CN105719114A - 一种基于启发式算法的库存匹配方法 - Google Patents

一种基于启发式算法的库存匹配方法 Download PDF

Info

Publication number
CN105719114A
CN105719114A CN201610015119.5A CN201610015119A CN105719114A CN 105719114 A CN105719114 A CN 105719114A CN 201610015119 A CN201610015119 A CN 201610015119A CN 105719114 A CN105719114 A CN 105719114A
Authority
CN
China
Prior art keywords
order
micropowder
matching
producing
stock
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
CN201610015119.5A
Other languages
English (en)
Inventor
刘业峰
刘惠鑫
刘寅生
孙昕
德湘轶
金亚玲
刘炜
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.)
Shenyang Institute of Technology
Original Assignee
Shenyang Institute of Technology
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 Shenyang Institute of Technology filed Critical Shenyang Institute of Technology
Priority to CN201610015119.5A priority Critical patent/CN105719114A/zh
Publication of CN105719114A publication Critical patent/CN105719114A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management

Landscapes

  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于启发式算法的库存匹配方法,根据5个目标的优先级,首先确定优先级最高的目标并使其最优,其次,按照优先级顺序依次保证其他目标最优,包括如下步骤:S1、数据获取与处理:S2、基于变量选择启发式算法确定生产订单匹配顺序:S3、基于启发式算法的库存匹配。本发明提高了生产订单库存匹配的效率,减少了工作人员的劳动强度,降低了生产订单的拖期,提高了生产订单匹配的准确度。

Description

一种基于启发式算法的库存匹配方法
技术领域
本发明涉及信息技术领域,具体涉及一种基于启发式算法的库存匹配方法。
背景技术
稀土永磁钕铁硼材料是一种重要的功能材料,被称作第三代稀土永磁材料,其特点是磁性能优异、价格相对来说较低,应用范围非常广泛,涉及信息与通讯行业、汽车行业、风力发电机车行业以及航空航天等。在磁性材料实际生产过程中,首先进行的是生产订单库存匹配,其目的是充分利用库存微粉。因此,有效的库存匹配方法的开发能够迅速响应客户的要求、缩短产品的交货期、降低微粉的库存量均具有非常重要的意义。
Trumbo等人针对钢铁行业生产过程中订单与库存板坯中的匹配问题进行了深入的研究,主要研究了在一定的特殊约束条件下的库存匹配问题,将工艺路线和生产组织方式等考虑进去。库存匹配问题是多背包问题的抽象(MultipleKnapsackProblem,MKP),它属于组合优化问题,已经被证明是NP难的。席阳,李铁克等建立了冷轧和热轧板材成品库存一体化匹配模型,利用约束规划的变量排序、值排序以及节点互换构建了启发式算法进行求解。TaoZhang等提出面向订单、面向库存的生产计划方法,并提出了混合整数规划模型,采用基于粒子群的进化方法进行求解。
针对磁性材料组炉优化问题,已有的研究方法均未考虑与一个生产订单匹配的库存微粉的个数和与一个生产订单匹配的多个微粉的入库时间偏差,因此已有的研究方法也无法直接应用。
库存匹配问题的描述如图1所示,通过普遍存在以下缺陷:
1)工作量大,库存匹配时间长,生产订单拖期严重
库存匹配,需要考虑因素众多,涉及:生产订单优先级、生产订单交货日期、牌号、模具、需求量,库存微粉的牌号、氧含量、平均粒度、剩余库存、入库日期等。有以下多个目标:最大化库存匹配的微粉重量、最大化匹配出的微粉的入库时间、最大化匹配出的微粉的氧含量和平均粒度、最小化库存备料与生产订单的匹配损失。此外,实际的匹配工作通常不是针对单个生产订单而是面向全部生产订单池,存在着多对多、单对多等多种情况,因而增加了问题的复杂性,需要计划员进行反复的比较、判断、匹配,经过较长时间才能得到一个较满意的匹配结果。
2)选取的最终匹配结果,不一定是最优的或近似最优的
生产订单的最终匹配结果需要同时满足五个目标和四个约束条件。两个目标即属于多目标优化问题,本身存在求解复杂性.同时要满足匹配的约束条件,使得满意的库存匹配结果的选择更加困难。即使计划员最终确定了一个匹配结果,该结果也往往不是最优的。尤其当生产订单的数量较大,比如几十个或上百个,针对众多的匹配可能性,计划员往往无法选择,同时导致大量生产订单的拖期。
发明内容
为解决上述问题,本发明提供了一种基于启发式算法的库存匹配方法,提高了生产订单库存匹配的效率,减少了工作人员的劳动强度,降低了生产订单的拖期,提高了生产订单匹配的准确度。
为实现上述目的,本发明采取的技术方案为:
一种基于启发式算法的库存匹配方法,包括如下步骤:
S1、数据获取与处理:
S11:设置两个变量m、n,排序开始的时候:m=0,n=N-1;
S12:以第一个数组元素作为关键数据,赋值给Key,即Key=d0
S13:从n开始向前搜索,即由后开始向前搜索(n--),找到第一个小于Key的值dn,将dn赋给dm
S14:从m开始向后搜索,即由前开始向后搜索(m++),找到第一个大于Key的dm,将dm赋给dn
S15:重复步骤S13、S14,直到m=n;(步骤S13、S14中,没找到符合条件的值,即步骤S13dn不小于Key,步骤S14dm不大于key的时候改变n、m的值,使得n=n-1,m=m+1,直至找到为止。找到符合条件的值,进行交换的时候m,n指针位置不变。另外,m==n这一过程一定正好是m+或n-完成的时候,此时令循环结束)。
S2、基于变量选择启发式算法确定生产订单匹配顺序:
S21:生产订单多条件快速排序后,对于交货期di相同、优先级ai相同、需求量wi也相同的生产订单;
S22:给出生产订单关键度的定义;
S23:根据计算出的生产订单的关建度CR(i)并根据生产订单i的需求量wi进行生产订单库存匹配顺序的排序;
S24:优先选择CR(i)值越大且wi越大的生产订单进行库存匹配;
S3、基于启发式算法的库存匹配:
S31:初始化;
S31.1:生产订单信息初始化,获取ai、di、giwi等信息;
S31.2:库存微粉信息初始化,获取l、sgl、sol、ssl、swl、sdl等信息;
S31.3:选择指标初始化:置CR(i):=0,Ωi:=φ,i=1,...,I,l=1,2,...,L;
S32:选择经过变量选择启发式算法确定的生产订单的匹配顺序中的第i个工单(初始时i=1);
S33:根据生产订单的需求量wi和生产订单的牌号gi,遍历微粉信息,将满足订单i约束的微粉记录到订单匹配集合Ωi中;
S34:可匹配微粉集合中微粉的多条件排序,以得到微粉的被匹配顺序;
S34.1:根据微粉入库日期的差值DS,根据DS=sdl-sdm进行排序,以使得性能指标(b)最大化匹配出的微粉的入库时间得到满足;
S34.2:根据微粉氧含量的差值SO,根据SO=sol-som进行排序,以使得性能指标(c)最大化匹配出的微粉的氧含量得到满足;
S34.3:根据微粉平均粒度差值SS,根据SS=ssl-ssm进行排序,以使得性能指标(d)最小化匹配出的微粉的平均粒度得到满足;
S35:基于启发式算法并根据可匹配微粉集合中微粉的多条件排序结果进行库存匹配;
库存匹配要满足的约束如下:①库存微粉的牌号与生产订单的牌号属于同一性能序列且不低于订单要求,即满足公式该约束在获取可匹配的库存微粉集合时,已经自动满足;②一个生产订单最多与N0个库存编号的微粉匹配,即满足公式③与一个生产订单匹配的多个微粉的入库时间偏差不超过T0天,即满足公式 a b s ( sd l x l ( i ) - sd l ′ x l ′ ( i ) ) ≤ 30 , i = 1 , 2 , ... , I , l = 1 , 2 , ... , L , l ′ = 1 , 2 , ... , L ; ④生产订单匹配的库存粉重不能超过生产订单的需求量,即满足公式⑤任一个生产订单匹配的微粉对应的生产模数不超过M0模,即满足公式 Σ l = 1 L W l ( i ) x l ( i ) mo i w i ≤ M 0 , i = 1 , 2 , ... , I ;
S36:根据上述库存匹配需要满足的约束条件,按照微粉的多条件排序结果进行库存匹配,若匹配成功,转S39;否则,转下一步;
S37:基于生产订单的交货日期判断是否进行相同性能序列高牌号微粉的库存匹配,判断依据是生产订单i的交货日期di是不是小于7天,即di≤7;IFdi≤7,THEN即根据该规则,进行相同性能序列高牌号微粉的库存匹配,此时产生匹配损失,或进行约束松弛,以满足上述规则,转S35;否则,不进行相同性能序列高牌号微粉的库存匹配,提示该生产订单无可用库存微粉,转S38;
S38:确定所有的生产订单是否匹配完毕,若匹配完毕,转S310,否则转S39;
S39:i=i+1,转S33;
S310:库存匹配结束,基于启发式算法的库存匹配方法终止。
本发明具有以下有益效果:
提高了生产订单库存匹配的效率,减少了工作人员的劳动强度,降低了生产订单的拖期,提高了生产订单匹配的准确度。
附图说明
图1为库存匹配问题的描述。
图2为本发明实施例一种基于启发式算法的库存匹配方法的系统框图。
图3为本发明实施例的三种算法的库存匹配结果对比。
具体实施方式
为了使本发明的目的及优点更加清楚明白,以下结合实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图2所示,本发明实施例提供了一种基于启发式算法的库存匹配方法,包括如下步骤:
S1、数据获取与处理:
S11:设置两个变量m、n,排序开始的时候:m=0,n=N-1;S12:以第一个数组元素作为关键数据,赋值给Key,即Key=d0
S13:从n开始向前搜索,即由后开始向前搜索(n--),找到第一个小于Key的值dn,将dn赋给dm
S14:从m开始向后搜索,即由前开始向后搜索(m++),找到第一个大于Key的dm,将dm赋给dn
S15:重复步骤S13、S14,直到m=n;(步骤S13、S14中,没找到符合条件的值,即步骤S13dn不小于Key,步骤S14dm不大于key的时候改变n、m的值,使得n=n-1,m=m+1,直至找到为止。找到符合条件的值,进行交换的时候m,n指针位置不变。另外,m==n这一过程一定正好是m+或n-完成的时候,此时令循环结束)。
S2、基于变量选择启发式算法确定生产订单匹配顺序:
S21:生产订单多条件快速排序后,对于交货期di相同、优先级ai相同、需求量wi也相同的生产订单;
S22:给出生产订单关键度的定义;
S23:根据计算出的生产订单的关建度CR(i)并根据生产订单i的需求量wi进行生产订单库存匹配顺序的排序;
S24:优先选择CR(i)值越大且wi越大的生产订单进行库存匹配;
S3、基于启发式算法的库存匹配:
S31:初始化;
S31.1:生产订单信息初始化,获取ai、di、giwi等信息;
S31.2:库存微粉信息初始化,获取l、sgl、sol、ssl、swl、sdl等信息;
S31.3:选择指标初始化:置CR(i):=0,Ωi:=φ,i=1,...,I,l=1,2,...,L;
S32:选择经过变量选择启发式算法确定的生产订单的匹配顺序中的第i个工单(初始时i=1);
S33:根据生产订单的需求量wi和生产订单的牌号gi,遍历微粉信息,将满足订单i约束的微粉记录到订单匹配集合Ωi中;
S34:可匹配微粉集合中微粉的多条件排序,以得到微粉的被匹配顺序;
S34.1:根据微粉入库日期的差值DS,根据DS=sdl-sdm进行排序,以使得性能指标(b)最大化匹配出的微粉的入库时间得到满足;
S34.2:根据微粉氧含量的差值SO,根据SO=sol-som进行排序,以使得性能指标(c)最大化匹配出的微粉的氧含量得到满足;
S34.3:根据微粉平均粒度差值SS,根据SS=ssl-ssm进行排序,以使得性能指标(d)最小化匹配出的微粉的平均粒度得到满足;
S35:基于启发式算法并根据可匹配微粉集合中微粉的多条件排序结果进行库存匹配;
库存匹配要满足的约束如下:①库存微粉的牌号与生产订单的牌号属于同一性能序列且不低于订单要求,即满足公式该约束在获取可匹配的库存微粉集合时,已经自动满足;②一个生产订单最多与N0个库存编号的微粉匹配,即满足公式③与一个生产订单匹配的多个微粉的入库时间偏差不超过T0天,即满足公式 a b s ( sd l x l ( i ) - sd l ′ x l ′ ( i ) ) ≤ 30 , i = 1 , 2 , ... , I , l = 1 , 2 , ... , L , l ′ = 1 , 2 , ... , L ; ④生产订单匹配的库存粉重不能超过生产订单的需求量,即满足公式⑤任一个生产订单匹配的微粉对应的生产模数不超过M0模,即满足公式 Σ l = 1 L W l ( i ) x l ( i ) mo i w i ≤ M 0 , i = 1 , 2 , ... , I ;
S36:根据上述库存匹配需要满足的约束条件,按照微粉的多条件排序结果进行库存匹配,若匹配成功,转S39;否则,转下一步;
S37:基于生产订单的交货日期判断是否进行相同性能序列高牌号微粉的库存匹配,判断依据是生产订单i的交货日期di是不是小于7天,即di≤7;IFdi≤7,THEN即根据该规则,进行相同性能序列高牌号微粉的库存匹配,此时产生匹配损失,或进行约束松弛,以满足上述规则,转S35;否则,不进行相同性能序列高牌号微粉的库存匹配,提示该生产订单无可用库存微粉,转S38;
S38:确定所有的生产订单是否匹配完毕,若匹配完毕,转S310,否则转S39;
S39:i=i+1,转S33;
S310:库存匹配结束,基于启发式算法的库存匹配方法终止。
本具体实施给出LFF算法的具体执行规则和算法执行过程中两种策略。
(1)LFF算法的规则:对生产订单的排序是根据其需求量按照由高到低的顺序进行的;同时,对所有的库存微粉的优先级排序也是按其实际重量由高到低进行的。
(2)在LFF算法的实际执行过程中,本具体实施又进一步采取了以下两种策略:A策略,“以好充次”现象是运行的;B策略,“以好充次”现象是不允许的。
表1100桶微粉20个订单的计算结果
表2200桶微粉100个订单的计算结果
针对上述给出的LFF算法的具体规则,结合给出的两种执行策略,与本具体实施所提出的算法进行了仿真实验。表1和表2分别针对中等规模的问题和大规模的问题,评价指标是算法的计算时间、“以好充次”的具体比例和最终匹配的订单重量等。
由于本具体实施提出的基于启发式算法的库存匹配方法优化了生产订单库存匹配的总重量和库存匹配中“以好充次”的比例。针对100桶微粉20个生产订单的库存匹配结果,与“LFF规则+A策略”对应的算法相比,本具体实施所给出的算法在匹配生产订单总重量方面略差,较“LFF规则+策略A”的算法较少了0.22吨,但是在“以好充次”的比例方面有着非常明显的优势,由25%降低为10%;针对100桶微粉20个生产订单的库存匹配结果,与“LFF规则+B策略”对应的算法相比,本具体实施所给出的算法在匹配生产订单的总重量方面有优势,实际增加了0.22吨,但考虑“以好充次”的比例,“LFF规则+策略B”为0,优于本具体实施的方法,本具体实施算法的结果为10%,如图3所示。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种基于启发式算法的库存匹配方法,其特征在于,包括如下步骤:
S1、数据获取与处理:
S11:设置两个变量m、n,排序开始的时候:m=0,n=N-1;
S12:以第一个数组元素作为关键数据,赋值给Key,即Key=d0
S13:从n开始向前搜索,即由后开始向前搜索(n--),找到第一个小于Key的值dn,将dn赋给dm
S14:从m开始向后搜索,即由前开始向后搜索(m++),找到第一个大于Key的dm,将dm赋给dn
S15:重复步骤S13、S14,直到m=n;
S2、基于变量选择启发式算法确定生产订单匹配顺序:
S21:生产订单多条件快速排序后,对于交货期di相同、优先级ai相同、需求量wi也相同的生产订单;
S22:给出生产订单关键度的定义;
S23:根据计算出的生产订单的关建度CR(i)并根据生产订单i的需求量wi进行生产订单库存匹配顺序的排序;
S24:优先选择CR(i)值越大且wi越大的生产订单进行库存匹配;
S3、基于启发式算法的库存匹配:
S31:初始化;
S31.1:生产订单信息初始化,获取ai、di、giwi等信息;
S31.2:库存微粉信息初始化,获取l、sgl、sol、ssl、swl、sdl等信息;
S31.3:选择指标初始化:置CR(i):=0,Ωl:=φ,i=1,...,I,l=1,2,...,L;
S32:选择经过变量选择启发式算法确定的生产订单的匹配顺序中的第i个工单(初始时i=1);
S33:根据生产订单的需求量wi和生产订单的牌号gi,遍历微粉信息,将满足订单i约束的微粉记录到订单匹配集合Ωi中;
S34:可匹配微粉集合中微粉的多条件排序,以得到微粉的被匹配顺序;
S34.1:根据微粉入库日期的差值DS,根据DS=sdl-sdm进行排序,以使得性能指标(b)最大化匹配出的微粉的入库时间得到满足;
S34.2:根据微粉氧含量的差值SO,根据SO=sol-som进行排序,以使得性能指标(c)最大化匹配出的微粉的氧含量得到满足;
S34.3:根据微粉平均粒度差值SS,根据SS=ssl-ssm进行排序,以使得性能指标(d)最小化匹配出的微粉的平均粒度得到满足;
S35:基于启发式算法并根据可匹配微粉集合中微粉的多条件排序结果进行库存匹配;
库存匹配要满足的约束如下:①库存微粉的牌号与生产订单的牌号属于同一性能序列且不低于订单要求,即满足公式sgl≥gi该约束在获取可匹配的库存微粉集合时,已经自动满足;②一个生产订单最多与N0个库存编号的微粉匹配,即满足公式③与一个生产订单匹配的多个微粉的入库时间偏差不超过T0天,即满足公式 a b s ( sd l x l ( i ) - sd l ′ x l ′ ( i ) ) ≤ 30 , i = 1 , 2 , ... , I , l = 1 , 2 , ... , L , l ′ = 1 , 2 , ... , L ; ④生产订单匹配的库存粉重不能超过生产订单的需求量,即满足公式⑤任一个生产订单匹配的微粉对应的生产模数不超过M0模,即满足公式 Σ l = 1 L W l ( i ) x l ( i ) mo i w i ≤ M 0 , i = 1 , 2 , ... , I ;
S36:根据上述库存匹配需要满足的约束条件,按照微粉的多条件排序结果进行库存匹配,若匹配成功,转S39;否则,转下一步;
S37:基于生产订单的交货日期判断是否进行相同性能序列高牌号微粉的库存匹配,判断依据是生产订单i的交货日期di是不是小于7天,即di≤7;IFdi≤7,THEN即根据该规则,进行相同性能序列高牌号微粉的库存匹配,此时产生匹配损失,或进行约束松弛,以满足上述规则,转S35;否则,不进行相同性能序列高牌号微粉的库存匹配,提示该生产订单无可用库存微粉,转S38;
S38:确定所有的生产订单是否匹配完毕,若匹配完毕,转S310,否则转S39;
S39:i=i+1,转S33;
S310:库存匹配结束,基于启发式算法的库存匹配方法终止。
CN201610015119.5A 2016-01-04 2016-01-04 一种基于启发式算法的库存匹配方法 Pending CN105719114A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610015119.5A CN105719114A (zh) 2016-01-04 2016-01-04 一种基于启发式算法的库存匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610015119.5A CN105719114A (zh) 2016-01-04 2016-01-04 一种基于启发式算法的库存匹配方法

Publications (1)

Publication Number Publication Date
CN105719114A true CN105719114A (zh) 2016-06-29

Family

ID=56147744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610015119.5A Pending CN105719114A (zh) 2016-01-04 2016-01-04 一种基于启发式算法的库存匹配方法

Country Status (1)

Country Link
CN (1) CN105719114A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403264A (zh) * 2017-07-14 2017-11-28 沈阳工程学院 一种考虑生产设备调度计划约束的运输设备钢包路径编制方法
CN109472528A (zh) * 2018-10-23 2019-03-15 佛山欧神诺云商科技有限公司 一种自动配货方法及装置
CN110390604A (zh) * 2018-04-19 2019-10-29 北京京东尚科信息技术有限公司 一种加载订单的方法和装置
CN111091444A (zh) * 2019-11-28 2020-05-01 西安隆基绿能智能技术合伙企业(有限合伙) 太阳能电池片匹配方法、装置及电子设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1556486A (zh) * 2003-12-31 2004-12-22 冶金自动化研究设计院 一种一体化的钢铁企业生产过程在线计划调度系统与方法
CN103824136A (zh) * 2014-03-13 2014-05-28 西安工业大学 一种mes动态车间调度制造执行系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1556486A (zh) * 2003-12-31 2004-12-22 冶金自动化研究设计院 一种一体化的钢铁企业生产过程在线计划调度系统与方法
CN103824136A (zh) * 2014-03-13 2014-05-28 西安工业大学 一种mes动态车间调度制造执行系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐冠群: "基于启发式规则的成型-烧结生产计划方法", 《基于启发式规则的烧结钕铁硼成型-烧结生产计划软件的研发》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403264A (zh) * 2017-07-14 2017-11-28 沈阳工程学院 一种考虑生产设备调度计划约束的运输设备钢包路径编制方法
CN110390604A (zh) * 2018-04-19 2019-10-29 北京京东尚科信息技术有限公司 一种加载订单的方法和装置
CN110390604B (zh) * 2018-04-19 2024-02-09 北京京东尚科信息技术有限公司 一种加载订单的方法和装置
CN109472528A (zh) * 2018-10-23 2019-03-15 佛山欧神诺云商科技有限公司 一种自动配货方法及装置
CN111091444A (zh) * 2019-11-28 2020-05-01 西安隆基绿能智能技术合伙企业(有限合伙) 太阳能电池片匹配方法、装置及电子设备
CN111091444B (zh) * 2019-11-28 2023-09-26 西安隆基智能技术有限公司 太阳能电池片匹配方法、装置及电子设备

Similar Documents

Publication Publication Date Title
Kantorovich Mathematical methods of organizing and planning production
CN105719114A (zh) 一种基于启发式算法的库存匹配方法
Songer et al. Project characteristics for successful public-sector design-build
Xu et al. Energy-efficient steelmaking-continuous casting scheduling problem with temperature constraints and its solution using a multi-objective hybrid genetic algorithm with local search
CN102651114B (zh) 一种提高钢铁企业板坯利用率的板坯与合同转用匹配方法
Wang et al. Information processing structures and decision making delays in MRP and JIT
CN113379087A (zh) 一种基于改进遗传算法的生产制造排产优化方法
CN110404965A (zh) 考虑非定尺订单规格柔性的热轧中厚板组板及板坯设计的方法及模型系统
Terbrack et al. Energy-oriented production planning in industry: A systematic literature review and classification scheme
CN112257946B (zh) 一种突发紧急状态下装备运输多目标优化模型
CN116502989B (zh) 一种基于混合平衡优化算法的冷链物流车辆路径优化方法
Leng et al. A genetic algorithm approach for TOC-based supply chain coordination
CN113065708A (zh) 基于动态规划的lng接收站确定需求储备控制方法
Bertsimas et al. Decarbonizing OCP
Tang et al. Operations research transforms Baosteel’s operations
CN108985507A (zh) 基于大数据的多元交易能源协调优化方法和装置
Reyes et al. Applying Lean Manufacturing Techniques to Distribution Requirements Planning in Ecuadorian Flour Industry
CN113516355A (zh) 一种面向综合能源服务的推荐方法
Tang et al. Multiobjective lot sizing and scheduling of multiproduct switching production in the process industry considering uncertain market information under mass customization
Al-Ashhab et al. Multi-Product Master Production Scheduling Optimization Modelling Using Mixed Integer Linear Programming And Genetic Algorithms
Wang et al. A comparative study on mass customization mode with multiple CODPs and the one with single CODP
Mehdi et al. Efficiency of Green Supply Chain in the presence of non-discretionary and undesirable factors, using Data Envelopment Analysis
Xu et al. Structural properties of the lost sales problem with fractional lead times
CN113836720B (zh) 考虑多重不确定性及气候变化的双目标能源系统规划方法
Fujita A Decision Tool for the Water-Energy Nexus in Jordan

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: 20160629