430可以包括形势或测试约束。举例来说，杂项约束430可以包括新储存的果汁从罐到工厂的流动被阻止。还可以包括任何其他约束。

再次参看图3，混合模型360可以包括目标函数361和约束函数362。目标函数361和约束函数362可以是线性方程组。混合模型360可以是具有连续和整数变量与一些逻辑约束的混合体的约束程序。混合模型360可以使用例如内点方法等各种技术来迭代地找出目标函数361和约束函数362的解。例如，可以使用可以从纽约州阿蒙克市的国际商务机器公司得到的Cplex优化软件来解出该线性方程组。可以产生一个可能解的范围。目标函数361和约束函数362的可能解是有效的混合计划365。混合计划365是限定将使用的输入、将使用的资源以及有待制作的产品的计划。

目标函数361限定分析目标。在一个示意性实施例中，该目标可以是使成本最小化。然而，任何目标都是可能的，包括使品质最大化，或者使碳排放量最小化。目标函数361还可以包括二级和三级目标等。目标函数361的解可以是最佳解367。最佳解367可以是服从这些约束的使目标函数最大化和/或最小化的变量值、决策以及相关联的目标函数的集合。举例来说，最佳解367可以是针对特定混合计划365而计算出的最小化的成本。

在一个示意性实施例中，目标函数361包括表示生产果汁时所涉及的各种成本的一些表达式。举例来说，目标函数361可以包括处理成本表达式、储存成本表达式以及运输成本表达式。举例来说，对于特定供应者、工厂以及运输，该表达式可以是：成本=每加仑供应成本*加仑数+每加仑生产成本*加仑数+每加仑运输成本*加仑数。这些表达式的总和可以等于生产并且递送果汁成品的总成本。在一个示意性实施例中，生产并且递送果汁成品的总成本是最佳解367。目标函数361还可以包括偏好项以及损失。举例来说，损失可以包括新鲜果汁损失、生产过剩损失以及流动损失。在一个实例中，将偏好项计入为降低的成本，并且将损失计入为增加的成本。

目标函数361的可能解受到由约束函数362限定的有效组合限制。成品的白利糖度的示意性约束函数可以是：10<白利糖度<14。因此，仅成品具有大于10但小于14的白利糖度的混合计划365是有效的混合计划365。浆简档的另一个示意性约束函数可以是：2克/分升<细浆(<2毫米)<4克/分升；5克/分升<中等浆(2到5毫米)<8克/分升；2克/分升<大型浆(>5毫米)<4克/分升。因此，仅成品具有符合这些浆简档约束内的浆简档的混合计划365是有效的混合计划365。

可以使用分支和界限方法和/或内点方法来执行混合模型360。在一个示意性实施例中，可以将目标函数361和约束函数362进行组合以形成数学程序。该数学程序可以在服从约束函数362的情况下优化目标函数361。在考虑到约束函数362下确定了最佳混合计划365之后，可以改变模型的输入以评估不同的情形。可以存储目标函数361以及相应的混合计划365的最佳解367以供进一步分析。在已经针对许多有效的混合计划365解出目标函数361之后（产生相应数目的最佳解367），可以选择最好的最佳解367（例如，最小成本解）。可以改变混合计划365的粒度来增加执行速度，或者增加混合模型360的精度。替代地，可以使用蒙特卡罗型方法来执行混合模型360。

参看图8，示出根据一个示意性实施例在一种分支和界限方法800中执行的操作的流程图。可以执行额外的、更少或不同的操作。在操作810中，可以限定连续松弛问题(X(i)=a)。

连续松弛问题的整数要求是松弛的，并且可以将连续松弛问题作为连续变量问题来求解。可以使用内点算法或者梯度下降算法来给这个松弛问题求解。基于目标函数的偏导数将一个变量(X(i))选择为‘分支’，投影到相对于该变量的约束表面上。在操作820中，沿着一个分支，该分支变量被约束为小于或者等于下一个最低整数值，例如子问题X(i)<=b。在操作830中，沿着另一分支，该分支变量被约束为大于或者等于下一个最高值，例如子问题X(i)>=c。给所得的子问题求解，直到找到服从所有约束和完整性要求的最佳解为止。还可以使用分支和切割算法，并且分支和界限以及分支和切割可以组合使用。

参看图9，示出根据一个示意性实施例的一个内点方法900的图。在一个示意性实施例中，内点方法900是二维线性整数程序。在内点方法900中，将约束函数962投影到整数点910上。在一个示意性实施例中，位于约束函数962上方的所有整数点910都不是有效解。可以优化目标函数961（即，在箭头方向上重新绘制），直到约束函数962下方的整数点910中的仅一者保持在目标函数961上方为止。在图9中，最佳解967是约束函数962下方的保持在目标函数961上方的最后一个整数点。因此，最佳解967使目标函数961最大化，同时保持在约束函数962的界限内。在其他实施例中，可以使用多个维度和多个目标函数。

再次参看图3，每个有效的混合计划365可以由喜好简档器370来处理。喜好简档器370可以是基于产品的属性的消费者喜好的模型。在一个示意性实施例中，喜好简档器370可以是多维数学模型，该多维数学模型使喜好得分与产品的白利糖度、柠檬酸、糖酸比、离心浆简档、维生素c（抗坏血酸）、回收油百分比、颜色得分、缺陷得分、柠檬苦素以及口味得分相关联。可以包括更多或者更少的属性。可以对这些属性进行加权。该喜好得分可以是相对值。该喜好得分可以是标量、向量或者随机变量。可以用来自消费者调查以及消费者购买信息的数据来填充（populated）该多维数学模型。可以将来自消费者调查的数据以及来自消费者购买信息的数据存储于消费者数据库中。举例来说，在一个消费者调查中，给予一个消费者一个产品，从而尝试该产品在哪里具有已知的属性。该消费者可以针对该产品完成给各种感觉评价的消费者调查。举例来说，该消费者可以在一到十的尺度上对该产品的口感进行评价。可以使用多个消费者的回应来建构一个统计模型。类似地，可以使用与产品属性匹配的产品购买信息来建构一个统计模型。该多维数学模型是描述多个消费者的这些数据的汇集。对于一个产品的给定的白利糖度、柠檬酸、糖酸比、离心浆简档、维生素c（抗坏血酸）、回收油百分比、颜色得分、缺陷得分、柠檬苦素以及口味得分，该多维数学模型可以产生一个喜好得分。喜好简档器370将对混合计划365中的每个产品打分。喜好简档器370返回喜好简档375，该喜好简档375可以由混合计划365中的每个产品的喜好得分组成。替代地，喜好简档器370可以返回每个SKU的喜好得分。

混合计划365及其最佳解367以及喜好简档375可以被存储在数据库380中以供显示或者进一步分析。可以互动地显示分析的结果。举例来说，可以向例如业务单位经理等用户呈现示出成本（即，最佳解367）对喜好（即，喜好简档375）的混合计划365的图表。该用户还可以改变可用于模拟改变将如何影响饮品生产系统的各种属性、约束、成本结构以及资源。敏感性分析可以包括自动地产生属性、约束、成本结构以及资源改变了某一百分比（例如，百分之十）的情形。

另外，可以随着时间跟踪且/或模拟并且显示属性、约束、成本结构以及资源的可变性以供分析。由于饮品生产过程的输入可以具有较大的变化，所以经理可能难以识别饮品生产过程的不好控制的一些部分。在一个示意性实施例中，约束函数362可以包括建立生产资源的操作容限的生产限制。在另一个示意性实施例中，目标函数361可以包括使预报310、库存信息320、生产信息330、渠道信息340以及期望的属性350中的一者或多者中的变化最小化。通过模拟各种生产情形，经理可以识别饮品生产过程的高可变性部分。此外，饮品生产系统可以基于饮品生产过程的一个部分的输入的可变性来确定并且跟踪饮品生产过程的该特定部分中的可变性。因此，经理可以将饮品生产过程的必要地可变的一个部分与饮品生产过程的无法控制且需要改进的一个部分区别开。此外，该经理可以模拟在一个特定过程部分中减少可变性的情况下该过程将如何改变。举例来说，经理可以确定机器调换的变化中的1%的改进可以引起过程处理量的3%的增加。因此，经理可以专注于改进调换性能。

有利的是，混合模型架构可以提供成本和品质数据以及共同交流平台，从而实现跨功能协调来增强混合决策。有利的是，混合模型架构可以有效地在一个粒度水平下分析多个情形、变化需求、原材料属性以及成本，从而评估折衷并且执行策略。有利的是，用户可以与各种混合计划365交互以更好地了解符合商业目标的可能的混合计划365。

参看图5，示出根据一个示意性实施例由一个混合计划系统500执行的操作的流程图。可以执行额外的、更少或不同的操作。在操作510中，可以通过混合计划系统聚集输入材料数据。混合计划系统可以查询输入材料数据库以寻找关于例如农业输入等饮料输入以及用于饮品混合和包装的其他输入的数据。关于农业输入的数据可以包括用于农业输入的预期装运的属性数据。举例来说，属性数据可以包括关于预期或约定的装运的数量、成本、时限、白利糖度、柠檬酸、糖酸比、维生素c（抗坏血酸）、颜色得分、粘度、柠檬苦素、口味、水果种类（例如早期/中期脐橙或者瓦伦西亚橙）以及浆简档的信息。关于其他输入的数据可以包括关于可得到的或者预期可得到的包装材料、可得到的增甜剂、水质等的信息。该输入材料数据可以包括预报。

在操作520中，可以通过混合计划系统聚集库存数据。混合计划系统可以查询库存数据库以寻找关于当前保存的饮料输入（例如，农业输入）以及其他输入的数据。该数据可以包括内部信息以及关于供应者的信息。举例来说，属性数据可以包括关于所接收的装运的数量、成本、时限、白利糖度、柠檬酸、糖酸比、维生素c（抗坏血酸）、颜色得分、粘度、柠檬苦素、口味、水果种类以及浆简档的信息。在一个示意性实施例中，该数据包括储存在一个罐中的果汁的量。该数据还可以包括例如包装等其他输入的数量、成本、以及类型信息。

在操作530中，可以通过混合计划系统聚集生产数据。该混合计划系统可以查询生产数据库以寻找关于可供使用的当前生产资源的数据。举例来说，生产资源可以包括工厂、储存设施以及机器。该数据可以包括关于位置、装运成本、机器生产量、机器能力和机器时间表的信息。该数据还可以包括关于如何链接并且联系资源的信息。示意性机器可以包括混合罐、巴氏杀菌设备以及灌装机器。

在操作540中，可以通过混合计划系统聚集渠道数据。混合计划系统可以查询渠道数据库以寻找关于用于销售成品的渠道的数据。举例来说，关于渠道的数据可以包括通过特定渠道的需求的历史数据。数据可以包括关于在一个特定渠道中的手头的成品库存的信息。数据还可以包括关于到（例如）饭店和食品服务公司的装运合同的时限和要求的信息。

在操作550中，混合计划系统可以基于如上文所描述的所聚集的输入数据、所聚集的库存数据、所聚集的生产数据以及所聚集的渠道数据而产生约束函数。这些约束函数将有效的混合计划限制到可得到的以及潜在的输入、库存、生产资源以及渠道资源。这些渠道函数还将有效的混合计划限制到期望的产品属性以及操作约束。

在操作560中，混合计划系统可以基于如上文所描述的期望的目标而产生目标函数。举例来说，期望的目标可以是使成本最小化。目标函数还可以包括二级和三级目标，例如，使品质最大化。

在操作570中，混合计划系统可以基于如上文所描述的约束函数以及目标函数来执行混合模型，从而产生混合计划和最佳解。目标函数和约束函数可以是线性方程组。混合模型可以是具有连续和整数变量与一些逻辑约束的混合体的约束程序。混合模型可以使用例如内点方法等各种技术来迭代地找出目标函数和约束函数的解。例如，可以使用可以从纽约州阿蒙克市的国际商务机器公司得到的Cplex优化软件来解出该线性方程组。可以产生一个可能解的范围。目标函数和约束函数的可能解是混合计划。混合计划是限定将使用的输入、将使用的资源以及有待制作的产品的计划。

在操作580中，混合计划系统可以针对如上文所描述的每个混合计划而产生喜好简档。可以基于产品的属性的消费者喜好的模型来确定该喜好简档。在一个示意性实施例中，可以使用多维数学模型来产生喜好简档，该多维数学模型使喜好得分与产品的白利糖度、柠檬酸、糖酸比、离心浆简档、维生素c（抗坏血酸）、回收油百分比、颜色得分、缺陷得分、柠檬苦素以及口味得分相关联。可以包括更多或者更少的属性。该喜好简档可以由混合计划中的每个产品的喜好得分组成。替代地，该喜好简档可以由混合计划中的每个SKU的喜好得分组成。

在操作590中，混合计划系统可以将混合计划及其最佳解以及喜好简档存储在数据库中以供实施、显示或者进一步分析。在操作595中，可以迭代地显示混合计划结果以及相关的分析。举例来说，可以向例如业务经理等用户呈现示出成本（即，最佳解）对喜好（即，喜好简档）的混合计划的图表。该用户还可以改变可用于模拟改变将如何影响饮品生产系统的各种属性、约束、成本结构以及资源。敏感性分析可以包括自动地产生属性、约束、成本结构以及资源改变了某一百分比（例如，百分之十）的情形。

另外，可以随着时间跟踪且/或模拟并且显示属性、约束、成本结构以及资源的可变性以供分析。由于饮品生产过程的输入可以具有较大的变化，所以经理可能难以识别饮品生产过程的不好控制的多个部分。通过模拟各种生产情形，经理可以识别饮品生产过程的高可变性部分。此外，饮品生产系统可以基于饮品生产过程的一个部分的输入的可变性来确定并且跟踪饮品生产过程的该特定部分中的可变性。因此，经理可以将饮品生产过程的必要地可变的一个部分与饮品生产过程的无法控制且需要改进的一个部分区别开。替代地，混合计划系统可以使用混合计划订单材料输入、管理库存以及控制例如混合机器等生产资源。

有利的是，混合模型系统可以提供成本和品质数据以及共同交流平台，从而实现跨功能协调来增强混合决策。有利的是，混合模型系统可以有效地在粒度水平下分析多个情形、变化需求、原材料属性以及成本，从而评估折衷并且执行策略。有利的是，用户可以与各种混合计划交互以更好地了解符合商业目标的可能的混合计划。

参看图6，示出根据一个示意性实施例的一个混合模型架构600的图。混合模型架构600可以包括如上文所论述的一个混合模型660。混合模型660的输入可以包括如上文所描述的预报、库存信息、生产信息、渠道信息以及期望的属性。混合模型660基于多个输入产生混合计划665和最佳解667。喜好简档器670针对混合计划665提供喜好简档675。可以随后将混合计划665及其最佳解667以及喜好简档675提供给需求模块690。需求模块690可以针对混合计划665产生一个需求简档695。混合计划665及其最佳解667、喜好简档675以及需求简档695可以随后被存储在数据库680中以供进一步分析。虽然说明了针对果汁的混合模型，但可以将混合模型应用到任何基于农业的产品。可以将该混合模型应用于浓缩果汁或者非浓缩果汁。

如上文所讨论，每个有效的混合计划665可以由喜好简档器670来处理。喜好简档器670可以是基于产品的属性的消费者喜好的模型。在一个示意性实施例中，喜好简档器670可以是多维数学模型，该多维数学模型使喜好得分与产品的白利糖度、柠檬酸、糖酸比、离心浆简档、维生素c（抗坏血酸）、回收油百分比、颜色得分、缺陷得分、柠檬苦素以及口味得分相关联。可以包括更多或者更少的属性。可以对这些属性进行加权。该喜好得分可以是相对值。该喜好得分可以是标量、向量或者随机变量。可以用来自消费者调查以及消费者购买信息的数据来填充该多维数学模型。该多维数学模型是描述多个消费者的这些数据的汇集。对于一个产品的给定的白利糖度、柠檬酸、糖酸比、离心浆简档、维生素c（抗坏血酸）、回收油百分比、颜色得分、缺陷得分、柠檬苦素以及口味得分，该多维数学模型可以产生一个喜好得分。喜好简档器670将对混合计划665中的每个产品打分。喜好简档器670返回喜好简档675，该喜好简档675可以由混合计划665中的每个产品的喜好得分组成。替代地，喜好简档器670可以返回每个SKU的喜好得分。

需求模块690可以针对混合计划665基于喜好简档675而产生需求简档695。需求模块690可以包括基于对有待投放到市场中的多个产品的多个属性的消费者喜好以及有待投放到该市场中的这些产品的总量和形式的可能需求的需求模型。该需求模型可以是使喜好得分与历史购买数据相关联的多维数学模型或者统计模型。可以针对混合计划665的每个产品或者SKU产生一个需求曲线。该需求模型可以基于根据混合计划665而产生的量或者单元而考虑到多个产品或多个SKU之间的同类相残（cannibalism）。根据混合计划665针对每个产品或者SKU而产生的量或者单元可以用于在需求曲线上计算出一个产品的建议价格。需求简档695可以包括每个产品的需求曲线以及每个产品的建议价格。

需求模型690可以随后基于需求简档695以及混合计划665的最佳解667的成本结构信息而计算出在各个价格点下的混合计划665的利润。通过使用针对每个产品或SKU的方程组，例如上文所描述的目标函数和约束函数，需求模块690可以通过相对于需求简档695测试各种价格情形而使利润最大化。

另外，在混合模型660的多次运行之后，需求模块690可以使用根据多个混合计划665而产生的量或者单元以及多个混合计划665的最佳解667的成本结构信息来产生公司的供应曲线。换句话说，混合模型660可以基于提供特定量产品的（最小化的）成本或者价格来建立供应曲线。混合计划665中的每一者可以提供一个数据点以用于产生该供应曲线。替代地，可以使用存储在数据库780中的先前的混合计划765来建构供应曲线。

混合计划665及其最佳解667、喜好简档675以及需求简档695可以被存储在数据库680中以供显示或者进一步分析。可以互动地显示分析的结果。举例来说，可以向例如业务单位经理等用户呈现示出需求简档695的每个产品或者SKU的需求曲线的图表。还可以呈现示出每个产品或者SKU的供应曲线的图表。该用户可以改变可用于模拟改变将如何影响饮品生产系统的产品的供应和需求的各种属性、约束、成本结构以及资源。另外，用户可以选择各个价格点进行操纵，从而了解不同的价格将如何影响利润率。敏感性分析可以包括自动地产生属性、约束、成本结构以及资源改变了一个百分比（例如，百分之十）的情形。

有利的是，混合模型架构可以提供供应和需求数据以及共同交流平台，从而实现跨功能协调来增强混合决策。有利的是，混合模型架构可以有效地在一个粒度水平下分析多个情形、变化需求、原材料属性以及成本，从而评估折衷并且执行策略。有利的是，用户可以与各种混合计划665交互以更好地了解可能的供应和需求情形。

参看图7，示出根据一个示意性实施例的一个混合模型架构700的图。混合模型架构700可以包括如上文所论述的一个混合模型760。混合模型760的输入可以包括如上文所描述的预报、库存信息、生产信息、渠道信息以及期望的属性。混合模型760基于多个输入产生混合计划765和最佳解767。喜好简档器770针对混合计划765提供喜好简档775。可以随后将混合计划765及其最佳解767以及喜好简档775提供给需求模块790。需求模块790可以针对混合计划765产生一个需求简档795。可以随后将混合计划765及其最佳解767、喜好简档775以及需求简档795连同促销查询702一起提供给促销模块705。促销模块705可以针对混合计划765产生促销计划707。混合计划765及其最佳解767、喜好简档775、需求简档795、促销计划707可以随后被存储在数据库780中以供进一步分析。虽然描述了针对果汁的混合模型，但可以将混合模型应用到任何基于农业的产品。可以将该混合模型应用于浓缩果汁或者非浓缩果汁。

如上文所讨论，每个有效的混合计划765可以由喜好简档器770来处理。喜好简档器770可以是基于产品的属性的消费者喜好的模型。在一个示意性实施例中，喜好简档器770可以是使喜好得分与产品的各种属性相关联的多维数学模型。可以用来自消费者调查以及消费者购买信息的数据来填充该多维数学模型。该多维数学模型是描述多个消费者的这些数据的汇集。对于产品的给定属性混合体，该多维数学模型可以产生喜好得分。喜好简档器770将对混合计划765中的每个产品打分。喜好简档器770返回喜好简档775，该喜好简档775可以由混合计划765中的每个产品的喜好得分组成。替代地，喜好简档器770可以返回每个SKU的喜好得分。

需求模块790可以针对混合计划765基于喜好简档775而产生需求简档795。需求模块790可以包括基于对将投放到市场中的多个产品的多个属性的消费者喜好以及将投放到该市场中的这些产品的总量和形式的可能需求的需求模型。该需求模型可以是使喜好得分与历史购买数据相关联的多维数学模型或者统计模型。可以针对混合计划765的每个产品或者SKU产生一个需求曲线。该需求模型可以基于根据混合计划765而产生的量或者单元而考虑到多个产品或多个SKU之间的同类相残。根据混合计划765针对每个产品或者SKU而产生的量或者单元可以用于在需求曲线上计算出一个产品的建议价格。需求简档795可以包括每个产品的需求曲线以及每个产品的建议价格。

另外，在混合模型760的多次运行之后，需求模块790可以使用根据多个混合计划765而产生的量或者单元以及多个混合计划765的最佳解767的成本结构信息来产生公司的供应曲线。混合计划765中的每一者可以提供一个数据点以用于产生该供应曲线。

促销模块705可以通过操纵混合模型760的约束或者通过采集先前存储在数据库780中的混合计划765来测试促销情形。促销模块705可以接收促销查询702。促销查询702提供与如何部署促销相关的约束或者限制。促销查询702可以是促销资金的总额，或者是促销资金的目标总和。同样，可以将例如优惠券、玩具、免费样品等其他促销模拟成促销资金。举例来说，可以引导促销查询702来找出花费二十万美元促销资金的最可盈利的方式。在另一个实例中，可以引导促销查询702来确定在特定产品的促销上花费二十万美元的效果。

在一个示意性实施例中，可以将该促销的效果模型化为降低产品的输入的成本结构。促销模块705可以操纵当前约束并且将新的约束引入到混合模型760中。促销计划707可以包括新的约束的集合以及对当前约束的改变。举例来说，促销模块705可以引导混合模型760将产品‘X’的输入成本降低十美分/加仑，并且创建另一个约束，该约束规定产品‘X’的加仑数乘以十美分不会超过二十万美元。可以对混合模型760进行迭代，直到找到满足新促销约束的有效混合计划765为止。可以使用各种约束来模拟目标促销。当找到有效混合模型760时，可以将促销计划707存储为有效促销计划707。有效促销计划707可以随后由业务经理使用以实施促销活动。

替代地，促销模块705可以指示需求模块790在分析过程中针对目标产品使用特定价格。需求模块790可以确定在没有促销的情况下和在有促销的情况下的最大利润。促销模块705可以迫使混合模型产生有效混合计划765，直到在有促销的情况中确定最大利润为止，但是其中在没有促销的情况下的最大利润与有促销的情况下的最大利润中的差等于促销量。在一个示意性实施例中，可以将随机混合计划注入到喜好简档器中以促进对有效混合计划765的发现。可以基于目标产品的特定价格与由需求模块790计算出的目标产品的建议价格之间的差来导出促销计划707。

混合计划765及其最佳解767、喜好简档775、需求简档795、促销查询702以及促销计划707可以被存储在数据库780中以供显示或者进一步分析。可以互动地显示分析的结果。举例来说，可以向例如业务单位经理等用户呈现示出多个可能的促销查询702和促销计划707集合的图表或者表格。该用户可以改变可用于模拟改变将如何影响促销的各种属性、约束、成本结构以及资源。敏感性分析可以包括自动地产生属性、约束、成本结构以及资源改变了某一百分比（例如，百分之十）的情形。

有利的是，混合模型架构可以提供促销数据以及共同交流平台，从而实现跨功能协调来增强混合决策。有利的是，混合模型架构可以有效地在一个粒度水平下分析多个促销情形、变化需求、原材料属性以及成本，从而评估折衷并且执行策略。有利的是，用户可以与各种混合计划765交互以更好地了解可能的促销情形。

这里可能已经使用了一个或多个流程图。使用流程图并没有打算在所执行的操作的次序方面进行限制。这里描述的主题有时说明不同部件内含有的不同的其他部件或者与不同部件连接的不同的其他部件。应理解，这些所描绘的架构仅是示例性的，而且实际上可以实施实现相同功能性的许多其他架构。在概念意义上，实现相同功能性的部件的任何安排实际上是“相关联的”，从而实现期望的功能性。因此，这里经组合以实现特定功能性的任何两个部件都可以被视为彼此“相关联”，从而实现期望的功能性，而不管架构或者中间部件如何。同样，如此相关联的任何两个部件也可以被视为彼此“可操作地连接”或“可操作地耦接”以实现期望的功能性，并且能够如此相关联的任何两个部件也可以被视为彼此是“可操作地可耦接的”，以实现期望的功能性。可操作地可耦接的具体实例包括（但不限于）物理地可配合的和/或物理地进行交互的部件，和/或无线地可交互的和/或无线地进行交互的部件，和/或逻辑地进行交互和/或逻辑地可交互的部件。

关于在这里使用基本上任何复数和/或单数术语，本领域的技术人员可以在对于上下文和/或应用适当的情况下从复数转变为单数且/或从单数转变为复数。出于清楚起见，可以在这里明确地陈述各种单数/复数排列。

本领域的技术人员将理解，一般来说，在此以及尤其在所附权利要求书（例如，所附权利要求书的主体）中使用的术语总体上希望作为“开放性”术语（例如，术语“包括”应当被解释为“包括但不限于”，术语“具有”应当被解释为“至少具有”，术语“包括”应当被解释为“包括但不限于”等等）。本领域的技术人员将进一步理解，如果一个所介绍的权利要求叙述的特定数字是希望的，那么将在权利要求中明确地叙述此希望，并且在不存在此叙述的情况下，不存在此希望。举例来说，为了辅助理解，所附权利要求书可能含有使用介绍性的短语“至少一个”以及“一个或多个”来介绍权利要求叙述。然而，这些短语的使用不应当被解释为暗示通过不定冠词“一”或“一个”对一个所介绍的权利要求叙述的介绍将含有这个所介绍的权利要求叙述的任何特定权利要求都限于仅含有一个此种叙述的发明，即使当同一权利要求包括介绍性短语“一个或多个”或者“至少一个”以及不定冠词“一”或“一个”时也是如此（例如，“一”和/或“一个”典型地应当被解释为意味着“至少一个”或者“一个或多个”）；对于用来介绍权利要求叙述的定冠词的使用，情况也是如此。另外，即使明确地叙述一个所介绍的权利要求叙述的特定数字，本领域的技术人员将认识到，此叙述也典型地应当被解释为至少是指所叙述的数字（例如，没有其他修饰成分的“两个叙述”的简单叙述典型地是指至少两个叙述，或者两个或两个以上叙述）。此外，在使用类似于“A、B以及C等中的至少一者”的惯例的那些实例中，一般来说，希望此构造是本领域的技术人员将理解该惯例的相同的意义（例如，“一个具有A、B以及C中的至少一者的系统”将包括但不限于单独具有A、单独具有B、单独具有C、共同具有A以及B、共同具有A以及C、共同具有B以及C和/或共同具有A、B以及C等等的系统）。在使用类似于“A、B或C等中的至少一者”的惯例的那些实例中，一般来说，此构造希望是本领域的技术人员将理解该惯例的意义（例如，“具有A、B以及C中的至少一者的系统”将包括但不限于单独具有A、单独具有B、单独具有C、共同具有A以及B、共同具有A以及C、共同具有B以及C和/或共同具有A、B以及C等等的系统）。本领域的技术人员将进一步理解，实际上无论是在描述、权利要求书还是图式中，呈现两个或两个以上选择性术语的任何分离性词语和/或短语都应当被理解为涵盖包括这些术语中的一者、这些术语中的任一者或者这两个术语的可能性。举例来说，短语“A或B”将被理解为包括“A”或“B”或者“A以及B”的可能性。

出于说明和描述的目的，已经呈现了示意性实施例的前述描述。并非旨在在所披露的精确形式方面是详尽的或者限制性的，而且鉴于以上传授的内容，多个修改和多个变化是可能的，或者可以通过实践所披露的实施例来获得多个修改和多个变化。本发明的范围旨在由附加到本发明的权利要求书及其等效物限定。

Claims (18)

1.一种用于优化混合的系统，包括：

一个处理器，该处理器被配置成：

聚集材料信息，其中该材料信息与至少一种产品的一个产品输入相关联；

聚集生产信息，其中该生产信息与该至少一种产品的多个生产资源相关联；

将对该至少一种产品的消费者喜好模型化；以及

基于该材料信息、该生产信息以及该消费者喜好来提供用于控制这些生产资源的计划信息。

2.如权利要求1所述的系统，其中该产品输入包括一种农产品。

3.如权利要求2所述的系统，其中该农产品包括橙子。

4.如权利要求1所述的系统，其中该材料信息包括白利糖度、酸性、柠檬苦素、诺米林、颜色、口感、浆内容简档、成本、货运成本、储存成本以及品质中的至少一者。

5.如权利要求1所述的系统，其中：

该生产信息包括机器可用性、大桶可用性、储存可用性；机器调换时间；机器调换成本、劳动力信息、工厂生产量以及机器生产量中的至少一者；

将对该至少一种产品的消费者喜好模型化包括基于包括消费者购买数据和消费者调查数据中的至少一者的消费者数据而确定一个需求分布；以及

该至少一种产品包括至少一个存货保持单元。

6.如权利要求1所述的系统，其中该处理器进一步被配置成：

基于该聚集材料信息来确定一个产品阵容；以及

基于对该产品阵容的一个消费者喜好来确定一个消费者需求；

其中该材料信息包括数量信息、可用性信息以及品质信息，并且其中该材料信息是可变的。

7.如权利要求1所述的系统，其中该处理器进一步被配置成：

基于该所聚集的材料信息来确定多个产品阵容；

基于该多个产品阵容中的每一者的每个产品的该消费者喜好以及至少一个促销来确定对该多个产品阵容中的每一者的一个消费者需求；以及

基于该消费者喜好以及该至少一个促销来计算该多个产品阵容中的每一者的利润；

其中该材料信息包括数量信息、可用性信息以及品质信息，并且其中该材料信息是可变的。

8.如权利要求1所述的系统，其中该处理器进一步被配置成：

接收多个生产限制，其中这些生产限制建立这些生产资源的多个操作容限；

接收多个产品限制，其中这些产品限制建立至少一种产品的多个有效产品配置；以及

基于该聚集材料信息、该生产信息、这些生产限制以及这些产品限制来使包括该至少一种产品的一个产品阵容的一个参数最大化或者最小化中的至少一者；

其中该材料信息包括数量信息、可用性信息以及品质信息，该材料信息是可变的，并且该生产信息与该至少一种产品的多个生产资源相关联。

9.如权利要求1所述的系统，其中该处理器进一步被配置成：

聚集该材料信息的现有材料信息，其中该现有材料信息与至少一个饮品产品的一个饮料输入相关联；

接收该材料信息的所预测材料信息，其中该所预测材料信息与该至少一个饮品产品的该饮料输入相关联；

接收至少一个饮品产品的时限信息；以及

基于该现有材料信息、该所预测材料信息、该生产信息、该时限信息以及该消费者喜好来确定一个生产计划。

10.一种优化混合的方法，包括：

在一个处理器处聚集材料信息，其中该材料信息与至少一种产品的一个产品输入相关联；

聚集生产信息，其中该生产信息与该至少一种产品的多个生产资源相关联；

将对该至少一种产品的消费者喜好模型化；以及

基于该材料信息、该生产信息以及该消费者喜好来提供用于控制这些生产资源的计划信息。

11.如权利要求10所述的方法，其中该产品输入包括一种农产品。

12.如权利要求11所述的方法，其中：

该材料信息包括白利糖度、酸性、柠檬苦素、诺米林、颜色、口感、浆内容物简档、成本、货运成本、储存成本以及品质中的至少一者；并且

该农产品包括橙子。

13.如权利要求10所述的方法，其中该生产信息包括机器可用性、大桶可用性、储存可用性；机器调换时间；机器调换成本、劳动力信息、工厂生产量以及机器生产量中的至少一者。

14.如权利要求10所述的方法，其中：

将对该至少一种产品的消费者喜好模型化包括基于包括消费者购买数据和消费者调查数据中的至少一者的消费者数据而确定一个需求分布；并且

该至少一种产品包括至少一个存货保持单元。

15.如权利要求10所述的方法，进一步包括：

基于该聚集材料信息确定一个产品阵容；以及

基于对该产品阵容的一个消费者喜好来确定一个消费者需求；

其中该材料信息包括数量信息、可用性信息以及品质信息，并且其中该材料信息是可变的。

16.如权利要求10所述的方法，进一步包括：

基于该所聚集的材料信息来确定多个产品阵容；

基于该多个产品阵容中的每一者的每个产品的该消费者喜好以及至少一个促销来确定对该多个产品阵容中的每一者的一个消费者需求；以及

基于该消费者喜好以及该至少一个促销来计算该多个产品阵容中的每一者的利润；

其中该材料信息包括数量信息、可用性信息以及品质信息，并且其中该材料信息是可变的。

17.如权利要求10所述的方法，进一步包括：

接收多个生产限制，其中这些生产限制建立这些生产资源的多个操作容限；

接收多个产品限制，其中这些产品限制建立至少一种产品的多个有效产品配置；以及

基于该聚集材料信息、该生产信息、这些生产限制以及这些产品限制来使包括该至少一种产品的一个产品阵容的一个参数最大化或者最小化中的至少一者；

其中该材料信息包括数量信息、可用性信息以及品质信息，该材料信息是可变的，并且该生产信息与该至少一种产品的多个生产资源相关联。

18.如权利要求10所述的方法，进一步包括：

聚集该材料信息的现有材料信息，其中该现有材料信息与至少一个饮品产品的一个饮料输入相关联；

接收该材料信息的所预测材料信息，其中该所预测材料信息与该至少一个饮品产品的该饮料输入相关联；

接收至少一个饮品产品的时限信息；以及

基于该现有材料信息、该所预测材料信息、该生产信息、该时限信息以及该消费者喜好来确定一个生产计划。

Images