CN107944695B - 一种基于生产不确定性的关键链缓冲区设置方法 - Google Patents
一种基于生产不确定性的关键链缓冲区设置方法 Download PDFInfo
- Publication number
- CN107944695B CN107944695B CN201711167394.XA CN201711167394A CN107944695B CN 107944695 B CN107944695 B CN 107944695B CN 201711167394 A CN201711167394 A CN 201711167394A CN 107944695 B CN107944695 B CN 107944695B
- Authority
- CN
- China
- Prior art keywords
- time
- order
- resource
- key chain
- evaluation index
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 281
- 239000000872 buffer Substances 0.000 title claims abstract description 62
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims description 44
- 230000000694 effects Effects 0.000 claims description 5
- 238000002360 preparation method Methods 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 4
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 12
- 238000005259 measurement Methods 0.000 abstract description 4
- 239000011159 matrix material Substances 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000003139 buffering effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于生产不确定性的关键链缓冲区设置方法。本发明首先获取客户的优先级系数、订单的优先级系数,再采用启发算法生成一个基于优先级规则的调度计划,再将得到的调度计划分别进行左右移操作,得到两个新的调度计划,并对各工序的开始时间进行比较获取各工序的自由时差,则自由时差为零的工序即为关键链工序,从而得到关键链,再基于自由时差和改进的根方差法设置输入、项目和资源缓冲区的缓冲区大小。本发明采用资源利用度与变动性度量结合对根方差法进行改进,针对复杂生产环境下大量不确定因素对缓冲区计算的影响问题,通过对工序加工时间变动性的准确度量来修正根方差法的计算结果,有效提升了缓冲区计算的准确性。
Description
技术领域
本发明属于关键链技术领域,尤其涉及一种面向生产不确定性的关键链的改进缓冲区设置方法。
背景技术
研究科学而有效的生产调度控制算法,开发实用稳定的生产调度管理系统成为生产制造企业的迫切需求。传统生产调度方法针对变动性对生产过程的影响研究不足,大部分的研究成果都集中在调度策略、瓶颈控制、设备负荷分配以及任务分派等方面,将生产线作为一个整体来评估生产周期、生产速率和在制品的整体性能,继而量化不确定因素以及研究他们对于生产制造系统性能影响方面研究不够深入。
关键链自高德拉特提出以来,在项目管理领域得到广泛应用,形成了关键链项目管理技术(CCPM),其主要包括下列三个步骤:(1)用50%完工概率的可能完成时间作为工序持续时间的估计;(2)识别资源约束,将关键链(在满足任务逻辑、资源等约束条件下,时间最长的路径即为关键链)而不是关键路径作为计划工期;(3)通过引入缓冲机制消除项目中的不确定性因素,即将整个项目中所有的工序视为一个系统,然后把项目中各道工序消减的安全时间按一定比例进行聚合利用,采用全局安全时间来保证整个项目的按期完成,即采用风险聚合的原理剥离各活动的安全时间,形成多种缓冲(项目缓冲,输入缓冲和资源缓冲),将缓冲集中置于项目的特殊位置来抵消因各种原因造成的随机延误,从而保证项目能够按期完成。
而在生产调度方面的应用还处于起步阶段,大部分研究采用的是关键链在项目管理中的实施方法(即CCPM),针对生产不确定因素对关键链在生产调度方法应用过程中影响考虑不足,没有将生产不确定性进行量化并考虑其对缓冲区设置的影响。
发明内容
本发明针对关键链应用于生产调度时,复杂生产环境下大量不确定因素对缓冲区设置的影响等技术问题,提出一种通过工厂物理学变动性理论对根方差法进行改进来对关键链生产调度进行缓冲区设置的处理方法,从而提高生产调度方法对企业生产性能的提升能力。本发明首先通过CARVER(重要性(Criticality)、易接近性(Accessibility)、回报(Return)、已完成性(Vulnerability)、影响(Effect)和具体性(Recognizability)的缩写)矩阵和系统评价方法设计优先级规则,然后基于优先级规则并使用启发式算法对多个订单的工序进行排序生成基准生产计划并识别关键,再通过对调度计划进行左移右移操作计算任一工序i的自由时差,最终通过工厂物理学变动性理论对工序加工时间变动性的度量以及资源利用度的计算来改进根方差法并完成缓冲区设置,其得到的缓冲区设置精确、适应性高,进而实现综合考虑客户、订单及工序优先级的多目标关键链生产调度。
本发明的基于生产不确定性的关键链缓冲区设置方法包括下列步骤:
步骤一、计算订单工序优先级系数:
输入不同客户的五个客户评价指标信息,基于各客户评价指标的预设得分基准得到每个客户在每个客户评价指标下的得分,其中每个客户评价指标的得分尺度相同,对同一客户的各客户评价指标得分进行加权求和得到任意客户c的加权重要度CTI(c)′,根据公式CTI(c)=CTI(c)′/M得到当前客户c的重要度CTI(c),其中M表示每个客户评价指标的得分尺度数,所述五个客户评价指标包括合作时间、年订购额、资金规模、利润率和诚信度,其中各客户评价指标的权重为预设值,优选采用逐对比较法设置个客户评价指标的权重的具体值;
输入每个订单的五个订单评价指标信息,基于各订单评价指标的预设得分基准得到每个订单在每个订单评价指标下的得分,用CVRR(o)表示任意订单o的所述五个订单评价指标的得分加权和,根据公式PP(o)=CVRR(o)/Max{CVRR(o)}得到当前订单o的订单优先度级PP(o),其中符号Max{·}表示求集合的最大值;所述五个订单评价指标包括收益、紧急性、订单金额、贡献度和完成难度,且对应的权重为预设值,优选采用逐对比较法设置订单评价指标的权重的具体值;
输入每个订单的各工序的直属后续工序数量,记为T(o,j),其中o为订单区分符,j为工序区分符,则工序的直属后续工序度TP(o,j)为:TP(o,j)=T(o,j)/Max{T(o,j)};
输入每个订单中资源需求相同的各工序在不同时刻t的延期时长,记为D(o,j,t),根据公式DP(o,j,t)=D(o,j)/Max{D(o,j,t)}得到资源需求相同的多个工序中订单o的工序j在t时刻的延期时长度DP(o,j,t);
根据公式PTD(c,o,j,t)=(1+a0CTI(c))(a1×PP(o)+a2×TP(o,j)+a3×DP(o,j,t))计算订单o的工序j在不同t时刻的工序优先级系数PTD(c,o,j,t),其中a0,a1,a2,a3为预设权重,取0到1的值,且a1+a2+a3=1;
步骤二、基于工序优先级系数PTD(c,o,j,t),采用串行调度方法生成初始可行调度方案,再采用左移和右移操作识别关键链,以及获取任一工序i的自由时差FSi;
步骤三、设置三种缓冲区的大小并输出设置结果:
(一)分别计算输入缓冲区的资源利用度r′1、项目缓冲区的资源利用度r′2、资源缓冲区的资源利用度r′3,其中 J表示订单的工序数,rjk表示工序j对资源k的需求量,dj表示工序j的工期,Rk表示资源k的总可用量,λ∈{1,2,3},T1表示非关键链的长度,T2表示关键链的长度,T3表示资源缓冲区所在工序到关键链的第一个工序的长度;
(二)设置输入缓冲区的大小:
(三)设置项目缓冲区的大小:
(四)设置资源缓冲区的大小为RB=r3'×RPik,其中RPik表示工序i对于资源k的平均准备时间。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
(1)缓冲区设置准确性有所提高:本发明采用资源利用度与变动性度量结合对根方差法进行改进,针对复杂生产环境下大量不确定因素对缓冲区计算的影响问题,通过对工序加工时间变动性的准确度量来修正根方差法的计算结果,比较符合生产实际情况,使得缓冲区计算的准确性有所提高。
(2)综合考虑调度目标比传统的单一目标更符合当下企业生产目标:结合CARVER矩阵和系统评价方法对客户、订单以及工序优先级进行综合评价,实现多目标的生产调度。
附图说明
图1是关键链识别流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合实施方式和附图,对本发明作进一步地详细描述。
本发明采用CARVER矩阵和系统评价方法设计优先级规则,然后基于所设计的优先级规则采用启发式算法进行关键链识别,最终通过工厂物理学变动性理论和资源利用度度量完成缓冲区设置,在保证缓冲区设置准确性的前提下实现多目标的关键链生产调度。其具体实现步骤如下:
步骤1、设计优先级规则。
1.1设置客户重要度:
对于多订单的生产排程,在相同的订单情况下应该优先考虑更为重要的客户的订单,这样会给企业带来更大的经济效益和发展前景。对于客户重要度的计算本发明采用经典的CARVER矩阵方法来计算,考虑到实际应用情况将CARVER方法进行重新设计,采用以下五个指标:合作时间、年订购额、资金规模、利润率、诚信度,并为每个指标预置得分基准以及为每个指标设置权重,例如通过系统工程系统评价方法——逐对比较法来确定各项指标的权重。确定权重参数的评价表如表1所示:
表1客户重要度权重参数评价表
对应每项指标的得分基准可以如表2所示:
表2客户重要度指标得分基准
即可以设置每项指标的满分为5分且各个指标的加权系数分别为0.0、0.3、0.2、0.4、0.1。用c表示任意客户,则客户c的加权客户重要度CTI(c)′为五个指标的得分加权和,从而得到客户c的客户重要度CTI(c)为:CTI(c)=CTI(c)′/5。
合作时间、资金规模和诚信度三个指标用于度量客户的可靠程度,越可靠的客户应当优先考虑其订单;年订购额和利润率用于衡量客户订单可获利程度,获利程度越大的客户应当优先考虑其订单以获取更大的利润。
1.2设置订单优先级:
在不考虑其他因素的影响下,高优先级订单的工序应该比低优先级订单的工序优先加工,采用CARVER矩阵方法并通过以下五个指标:紧急性、完成难度、收益、订单金额、影响,对订单优先级进行评价,确定权重参数的评价表可如表3所示:
表3订单优先级权重参数评价表
因此得到五个指标的权重参数分别为0.3、0.0、0.4、0.2、0.1。由于订单优先级的五个指标具体的得分基准基于企业的领导层决定,因此应该根据企业的实际情况来给出具体的得分基准,不同的企业对于五项指标的得分情况不同,因此在本发明不做具体限定。
紧急性指客户对于所要生产产品的需求紧急程度;完成难度指订单所生产产品的复杂程度;收益指订单的利润总额;订单金额指订单的总金额,体现为该订单的规模;影响指完成该订单对公司的发展能够做出的贡献程度,比如重大项目的订单完成之后能够对公司未来发展做出关键性的贡献。以上五个指标每项总分可以设置为与客户重要度的指标相同,也可不同,本具体实施方式中,设置为5分,并根据实际情况设定每个指标的加权系数。
用CVRR(o)表示任意订单o的以上五个指标的加权和,通过归一化处理得到订单优先度级PP(o)为:PP(o)=CVRR(o)/Max{CVRR(o)},其中0≤PP(o)≤1,符号Max{·}表示求集合的最大值。
1.3工序的直属后续工序数量:
订单中的工序越靠前,其出现延期后对后续工序的影响以及最后整个订单的完工时间的影响也就越大,因此这个参数表示了工序在订单中所处的位置对其订单完工时间的影响。
令T(o,j)为订单o中编号为j的工序的直属后序工序的数量,对其进行归一化处理,得到工序的直属后续工序度TP(o,j)为:TP(o,j)=T(o,j)/Max{T(o,j)},其中0≤TP(o,j)≤1。
1.4工序的延期时长:
在其他条件相同的情况下,一个工序延期越久对后续工序的影响以及订单完工时间的影响也就越大,因此延期越长的工序应该优先于其他工序执行。延期时长通过当前时间与工序计划开始时间之差表示,如果为正数则表明该工序已经过了计划开始时间还没有被执行,也即延期,用D(o,j,t)表示资源需求相同的多个工序中订单o的j工序在t时刻的延期时长,则第o个订单的第j个工序在t时刻的延期时长度DP(o,j,t)为:DP(o,j,t)=D(o,j)/Max{D(o,j,t)},其中0≤DP(o,j,t)≤1。
1.5多订单工序优先级系数确定:
综合CTI(c)、PP(o)、TP(o,j)和DP(o,j,t)可得到多订单中各工序的优先级系数PTD(c,o,j,t)为:PTD(c,o,j,t)=(1+a0CTI(c))(a1×PP(o)+a2×TP(o,j)+a3×DP(o,j,t)),其中a0,a1,a2,a3为所述四个因素的权重,取0到1的值,且a1+a2+a3=1。其中由于客户重要度对于订单是整体性的影响,而为了调节客户重要度对订单工序的影响程度,采用1+a0CTI(c)作为客户重要度影响因子,调节a0的大小就可以直接调节客户重要度对于订单的影响程度。
步骤2、关键链识别。
首先,根据设计的优先级规则分别对客户优先级、订单优先级以及工序优先级进行计算,并通过以上三个参数计算最终的工序优先级。
其次,根据所计算的工序优先级情况,结合启发式算法生成基准调度方案;
然后,通过对基准调度方案通过关键链识别技术识别关键链。
基于优先级规则的关键链识别算法具体流程如图1所示:
2.1根据设计的优先级规则分别对客户优先级、订单优先级以及工序优先级进行计算,并通过以上三个参数计算最终的工序优先级PTD(c,o,j,t),简称PTD。
2.2采用串行调度方法生成初始可行调度方案,记工序i的开始时间为ETi,结束时间为FTi,紧后工序集合为S(i),工序数为n,各工序的最早开始时间EST,工序的紧后工序开始时间等于该工序的结束时间。则在第一步计算工序优先权的基础上,具体的算法步骤如下:
1)不考虑工序间的资源约束,初始化各工序的第一最早开始时间EST为0,并将所有工序按照开始时间ETi从小到大排序生成工序队列Q(S)。其中,参数EST用于标记还未被串行调度的工序最早能在什么时间开始,也即已经进行串行调度的工序中最后一个工序的结束时间,从实际生产来看已经排序的工序的最后一个工序的结束时间必然是要不晚于接下来工序(还未排序的工序)中最早开始工序的开始时间的,最开始的时候已经排序的工序为0,则对应的EST为0,随着串行调度的开始,则EST等于已经串行调度的工序中,FTi参数最大的一个;
2)从工序队列Q(S)中选取第一个工序i进行调度,令其开始时间ETi=EST,判断工序i在执行时间段[ETi,FTi]内是否和其他工序有资源冲突,若产生资源冲突则根据产生资源冲突工序的工序优先权PTD判断大小,选取工序优先权较小的工序j令其开始时间ETj=ETj+1,FTj=FTj+1,若工序j已经在i之前被调度且工序j存在后续已被调度的工序,则工序j的后续已被调度的工序的开始时间与结束时间与j工序一样同步加一,然后重新判断是否存在资源冲突。
3)若时间段[ETi,FTi]内没有资源冲突,则工序i调度完成,根据工序的紧后工序开始时间等于该工序的结束时间规则依次更新工序i的紧后工序集的开始时间。同时更新各工序的最早开始时间:若FTi>EST,则EST=FTi;否则EST保持不变。
4)从工序队列Q(S)中删除工序i,若Q(S)为空,则调度结束,否则转到步骤2。
在所得到的调度方案中,具有依存关系的工序组成的最长的工序链即为关键链,其余具有依存关系的工序链为非关键链。其中,对于具有依存关系的两个工序定义为:由于工序i和工序j同时需要一种瓶颈资源(如具有特殊技能的工程师)或工序i和工序j具有生产上的前后关系,工序j的开始要等到工序i的结束(即完成对开始的关系),这样的两个工序成为具有依存关系的两个工序。
2.3通过以上步骤生成初始可行调度方案之后,采用左移右移操作识别关键链,对于工序i,改变其开始时间ETi的同时满足资源约束和工序紧前关系约束,并且其他工序的开始时间不发生变化,则该操作定义为对工序i的移动。同时,设定订单的执行时间为固定值:[ST0,FTn+1],其中工序0和工序n+1为虚工序,分别表示订单的开始和结束两个阶段,即,则对于订单的任一工序i满足:ST0≦ETi≦STn+1且FT0≦FTi≦FTn+1,其中ST0、STn+1表示订单的各工序的开始时间的时间边界,FT0、FTn+1表示订单的各工序的结束时间的时间边界。
用左移右移操作识别关键链的具体步骤如下:
1)从初始可行调度方案中开始时间最晚的工序开始,从后往前选取工序i。
2)右移操作:针对工序i,令ETi=ETi+1,FTi=FTi+1,判断此时在工序i的执行阶段[ETi,FTi]是否满足资源约束和工序紧前关系约束,若满足则继续执行以上操作;若不满足则执行回退操作:ETi=ETi-1,FTi=FTi-1,并选择下一工序直到i=0。
3)在步骤2)执行完毕之后,分别记录各工序的最晚开始时间LSTi=ETi。
4)从上述右移操作之后的调度方案中开始时间最早的工序开始,从前往后选取工序i。
5)左移操作:针对工序i,令ETi=ETi-1,FTi=FTi-1,判断此时在工序i的执行阶段[ETi,FTi]是否满足资源约束和工序紧前关系约束,若满足则继续执行以上操作;若不满足则执行回退操作:ETi=ETi+1,FTi=FTi+1,并选择下一工序直到i=0。
6)在步骤5)执行完毕之后,分别记录各工序的第二最早开始时间ESTi=ETi。
7)计算各工序的自由时差:TSi=LSTi-ESTi,若TSi=0则表示该工序为关键链工序,否则为非关键链工序,最终由关键链工序组成的工序序列则为关键链。
步骤3、缓冲区设置。
首先根据公式r′=mkax{RUF(k)}+1计算各资源的资源利用度r′,其中J表示订单的工序数,rjk表示工序j对资源k的需求量,dj表示工序j的工期,Rk表示资源k的总可用量,T表示当前关键链工序之前的关键链长度,即在计算项目缓冲时,T表示关键链的长度,在计算输入缓冲时,T表示非关键链的长度,在计算某一工序的资源缓冲时,表示关键链上的当前工序及前序关键链工序长度。
其次,基于实际生产的工序变动性关系,设置工站加工时间变动性的调整系数a0。
然后,设置输入缓冲区、项目缓冲区和资源缓冲区的大小:
(1)输入缓冲区:
a、改进根方差法:
b、非关键链上任意工序j的自由时差FSj由本发明的对初始生产调度计划进行左移右移计算得到。
c、输入缓冲大小确认:
取以上两个计算结果中的较小值作为输入缓冲大小FB,即FB=min(FB1,∑FSj)。
(2)项目缓冲区:
a、改进根方差法:
项目缓冲作为关键链工序的缓冲设置在关键链最后一个工序之后保证关键链工序不至于延期,与输入缓冲类似,本发明对项目缓冲采用与输入缓冲相同的处理方式,即关键链加工时间标准差其中指关键链活动序列上各活动的工期方差值,c′k表示关键链最后一个工序的加工时间变动性。
b、关键链工序序列上任意工序j的自由时差PSj由本发明的对初始生产调度计划进行左移右移计算得到,即PSj=FSj。
c、项目缓冲大小确认:
同样的取较小值作为项目缓冲大小PB,即PB=min(PB1,∑PSj)。
(3)资源缓冲区:
由于资源缓冲的目的在于提醒资源就位,而工序的资源就位准备是基于资源利用情况,即资源越是紧张则需要准备的时间越久,因此本发明采用资源利用度参数来对资源缓冲进行调整,即资源缓冲大小RB为:RB=r3'×RPik,其中RPik表示工序i对于资源k的平均准备时间。通过在关键链生产调度方案中加入上述缓冲区设置就完成了最终的关键链生产调度方案。
以上所述,仅为本发明的具体实施方式,本说明书中所公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换;所公开的所有特征、或所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以任何方式组合。
Claims (3)
1.一种基于生产不确定性的关键链缓冲区设置方法,其特征在于,包括下列步骤:
步骤一、计算订单工序优先级系数:
输入不同客户的五个客户评价指标信息,基于各客户评价指标的预设得分基准得到每个客户在每个客户评价指标下的得分,其中每个客户评价指标的得分尺度相同,对同一客户的各客户评价指标得分进行加权求和得到任意客户c的加权重要度CTI(c)′,根据公式CTI(c)=CTI(c)′/M得到当前客户c的重要度CTI(c),其中M表示每个客户评价指标的得分尺度数,所述五个客户评价指标包括合作时间、年订购额、资金规模、利润率和诚信度,其中各客户评价指标的权重为预设值;
输入每个订单的五个订单评价指标信息,基于各订单评价指标的预设得分基准得到每个订单在每个订单评价指标下的得分,用CVRR(o)表示任意订单o的所述五个订单评价指标的得分加权和,根据公式PP(o)=CVRR(o)/Max{CVRR(o)}得到当前订单o的订单优先度级PP(o),其中符号Max{·}表示求集合的最大值;所述五个订单评价指标包括收益、紧急性、订单金额、贡献度和完成难度,其中各订单评价指标的权重为预设值;
输入每个订单的各工序的直属后续工序数量,记为T(o,j),其中o为订单区分符,j为工序区分符,则工序的直属后续工序度TP(o,j)为:TP(o,j)=T(o,j)/Max{T(o,j)};
输入每个订单中资源需求相同的各工序在不同时刻t的延期时长,记为D(o,j,t),根据公式DP(o,j,t)=D(o,j)/Max{D(o,j,t)}得到资源需求相同的多个工序中订单o的工序j在t时刻的延期时长度DP(o,j,t);
根据公式PTD(c,o,j,t)=(1+a0CTI(c))(a1×PP(o)+a2×TP(o,j)+a3×DP(o,j,t))计算订单o的工序j在不同时刻t的工序优先级系数PTD(c,o,j,t),其中a0,a1,a2,a3为预设权重,取0到1的值,且a1+a2+a3=1;
步骤二、基于工序优先级系数PTD(c,o,j,t),采用串行调度方法生成初始可行调度方案并识别关键链,通过左移和右移操作计算任一工序i的自由时差FSi;
采用串行调度方法生成初始可行调度方案并识别关键链具体为:
(一)初始化各工序的第一最早开始时间EST为0,获取各工序的开始时间ETi和结束时间FTi,并将所有工序按照开始时间ETi从小到大排序生成工序队列Q(S);
(二)从工序队列Q(S)中选取第一个工序i进行调度,令其开始时间ETi=EST,判断工序i在执行时间段[ETi,FTi]内是否和其它工序存在资源冲突,若是,则根据产生资源冲突工序的工序优先级系数PTD(c,o,j,t),选取工序优先级系数较小的工序j及工序j的所有后续关联的已经调度的工序并设置其开始时间ETj=ETj+1,结束时间FTj=FTj+1重新进行资源冲突判断;
(三)若时间段[ETi,FTi]内不存在资源冲突,则工序i调度完成,根据工序的紧后工序开始时间等于该工序的结束时间规则依次更新工序i的紧后工序集的开始时间;同时更新各工序的最早开始时间:若FTi>EST,则EST=FTi;否则EST保持不变;以及从工序队列Q(S)中删除当前工序i,若Q(S)为空,则调度结束,否则继续执行步骤(二);
(四)在得到的调度方案中,具有依存关系的工序组成的最长的工序链为关键链,其中,对于具有依存关系的两个工序定义为:由于工序i和工序j同时需要同种瓶颈资源,或工序i和工序j具有生产上的前后关系,即工序j的开始要等到工序i的结束;
步骤三、设置三种缓冲区的大小并输出:
(一)分别计算输入缓冲区的资源利用度r1′、项目缓冲区的资源利用度r′2、资源缓冲区的资源利用度r′3,其中J表示订单的工序数,rjk表示工序j对资源k的需求量,dj表示工序j的工期,Rk表示资源k的总可用量,λ∈{1,2,3},Tλ表示当前关键链工序之前的关键链长度;
(二)设置输入缓冲区的大小:
(三)设置项目缓冲区的大小:
(四)设置资源缓冲区的大小为RB=r′3×RPik,其中RPik表示工序i对于资源k的平均准备时间。
2.如权利要求1所述的方法,其特征在于:步骤二中,采用左移和右移操作计算工序自由时差具体为:
从初始可行调度方案中开始时间最晚的工序开始,从后往前选取工序,用i表示当前工序;并对当前工序i进行右移操作:更新工序i的开始时间ETi=ETi+1,结束时间FTi=FTi+1,判断工序i在当前执行阶段[ETi,FTi]是否满足资源约束和工序紧前关系约束,若是,则对工序i在满足需求的时间边界内继续进行右移操作;若否,则执行回退操作:ETi=ETi-1,FTi=FTi-1,并选择下一工序进行右移操作,直到i=0;
在执行完毕右移操作后得到右移操作调度方案,并分别记录各工序的第二最晚开始时间LSTi=ETi;
从所述右移操作调度方案中开始时间最早的工序开始,从前往后选取工序,用i表示当前工序;并对当前工序i进行左移操作:更新工序i的开始时间ETi=ETi-1,结束时间FTi=FTi-1,判断工序i在当前执行阶段[ETi,FTi]是否满足资源约束和工序紧前关系约束,若是,则对工序i在满足需求的时间边界内继续进行左移操作;若否,则执行回退操作:ETi=ETi+1,FTi=FTi+1,并选择下一工序进行左移操作,直到i=0;
在执行完毕左移操作后,分别记录各工序的第二最早开始时间ESTi=ETi;
基于左、右移操作得到的第二最早开始时间计算各工序的自由时差:FSi=LSTi-ESTi。
3.如权利要求1所述的方法,其特征在于,客户评价指标和/或订单评价指标的权重设置方法为系统评价方法中的逐对比较法,且客户评价指标和订单评价指标的权重具体为:
客户评价指标的权重分别为:合作时间的权重为0.0、年订购额的权重为0.3、资金规模的权重为0.2、利润率的权重为0.4、诚信度的权重为0.1;
订单评价指标的权重分别为:收益的权重为0.4、紧急性的权重为0.3、订单金额的权重为0.2、贡献度的权重为0.1、完成难度的权重为0.0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711167394.XA CN107944695B (zh) | 2017-11-21 | 2017-11-21 | 一种基于生产不确定性的关键链缓冲区设置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711167394.XA CN107944695B (zh) | 2017-11-21 | 2017-11-21 | 一种基于生产不确定性的关键链缓冲区设置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107944695A CN107944695A (zh) | 2018-04-20 |
CN107944695B true CN107944695B (zh) | 2022-03-15 |
Family
ID=61930518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711167394.XA Active CN107944695B (zh) | 2017-11-21 | 2017-11-21 | 一种基于生产不确定性的关键链缓冲区设置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107944695B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108646684B (zh) * | 2018-05-30 | 2020-10-23 | 电子科技大学 | 一种基于变动性度量的多产品生产线生产周期预测方法 |
CN109711676A (zh) * | 2018-12-04 | 2019-05-03 | 三峡大学 | 一种考虑多因素影响下的关键链缓冲区缓冲量确定方法 |
CN109767118A (zh) * | 2019-01-11 | 2019-05-17 | 沈阳建筑大学 | 一种在具有可重入工序的客车涂装车间中有限缓冲区动态容量预留方法 |
CN110059876B (zh) * | 2019-04-13 | 2023-05-02 | 西北工业大学 | 整批加工方式下产品组合与调度优化方法 |
CN110245842B (zh) * | 2019-05-24 | 2022-11-25 | 电子科技大学 | 一种面向设备突发大故障的生产线风险调度方法 |
CN111932002B (zh) * | 2020-07-30 | 2024-03-19 | 江苏大学 | 一种基于边缘智能的制造车间生产物料预测性配送方法 |
CN112327786A (zh) * | 2020-11-19 | 2021-02-05 | 哈尔滨理工大学 | 设备非占用时间段动态调整的综合调度方法 |
CN113723766B (zh) * | 2021-08-09 | 2023-04-25 | 苏州中材建设有限公司 | 一种基于缓冲区的水泥生产线进度监测预警方法 |
CN115032957B (zh) * | 2022-06-30 | 2024-02-06 | 中国电信股份有限公司 | 生产调度方法及装置、存储介质、电子设备 |
CN117132095B (zh) * | 2023-08-07 | 2024-03-01 | 中国船舶集团有限公司第七一九研究所 | 一种基于缓冲区监控的船舶研制进度管理系统 |
CN117391423B (zh) * | 2023-12-11 | 2024-03-22 | 东北大学 | 一种芯片高多层陶瓷封装基板产线多约束自动化排程方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609820A (zh) * | 2012-02-17 | 2012-07-25 | 北京航空航天大学 | 一种基于项目特性的关键链缓冲调整方法 |
CN103761614A (zh) * | 2014-01-20 | 2014-04-30 | 北京仿真中心 | 一种基于关键链的项目进度管理方法 |
CN104635772A (zh) * | 2014-12-08 | 2015-05-20 | 南京信息工程大学 | 一种制造系统自适应动态调度方法 |
CN104820872A (zh) * | 2015-05-06 | 2015-08-05 | 华北电力大学 | 工程项目中利用潜在反关键工序进行项目工期优化的方法 |
US9292638B1 (en) * | 2014-01-21 | 2016-03-22 | Altera Corporation | Method and apparatus for performing timing closure analysis when performing register retiming |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463443B (zh) * | 2014-11-25 | 2018-01-16 | 清华大学 | 求解资源受限下不确定性审计活动的方法及系统 |
CN106709646A (zh) * | 2016-12-23 | 2017-05-24 | 国网山东省电力公司 | 一种考虑资源约束的项目进度动态调控方法 |
-
2017
- 2017-11-21 CN CN201711167394.XA patent/CN107944695B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609820A (zh) * | 2012-02-17 | 2012-07-25 | 北京航空航天大学 | 一种基于项目特性的关键链缓冲调整方法 |
CN103761614A (zh) * | 2014-01-20 | 2014-04-30 | 北京仿真中心 | 一种基于关键链的项目进度管理方法 |
US9292638B1 (en) * | 2014-01-21 | 2016-03-22 | Altera Corporation | Method and apparatus for performing timing closure analysis when performing register retiming |
CN104635772A (zh) * | 2014-12-08 | 2015-05-20 | 南京信息工程大学 | 一种制造系统自适应动态调度方法 |
CN104820872A (zh) * | 2015-05-06 | 2015-08-05 | 华北电力大学 | 工程项目中利用潜在反关键工序进行项目工期优化的方法 |
Non-Patent Citations (1)
Title |
---|
基于粒子群优化和关键链的多项目计划管理问题研究;郭方铭;《中国博士学位论文全文数据库 经济与管理科学辑》;20101115;J145-58 * |
Also Published As
Publication number | Publication date |
---|---|
CN107944695A (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107944695B (zh) | 一种基于生产不确定性的关键链缓冲区设置方法 | |
CN107168267B (zh) | 基于改进粒子群与启发式策略的生产排产方法及系统 | |
WO2018042950A1 (ja) | 発注数決定システム、発注数決定方法および発注数決定プログラム | |
CN113190351B (zh) | 一种面向分布式深度学习训练任务的高效资源分配系统 | |
Cohen et al. | Managing stochastic, finite capacity, multi-project systems through the cross-entropy methodology | |
Chen | An optimized tailored nonlinear fluctuation smoothing rule for scheduling a semiconductor manufacturing factory | |
CN111176810B (zh) | 基于优先级的气象水文数据处理调度系统 | |
CN112149990A (zh) | 一种基于预测的模糊供需匹配方法 | |
US9298853B2 (en) | System and methods for prioritizing queries under imprecise query execution time | |
CN113408856B (zh) | 一种基于物联网技术的关键链计划调度方法 | |
JP6860080B2 (ja) | 推奨発注数決定装置、推奨発注数決定方法および推奨発注数決定プログラム | |
JP5482442B2 (ja) | ジョブ管理装置、ジョブ管理方法、およびジョブ管理プログラム | |
JP2003058693A5 (zh) | ||
CN116451585A (zh) | 基于目标检测模型的自适应实时学习任务调度方法 | |
Satyal et al. | AB-BPM: performance-driven instance routing for business process improvement | |
CN114237842B (zh) | 基于典型参数限定的相控阵雷达自适应任务调度方法 | |
CN114282645B (zh) | 一种基于dqn的时空众包任务分配方法 | |
Liu et al. | Achieving on-time delivery: a two-stage probabilistic scheduling strategy for software projects | |
Singh et al. | A unit based crashing pert network for optimization of software project cost | |
Chen et al. | A Fuzzy-Neural Fluctuation Smoothing Rule for Scheduling Jobs with Various Priorities in a Semiconductor Manufacturing Factory | |
US20140189709A1 (en) | Method of distributing processor loading between real-time processor threads | |
CN115619141A (zh) | 考虑里程碑约束下面向船舶维修任务的随机调度方法 | |
CN116661962B (zh) | 基于云计算技术的数据分析方法 | |
JP7422265B1 (ja) | 情報処理装置および情報処理方法 | |
Baccouche et al. | Rt-Dbp: a multi-criteria priority assignment scheme for real-time tasks scheduling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |