CN104463394A - 生产资源管理 - Google Patents

生产资源管理 Download PDF

Info

Publication number
CN104463394A
CN104463394A CN201310429078.0A CN201310429078A CN104463394A CN 104463394 A CN104463394 A CN 104463394A CN 201310429078 A CN201310429078 A CN 201310429078A CN 104463394 A CN104463394 A CN 104463394A
Authority
CN
China
Prior art keywords
production
resources
scheduling
chromosome
production scheduling
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201310429078.0A
Other languages
English (en)
Inventor
黎文宪
程羽
王梦蛟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SAP SE
Original Assignee
SAP SE
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SAP SE filed Critical SAP SE
Priority to CN201310429078.0A priority Critical patent/CN104463394A/zh
Priority to US14/043,415 priority patent/US10031517B2/en
Publication of CN104463394A publication Critical patent/CN104463394A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32304—Minimize flow time, tact, shortest processing, machining time
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32333—Use of genetic algorithm
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

根据本公开的方面，提供了用于管理生产资源的系统和方法，包括：在保持用于制造产品的生产资源之间的协作的同时，相对于时间间隔，针对生产资源，调度生产事件。该系统和方法可以包括：检索与每个生产资源相关的信息；评估每个产品的每个生产事件以确定生产事件的序列；并且，产生用于在保持生产资源之间的协作的同时在该时间间隔内的每个生产资源的使用的可能的生产调度方案。该系统和方法可以包括：基于用于在保持生产资源之间的协作的同时在该时间间隔内的每个生产资源的使用的可能的生产调度方案，来产生用于在该时间间隔内的生产事件的生产调度。

Description

生产资源管理
技术领域
本说明书涉及用于生产资源管理的各种基于计算机的技术。
背景技术
通常，制造包含例如通过从零件构造产品而生产要销售的产品。在通常的制造环境中，每个产品可能要求使用多个资源。因为许多产品可能使用不同但是可能共享的资源，所以生产调度是复杂的过程，其中，当分析利润率时，将生产调度认为是重要的。因为可以在生产调度中引入许多参数、变量和目标，所以用于开发有效的解决方案的决策和计算可能被认为是困难的。如此一来，需要优化用于确定生产调度的过程。
发明内容
根据本公开的方面，可以提供一种用于生产资源管理的计算机系统，包括存储在非瞬时性计算机可读介质上并且可由至少一个处理器执行的指令。所述计算机系统可以包括生产调度管理器，其被配置来使得所述至少一个处理器在保持用于制造一个或多个产品的多个生产资源之间的协作的同时，相对于一个或多个时间间隔，针对所述多个生产资源的每个，调度生产事件。所述生产调度管理器可以包括生产资源处理器，其被配置来检索与每个生产资源相关的信息，并且评估每个产品的每个生产事件，以确定所述生产事件的序列。所述生产调度管理器可以包括生产调度协调器，其被配置来产生用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的一个或多个可能的生产调度方案。所述生产调度管理器可以包括生产调度优化器，其被配置来基于用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的一个或多个可能的生产调度方案来产生用于在所述一个或多个时间间隔内的所述生产事件的生产调度。
在一些实现方式中，所述生产资源的一个或多个可以被配置来制造每个产品的一个或多个不同零件。所述生产资源的一个或多个可以被配置来传送每个产品的一个或多个不同零件。所述生产资源的一个或多个可以被配置来装配每个产品的一个或多个不同零件。可以从由所述多个生产资源的一个或多个不同的生产资源制造的多个不同零件装配所述产品的一个或多个。调度用于多个生产资源的每个的所述生产事件可以包括：根据包括所述生产事件的序列的生产循环的工作流在生产资源之间移动一个或多个零件的生产，以保证所述一个或多个产品的装配。
在一些实现方式中，生产事件可以包括制造每个产品的零件并且传送所述制造的零件以用于所述产品的装配，并且生产事件可以包括相对于所述一个或多个时间间隔的所述产品的装配，并且装配包括遵循包括所述生产事件的序列的生产循环的工作流。所述生产资源可以包括制造设施、传送设施和装配设施的一个或多个。所述生产调度优化器可以被配置来通过下述方式来优化所述生产调度：减少通过所述生产资源来制造所述一个或多个产品的时间，并且降低传送所述一个或多个产品的成本。所述生产资源处理器可以被配置来检索与每个产品的一个或多个零件相关的信息，并且检索与用于由所述生产资源制造每个产品的所述生产事件的所述序列相关的信息来作为用于通过所述生产调度协调器建模为染色体的输入。所述生产调度协调器可以被配置来基于被建模为所述染色体的检索信息来产生所述一个或多个可能的生产调度方案。
在一些实现方式中，所述生产调度协调器可以包括遗传算法处理器，所述遗传算法处理器包括染色体比较器，所述染色体比较器被配置来比较多个生产调度染色体，每个生产调度染色体包括在保持所述生产资源之间的协作的同时用于在所述一个或多个时间间隔内的每个生产资源的使用的所述一个或多个可能的生产调度方案，并且所述染色体比较器被配置来关于保持所述生产资源之间的协作而比较所述多个生产调度染色体的每个，由此输出所述多个生产调度染色体的选择的子集。所述遗传算法处理器可以包括染色体组合器，所述染色体组合器被配置来组合所述生产调度染色体的所述选择的子集的生产调度染色体，以获得下一代生产调度染色体，用于输出到所述染色体比较器，并且用于相对于保持所述生产资源之间的协作进行所述下一代生产调度染色体的后续比较，作为在所述染色体比较器和所述染色体组合器之间的所述生产调度染色体的进化循环的一部分。
在一些实现方式中，所述生产调度优化器可以被配置来监控所述进化循环，并且从其选择所选择的生产调度染色体以基于其来实现所述生产调度。所述染色体组合器可以被配置来：组合所述生产调度染色体，包括选择成对的生产调度染色体，并且交叉每对生产调度染色体的部分，以获得所述下一代的子染色体。可以使用并行处理来执行所述进化循环的至少一部分，其中，每代生产调度染色体被划分为子组用于其并行处理。所述生产调度优化器可以被配置来在预定代数的进化循环后或者在确定所述选择的生产调度染色体在预定程度上满足保持所述生产资源之间的协作后，选择所述选择的生产调度染色体。
根据本公开的方面，可以提供一种用于生产资源管理的计算机程序产品，并且所述计算机程序产品可以被有形地实现在非瞬时性计算机可读存储介质中，并且包括指令，所述指令当被至少一个处理器执行时，被配置来在保持用于制造一个或多个产品的多个生产资源之间的协作的同时，相对于一个或多个时间间隔，针对所述多个生产资源的每个，调度生产事件。所述指令当被所述至少一个处理器执行时可以被配置来检索与每个生产资源相关的信息，评估每个产品的每个生产事件以确定所述生产事件的序列，产生用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的一个或多个可能的生产调度方案，并且基于用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的一个或多个可能的生产调度方案来产生用于在所述一个或多个时间间隔内的所述生产事件的生产调度。
在一些实现方式中，所述计算机程序产品可以包括指令，所述指令当被所述处理器执行时，被配置来比较多个生产调度染色体，每个生产调度染色体包括用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的一个或多个可能的生产调度方案，关于保持所述生产资源之间的协作而比较所述多个生产调度染色体的每个，由此输出所述多个生产调度染色体的选择的子集，组合所述生产调度染色体的所述选择的子集的生产调度染色体，以获得下一代生产调度染色体，并且用于相对于保持所述生产资源之间的协作进行所述下一代生产调度染色体的后续比较，作为所述生产调度染色体的进化循环的一部分，并且监控所述进化循环，并且从其选择所选择的生产调度染色体以基于其来实现所述生产调度。
在一些实现方式中，所述计算机程序产品可以包括指令，所述指令当被所述处理器执行时，被配置来组合所述生产调度染色体，包括选择成对的生产调度染色体，并且交叉每对生产调度染色体的部分，以获得所述下一代的子染色体，使用并行处理来执行所述进化循环的至少一部分,其中每代生产调度染色体被划分为子组用于其并行处理，并且在预定代数的进化循环后或者在确定所述选择的生产调度染色体在预定程度上满足保持所述生产资源之间的协作后，选择所述选择的生产调度染色体。
根据本公开的方面，可以提供一种用于生产资源管理的计算机实现的方法。所述方法可以包括通过下述方式在保持用于制造一个或多个产品的多个生产资源之间的协作的同时，相对于一个或多个时间间隔，针对所述多个生产资源的每个，调度生产事件：检索与每个生产资源相关的信息，评估每个产品的每个生产事件以确定所述生产事件的序列，产生用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的一个或多个可能的生产调度方案，并且基于用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的一个或多个可能的生产调度方案来产生用于在所述一个或多个时间间隔内的所述生产事件的生产调度。
在一些实现方式中，所述方法可以包括：比较多个生产调度染色体，每个生产调度染色体包括用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的所述一个或多个可能的生产调度方案。所述方法可以包括：关于保持所述生产资源之间的协作而比较所述多个生产调度染色体的每个，以由此输出所述多个生产调度染色体的选择的子集。所述方法可以包括：组合所述生产调度染色体的所述选择的子集的生产调度染色体，以获得下一代生产调度染色体，并且用于相对于保持所述生产资源之间的协作进行所述下一代生产调度染色体的后续比较，作为所述生产调度染色体的进化循环的一部分。所述方法可以包括：监控所述进化循环，并且从其选择所选择的生产调度染色体以基于其来实现所述生产调度。所述方法可以包括：组合所述生产调度染色体，包括选择成对的生产调度染色体，并且交叉每对生产调度染色体的部分，以获得所述下一代的子染色体。所述方法可以包括使用并行处理来执行所述进化循环的至少一部分，其中，每代生产调度染色体被划分为子组用于其并行处理。所述方法可以包括：在预定代数的进化循环后或者在确定所述选择的生产调度染色体在预定程度上满足保持所述生产资源之间的协作后，选择所述选择的生产调度染色体。
在附图和下面的说明书中给出了一个或多个实现方式的细节。其他特征从说明书和附图和从权利要求显而易见。
附图说明
图1A-1C是图示根据本公开的方面的用于生产资源管理的各种示例系统的框图。
图2是图示根据本公开的方面的用于管理产生调度的示例方法的处理流程。
图3A-3C是图示根据本公开的方面的产品生产的各种示例处理工作流的图。
图4-5是图示根据本公开的方面的用于管理生产调度的其他示例方法的处理流。
图6是图示根据本公开的方面的用于实现用于管理生产调度的遗传算法的示例方法的处理流。
图7是图示根据本公开的方面的用于实现遗传算法的示例染色体编码的图。
图8是图示根据本公开的方面的用于实现遗传算法的示例染色体解码的图。
图9-10是图示根据本公开的方面的染色体的各种类型的交叉的框图。
图11是图示根据本公开的方面的染色体的变异的框图。
具体实施方式
图1A是图示根据本公开的方面的、用于通过实现用于管理、协调和优化生产调度的生产调度管理器而进行生产资源管理的示例系统100的图。在一些示例中，生产资源管理可以包含考虑在多个生产资源之间的协作(collaboration)。
在不同的实现方式中，示例系统100可以被配置来用于在保持在诸如设施、工厂等的多个实体之间的协作的同时管理生产资源调度。例如，示例系统100可以被应用到对于不同医院中接收的病人的医学治疗和在不同工厂中进行的产品的制造。为了简化说明，在此提供的说明为了例示而将生产和制造厂引用为实现方式。例如，可以从多个部件（即，零件）装配产品，其中，可以在不同的工厂中生产每个部件，并且装配过程可以遵循包括连接的生产事件的序列的工作流。而且，本公开的方面涉及使用基于遗传算法（GA）的分布资源调度系统及其方法，其中，将具有在多个工厂之间的协作的生产和制造描述为实现方式。使用该遗传算法（GA）手段，本发明的方面涉及有效的GA编码系统和方法。
在图1A的示例中，系统100包括计算机系统，该计算机系统用于实现生产资源管理系统，该生产资源管理系统可以与计算装置108相关联，由此将计算装置108转换为被设计来确定和实现在此所述的各种生产调度处理的专用机器。在这个意义上，计算装置108可以包括任何标准元件和/或部件，包括至少一个处理器110、存储器112（例如，非瞬时性计算机可读存储介质）、数据库140、电源、外围部件和可能在图1A中未具体示出的各种其他计算元件和/或部件。而且，系统100可以与显示装置102（例如，监控器或其他显示器）相关联，显示装置102可以用于提供用户界面（UI）152，诸如在一些示例中的图形用户界面（GUI）。在一种实现方式中，UI152可以例如用于从用户接收用于管理系统100的偏好。如此一来，对于本领域内的普通技术人员显然，可以增加或包括可以有益于实现系统100的系统100的各种其他元件和/或部件。
生产资源管理系统100可以包括计算装置108和在非瞬时性计算机可读介质112上记录/存储并且可被至少一个处理器110执行的指令。在一些示例中，生产资源管理系统100可以包括显示装置102，用于向用户提供输出，并且显示装置102可以包括用于从用户接收输入的UI152。
在图1A的示例中，生产资源管理系统100可以包括生产调度管理器120，其被配置来使得至少一个处理器110在保持用于制造一个或多个产品170的多个生产资源160之间的协作的同时，相对于一个或多个时间间隔，针对该多个生产资源160的每个，调度生产事件。在一些示例中，生产事件可以包括制造每个产品170的零件172和传送制造的零件172以用于装配产品170。而且，生产事件可以包括相对于一个或多个时间间隔装配产品170，并且装配可以包括遵循包括生产事件的序列的生产循环的工作流。
在一些实现方式中，生产调度管理器120可以被配置来调度生产资源160的生产事件和/或操作，生产资源160可以包括一个或多个制造设施162、一个或多个传送设施164和/或一个或多个装配设施166。生产调度管理器120可以被配置来在保持生产资源160之间的协作的同时调度生产事件以便以期望的方式优化生产资源160。在一些示例中，生产调度管理器120可以以快速、有效、可重复的方式来实现生产和协作目标，并且以在此所述的方式对于各种生产调度情形的数量、类型和作业目标和要求的范围宽的示例实现生产和协作目标。
在一些示例中，生产资源160可以包括可以被配置来制造每个产品172的一个或多个（相同或不同）的零件172的制造设施162（例如，实体、工厂等）。在一些示例中，生产资源160可以包括传送设施164，该传送设施164可以被配置来传送每个产品170的（相同或不同）零件172的一个或多个。在一些示例中，生产资源160可以包括装配设施166，其可以被配置来装配每个产品170的（相同或不同）零件172的一个或多个。如此一来，在一些示例中，可以从由（相同或不同）生产资源160的一个或多个制造的（相同或不同）零件172装配产品170的一个或多个。
在图1A的示例中，生产调度管理器120可以包括生产资源处理器122，其被配置来检索与每个生产资源160相关的信息，并且评估每个产品170的每个生产事件，以确定生产事件的序列。在一些实现方式中，生产资源处理器122可以被配置来检索与每个产品170的零件172相关的信息，并且检索与用于由生产资源160制造每个产品170的生产事件的序列相关的信息，来作为用于通过生产调度协调器124建模为染色体的输入。
在图1A的示例中，生产调度管理器120可以包括生产调度协调器124，其被配置来产生用于在保持生产资源160之间的协作的同时在一个或多个时间间隔内的每个生产资源160的使用的一个或多个可能的生产调度方案。在一些实现方式中，生产调度协调器124可以被配置来基于被建模为染色体的检索信息来产生一个或多个可能的生产调度方案。
在图1A的示例中，生产调度管理器120可以包括生产调度优化器126，其被配置来基于用于在保持在生产资源160之间的协作的同时在一个或多个时间间隔内的每个生产资源160的使用的一个或多个可能的生产调度方案来产生用于在一个或多个时间间隔内的生产事件的生产调度。生产调度优化器126可以被配置来通过例如下述方式来优化生产调度：例如，减少通过生产资源160制造一个或多个产品170的时间，并且进一步例如降低传送一个或多个产品170的成本。
在一些实现方式中，调度用于生产资源160的每个的生产事件可以包括：根据包括生产事件的序列的生产循环的工作流来在生产资源160之间移动一个或多个零件172的生产，以保证一个或多个产品170的装配。在一些示例中，生产事件可以包括：制造用于每个产品170的零件172，并且传送所制造的零件172以用于产品170的装配。在其他示例中，生产事件可以包括相对于一个或多个时间间隔的产品170的装配，并且装配可以包括遵循包括生产事件的序列的生产循环的工作流。
在一些实现方式中，每个生产资源160可以包括一个或多个实体、工厂等，包括例如一个或多个制造设施162、一个或多个传送设施164和/或一个或多个装配设施166。例如，制造设施162可以用于生产用于产品170的零件172，传送设施164可以用于传送产品170的零件172，并且装配设施166可以用于装配产品170的零件172。如此一来，生产资源160可以用于将零件172制造、传送和装配为一个或多个产品170。在另一种情况下，沿着装配线，可以指定独立的装配站，在此，工人（例如，机器操作员、装配者等）以高度专业和有效的方式来执行零件172的重复的装配任务，使得零件172的这样的装配任务的总和导致完成产品170。在这样的装配线的一个示例中，汽车可以通过将各种零件（例如，框架、风挡、门和发动机等）装配为完成的汽车而批量生产。
在一些实现方式中，制造、传送和装配线可以表示用于制造、传送和装配设施的生产资源160的示例。而且，供应商可以考虑生产资源160的其他示例，其范围从本地批发商至位于国家的不同部分中的提供商。在任何一种情况下，生产调度管理器120可以完成涉及制造、传送和装配处理固有的这些和其他生产资源160的协作的目标，以便以下述方式来使能生产调度：使得生产资源160的管理员完成例如优化生产赢利的期望目标。
在其他实现方式中，生产调度管理器120可以被配置来使用在用于要制造的产品170的数据库140中存储的历史销售数据，以提供预测的消费者的需求水平。这样的预测可以是短期和/或长期的，并且可以以不同的具体水平做出，例如，相对于各种客户的人口统计资料、在销售水平上的季节性变化以各种及其他变量。在一些示例中，生产调度管理器120可以包括和使用销售预测器，以实现用于进行销售预测以进一步优化生产赢利的回归技术。
而且，生产调度管理器120可以使用与可能已知或被认为影响、控制和/或影响生产资源160的事件和/或操作的限制和/或目标相关的、在数据库140中存储的各种其他类型的数据。例如，与制造设施162和传送设施164相关的数据可以被存储在数据库140中，并且该制造/传送数据可以描述制造和传送设施162、164的当前、历史和/或最大容量。制造/传送数据可以描述与制造和传送产品170相关联的时间和/或成本约束和/或目标。在另一种情况下，与装配设施166相关的数据可以被存储在数据库140中，并且装配数据可以描述关于从零件172装配每个产品170的过去、当前和/或预测的数据，诸如每个零件172的生产能力、每个产品170的装配时间和与从零件172装配每个产品170相关的成本分析信息。而且，在另一个实例中，与各种生产资源160相关的数据可以被存储在数据库140中，并且可以描述与每个生产资源160的过去、当前和/或预测的生产事件和/或操作相关联的数据。例如，这样的数据可以包括在从第一产品向第二产品转换生产事件和/或操作的时间和/或资金上的成本，因为这样的转换可能是必要的，并且可能在线操作者需要重新加工或否则重新配置的程度上大幅度变化。
在各种实现方式中内，应当明白，任何示例数据仅意欲作为非限定性示例，并且可以在生产调度管理器120的生产事件和/或操作中使用任何补充和/或替代类型的数据。例如，可以例如在一个或多个数据库140和/或其他位置中存储关于要生产的不同产品170共享一个或多个零件172的程度的数据。在一些示例中，当生产汽车时，两种不同类型的汽车可以使用相同的制动系统和相关零件。这样的零件的使用可以降低与将装配设施166从装配第一汽车向装配第二汽车转换相关联的成本。
在一些情况下，这样的数据可以与生产资源160相关，并且可以进一步与制造设施和/或所涉及的被生产的产品的特性和/或类型相关或被其限定。在一些情况下，生产资源160可以在部分或完全完成的产品170上进行测试（例如，用于质量控制）。在这些和各种其他情况和情形下，生产调度管理器120可以在一个或多个时间间隔中在分配相关联的生产资源160中是有益的(instrumental)，使得实现期望的商业目标。在一些其他示例中，生产调度管理器120可以被配置来选择最佳或近乎最佳的生产调度方案或解决方案，该最佳或近乎最佳的生产调度方案或解决方案限定了特定的时间间隔，在该特定的时间间隔期间，可以使用相关联的生产资源160（例如，制造设施162、传送设施164和装配设施166）来获得期望结果。
根据本公开的方面，与生产资源处理器122、生产调度协调器124和生产调度优化器126相结合的生产调度管理器120可以用于产生至少一个生产调度，以包括特定生产调度方案和/或解决方案，用于在包括制造设施162、传送设施164和装配设施166的一个或多个的生产资源160的调度实际使用中使用。
在一些实现方式中，存在可能影响每日生产能力和生产现金流水平的多种类型的生产金融行为。一些示例包括用于应收账款（account receivable,AR）的资产相关行为和用于应付账款（account payable,AP）的负债相关行为。例如，用于应收账款的资产相关行为可以指的是收入、收益和/或向现金储备的现金流入，并且用于应付账款（AP）的负债相关行为可以指的是债务、支付和/或从现金储备的现金流出。用于生产资源管理的一些示例要求可以提供保持期望或预定现金储备水平，其可以以期望或预定方式设置。因为可以仅估计并且不控制工作资金或现金流入，那么因为应收账款（被接收为收入，所以可以配置至少一个参数，其指示现金流入估计策略的置信（或风险）水平。
在图1A的示例中，使用表示或多或少的分立功能的各种功能块或模块来图示生产资源管理系统100。然而，为了清楚和方便而提供了这样的图示，并且因此，各种功能可能在描述的块或模块中重叠或组合，并且/或者可能被在图1A的示例中未具体图示的一个或多个块或模块实现。如此一来，应当明白，为了清楚和方便，也可以包括可能被看作有益于图1A的系统100的传统功能，即使这样的传统元件未被明确地示出。
图1B是图示根据本公开的方面的另一个示例系统102的框图，该系统用于通过实现用于管理、协调和优化生产调度的遗传算法（GA）而进行生产资源管理。在一些示例中，如在此所述，生产资源管理可以包含考虑在多个生产资源之间的协作。
在一种实现方式中，系统102包括用于实现生产资源管理系统的、可以与图1A的系统100的计算装置108相关联的计算机系统。如此一来，为了简化下面的说明，图1B的系统102的类似部件可以包括图1A的系统100的相同范围和功能，由此将图1B的计算装置108变换为被设计来确定和实现在此所述的生产调度处理的专用机器。
在一种实现方式中，图1A的系统100的生产调度协调器124可以被配置为遗传算法处理器130。因此，在图1B的示例中，系统102的生产调度管理器120可以包括遗传算法处理器130。在一些示例中，遗传算法处理器130可以被配置来实现被称为遗传算法（GA）的随机化算法方法，其可以指示迭代通过连续代以向问题/解决方案空间中的最佳解决方案收敛的达尔文自然选择的计算机模拟。这样的遗传算法（GA）可以被系统102使用来将各种要求、参数、限制和/或目标考虑到生产调度优化处理内。而且，在一些示例中，生产资源管理系统102可以被认为能够推荐和/或选择如在此所述的“最佳可获得(best-available)”的生产调度方案。
在系统102中，可以例如通过下述方式来实现遗传算法方法：创建用于表示对于产生生产调度方案的问题的可能解决方案的一个或多个“染色体”。在此描述这样的生产调度染色体的具体示例。然而，一般而言，应当明白，这样的生产调度染色体可以包括基于用于每个生产资源160的生产事件的、用于每个生产资源160的一个或多个可能的生产调度方案。
而且，应当明白，这样的可能的生产调度方案可以用于关于生产资源160的协作而比较每个生产调度染色体，以由此输出生产调度染色体的选择的子集。因此，可以存在单个这样的生产调度染色体，其可以表示用于给定的一组生产调度目标的单个最佳生产调度方案，以由此最大化和/或优化生产时间、成本和效率。然而，对可能的生产调度方案（即，生产调度染色体）的优化可以相对于用户的需要和包括目标、限制、参数和/或要求的各种其他因素。在一些情况下，因为在此使用的遗传算法的特性，生产调度管理器120可以被配置来找出接近于最优解决方案的“最佳”解决方案，即使实际上的最优解决方案不是如此可确认的。
在这一点上，生产调度管理器120可以被配置来相对于一个或多个目标优化生产调度。一种这样的度量可以包括利润率。例如，一些产品可以比其他产品更有利可图，并且/或者，可以通过显示对于与提高的利润率相关联的行为的偏好来增强利润率。另一方面，除了在纯利润率之外，其他补充或替代的度量可以具有价值。例如，在市场占有率上的增加可以是要考虑的有价值的度量。
如此一来，在一个示例中，生产调度优化器126可以被配置来用于调整偏好以提供在生产调度管理器120的可能目标之间的指定(designation)，并且应当明白，包括限制、参数和/或要求的各种因素可以被考虑为必要或选用。例如，在其中应当优化利润率的情况下，遗传算法的充分利用可以是选项，但是可以不是要求。
生产调度管理器120可以别配置来经由遗传算法处理器130利用遗传算法来以下述方式创建、比较和组合多个生产调度染色体：由此创建新的代或群的生产调度染色体供评估，使得其子集可以被选择来用于繁殖(reproduction)和随后的评估。以这种方式，每个代和/或群的生产调度染色体可能趋向于向用于可能的生产调度方案的最佳解决方案收敛。在一些示例中，生产调度优化器126可以被配置来选择特定生产调度解决方案（即，可能的生产调度方案之一或生产调度染色体之一），以供在确定或选择最佳的可能的生产调度方案中使用。
在图1B的示例中，遗传算法处理器130可以包括染色体生成器132，染色体生成器132可以被配置来用于生成/创建一个或多个生产调度染色体。在一些情况下，这样的生产调度染色体生成可能随机发生，或者可能包括一些初始限制、指导和/或约束。染色体生成器132可以被配置来生成初始的一群或一组生产调度染色体，它们可以被染色体比较器134评估，染色体比较器134可以被配置来用于比较每个生产调度染色体，该每个生产调度染色体包括用于基于用于每个生产资源160的生产事件的、在一个或多个时间间隔内的每个生产资源160的使用的一个或多个可能的生产调度方案。染色体比较器134可以被配置来比较多个生产调度染色体，其中，每个生产调度染色体可以包括用于在保持生产资源160之间的协作的同时在一个或多个时间间隔内的每个生产资源160的使用的一个或多个可能的生产调度方案。染色体生成器132可以被配置来关于保持在生产资源160之间的协作比较多个生产调度染色体的每个，由此输出多个生产调度染色体的选择的子集。在本文中更详细地描述这些和各种其他相关的方面。
染色体组合器136可以被配置来接收多个生产调度染色体的选择的子集，并且可以被配置来组合（例如，交叉或变异）该多个生产调度染色体的选择的子集的生产调度染色体，以获得下一代（群）生产调度染色体，用于输出到染色体比较器134，染色体比较器134可以然后相对于保持在生产资源160之间的协作执行下一代生产调度染色体的另一个后续比较，作为在染色体比较器134和染色体组合器136之间的多个生产调度染色体的连续代的进化循环的一部分。对于每个连续的代，新的一群生产调度染色体可以表示或包括一个或多个可能改善或近乎最优的调度。在一些实现方式中，可以迭代地创建新的代和/或群，直到满足最优的解决方案，或者直到满足因素、偏好和/或要求达某个预定义的满意水平或阈值，或者直到计算预定代数，或者直到用于计算新的代/群的时间用尽（在这一点处，可以选择当前代的最佳解决方案）。
生产调度优化器126可以被配置来监控进化循环，并且从其选择所选择的生产调度染色体以用于基于其来实现生产调度方案。如在此引用，选择的生产调度染色体和/或解决方案可以表示最佳（最优或近乎最优）的解决方案，或者可以表示最佳可获得的解决方案。因此，生产调度优化器126可以被分派任务以确定是否、何时和如何中断或否则结束进化循环，并且提取最佳、最佳可获得、最优或近乎最优的解决方案。然后，生产调度优化器126可以输出选择的生产调度染色体并且/或者执行实际的生产调度。
在图1B的示例中，染色体组合器136可以进一步被配置来组合生产调度染色体，包括选择成对的生产调度染色体，并且交叉每对生产调度染色体的部分，以获得下一代的子染色体。在一种实现方式中，可以使用并行处理来提取进化循环的至少一部分，其中将每代生产调度染色体划分为子组以用于其并行处理。在该情况下，生产调度优化器126可以进一步被配置来在预定代数的进化循环后或者在确定所选择的生产调度染色体满足约束达到预定程度后选择所选择的生产调度染色体。
在图1B的示例中，应当明白，使用表示或多或少的分立功能的各种功能块或模块来图示生产资源管理系统102。然而，为了清楚和方便而提供了这样的图示，并且因此，应当明白，各种功能可能在期望的块或模块内重叠或组合，并且/或者可以被在图1B的示例中未具体图示的一个或多个块或模块实现。如此一来，应当明白，也可以包括可能被认为有益于图1B的系统102的传统功能，即使这样的传统元件为了清楚和方便而未被明确地示出。
图1C是图示根据本公开的方面的、用于通过实现用于生产调度的适应度评估器和遗传算子而用于生产资源管理的另一种示例系统104的框图。在一些示例中，如在此所述，生产资源管理可以包含考虑在多个生产资源之间的协作。
在一种实现方式中，系统104包括用于实现生产资源管理系统的、可以与图1A的系统100的计算装置108相关联的计算机系统。如此一来，为了简化下面的讨论，图1C的系统104的类似部件可以包括图1A的相同的范围和功能，由此将图1C的计算装置108转换为专用机器，该专用机器被配置来以在此所述的方式用于被设计来确定和实现生产调度处理的基于遗传算法（GA）的制造管理。
计算装置108可以包括染色体生成器180，其具有数据输入模块181和随机调度制作器模块182。在一些示例中，染色体生成器180可以被配置来生成生产调度染色体。数据输入模块181可以被配置来检索关联于与每个产品170相关的零件172的信息，并且检索与用于通过生产资源160制造每个产品170的生产事件的序列相关的信息来作为用于建模为染色体的输入。而且，生产调度染色体生成可以使用随机调度制作器模块182而随机地发生。染色体生成器180可以被配置来生成初始的一群或一组生产调度染色体，该生产调度染色体可以被适应度评估器184评估，适应度评估器184可以被配置来比较每个生产调度染色体，该每个生产调度染色体用于基于用于每个生产资源160的生产事件的在一个或多个时间间隔内的每个生产资源160的使用。适应度评估器184可以被配置来在保持在生产资源160之间的协作的同时比较每个生产调度染色体，以由此产生生产调度染色体的选择的子集。
计算装置108可以包括适应度评估器184，适应度评估器184具有染色体解码模块185、时间成本评估模块186和传送成本评估模块187。在一些示例中，从每个染色体，可以产生所有产品制造的工作流。从使用染色体解码模块185的染色体解码的视点看，每个染色体可以被表示为用于所有工厂（例如，生产实体、设施等）的制造调度。如在此所述，可以将一个染色体解码为工厂的制造调度，其中，可以以各种序列来生产零件，等待时间可以是因为在每个工厂中的生产能量的限制，并且制造列表的长度可以在工厂之间不同。为了简化，在一些示例中，各个零件的制造消耗相同的时间，其中，即，可以获得整个制造工作流的时间成本，其可以描述用于在所有工厂中结束制造的最大时间要求。
在一些示例中，时间成本评估模块186和传送成本评估模块187可以用于通过减少总的制造时间并且降低传送成本来优化制造调度。因为当产品、零件和工厂的数量可能大时制造调度可能复杂，所以计算装置108可以被配置来与遗传算法（GA）相结合地使用时间成本评估模块186和传送成本评估模块187以优化制造调度。如此一来，在一些示例中，计算装置108可以包括遗传算子190，该遗传算子190具有以在此所述的方式实现的第一交叉模块191、第二交叉模块192和变异模块193。而且，在一些示例中，计算装置108可以包括优化处理器194，优化处理器194具有以在此所述的方式实现的遗传算法（GA）模块195。
在一些示例中，遗传算子190和优化处理器194可以被配置来实现遗传算法（GA），遗传算法（GA）旨在最小化制造过程的时间成本，并且进一步最小化零件（任务）的传送成本。当产品、零件和工厂的数量大时，最小化变为NP困难问题。GA可以被用作用于基于模仿生物进化的自然选择过程来解决优化问题的方法。如在此进一步所述，GA可以被配置来重复地修改一群个体解决方案。在每个步骤处，GA可以被配置来从当前的群随机地选择个体，并且使用它们作为父母来产生下一代的孩子。经过连续的代，群可能向最优解决方案“进化”。在此更详细地描述本发明的这些和各种其他相关方面。
在一些示例中，遗传算子190和优化处理器194可以被配置来接收生产调度染色体的选择的子集以组合（例如，使用在此所述的交叉1模块181、交叉2模块192和变异模块193的一个或多个来交叉和变异）生产调度染色体的选择的子集的生产调度染色体，以获得下一代（群）生产调度染色体，用于输出，并且然后相对于保持生产资源160之间的协作执行下一代生产调度染色体的另一个的后续比较，作为连续的代的生产调度染色体的进化循环的一部分。而且，在一些示例中，对于每个连续的代，新的一群生产调度染色体可以表示或包括一个或多个可能改善的或近乎最优的调度，并且可以迭代地产生新的代/群，直到满足最佳的解决方案，或者直到满足目标、因素、参数、偏好和/或要求达某个预定义的满意水平或阈值，并且/或者直到计算了预定代数，或者直到用于计算新的代/群的时间用尽（在这一点处，可以选择当前代的最佳解决方案）。
图2是图示根据本公开的方面的、用于管理生产调度的示例方法200的处理流。
在图2的示例中，将操作202-208图示为依序发生的分立操作。然而，应当明白，在其他实现方式中，操作202-208的两个或更多可能以部分或完全重叠或并行的方式或以嵌套或循环的方法发生或者可能以与所示者不同的顺序发生。而且，也可以在一些实现方式中包括可能在图2的示例中未具体示出的另外的操作，而在其他实现方式中，可能省略操作202-208的一个或多个。而且，在各种实现方式中，方法200可以包括在图1A的系统100和在1B的系统102中用于管理生产调度的计算机实现的方法的处理流。而且，如在此所述，操作202-208可以提供简化的操作处理流，该处理流可以被计算装置108扮演(enact)以提供参考图1A和1B所述的特征和功能。
在本公开的一个方面，可以提供图2的方法200来在保持用于制造一个或多个产品170的多个生产资源160之间的协作的同时，相对于一个或多个时间间隔，针对该多个生产资源160的每个，调度生产事件。在生产环境的一些示例中，可以使用生产资源160来生产每个产品170，生产资源160包括制造设施162、传送设施164和装配设施166的一个或多个。
在图2的示例中，在202，方法200可以包括检索与每个生产资源160相关的信息。在204，方法200可以包括评估每个产品170的每个生产事件以确定生产事件的序列。在206，方法200可以包括：产生用于在保持在生产资源160之间的协作的同时在一个或多个时间间隔内的每个生产资源160的使用的一个或多个可能的生产调度方案。在208，方法200可以包括基于用于在保持在生产资源160之间的协作的同时在一个或多个时间间隔内的每个生产资源160的使用的一个或多个可能的生产调度方案来产生在一个或多个时间间隔内的生产事件的生产调度。
图3A-3C是图示根据本公开的方面的、用于产品生产的各种示例处理工作流的图。
具体地说，图3A示出用于第一产品A310的生产的第一工作流302和用于第二产品B312的生产的第二工作流304，其中，可以使用以第一顺序（即，第一生产序列）装配的三个零件CP1320、CP2322和CP3324来生产第一产品A310，并且使用以与第一顺序不同的第二顺序（即，第二生产序列）装配的三个零件CP1320、CP2322和CP3324来生产第二产品B312。
图3B示出三个工厂，即工厂A330、工厂B332和工厂C334，其中，第一工厂A330、第二工厂B332和第三工厂C334的每个生产用于第一产品A310和第二产品B312的每个的多个零件。例如，第一工厂A330可以被配置来生产第一CP1320和第二CP2322，第二工厂B332可以被配置来生产第一CP1320和第三CP3324，并且第三工厂C334可以被配置来生产第二CP2322和第三CP3324。在一些示例中，工厂（A，B，C）可以仅一次并且不同时生产一个零件（CP1，CP2，CP3），并且，零件（CP1，CP2，CP3）的一个或多个可以被移动到不同的工厂以生产零件。
图3C示出示例制造调度，其包括用于对应的工厂A330、B332、C334的三个时间间隔，即第一时间间隔340、第二时间间隔342和第三时间间隔342（即，分别为时段P1、P2、P3），以用于结束346生产第一产品A310和第二产品B312。在各个示例中，该制造调度可以包含至少两个生产目标，包括最小化制造时间和最小化传送成本。
在图3C的示例中，第一工厂A330可以在第一时间间隔340中生产第一零件CP1320，并且第一工厂A330可以在第二时间间隔342中生产第二零件CP2322。随后，第二工厂B332可以在第三时间间隔344中生产第三零件CP3324，并且可以在结束间隔346中完成第一产品A310的生产。而且，在图3C的示例中，第二工厂B332可以在第一时间间隔340中生产第一零件CP1320，并且第三工厂C334可以在第二时间间隔342中生产第三零件CP3324。随后，第三工厂C可以在第三时间间隔344中生产第二零件CP2322，并且可以在结束间隔346中完成第二产品B312的生产。在一些示例中，可以同时生产第一产品A310和第二产品B312，如图3C中所示。
根据本公开的方面，资源调度包含多个工厂（例如，实体、设施等）之间的协作。例如，如图3A-3C中所示，可以在多个不同的工厂中实现多个产品的制造，并且，可以从多个零件装配每个产品，其中，可以在不同的工厂中生产每个零件。装配过程可以遵循包括诸如连接的步骤的序列的生产事件的序列的工作流。例如，在图3A中，从可以在三个工厂330、332、334中依序生产的三个零件320、322、324装配产品A310和产品B312两者。有时，工厂可能不能生产产品310、322的所有必要零件，如图3B中所示。因此，在生产循环（即，工作流）中，可以在三个工厂330、322、324之间移动零件320、322、324，使得可以根据工作流来装配所有的零件320、322、324。
例如，如图3C中所示，工厂A330可以被配置来在第一时间间隔340中制造第一零件CP1320，并且进一步在第二时间间隔342中制造（和/或使用/向下述零件装配第一零件CP1320）第二零件CP2322，并且然后，将它们传送到第二工厂B以制造（和/或使用/向下述零件装配第一和第二零件CP1320、CP2322）第三零件CP3。在一些示例中，在生产了第一产品A310的所有零件后，它们被装配到第一产品A310内。根据本公开的方面，优化的制造调度可以减少总的制造时间，并且降低传送成本。为了实现优化的制造调度，本公开的方面提供了遗传算法（GA）以优化制造调度。如在此所述，提供了有效的遗传编码方法，以用于连通各种遗传算子表示制造调度，该各种遗传算子包括例如用于制造调度的优化的两个交叉和一个变异。在此更详细地描述本公开的这些和各种其他相关方面。
图4是用于图示根据本公开的方面的、用于管理生产调度的另一种示例方法400的处理流。
在图4的示例中，将操作402-410图示为依序发生的分立操作。然而，应当明白，在其他实现方式中，操作402-410的两个或更多可能以部分或完全重叠或并行的方式或以嵌套或循环的方法发生或者可能以与所示者不同的顺序发生。而且，也可以在一些实现方式中中包括可能在图4的示例中未具体示出的另外的操作，而在其他实现方式中，可能省略操作402-410的一个或多个。而且，在各种实现方式中，方法400可以包括在图1A的系统100和在1B的系统102中用于管理生产调度的计算机实现的方法的处理流。而且，如在此所述，操作402-410可以提供用于图2的方法200的操作210的扩展的操作处理流，该处理流可以被计算装置108扮演以提供参考图1A和1B所述的特征和功能。
在本公开的一个方面，可以提供图4的方法400来基于用于每个生产资源160的生产事件和用于每个生产预算180的预算模式来产生用于每个生产资源160的一个或多个可能的生产调度方案。
在图4的示例中，在402，方法400可以包括：比较多个生产调度染色体，其中，每个生产调度染色体可以包括用于在考虑到与用于一个或多个产品的产品依存树相关的一个或多个约束的同时在一个或多个时间间隔内的每个生产资源160的使用的一个或多个可能的生产调度方案。在404，方法400可以包括关于一个或多个约束比较每个生产调度染色体，以由此输出多个生产调度染色体的选择的子集。
在406，方法400可以包括：组合多个生产调度染色体的选择的子集的生产调度染色体，以获得下一代生产调度染色体，以用于输出，并且用于相对于一个或多个约束进行下一代生产调度染色体的后续比较，作为多个生产调度染色体的进化循环的一部分。在408，方法400可以包括监控进化循环，并且在410，方法400可以包括从其选择所选择的生产调度染色体，以基于其来实现生产调度。
在一种实现方式中，方法400可以进一步包括：组合生产调度染色体，包括选择成对的生产调度染色体，并且交叉每对生产调度染色体的部分，以获得下一代的子染色体。方法400可以进一步包括：使用并行处理来执行进化循环的至少一部分,其中每代生产调度染色体被划分为子组以用于其并行处理。方法400可以进一步包括：在预定代数的进化循环后或者在确定所选择的生产调度染色体在预定程度上满足一个或多个约束后，选择所述选择的生产调度染色体。
图5是图示根据本公开的方面的、用于通过实现预测算法或遗传算法用于生产调度来管理生产调度的另一种示例方法500的处理流。
在图5的示例中，将操作502-508图示为依序发生的分立操作。然而，应当明白，在其他实现方式中，操作502-508的两个或更多可能以部分或完全重叠的方式进行。而且，也可以以与所示者不同的顺序来实现操作502-508，并且，应当明白，可以包括在图5的例示中未具体示出的补充或替代的操作，并且可以省略操作502-508的一个或多个。而且，如参考操作510-508所示，可以以迭代、循环或嵌套方式来实现操作502-508的各个，或者否则，可以以与从图1A的系统100和在1B的系统102的一个或多个获得期望的生产调度结果一致的顺序和方式来实现操作502-508的各个。
在502，方法500可以被配置来产生一个或多个生产调度方案（染色体），其中，每个产生的生产调度方案（染色体）包括可能的生产调度方案。在一个示例中，系统100、102可以被配置来比较多个生产调度染色体，其中，每个生产调度染色体包括基于用于每个生产资源160的生产事件和/或在考虑到与用于一个或多个产品的每个的产品依存树相关的约束的同时在一个或多个时间间隔内的每个生产资源160的一个或多个可能的生产调度方案。系统100、102可以进一步被配置来关于生产事件和/或约束比较多个生产调度染色体的每个，以由此输出多个生产调度染色体的选择的子集。系统100、102可以进一步被配置来组合多个生产调度染色体的选择的子集的生产调度染色体，以获得下一代生产调度染色体，并且用于相对于生产事件和/或约束进行下一代生产调度染色体的后续比较，作为多个生产调度染色体的进化循环的一部分。系统100、102可以进一步被配置来监控进化循环，并且从其选择所选择的生产调度染色体以用于基于其来实现生产调度。
在图5的示例中，在504，方法500可以被配置来评估所有的可能的生产调度方案（染色体），并且然后交叉和变异。例如，系统100、102可以被配置来通过下述方式使用预测算法或遗传算法来交叉染色体的一个或多个：组合父母的角色的染色体以执行性别交叉模拟，以获得新的子染色体，该子染色体可以是新一代染色体的一部分，作为进化循环的一部分，该新一代染色体可以提供与同一代的其他成员的进一步的交叉，以优化生产调度处理。
因此，系统100、102可以被配置来提供作为达尔文自然选择的计算机模拟的预测算法或遗传算法，其迭代通过各个代，以向在问题空间中的最佳解决方案收敛。而且，关于变异，可以随机地选择染色体之一，然后，可以选择在所选择的染色体内的位置（即，基因）以用于变异，并且然后，可以随机地改变或变异该随机选择的位置（即，基因）的值，以产生先前不可获得的一个或多个新的特性。
在506，方法500可以被配置来组合和选择可能的生产调度方案（染色体）用于下一代，直到最佳的可能的生产调度方案（最佳染色体）若干代不再改变。在一个示例中，可以重复或循环在510和512处的操作，直到实现最佳的可能的生产调度方案（最佳染色体）以用于随后的选择。例如，通过使用预测算法或遗传算法，可以选择或确定最佳的合理生产调度方案，用于在封闭的周期或循环中的一个或多个即将到来的生产调度。
在508，方法500可以被配置来选择具有最佳的或最大化的生产调度的最佳生产调度方案。在一个示例中，通过使用预测算法或遗传算法，可以在考虑到用于每个生产资源160的优化或最大化的生产调度的同时，关于每个生产资源160，选择或确定最佳或最合理的生产调度方案，用于至少一个即将到来的生产调度。
如在此所述，本发明的方面涉及基于遗传算法（GA）的工作流管理系统和与其相关的方法。在一些实现方式中，算法（GA）被配置来用于最小化制造过程的时间成本，并且进一步用于最小化多个产品的制造的零件的传送成本。例如，当产品、零件和工厂的数量大时，最小化可能变为NP难问题，诸如NP完全问题（即，非确定性多项式时间完全问题），该问题可能不能在多项式时间内被解决。因此，可以在用于基于模仿生物进化的自然选择过程来解决优化问题的方法中使用GA。GA可以重复地修改一群个体解决方案。在每个生产事件（或每个处理步骤）处，GA可以从当前的群随机地选择个体，并且使用它们作为父母来产生下一代的孩子。经过连续代，例如，群可能向最优解决方案“进化”。
图6是图示根据本公开的方面的、用于实现用于管理生产调度的遗传算法的示例方法600的处理流。在图6的示例中，将操作602-610图示依序发生的分立操作。然而，应当明白，在其他实现方式中，操作602-610的两个或更多可以以部分或完全重叠或并行的方式或以嵌套或循环的方式发生，或者以以与所示者不同的顺序发生。而且，也可以在一些实现方式中包括可能在图6中的示例中未具体示出的另外的操作，而在其他实现方式中，可以省略操作602-610的一个或多个。而且，在各个实现方式中，方法600可以包括在图1A、1B、1C的系统100、102、104中的用于管理迁移调度的计算机实现的方法的处理流
参考图6，在602，方法600可以包括随机生成染色体（例如，生产调度染色体）。在604，方法600可以包括根据适应度函数来评估染色体。在606，方法600可以包括以在此进一步描述的方式来选择用于遗传操作的父染色体。在608，方法600可以包括以在此进一步描述的方式来将染色体交叉和变异。在610，方法600可以包括根据使用适应度函数值计算的适应度值来更新父染色体。而且，在612，方法600可以包括：确定代数是否达到最大值。如果否，则处理流返回604，以根据适应度函数来评估染色体。如果是，则方法600的处理流在614终止/结束。
图7是根据本公开的方面的、用于实现遗传算法（GA）的示例染色体编码700的图。
在图7的示例中，可以编码染色体为制造过程的工作流编码染色体。例如，Pi(i=1,2,…,N)可以表示要制造的产品，并且Ci,(i=1,2,…,n)可以表示在每个产品中的顺序零件。可以在图3A和图3B中找到零件的示例。在一些实现方式中，各种产品可以由不同种类或类型的零件构成，而这些部件可能以不同的顺序被需要并且被制造。因此，在示例染色体编码700中，各个产品的零件可能不同，并且用于各个产品的零件的制造序列可能不同。
在示例染色体编码700中，也可以将基因定义为要制造的零件和制造序列。每个基因的值可以对应于工厂Fi,(i=1,2,…,nf)。以这种方式，同时制造产品，其中，通过相关联的工厂依序生产必要部件。而且，产品的序列可以有意义，虽然可以同时制造它们全部。例如，可以假定可以向同一工厂分配所有产品的第一部件，这可能超过该工厂的生产能力。在该情况下，仅及时制造在示例染色体编码700中的靠前产品的零件，而其他可以被暂停或延迟。因此，可以通过排序在染色体编码中的产品序列来改变制造优先级，这可以旨在和/或涉及减少等待时间。
图8是图示根据本公开的方面的、用于实现遗传算法（GA）的示例染色体解码800的图。
从每个染色体，可以产生所有的产品制造的工作流。在一些示例中，从示例染色体解码800的视点看，染色体可以被定义为用于所有工厂的制造调度。
在图8的示例中，将一个染色体解码为工厂的制造调度，其中，可以以各种序列来生产零件，0可以指的是因为在每个工厂中的生产能力的限制导致的等待时间，并且，制造列表的长度可以在工厂之间不同。
为了说明的简化，在一些示例中，可以假定各个零件的制造消耗相同的时间。因此，可以容易地获得整个制造工作流的时间成本，其可以是用于在所有工厂中完成制造的最大时间要求。换句话说，染色体的时间成本可以被表示为：
TimeCost = max ( len of F i ) × t , ‾ i = 1,2 , · · · , f n , ，其中，表示在图8中的Fi的长度，并且t表示一个部件制造的时间成本。
而且，可以从图7获得传送成本，其中，将成本计算为在所有工厂中的独特工厂的数目的和。
TransCost = Σ i = 1 N unique ( factories ) .
然后，适应度函数是：
Fitness=α×TimeCost+(1-α)×TransCost，其中，α表示用于权衡的缩放参数。
在一些实现方式中，在此所述的系统和方法可以被配置来使用至少三个遗传算子，包括至少两种类型的交叉方法和至少一种变异方法。图9是图示染色体的第一类型的交叉1900的图，其中，从父染色体902向子染色体904交换两个随机选择的产品块910、912（包括全部零件）。在一些示例中，该算子旨在和/或针对优化所有产品的制造优先级。
图10是图示染色体的第二类型的交叉21000的图，其中，在第二种交叉算子中，可以重新组合两个父染色体1002、1004。与在整个染色体上的传统交叉不同，所提出的算子分别在每个产品块中重新组合基因。如图10中所示，父染色体1002、1004可以被随机地切割1012以产生子染色体1006、1008。而且，在图10的示例中，可以对于在父染色体对1002、1004中的每个产品块实现交叉21000，其中，示出在产品1中的重新组合细节1010。
图11是图示染色体的变异1100的图，其中，使用变异算子，可以随机选择和改变(shift)基因。图11示出在染色体上的变异的示例，其中，来自父染色体1102的位置和值的随机选择1110用于产生子染色体1104。在这个示例中，F'22可以表示用于生产用于产品2的零件的不同工厂。变异可以用于实现更好的进化选择。
根据本公开的方面，可以通过下面的示例伪代码来表示在此所述的技术。
伪代码
可以在数字电子线路中，或在计算机硬件、固件、软件或在它们的组合中实现此处描述的各种技术的实施例。实施例可以被实现为计算机程序产品，即，有形的实现在，例如，机器可读存储设备的信息载体中或传播的信号中的计算机程序，用于由数据处理装置运行或控制数据处理装置的操作，数据处理装置例如可编程处理器、计算机或多个计算机。诸如上面描述的计算机程序的计算机程序可以以包括编译或解释语言的任何形式的编程语言编写，并且可以以任何形式配置，包括作为单独程序或作为模块、组件、子程序或适合用在计算环境中的其它单元。计算机程序可以被配置为在一个计算机上执行或在位于一个站点或分布在多个站点并通过通信网络互联的多个计算机上执行。
方法步骤可以通过一个或多个可编程处理器来执行，该可编程处理器通过在输入数据上操作并生成输出来执行计算机程序以执行功能。还可以通过专用逻辑电路来执行方法步骤，并且装置可以被实现为专用逻辑电路，例如，FPGA(现场可编程门阵列)或ASIC(专用集成电路)。
举例来说，适用于计算机程序的执行的处理器包括通用和专用微处理器两者，以及任何种类的数字计算机的任何一个或多个处理器。通常，处理器将从只读存储器或随机存取存储器或两者接收指令和数据。计算机的元件可以包括用于执行指令的至少一个处理器和用于存储指令和数据的一个或多个存储器件。通常，计算机还可以包括一个或多个大容量存储器件，或者被操作地耦接以从一个或多个大容量存储器件接收数据或向其传送数据，例如，磁、磁光盘或光盘。适用于具体实现计算机程序指令和数据的信息载体包括所有形式的非易失性存储器，举例来说包括半导体存储器件，例如，EPROM、EEPROM和闪存设备；磁盘，例如，内部硬盘或可移除磁盘；磁光盘；以及CD-ROM和DVD-ROM磁盘。处理器和存储器可以通过专用逻辑电路来补充，或者并入其中。
为了提供用户交互，可以在具有用于向用户显示信息的显示设备（例如，阴极射线管(CRT)或液晶显示器（LCD）监视器）和用户可以通过其向计算机提供输入的键盘和定点设备(例如，鼠标或轨迹球)的计算机上实现实施例。也可以使用其他类型的设备来提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈，例如，视觉反馈、听觉反馈或触觉反馈；并且可以以任何形式接收来自用户的输入，包括声音、语言或触觉输入。
可以在计算系统中实现实施例，所述计算系统包括后端组件，例如，如数据服务器，或包括中间件组件，例如，应用服务器，或包括前端组件，例如，具有通过其用户可以与实施例交互的图形用户界面或网络浏览器的客户端计算机，或这种后端、中间件或前端组件的任何组合。可以通过例如通信网络的数字数据通信的任何形式或中介来互连组件。诸如通信网络的网络的例子可以包括局域网（LAN）和广域网（WAN），例如因特网。
虽然已经如此处描述的示出了所述实施例的特定特征，但是许多修改、替换、改变和等同将现在被本领域技术人员想到。因此，要理解的是，所附权利要求旨在覆盖落在实施例的范围之内的所有这样的修改和改变。

Claims (20)

1.一种计算机系统，包括存储在非瞬时性计算机可读介质上并且可由至少一个处理器执行的指令，所述系统包括：
生产调度管理器，其被配置来使得所述至少一个处理器在保持用于制造一个或多个产品的多个生产资源之间的协作的同时，相对于一个或多个时间间隔，针对所述多个生产资源的每个调度生产事件，其中，所述生产调度管理器包括：
生产资源处理器，其被配置来检索与每个生产资源相关的信息，并且评估每个产品的每个生产事件，以确定所述生产事件的序列；
生产调度协调器，其被配置来产生用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的一个或多个可能的生产调度方案；以及
生产调度优化器，其被配置来基于用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的一个或多个可能的生产调度方案来产生用于在所述一个或多个时间间隔内的所述生产事件的生产调度。
2.根据权利要求1所述的系统，其中，所述生产资源的一个或多个被配置来制造每个产品的一个或多个不同零件。
3.根据权利要求1所述的系统，其中，所述生产资源的一个或多个被配置来传送每个产品的一个或多个不同零件。
4.根据权利要求1所述的系统，其中，所述生产资源的一个或多个被配置来装配每个产品的一个或多个不同零件。
5.根据权利要求1所述的系统，其中，从由所述多个生产资源的一个或多个不同的生产资源制造的多个不同零件装配所述产品的一个或多个。
6.根据权利要求1所述的系统，其中，针对多个生产资源的每个调度生产事件包括：根据包括所述生产事件的序列的生产循环的工作流在生产资源之间移动一个或多个零件的生产，以保证所述一个或多个产品的装配。
7.根据权利要求1所述的系统，其中：
所述生产事件包括制造每个产品的零件并且传送所述制造的零件以用于所述产品的装配，并且
所述生产事件包括相对于所述一个或多个时间间隔的所述产品的装配，并且装配包括遵循包括所述生产事件的序列的生产循环的工作流。
8.根据权利要求1所述的系统，其中，所述生产资源包括制造设施、传送设施和装配设施。
9.根据权利要求1所述的系统，其中，所述生产调度优化器被配置来通过下述方式来优化所述生产调度：减少通过所述生产资源来制造所述一个或多个产品的时间，并且降低传送所述一个或多个产品的成本。
10.根据权利要求1所述的系统，其中：
所述生产资源处理器进一步被配置来检索与每个产品的一个或多个零件相关的信息，并且检索与用于由所述生产资源制造每个产品的所述生产事件的所述序列相关的信息，来作为用于通过所述生产调度协调器建模为染色体的输入，并且
所述生产调度协调器进一步被配置来基于建模为所述染色体的检索信息来产生所述一个或多个可能的生产调度方案。
11.根据权利要求1所述的系统，其中，所述生产调度协调器包括遗传算法处理器，所述遗传算法处理器包括：
染色体比较器，其被配置来比较多个生产调度染色体，每个生产调度染色体包括用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的所述一个或多个可能的生产调度方案，并且所述染色体比较器被配置来相对于保持所述生产资源之间的协作而比较所述多个生产调度染色体的每个，由此输出所述多个生产调度染色体的选择的子集；以及
染色体组合器，其被配置来组合所述生产调度染色体的所述选择的子集的生产调度染色体，以获得下一代生产调度染色体，以用于输出到所述染色体比较器，并且用于关于保持所述生产资源之间的协作进行所述下一代生产调度染色体的后续比较，作为在所述染色体比较器和所述染色体组合器之间的所述生产调度染色体的进化循环的一部分，
其中，所述生产调度优化器进一步被配置来监控所述进化循环，并且从其选择所选择的生产调度染色体以基于其来实现所述生产调度。
12.根据权利要求11所述的系统，其中，所述染色体组合器进一步被配置来组合所述生产调度染色体，包括选择成对的生产调度染色体，并且交叉每对生产调度染色体的部分，以获得所述下一代的子染色体。
13.根据权利要求11所述的系统，其中，使用并行处理来执行所述进化循环的至少一部分，其中，每代生产调度染色体被划分为子组用于其并行处理。
14.根据权利要求11所述的系统，其中，所述生产调度优化器进一步被配置来在预定代数的进化循环后或者在确定所述选择的生产调度染色体在预定程度上满足保持所述生产资源之间的协作后，选择所述选择的生产调度染色体。
15.一种计算机程序产品，所述计算机程序产品被有形地实现在非瞬时性计算机可读存储介质中，并且包括指令，所述指令当被至少一个处理器执行时，被配置来：
在保持用于制造一个或多个产品的多个生产资源之间的协作的同时，相对于一个或多个时间间隔，针对所述多个生产资源的每个调度生产事件，其中，所述指令当被所述至少一个处理器执行时进一步被配置来：
检索与每个生产资源相关的信息，
评估每个产品的每个生产事件以确定所述生产事件的序列，
产生用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的一个或多个可能的生产调度方案，并且
基于用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的一个或多个可能的生产调度方案，产生用于在所述一个或多个时间间隔内的所述生产事件的生产调度。
16.根据权利要求15所述的计算机程序产品，进一步包括指令，所述指令当被所述处理器执行时，被配置来：
比较多个生产调度染色体，每个生产调度染色体包括用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的所述一个或多个可能的生产调度方案；
关于保持所述生产资源之间的协作比较所述多个生产调度染色体的每个，以由此输出所述多个生产调度染色体的选择的子集；
组合所述生产调度染色体的所述选择的子集的生产调度染色体，以获得下一代生产调度染色体，并且用于相对于保持所述生产资源之间的协作进行所述下一代生产调度染色体的后续比较，作为所述生产调度染色体的进化循环的一部分；并且
监控所述进化循环，并且从其选择所选择的生产调度染色体以基于其来实现所述生产调度。
17.根据权利要求16所述的计算机程序产品，进一步包括指令，所述指令当被所述处理器执行时，被配置来：
组合所述生产调度染色体，包括选择成对的生产调度染色体，并且交叉每对生产调度染色体的部分，以获得所述下一代的子染色体；
使用并行处理来执行所述进化循环的至少一部分，其中每代生产调度染色体被划分为子组用于其并行处理；并且
在预定代数的进化循环后或者在确定所述选择的生产调度染色体在预定程度上满足保持所述生产资源之间的协作后，选择所述选择的生产调度染色体。
18.一种计算机实现的方法，包括：
通过下述方式在保持用于制造一个或多个产品的多个生产资源之间的协作的同时，相对于一个或多个时间间隔，针对所述多个生产资源的每个，调度生产事件：
检索与每个生产资源相关的信息；
评估每个产品的每个生产事件以确定所述生产事件的序列；
产生用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的一个或多个可能的生产调度方案；并且
基于用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的一个或多个可能的生产调度方案来产生用于在所述一个或多个时间间隔内的所述生产事件的生产调度。
19.根据权利要求18所述的方法，进一步包括：
比较多个生产调度染色体，每个生产调度染色体包括用于在保持所述生产资源之间的协作的同时在所述一个或多个时间间隔内的每个生产资源的使用的所述一个或多个可能的生产调度方案；
相对于保持所述生产资源之间的协作而比较所述多个生产调度染色体的每个，以由此输出所述多个生产调度染色体的选择的子集；
组合所述生产调度染色体的所述选择的子集的生产调度染色体，以获得下一代生产调度染色体，并且用于关于保持所述生产资源之间的协作进行所述下一代生产调度染色体的后续比较，作为所述生产调度染色体的进化循环的一部分；并且
监控所述进化循环，并且从其选择所选择的生产调度染色体以基于其来实现所述生产调度。
20.根据权利要求19所述的方法，进一步包括：
组合所述生产调度染色体，包括选择成对的生产调度染色体，并且交叉每对生产调度染色体的部分，以获得所述下一代的子染色体；
使用并行处理来执行所述进化循环的至少一部分，其中每代生产调度染色体被划分为子组用于其并行处理；并且
在预定代数的进化循环后或者在确定所述选择的生产调度染色体在预定程度上满足保持所述生产资源之间的协作后，选择所述选择的生产调度染色体。
CN201310429078.0A 2013-09-18 2013-09-18 生产资源管理 Pending CN104463394A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201310429078.0A CN104463394A (zh) 2013-09-18 2013-09-18 生产资源管理
US14/043,415 US10031517B2 (en) 2013-09-18 2013-10-01 Production resource management using genetic algorithm

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310429078.0A CN104463394A (zh) 2013-09-18 2013-09-18 生产资源管理

Publications (1)

Publication Number Publication Date
CN104463394A true CN104463394A (zh) 2015-03-25

Family

ID=52668671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310429078.0A Pending CN104463394A (zh) 2013-09-18 2013-09-18 生产资源管理

Country Status (2)

Country Link
US (1) US10031517B2 (zh)
CN (1) CN104463394A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108009783A (zh) * 2016-10-31 2018-05-08 杭州永桦包装印刷有限公司 基于移动app的在线商品订购及生产监视管理系统
CN108171413A (zh) * 2017-12-26 2018-06-15 杭州电子科技大学 一种化工园区应急资源配置优化方法
CN108182109A (zh) * 2017-12-28 2018-06-19 福州大学 一种云环境下的工作流调度与数据分配方法
CN108876157A (zh) * 2018-06-25 2018-11-23 英特尔产品（成都）有限公司 调配生产资源的方法及其管理系统
CN110612490A (zh) * 2017-05-19 2019-12-24 豪迈面板分割科技有限公司 用于加工产品的设备和方法
CN111670450A (zh) * 2018-01-29 2020-09-15 西门子股份公司 用于生成工厂过程清单的系统和方法

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9880549B2 (en) * 2014-11-14 2018-01-30 International Business Machines Corporation Dynamic batch size and internal transportation
US20160180270A1 (en) * 2014-12-18 2016-06-23 Gufei Sun Optimization of project resource management with multi-resource types and cost structures
US10542961B2 (en) 2015-06-15 2020-01-28 The Research Foundation For The State University Of New York System and method for infrasonic cardiac monitoring
JP6563274B2 (ja) 2015-08-20 2019-08-21 三菱重工業株式会社 生産設備、生産設備の設計方法、並びに生産設備の制御方法及び製造方法
US10296837B2 (en) * 2015-10-15 2019-05-21 Sap Se Comment-comment and comment-document analysis of documents
US10614414B1 (en) * 2016-07-12 2020-04-07 Jda Software Group, Inc. System and method of an explanation tool for automotive production planning
WO2019027564A1 (en) * 2017-08-03 2019-02-07 Walmart Apollo, Llc AUTOMATED ARTICLE ASSIGNMENT GENERATION SYSTEM
CN107392402B (zh) * 2017-09-11 2018-08-31 合肥工业大学 基于改进禁忌搜索算法的生产运输协同调度方法及系统
JP6962900B2 (ja) * 2018-12-03 2021-11-05 ファナック株式会社 生産計画装置
CN109872049B (zh) * 2019-01-23 2021-06-25 北京航空航天大学 资源配置优化方法及装置
TWI776208B (zh) * 2020-08-13 2022-09-01 財團法人精密機械研究發展中心 金屬加工生產排程之優化系統及優化方法
CN112488314B (zh) * 2020-11-24 2021-07-09 江苏科技大学 一种基于改进遗传算法的系统弹性恢复方法及恢复系统
CN116151526A (zh) * 2021-11-18 2023-05-23 英业达科技有限公司 排程装置以及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5841659A (en) * 1994-05-26 1998-11-24 Matsushita Electric Industrial Co., Ltd. Production plan generating method and apparatus
US6662167B1 (en) * 1998-12-15 2003-12-09 Jing Xiao Method for generating near-optimal sequencing of manufacturing tasks subject to user-given hard and soft constraints
CN102915480A (zh) * 2012-09-25 2013-02-06 华东师范大学 一种采用二维码管理出版物电子资源的系统及其管理方法
US20130066455A1 (en) * 2011-09-09 2013-03-14 Sap Ag Demand-driven collaborative scheduling for just-in-time manufacturing

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR930007749B1 (ko) * 1988-05-25 1993-08-18 마쯔시다덴기산교 가부시기가이샤 제품생산 계획형 추론장치
US7668788B2 (en) * 2005-06-06 2010-02-23 Wren William E Resource assignment optimization using direct encoding and genetic algorithms
US8326447B2 (en) * 2010-04-30 2012-12-04 Honda Motor Co., Ltd. Advanced planning system
US9141581B2 (en) * 2012-07-25 2015-09-22 Sap Se Production scheduling management

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5841659A (en) * 1994-05-26 1998-11-24 Matsushita Electric Industrial Co., Ltd. Production plan generating method and apparatus
US6662167B1 (en) * 1998-12-15 2003-12-09 Jing Xiao Method for generating near-optimal sequencing of manufacturing tasks subject to user-given hard and soft constraints
US20130066455A1 (en) * 2011-09-09 2013-03-14 Sap Ag Demand-driven collaborative scheduling for just-in-time manufacturing
CN102915480A (zh) * 2012-09-25 2013-02-06 华东师范大学 一种采用二维码管理出版物电子资源的系统及其管理方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108009783A (zh) * 2016-10-31 2018-05-08 杭州永桦包装印刷有限公司 基于移动app的在线商品订购及生产监视管理系统
CN108009783B (zh) * 2016-10-31 2021-11-19 杭州永桦包装印刷有限公司 基于移动app的在线商品订购及生产监视管理系统
CN110612490A (zh) * 2017-05-19 2019-12-24 豪迈面板分割科技有限公司 用于加工产品的设备和方法
CN108171413A (zh) * 2017-12-26 2018-06-15 杭州电子科技大学 一种化工园区应急资源配置优化方法
CN108171413B (zh) * 2017-12-26 2021-08-10 杭州电子科技大学 一种化工园区应急资源配置优化方法
CN108182109A (zh) * 2017-12-28 2018-06-19 福州大学 一种云环境下的工作流调度与数据分配方法
CN108182109B (zh) * 2017-12-28 2021-08-31 福州大学 一种云环境下的工作流调度与数据分配方法
CN111670450A (zh) * 2018-01-29 2020-09-15 西门子股份公司 用于生成工厂过程清单的系统和方法
US11954643B2 (en) 2018-01-29 2024-04-09 Siemens Aktiengesellschaft System and method for generating a plant bill of process
CN108876157A (zh) * 2018-06-25 2018-11-23 英特尔产品（成都）有限公司 调配生产资源的方法及其管理系统

Also Published As

Publication number Publication date
US20150081077A1 (en) 2015-03-19
US10031517B2 (en) 2018-07-24

Similar Documents

Publication Publication Date Title
CN104463394A (zh) 生产资源管理
US11620612B2 (en) Systems and methods for inventory management and optimization
Altekin et al. Profit-oriented disassembly-line balancing
Rabelo et al. Enterprise simulation: a hybrid system approach
Goli et al. A robust just-in-time flow shop scheduling problem with outsourcing option on subcontractors
US9141581B2 (en) Production scheduling management
US9224121B2 (en) Demand-driven collaborative scheduling for just-in-time manufacturing
Ke et al. An uncertain random programming model for project scheduling problem
Kwak et al. Assessing product family design from an end-of-life perspective
Grabenstetter et al. Developing due dates in an engineer-to-order engineering environment
WO2003059738A2 (en) Digital cockpit
Nepal et al. A multi-objective supply chain configuration model for new products
Lee et al. Solving lot-sizing problem with quantity discount and transportation cost
Becker Predicting outcomes for big data projects: Big Data Project Dynamics (BDPD): Research in progress
Meisel et al. The design of Make-to-Order supply networks under uncertainties using simulation and optimisation
Voorberg et al. Decisions for information or information for decisions? Optimizing information gathering in decision-intensive processes
Köse et al. Capacity improvement using simulation optimization approaches: A case study in the thermotechnology industry
Machani et al. A variable neighbourhood search for integrated production and preventive maintenance planning in multi-state systems
Chen et al. Solving fuzzy multiproduct aggregate production planning problems based on extension principle
Kamhuber et al. An efficient hybrid multi-criteria optimization approach for rolling production smoothing of a European food manufacturer
US20090048889A1 (en) Manufacturing portfolio flexibility planning
Fahimnia et al. 18Integration in Logistics Planning and Optimization
Sharda et al. Evaluating production improvement opportunities in a chemical plant: a case study using discrete event simulation
US20160292625A1 (en) Product data analysis
Kaveh et al. A simulated annealing algorithm for aggregate production planning with considering of ancillary costs

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150325