CN108053047A - 云生产资源调度方法、装置和系统 - Google Patents
云生产资源调度方法、装置和系统 Download PDFInfo
- Publication number
- CN108053047A CN108053047A CN201711016639.9A CN201711016639A CN108053047A CN 108053047 A CN108053047 A CN 108053047A CN 201711016639 A CN201711016639 A CN 201711016639A CN 108053047 A CN108053047 A CN 108053047A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- scheduling result
- basic data
- professional unit
- unit
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 279
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 222
- 238000005457 optimization Methods 0.000 claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 205
- 230000001174 ascending effect Effects 0.000 claims description 20
- 238000011143 downstream manufacturing Methods 0.000 claims description 17
- 238000013439 planning Methods 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 14
- 230000002596 correlated effect Effects 0.000 claims description 12
- 238000005194 fractionation Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 238000013524 data verification Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 7
- 230000002123 temporal effect Effects 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 235000008331 Pinus X rigitaeda Nutrition 0.000 claims 1
- 235000011613 Pinus brutia Nutrition 0.000 claims 1
- 241000018646 Pinus brutia Species 0.000 claims 1
- 239000000047 product Substances 0.000 description 28
- 238000010586 diagram Methods 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 15
- 230000008859 change Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000000306 component Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0605—Supply or demand aggregation
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开一种云生产资源调度方法、装置和系统。该方法包括：获取基础数据，其中基础数据包括专业单元数据和订单数据，专业单元数据包括专业单元能力信息和专业单元所属企业的距离矩阵信息；根据基础数据进行全局优化计算，获取排程结果；输出排程结果。本发明通过从全局考虑企业(集团)内外的资源与能力约束，建立云资源计划排程的模型和问题求解框架，由此可以支撑企业动态整合社会化制造资源和能力为己所用，实现了跨企业的最优化配置和柔性化重组。
Description
技术领域
本发明涉及智慧制造领域，特别涉及一种云生产资源调度方法、装置和系统。
背景技术
云制造是一种基于网络的、面向服务的智慧化制造新模式，它融合发展了现有信息化制造技术与云计算、物联网、服务计算、智能科学和高效能计算等新兴信息技术，将各类制造资源和制造能力虚拟化、服务化，构成制造资源和制造能力的服务云池，并进行统一、集中的优化管理和经营，用户只要通过云端就能随时随地按需获取制造资源与能力服务，进而智慧地完成其制造全生命周期的各类活动。云制造模式和技术的应用能够促进我国制造业发展，加快制造业向智慧化迈进，提高我国制造企业的自主创新能力和市场竞争力。云制造的典型技术特征包括五点，即制造资源和能力的物联化、虚拟化、服务化、协同化、智能化，其综合地体现为“智慧化制造技术特征”。
制造业排产过程的信息化主要是通过ERP(Enterprise Resource Planning，企业资源计划)系统实现的。ERP的排产功能主要是通过计划系统实现的，包括主生产计划、物料需求计划、粗能力计划以及细能力计划。但是其中的核心部分仍是采用MRP(ManufactureResource Planning，物料需求计划)的计划方式，是通过按产品BOM(Bill Of Material，物料清单)和工艺流程逐级推演，得到了在一般平稳生产条件下可以应用的生产计划方法，但是MRP方法存在以下的弱点：(1)MRP的计划方式是基于固定提前期的；(2)系统要求固定的工艺路线；(3)生产排产工作都是在假定无限能力的前提下进行；(4)仅仅根据交付周期或日期来安排生产的优先次序。
针对ERP排产系统弊端，在二十世纪九十年代，美国提出了MES(ManufacturingExecution Systems，制造执行系统)。优化排产系统是MES的核心组成部分，其功能也内嵌在MES系统中。排产系统作为MES系统研究的重点和热点，大多数排产系统采用的是传统的C/S(Client/Server，客户机和服务器)结构。随着网络技术的不断发展，传统的C/S系统存在的计算机资源占用量大、维护和升级困难、可移植性差等弊端不断显现。目前国外大多数类似研究转向B/S(Browser/Server，浏览器/服务器)结构，以浏览器作为客户端方式获取排产运行数据，通过浏览器呈现排产运行状况，这样的方案比较好地满足了快捷性和便捷性的要求。目前国内使用以B/S结构的排产调度系统比较少，并主要分布在电力和水利行业。但是大部分的排产系统都局限于固定数量的资源。
目前大量关于排产问题的文献主要集中在对车间调度问题的研究，以订单为输入的排产的文献相对较少。
发明内容
鉴于以上技术问题，本发明提供了一种云生产资源调度方法、装置和系统，可以支撑企业动态整合社会化制造资源和能力为己所用，实现了跨企业的最优化配置和柔性化重组。
根据本发明的一个方面，提供一种云生产资源调度方法，包括：
获取基础数据，其中基础数据包括专业单元数据和订单数据，专业单元数据包括专业单元能力信息和专业单元所属企业的距离矩阵信息；
根据基础数据进行全局优化计算，获取排程结果；
输出排程结果。
在本发明的一个实施例中，所述根据基础数据进行全局优化计算，获取排程结果包括：
构建约束条件；
设置优化目标；
设置正向排产搜索策略；
根据所述约束条件、优化目标和正向排产搜索策略进行全局优化计算，获取排程结果。
在本发明的一个实施例中，所述约束条件包括对每道工序的约束、供应商约束、距离约束、工序前驱和后继约束、零件约束、专业单元生产能力约束和订单约束中的至少一项。
在本发明的一个实施例中，所述优化目标包括订单拖期时间总和最小、和/或每个专业单元生产每道工序时间跨度最小。
在本发明的一个实施例中，所述设置正向排产搜索策略包括：
创建搜索相关变量，所述搜索相关变量包括工序、工序生产能力之和、工序是否拆分和工序优先级中的至少一项；
确定完成工序的专业单元；
确定工序开始时间、工序拆分率、专业单元承担的工序数量、专业单元承担的每批次的时间段大小、该批次每日生产时间、后继工序的供应商中的至少一项。
在本发明的一个实施例中，所述确定完成工序的专业单元包括：根据工序生产企业数量范围最小松弛策略、工序生产专业单元数量范围最小松弛策略、工序开始时间下界由小到大顺序策略和工序优先级由大到小顺序策略中的至少一条策略，确定完成所述工序的专业单元数量；之后，根据完成所述工序的专业单元数量、以及专业单元承担的工序时间由大到小顺序策略和/或专业单元承担工序的时间跨度最小松弛策略，确定完成所述工序的专业单元。
在本发明的一个实施例中，所述确定工序开始时间和工序拆分率包括：根据工序开始时间由小到大顺序策略、工序拆分范围最小松弛策略、工序所在订单拖期时间下界由大到小顺序策略、工序开始时间范围最小松弛度准则和工序优先级由大到小顺序策略中的至少一条策略，确定工序开始时间及拆分数量。
在本发明的一个实施例中，所述确定专业单元承担的工序数量包括：根据专业单元承担的工序数量的范围最小松弛策略、专业单元承担的工序时间由大到小顺序策略和专业单元承担工序的时间跨度最小松弛策略中的至少一条策略，确定专业单元承担的工序数量。
在本发明的一个实施例中，所述确定专业单元承担的每批次的时间段大小和该批次每日生产时间包括：根据生产批次数由小到大顺序策略、专业单元承担的该批次的工序的时间跨度最小松弛策略和专业单元承担的该批次的工序的最小时间由小到大顺序策略的至少一条策略，确定专业单元承担的每批次的时间段大小和该批次每日生产时间。
在本发明的一个实施例中，所述确定后继工序的供应商包括：根据工序供应商的后继供应商数量范围最小松弛策略和/或工序供应商后继供应商生产时间由小到大顺序策略，确定工序供应商的后继供应商。
在本发明的一个实施例中，所述获取基础数据之后，所述方法还包括：
进行基础数据校验；
判断基础数据是否存在逻辑错误；
若基础数据存在逻辑错误，则修改基础数据中的逻辑错误，之后执行所述进行基础数据校验的步骤；
若基础数据不存在逻辑错误，则执行所述根据基础数据进行全局优化计算，获取排程结果的步骤。
在本发明的一个实施例中，所述获取排程结果之后，所述方法还包括：
判断排程结果是否满足需求；
若排程结果满足需求，则执行所述输出排程结果的步骤；
若排程结果不满足需求，则对排程结果进行调整和/或交互优化，之后执行所述判断排程结果是否满足需求的步骤。
根据本发明的另一方面，提供一种云生产资源调度装置，包括基础数据获取模块、排程结果获取模块和排程结果输出模块，其中：
基础数据获取模块，用于获取基础数据，其中基础数据包括专业单元数据和订单数据，专业单元数据包括专业单元能力信息和专业单元所属企业的距离矩阵信息；
排程结果获取模块，用于根据基础数据进行全局优化计算，获取排程结果；
排程结果输出模块，用于输出排程结果。
在本发明的一个实施例中，所述排程结果获取模块包括约束构建单元、优化目标设置单元、搜索策略设置单元和排程结果获取单元，其中：
约束构建单元，用于构建约束条件；
优化目标设置单元，用于设置优化目标；
搜索策略设置单元，用于设置正向排产搜索策略；
排程结果获取单元，用于根据所述约束条件、优化目标和正向排产搜索策略进行全局优化计算，获取排程结果。
在本发明的一个实施例中，所述约束条件包括对每道工序的约束、供应商约束、距离约束、工序前驱和后继约束、零件约束、专业单元生产能力约束和订单约束中的至少一项。
在本发明的一个实施例中，所述优化目标包括订单拖期时间总和最小、和/或每个专业单元生产每道工序时间跨度最小。
在本发明的一个实施例中，所述搜索策略设置单元包括搜索变量创建子模块、专业单元确定子模块和工序参数确定子模块，其中：
搜索变量创建子模块，用于创建搜索相关变量，所述搜索相关变量包括工序、工序生产能力之和、工序是否拆分和工序优先级中的至少一项；
专业单元确定子模块，用于确定完成工序的专业单元；
工序参数确定子模块，用于确定工序开始时间、工序拆分率、专业单元承担的工序数量、专业单元承担的每批次的时间段大小、该批次每日生产时间、后继工序的供应商中的至少一项。
在本发明的一个实施例中，所述装置还包括基础数据校验模块、逻辑错误判断模块和逻辑错误修改模块，其中：
基础数据校验模块，用于在基础数据获取模块获取基础数据之后，进行基础数据校验；
逻辑错误判断模块，用于判断基础数据是否存在逻辑错误；并在基础数据不存在逻辑错误的情况下，指示排程结果获取模块执行所述根据基础数据进行全局优化计算，获取排程结果的操作；
逻辑错误修改模块，用于根据逻辑错误判断模块的判断结果，在基础数据存在逻辑错误的情况下，修改基础数据中的逻辑错误，之后指示基础数据校验模块执行所述进行基础数据校验的操作。
在本发明的一个实施例中，所述装置还包括排程结果判断模块和排程结果调整模块，其中：
排程结果判断模块，用于在获取排程结果之后，判断排程结果是否满足需求；并在排程结果满足需求的情况下，指示排程结果输出模块执行所述输出排程结果的操作；
排程结果调整模块，用于根据排程结果判断模块的判断结果，在排程结果不满足需求的情况下，对排程结果进行调整和/或交互优化，之后指示排程结果判断模块执行判断调整后的排程结果是否满足需求的操作。
根据本发明的另一方面，提供一种云生产资源调度系统，包括企业资源计划系统、物料需求计划系统以及如上述任一实施例所述的云生产资源调度装置。
本发明通过从全局考虑企业(集团)内外的资源与能力约束，建立云资源计划排程的模型和问题求解框架，由此可以支撑企业动态整合社会化制造资源和能力为己所用，实现了跨企业的最优化配置和柔性化重组。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明云生产资源调度方法第一实施例的示意图。
图2为本发明云生产资源调度方法第二实施例的示意图。
图3为本发明一个实施例中获取排程结果的示意图。
图4为本发明云生产资源调度装置第一实施例的示意图。
图5为本发明云生产资源调度装置第二实施例的示意图。
图6为本发明一个实施例中排程结果获取模块的示意图。
图7为本发明一个实施例中搜索策略设置单元的示意图。
图8为本发明云生产资源调度系统一个实施例的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1为本发明云生产资源调度方法第一实施例的示意图。优选的，本实施例可由本发明云生产资源调度装置执行。该方法包括以下步骤：
步骤11，获取基础数据。
在本发明的一个实施例中，基础数据可以包括专业单元数据和订单数据，其中：专业单元数据可以包括专业单元能力信息、专业单元所属企业的距离矩阵信息等信息；订单数据可以包括订单时间信息、产品信息、工艺信息和库存信息等信息。
在本发明的一个实施例中，步骤11可以包括：云生产资源调度装置提供接口，接收ERP系统中生产订单信息、产品信息和工艺信息等信息，调用MES系统获取专业单元信息，包括设备信息、距离信息等信息。
在本发明的一个实施例中，步骤11可以包括：完全手动维护(即，接收用户手动输入的)生产订单信息、产品信息、库存信息、工艺信息、生产中心、专业单元、距离信息等信息。
在本发明的另一实施例中，基础数据可以资源类别信息、需求信息(即订单数据)和生产能力信息(即专业单元数据)，其中：
资源类别信息依据云制造关于制造业资源分类标准，维护云资源调度平台的资源类型。
需求信息包括任务单、产品信息和工艺信息，其中：
任务单为企业根据收到的需求订单和企业本身根据市场预测等手段制订的生产任务。
任务单是云资源调度的输入，云资源调度根据任务单设定的完工时间，针对云端资源进行排产。
如表1所示，为本发明一个实施例中任务单(订单信息)的具体内容。
表1
产品信息是需求方完善需要生产的产品结构树信息。如表2所示，为本发明一个实施例中产品信息的具体内容。
| 产品信息 | 描述 |
| 产品编码 | 产品id |
| 产品名称 | 产品名称 |
| 父产品 | 产品的父节id |
| 产品制作顺序 | 在同一父节点中的兄弟节点的制作顺序 |
| 数量 | 与父节点比例数量 |
| 类型 | 生产或采购类型 |
表2
工艺信息为求方完善需要生产的产品制作工艺信息。如表3所示，为本发明一个实施例中工艺信息的具体内容。
| 工艺信息 | 描述 |
| 工艺名称 | 工艺节点名称 |
| 产品编码 | 该工艺对应的产品编码 |
| 工艺制作顺序 | 制造同一产品的工艺中的先后顺序 |
| 数量 | 该产品节点所需的工艺数量 |
| 资源类型 | 该工艺所需要的资源类型 |
| 工时 | 进行该工艺所需的时间 |
表3
生产能力信息可以包括供应商基本信息、专业单元基本信息、专业单元能力信息、位置信息、距离信息。
如表4-表8所示，分别为一个实施例中供应商基本信息、专业单元基本信息、专业单元能力信息、位置信息、距离信息的具体内容。
| 供应商基本信息 | 描述 |
| 供应商编号 | 编号 |
| 名称 | 专业单元名称 |
| 位置编号 | 表示专业单元所在地 |
表4
| 专业单元基本信息 | 描述 |
| 专业单元编号 | 编号 |
| 名称 | 专业单元名称 |
| 位置编号 | 表示专业单元所在地 |
| 供应商编号 | 所属供应商信息 |
| 资源类型 | 该专业单元所属资源类型 |
表5
| 专业单元能力信息 | 描述 |
| 专业单元编号 | 编号 |
| 时间段 | 起止时间 |
| 能力 | 对应时间段内的可提供工时能力信息 |
表6
| 位置信息 | 描述 |
| 位置编号 | 编号 |
| 名称 | 专业单元名称 |
表7
| 距离信息 | 描述 |
| 起始位置编号 | 位置信息编号 |
| 目的位置编号 | 位置信息编号 |
| 距离 | 距离 |
| 耗时 | 两个位置产品转移耗时 |
表8
步骤12，根据基础数据进行全局优化计算，获取排程结果。
在本发明的一个实施例中，步骤12可以包括：按供应商、专业单元纵向拆分，按三个批次横向拆分，构建尽可能多的约束切削解空间，设置搜索策略使用搜索树回溯求解，采用顺排、最小松弛策略确保首解极优。
步骤13，输出排程结果。其中所述排程结果可以包括订单排程结果、零件排程结果、专业单元排程结果、采购结果、委外生产结果等详细排程结果。
基于本发明上述实施例提供的云生产资源调度方法，针对个性化、服务化、社会化的制造业未来发展趋势，产品种类和个性化不断增加，订单的来源和订货量更多的趋势，通过从全局考虑企业(集团)内外的资源与能力约束，建立云资源计划排程的模型和问题求解框架，由此可以支撑企业动态整合社会化制造资源和能力为己所用，实现了跨企业的最优化配置和柔性化重组。
本发明上述实施例针对云端的竞争更加激烈，企业(集团)对交期、资源利用率等的要求更高的需求，可以及时获得内部和外部协作配套的相关资源的当前状态信息，从而最大程度地减少了不确定性。
图2为本发明云生产资源调度方法第二实施例的示意图。优选的，本实施例可由本发明云生产资源调度装置执行。图2实施例的步骤21、步骤25和步骤28分别与图1实施例的步骤11-13相同或相似，这里不再详述。如图2所示，该方法可以包括以下步骤：
步骤21，获取基础数据。
步骤22，进行基础数据校验。
步骤23，判断基础数据是否存在逻辑错误。若基础数据存在逻辑错误，则执行步骤24；否则，若基础数据不存在逻辑错误，则执行步骤25。
步骤24，修改基础数据中的逻辑错误，之后执行步骤22。
步骤25，根据基础数据以工期最短、资源利用率均衡为目标进行全局优化计算，获取排程结果。
步骤26，判断排程结果是否满足需求。若排程结果满足需求，则执行步骤28；否则，若排程结果不满足需求，则执行步骤27。
步骤27，对排程结果进行调整和/或交互优化；之后执行步骤26。
步骤28，输出排程结果。
本发明上述实施例基于云制造环境下服务化、社会化的制造能力(制造单元)，开展云端跨企业的生产资源计划排程。本发明基于APS(Advanced Planning andScheduling，高级计划排程)的方法和工具，从全局考虑企业(集团)内外的资源与能力约束，建立云资源计划排程的模型和问题求解框架，从大量的可行调度策略中选出最优策略，辅助云制造环境下的企业(集团)对社会化的资源和能力利用进行分析、决策和执行。
本发明上述实施例作为云制造领域支撑技术，可牵引企业开展制造资源和能力物联化、虚拟化，通过专利技术方法实现服务化、协同化，从而体现云制造智能化特征。
图3为本发明一个实施例中获取排程结果的示意图。如图3所示，图1实施例中的步骤12或图2实施例中的步骤25可以包括：
步骤31，变量说明及初始化部分变量。如表9所示，为本发明一个具体实施例中变量说明及初始化部分变量的具体内容。
表9
步骤32，构建约束条件。
在本发明的一个实施例中，所述约束条件可以包括对每道工序的约束、供应商约束、距离约束、工序前驱和后继约束、零件约束、专业单元生产能力约束和订单约束等约束中的至少一项。
在本发明的一个实施例中，步骤32具体可以包括：
步骤321，对每道工序构建约束，包括时间、工序的拆分约束以及工序对应的供应商约束。
在本发明的一个实施例中，步骤321可以包括构建以下约束：
1、为保证工作完成，对工序进行分批处理。
2、当一道工序在一个企业内由多个专业单元生产，则该工序不分批。
3、每道工序的供应商的可调度时间为该供应商内承担该工序的专业单元的调度时间交集。
4、工序的开始时间为承担该工序的所有供应商最小开始时间，结束时间为承担该工序的所有供应商的最大结束时间。
5、每道工序的承担供应商的时间段为该供应商承担该工序时的所有批次的时间段的集合。
6、每道工序的承担供应商的开始时间为第一批次的开始时间，结束时间为最后批次的结束时间。
7、每道工序的承担供应商的生产数量为该供应商承担该工序的专业单元的数量的和。
8、每道工序的承担供应商的生产批次中，相临批次的每日生产时间不同。
9、每道工序的承担供应商的批次与该供应商承担该工序的专业单元的批次一致。
10、每道工序的生产数量与承担该工序的专业单元承担数据总和一致。
在本发明一个具体实施例中，步骤321中约束的构建可以通过以下方式实现：
步骤322，构建供应商约束。
在本发明的一个实施例中，步骤321可以包括构建以下约束：
1、每道工序的供应商与供应商生产的工序一一对应。
2、每道工序的前驱供应商与工序所有前驱工序的供应商的集合一一对应。
3、每道工序的后继供应商与工序所有后继工序的供应商的集合一一对应。
4、供应商的后继供应商与该后继供应商的前驱供应商一一对应。
在本发明一个具体实施例中，步骤322中约束的构建可以通过以下方式实现：
步骤323，构建工序前驱、后继约束。
在本发明的一个实施例中，步骤323可以包括构建以下约束：
1、构建工序件数约束，供应商承担的同一个零件下的全部可承担工序。
在本发明一个实施例中，工序件数约束可以通过以下方式实现：
2、构建有后继工序约束：
2.1、工序有后继供应商，则承担该工序的供应商也有后继供应商。
2.2、工序的不同供应商的后继供应商不同。
2.3、后继供应商B开始的生产时间为前驱供应商A完成时间加上A到B的转移时间。
2.4、如果工序后继供应商数量与工序供应商数量相同，则工序的供应里，不同供应商的后继也不同。
2.5、后继工序的开始时间都要晚于工序的供应商完成时间。
2.6、后继供应商的开始时间要晚于前驱供应商的结束时间加上两个供应商之间的转移时间。
在本发明一个实施例中，有后继工序约束可以通过以下方式实现：
3、构建有前驱工序约束：
3.1、工序有前驱供应商可推出，承担该工序的供应商有前驱供应商。
3.2、当承担该工序的供应商也是工序的前驱供应商时，该供应商也是自身的前驱供应商。
3.3、工序的供应商数量多于工序的前驱供应商时，承担该工序的供应商的最多有一个前驱供应商。
3.4、如果工序前驱供应商数量与工序供应商数量相同，则工序的供应里，不同供应商的前驱也不同。
在本发明一个实施例中，有前驱工序约束可以通过以下方式实现：
4、构建无后继但有前驱工序数约束：
每道工序的供应商的前驱供应商数量大于1个，则该供应商的前驱零件的数量等于工序的前驱零件的数量。
在本发明一个实施例中，无后继但有前驱工序数约束可以通过以下方式实现：
5、构建无前驱但有后继工序数约束：
每道工序的供应商的后继供应商数量大于1个，则该供应商的后继零件的数量等于工序的后继零件的数量。
在本发明一个实施例中，无前驱但有后继工序数约束可以通过以下方式实现：
6、构建有前驱有后继工序数约束：
6.1、每道工序的供应商的前驱供应商数量大于1个，则该供应商的前驱零件的数量等于工序的前驱零件的数量。
6.2、每道工序的供应商的后继供应商数量大于1个，则该供应商的后继零件的数量等于工序的后继零件的数量。
在本发明一个实施例中，有前驱有后继工序数约束可以通过以下方式实现：
步骤324，构建零件约束。
在本发明的一个实施例中，步骤324可以包括构建以下约束：
1、约束零件的生产时间为零件的工序的最早开始时间与最晚完成时间。
2、约束后继零件的开始时间晚于前驱零件的开始时间。
在本发明一个具体实施例中，零件约束可以通过以下方式实现：
步骤325，专业单元生产能力约束。
在本发明的一个实施例中，步骤325可以包括构建以下约束：约束工序的生产每日不能超过专业单元的日提供能力。
在本发明一个具体实施例中，专业单元生产能力约束可以通过以下方式实现：
步骤325，订单约束。
在本发明的一个实施例中，步骤325可以包括构建以下约束：
1、最早工序的开始时间比订单要求开始时间要晚。
2、最晚工序完工时间与订单要求结束时间相减为拖期时间。
在本发明一个具体实施例中，订单约束可以通过以下方式实现：
步骤33，设置优化目标。
在本发明的一个实施例中，所述优化目标可以包括工期最短、和/或资源利用率均衡。
在本发明的另一实施例中，步骤33可以包括：
步骤331，设置订单拖期时间总和最小。
在本发明一个具体实施例中，步骤331可以通过以下方式实现：
delay＝∑o∈Orderso.delay；
min delay；
步骤332，设置每个专业单元生产每道工序时间跨度最小。
在本发明一个具体实施例中，步骤332可以通过以下方式实现：
步骤34，设置正向排产搜索策略。
该部分算法主要用来设置搜索决策变量的先后次序，是快速求解的关键步骤，本算法中的决策变量主要有专业单元的开工时间、完工时间，及工序开始时间、完成时间及拆分批次数。
在本发明的一个实施例中，步骤34可以包括：
步骤341，创建搜索相关变量，所述搜索相关变量包括工序、工序生产能力之和、工序是否拆分和工序优先级中的至少一项。
在本发明一个具体实施例中，步骤341可以通过以下方式实现：
步骤342，确定完成工序的专业单元。
在本发明一个实施例中，步骤342可以包括：
步骤3421，首先确定工序由几个专业单元生产：
1、工序生产企业数量范围最小松弛策略。
2、工序生产专业单元数量范围最小松弛策略。
3、工序开始时间下界由小到大顺序策略。
4、工序优先级由大到小顺序策略。
采用以上四条策略中的至少一项对该生产工序的专业单元数量进行搜索。
步骤3422，确定工序的专业单元数量后，再确定由哪些专业单元生产。
1、专业单元承担的工序时间由大到小顺序策略。
2、专业单元承担工序的时间跨度最小松弛策略。
采用以上两条策略中的至少一项对承担工序生产的专业单元进行搜索。
步骤343，确定工序开始时间、工序拆分率、专业单元承担的工序数量、专业单元承担的每批次的时间段大小、该批次每日生产时间、后继工序的供应商等参数中的至少一项。
在本发明一个实施例中，步骤343可以包括：
步骤3431、首先确定工序开始时间、工序拆分率：
1、工序开始时间由小到大顺序策略。
2、工序拆分范围最小松弛策略。
3、工序所在订单拖期时间下界由大到小顺序策略。
4、工序开始时间范围最小松弛度准则。
5、工序优先级由大到小顺序策略。
采用以上五条策略中的至少一项对工序开始时间及拆分数量进行搜索。
步骤3432、查询确定专业单元承担工序的数量。
1、专业单元承担的工序数量的范围最小松弛策略。
2、专业单元承担的工序时间由大到小顺序策略。
3、专业单元承担工序的时间跨度最小松弛策略。
采用以上三条策略中的至少一项对专业单元承担工序的数量进行搜索。
步骤3433、查询专业单元每批次的时间段大小及该批次的每日生产时间。
1、生产批次数由小到大顺序策略。
2、专业单元承担的该批次的工序的时间跨度最小松弛策略。
3、专业单元承担的该批次的工序的最小时间由小到大顺序策略。
采用以上三条策略中的至少一项对专业单元承担的每批次的时间段大小、该批次每日生产时间进行搜索。
步骤3434、查询工序的后继工序的供应商。
1、工序供应商的后继供应商数量范围最小松弛策略。
2、工序供应商后继供应商生产时间由小到大顺序策略。
采用以上两条策略的至少一项对工序供应商的后继供应商进行搜索求解。
步骤35，根据上述步骤确定的约束条件、优化目标和正向排产搜索策略进行全局优化计算和搜索，获取排程结果。
本发明上述实施例的关键在于可将不同企业的生产能力及距离信息考虑进来，使用该本发明上述实施例的方法进行排程计算，获取考虑多种约束的有限生产能力的排程方案。
本发明上述实施例提出了企业生产能力建模方法，提高了参与企业生产能力信息的一致性、透明性。
本发明上述实施例提出了企业生产任务建模方法，量化了企业的生产任务。
本发明上述实施例解决了跨企业生产调度问题，使跨企业的业务协作可通过信息化平台支持，提高了企业协作效率。
本发明上述实施例解决了跨企业协同生产过程中，基于有限产能进行生产调度。
本发明上述实施例解决了集团企业内部跨单位任务调度，基于有限产能进行生产调度安排。
本发明上述实施例解决了自由设计人员，只有生产需求无生产资源的配套生产问题。
对于供应方
制造企业的生产能力无法与市场需求完全匹配。企业内部，总是有一些设备无法充分利用，这直接导致了设备利用率下降，从而影响车间整体生产成本。采用本发明上述实施例后，企业可以将空余设备能力发布至云资源调度系统，以达到充分利用资源目的。
对于需求方
作为集团型企业，一方面要充分利用集团内生产资源、一分面还要通过外部资源实现协同生产。所有相关生产企业都是供应链上重要一环，各方都需要围绕合理的调度计划开展生产。采用本发明上述实施例后，集团型企业根据自身需求，牵引供应链相关企业将能力接入云资源调度，利用云资源调度引擎为集团总体调度计划提供决策支持。
制造企业调度人员接收到大量生产订单时，一般依据个人经验制定生产计划。该方法需要多年经验积累，但仍无法避免人工排错等问题。采用本发明上述实施例后，云资源调度系统以生产时间最短为目标，可为企业提供在按时完成生产基础上的资源充分利用的生产调度计划，可有效提高企业调度人员决策效率。
随着社会发展，“个性化订制”的需求越来越高，这也催生了大量自由职业者、创业团队，设计出新产品工艺，满足柴类个性化需求。而设计完成终将需要制造企业进行生产，采用本发明上述实施例后，该类用户也可以作为需求方在云资源调度平台发布生产任务，调度企业发布的生产能力。
图4为本发明云生产资源调度装置第一实施例的示意图。如图4所示，所述云生产资源调度装置可以包括基础数据获取模块41、排程结果获取模块42和排程结果输出模块43，其中：
基础数据获取模块41，用于获取基础数据，其中基础数据包括专业单元数据和订单数据，专业单元数据包括专业单元能力信息和专业单元所属企业的距离矩阵信息。
排程结果获取模块42，用于根据基础数据进行全局优化计算，获取排程结果。
排程结果输出模块43，用于输出排程结果。
基于本发明上述实施例提供的云生产资源调度装置，针对个性化、服务化、社会化的制造业未来发展趋势，产品种类和个性化不断增加，订单的来源和订货量更多的趋势，通过从全局考虑企业(集团)内外的资源与能力约束，建立云资源计划排程的模型和问题求解框架，由此可以支撑企业动态整合社会化制造资源和能力为己所用，实现了跨企业的最优化配置和柔性化重组。
本发明上述实施例针对云端的竞争更加激烈，企业(集团)对交期、资源利用率等的要求更高的需求，可以及时获得内部和外部协作配套的相关资源的当前状态信息，从而最大程度地减少了不确定性。
图5为本发明云生产资源调度装置第二实施例的示意图。与图4所示实施例相比，在图5所示实施例中，所述装置还可以包括基础数据校验模块44、逻辑错误判断模块45和逻辑错误修改模块46，其中：
基础数据校验模块44，用于在基础数据获取模块41获取基础数据之后，进行基础数据校验。
逻辑错误判断模块45，用于判断基础数据是否存在逻辑错误；并在基础数据不存在逻辑错误的情况下，指示排程结果获取模块42执行所述根据基础数据进行全局优化计算，获取排程结果的操作。
逻辑错误修改模块46，用于根据逻辑错误判断模块45的判断结果，在基础数据存在逻辑错误的情况下，修改基础数据中的逻辑错误，之后指示基础数据校验模块44执行所述进行基础数据校验的操作。
在本发明的一个实施例中，如图5所示，所述装置还可以包括排程结果判断模块47和排程结果调整模块48，其中：
排程结果判断模块47，用于在排程结果获取模块42获取排程结果之后，判断排程结果是否满足需求；并在排程结果满足需求的情况下，指示排程结果输出模块43执行所述输出排程结果的操作。
排程结果调整模块48，用于根据排程结果判断模块47的判断结果，在排程结果不满足需求的情况下，对排程结果进行调整和/或交互优化，之后指示排程结果判断模块47执行判断调整后的排程结果是否满足需求的操作。
本发明上述实施例基于云制造环境下服务化、社会化的制造能力(制造单元)，开展云端跨企业的生产资源计划排程。本发明基于APS的方法和工具，从全局考虑企业(集团)内外的资源与能力约束，建立云资源计划排程的模型和问题求解框架，从大量的可行调度策略中选出最优策略，辅助云制造环境下的企业(集团)对社会化的资源和能力利用进行分析、决策和执行。
本发明上述实施例作为云制造领域支撑技术，可牵引企业开展制造资源和能力物联化、虚拟化，通过专利技术方法实现服务化、协同化，从而体现云制造智能化特征。
图6为本发明一个实施例中排程结果获取模块的示意图。如图6所示，图4或图5实施例的排程结果获取模块42可以包括约束构建单元421、优化目标设置单元422、搜索策略设置单元423和排程结果获取单元424，其中：
约束构建单元421，用于构建约束条件。
在本发明的一个实施例中，所述约束条件包括对每道工序的约束、供应商约束、距离约束、工序前驱和后继约束、零件约束、专业单元生产能力约束和订单约束中的至少一项。
优化目标设置单元422，用于设置优化目标。
在本发明的一个实施例中，所述优化目标包括订单拖期时间总和最小、和/或每个专业单元生产每道工序时间跨度最小。
搜索策略设置单元423，用于设置正向排产搜索策略。
排程结果获取单元424，用于根据所述约束条件、优化目标和正向排产搜索策略进行全局优化计算，获取排程结果。
本发明上述实施例的关键在于可将不同企业的生产能力及距离信息考虑进来，使用该本发明上述实施例的方法进行排程计算，获取考虑多种约束的有限生产能力的排程方案。
本发明上述实施例提出了企业生产能力建模装置，提高了参与企业生产能力信息的一致性、透明性。
本发明上述实施例提出了企业生产任务建模装置，量化了企业的生产任务。
本发明上述实施例解决了跨企业生产调度问题，使跨企业的业务协作可通过信息化平台支持，提高了企业协作效率。
本发明上述实施例解决了跨企业协同生产过程中，基于有限产能进行生产调度。
本发明上述实施例解决了集团企业内部跨单位任务调度，基于有限产能进行生产调度安排。
本发明上述实施例解决了自由设计人员，只有生产需求无生产资源的配套生产问题。
图7为本发明一个实施例中搜索策略设置单元的示意图。如图7所示，图6实施例的搜索策略设置单元423可以包括搜索变量创建子模块4231、专业单元确定子模块4232和工序参数确定子模块4233，其中：
搜索变量创建子模块4231，用于创建搜索相关变量，所述搜索相关变量包括工序、工序生产能力之和、工序是否拆分和工序优先级中的至少一项。
专业单元确定子模块4232，用于确定完成工序的专业单元。
在本发明的一个实施例中，所述专业单元确定子模块4232可以用于根据工序生产企业数量范围最小松弛策略、工序生产专业单元数量范围最小松弛策略、工序开始时间下界由小到大顺序策略和工序优先级由大到小顺序策略中的至少一条策略，确定完成所述工序的专业单元数量；之后，根据完成所述工序的专业单元数量、以及专业单元承担的工序时间由大到小顺序策略和/或专业单元承担工序的时间跨度最小松弛策略，确定完成所述工序的专业单元。
工序参数确定子模块4233，用于确定工序开始时间、工序拆分率、专业单元承担的工序数量、专业单元承担的每批次的时间段大小、该批次每日生产时间、后继工序的供应商中的至少一项。
在本发明的一个实施例中，所述工序参数确定子模块4233可以用于根据工序开始时间由小到大顺序策略、工序拆分范围最小松弛策略、工序所在订单拖期时间下界由大到小顺序策略、工序开始时间范围最小松弛度准则和工序优先级由大到小顺序策略中的至少一条策略，确定工序开始时间及拆分数量。
在本发明的一个实施例中，所述工序参数确定子模块4233可以用于根据专业单元承担的工序数量的范围最小松弛策略、专业单元承担的工序时间由大到小顺序策略和专业单元承担工序的时间跨度最小松弛策略中的至少一条策略，确定专业单元承担的工序数量。
在本发明的一个实施例中，所述工序参数确定子模块4233可以用于根据生产批次数由小到大顺序策略、专业单元承担的该批次的工序的时间跨度最小松弛策略和专业单元承担的该批次的工序的最小时间由小到大顺序策略的至少一条策略，确定专业单元承担的每批次的时间段大小和该批次每日生产时间。
在本发明的一个实施例中，所述工序参数确定子模块4233可以用于根据工序供应商的后继供应商数量范围最小松弛策略和/或工序供应商后继供应商生产时间由小到大顺序策略，确定工序供应商的后继供应商。
对于供应方
制造企业的生产能力无法与市场需求完全匹配。企业内部，总是有一些设备无法充分利用，这直接导致了设备利用率下降，从而影响车间整体生产成本。采用本发明上述实施例后，企业可以将空余设备能力发布至云资源调度系统，以达到充分利用资源目的。
对于需求方
作为集团型企业，一方面要充分利用集团内生产资源、一分面还要通过外部资源实现协同生产。所有相关生产企业都是供应链上重要一环，各方都需要围绕合理的调度计划开展生产。采用本发明上述实施例后，集团型企业根据自身需求，牵引供应链相关企业将能力接入云资源调度，利用云资源调度引擎为集团总体调度计划提供决策支持。
制造企业调度人员接收到大量生产订单时，一般依据个人经验制定生产计划。该方法需要多年经验积累，但仍无法避免人工排错等问题。采用本发明上述实施例后，云资源调度系统以生产时间最短为目标，可为企业提供在按时完成生产基础上的资源充分利用的生产调度计划，可有效提高企业调度人员决策效率。
随着社会发展，“个性化订制”的需求越来越高，这也催生了大量自由职业者、创业团队，设计出新产品工艺，满足柴类个性化需求。而设计完成终将需要制造企业进行生产，采用本发明上述实施例后，该类用户也可以作为需求方在云资源调度平台发布生产任务，调度企业发布的生产能力。
根据本发明的另一方面，提供一种云生产资源调度系统，包括如上述任一实施例(例如图4-图7任一实施例)所述的云生产资源调度装置。
图8为本发明云生产资源调度系统一个实施例的示意图。如图8所示，所述云生产资源调度系统可以包括云生产资源调度装置4和外围系统5，其中：
云生产资源调度装置4，为如上述任一实施例(例如图4-图7任一实施例)所述的云生产资源调度装置。
外围系统5可以包括企业资源计划系统和物料需求计划系统中的至少一项。
在本发明的一个实施例中，外围系统5可以用于向云生产资源调度装置4输入基础数据；修改基础数据中的逻辑错误，以及调整优化排程结果。外围系统5与云生产资源调度装置4配合完成云生产资源调度。
基于本发明上述实施例提供的云生产资源调度系统，针对个性化、服务化、社会化的制造业未来发展趋势，产品种类和个性化不断增加，订单的来源和订货量更多的趋势，通过从全局考虑企业(集团)内外的资源与能力约束，建立云资源计划排程的模型和问题求解框架，由此可以支撑企业动态整合社会化制造资源和能力为己所用，实现了跨企业的最优化配置和柔性化重组。
本发明上述实施例针对云端的竞争更加激烈，企业(集团)对交期、资源利用率等的要求更高的需求，可以及时获得内部和外部协作配套的相关资源的当前状态信息，从而最大程度地减少了不确定性。
本发明上述实施例的关键在于可将不同企业的生产能力及距离信息考虑进来，使用该本发明上述实施例的方法进行排程计算，获取考虑多种约束的有限生产能力的排程方案。
本发明上述实施例提出了企业生产能力建模装置，提高了参与企业生产能力信息的一致性、透明性。
本发明上述实施例提出了企业生产任务建模装置，量化了企业的生产任务。
本发明上述实施例解决了跨企业生产调度问题，使跨企业的业务协作可通过信息化平台支持，提高了企业协作效率。
本发明上述实施例解决了跨企业协同生产过程中，基于有限产能进行生产调度。
本发明上述实施例解决了集团企业内部跨单位任务调度，基于有限产能进行生产调度安排。
本发明上述实施例解决了自由设计人员，只有生产需求无生产资源的配套生产问题。
在上面所描述的等功能单元可以实现为用于执行本申请所描述功能的通用处理器、可编程逻辑控制器(PLC)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。
至此，已经详细描述了本发明。为了避免遮蔽本发明的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种云生产资源调度方法，其特征在于，包括：
获取基础数据，其中基础数据包括专业单元数据和订单数据，专业单元数据包括专业单元能力信息和专业单元所属企业的距离矩阵信息；
根据基础数据进行全局优化计算，获取排程结果；
输出排程结果。
2.根据权利要求1所述的方法，其特征在于，所述根据基础数据进行全局优化计算，获取排程结果包括：
构建约束条件；
设置优化目标；
设置正向排产搜索策略；
根据所述约束条件、优化目标和正向排产搜索策略进行全局优化计算，获取排程结果。
3.根据权利要求2所述的方法，其特征在于，
所述约束条件包括对每道工序的约束、供应商约束、距离约束、工序前驱和后继约束、零件约束、专业单元生产能力约束和订单约束中的至少一项；
和/或，
所述优化目标包括订单拖期时间总和最小、和/或每个专业单元生产每道工序时间跨度最小；
和/或，
所述设置正向排产搜索策略包括：
创建搜索相关变量，所述搜索相关变量包括工序、工序生产能力之和、工序是否拆分和工序优先级中的至少一项；
确定完成工序的专业单元；
确定工序开始时间、工序拆分率、专业单元承担的工序数量、专业单元承担的每批次的时间段大小、该批次每日生产时间、后继工序的供应商中的至少一项。
4.根据权利要求3所述的方法，其特征在于，
所述确定完成工序的专业单元包括：根据工序生产企业数量范围最小松弛策略、工序生产专业单元数量范围最小松弛策略、工序开始时间下界由小到大顺序策略和工序优先级由大到小顺序策略中的至少一条策略，确定完成所述工序的专业单元数量；之后，根据完成所述工序的专业单元数量、以及专业单元承担的工序时间由大到小顺序策略和/或专业单元承担工序的时间跨度最小松弛策略，确定完成所述工序的专业单元；
和/或，
所述确定工序开始时间和工序拆分率包括：根据工序开始时间由小到大顺序策略、工序拆分范围最小松弛策略、工序所在订单拖期时间下界由大到小顺序策略、工序开始时间范围最小松弛度准则和工序优先级由大到小顺序策略中的至少一条策略，确定工序开始时间及拆分数量；
和/或，
所述确定专业单元承担的工序数量包括：根据专业单元承担的工序数量的范围最小松弛策略、专业单元承担的工序时间由大到小顺序策略和专业单元承担工序的时间跨度最小松弛策略中的至少一条策略，确定专业单元承担的工序数量；
和/或，
所述确定专业单元承担的每批次的时间段大小和该批次每日生产时间包括：根据生产批次数由小到大顺序策略、专业单元承担的该批次的工序的时间跨度最小松弛策略和专业单元承担的该批次的工序的最小时间由小到大顺序策略的至少一条策略，确定专业单元承担的每批次的时间段大小和该批次每日生产时间；
和/或，
所述确定后继工序的供应商包括：根据工序供应商的后继供应商数量范围最小松弛策略和/或工序供应商后继供应商生产时间由小到大顺序策略，确定工序供应商的后继供应商。
5.根据权利要求1-4中任一项所述的方法，其特征在于，
所述获取基础数据之后，还包括：
进行基础数据校验；
判断基础数据是否存在逻辑错误；
若基础数据存在逻辑错误，则修改基础数据中的逻辑错误，之后执行所述进行基础数据校验的步骤；
若基础数据不存在逻辑错误，则执行所述根据基础数据进行全局优化计算，获取排程结果的步骤；
和/或，
所述获取排程结果之后，还包括：
判断排程结果是否满足需求；
若排程结果满足需求，则执行所述输出排程结果的步骤；
若排程结果不满足需求，则对排程结果进行调整和/或交互优化，之后执行所述判断排程结果是否满足需求的步骤。
6.一种云生产资源调度装置，其特征在于，包括基础数据获取模块、排程结果获取模块和排程结果输出模块，其中：
基础数据获取模块，用于获取基础数据，其中基础数据包括专业单元数据和订单数据，专业单元数据包括专业单元能力信息和专业单元所属企业的距离矩阵信息；
排程结果获取模块，用于根据基础数据进行全局优化计算，获取排程结果；
排程结果输出模块，用于输出排程结果。
7.根据权利要求6所述的装置，其特征在于，所述排程结果获取模块包括约束构建单元、优化目标设置单元、搜索策略设置单元和排程结果获取单元，其中：
约束构建单元，用于构建约束条件；
优化目标设置单元，用于设置优化目标；
搜索策略设置单元，用于设置正向排产搜索策略；
排程结果获取单元，用于根据所述约束条件、优化目标和正向排产搜索策略进行全局优化计算，获取排程结果。
8.根据权利要求7所述的装置，其特征在于，
所述约束条件包括对每道工序的约束、供应商约束、距离约束、工序前驱和后继约束、零件约束、专业单元生产能力约束和订单约束中的至少一项；
和/或，
所述优化目标包括订单拖期时间总和最小、和/或每个专业单元生产每道工序时间跨度最小；
和/或，
所述搜索策略设置单元包括搜索变量创建子模块、专业单元确定子模块和工序参数确定子模块，其中：
搜索变量创建子模块，用于创建搜索相关变量，所述搜索相关变量包括工序、工序生产能力之和、工序是否拆分和工序优先级中的至少一项；
专业单元确定子模块，用于确定完成工序的专业单元；
工序参数确定子模块，用于确定工序开始时间、工序拆分率、专业单元承担的工序数量、专业单元承担的每批次的时间段大小、该批次每日生产时间、后继工序的供应商中的至少一项。
9.根据权利要求6-8中任一项所述的装置，其特征在于，还包括基础数据校验模块、逻辑错误判断模块和逻辑错误修改模块，其中：
基础数据校验模块，用于在基础数据获取模块获取基础数据之后，进行基础数据校验；
逻辑错误判断模块，用于判断基础数据是否存在逻辑错误；并在基础数据不存在逻辑错误的情况下，指示排程结果获取模块执行所述根据基础数据进行全局优化计算，获取排程结果的操作；
逻辑错误修改模块，用于根据逻辑错误判断模块的判断结果，在基础数据存在逻辑错误的情况下，修改基础数据中的逻辑错误，之后指示基础数据校验模块执行所述进行基础数据校验的操作；
和/或，
所述装置还包括排程结果判断模块和排程结果调整模块，其中：
排程结果判断模块，用于在获取排程结果之后，判断排程结果是否满足需求；并在排程结果满足需求的情况下，指示排程结果输出模块执行所述输出排程结果的操作；
排程结果调整模块，用于根据排程结果判断模块的判断结果，在排程结果不满足需求的情况下，对排程结果进行调整和/或交互优化，之后指示排程结果判断模块执行判断调整后的排程结果是否满足需求的操作。
10.一种云生产资源调度系统，其特征在于，包括企业资源计划系统、物料需求计划系统以及如权利要求6-9中任一项所述的云生产资源调度装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711016639.9A CN108053047A (zh) | 2017-10-26 | 2017-10-26 | 云生产资源调度方法、装置和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711016639.9A CN108053047A (zh) | 2017-10-26 | 2017-10-26 | 云生产资源调度方法、装置和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108053047A true CN108053047A (zh) | 2018-05-18 |
Family
ID=62118802
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711016639.9A Pending CN108053047A (zh) | 2017-10-26 | 2017-10-26 | 云生产资源调度方法、装置和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108053047A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108985711A (zh) * | 2018-06-29 | 2018-12-11 | 北京仿真中心 | 一种智能工厂动态计划排程系统 |
| CN109711494A (zh) * | 2018-12-24 | 2019-05-03 | 张学礼 | 一种可再生资源的循环销售方法及系统 |
| CN110751352A (zh) * | 2018-07-24 | 2020-02-04 | 上汽通用汽车有限公司 | 试验排程方法以及计算机可读存储介质 |
| CN110826849A (zh) * | 2019-09-20 | 2020-02-21 | 珠海格力电器股份有限公司 | 一种生产排程方法、装置、电子设备及存储介质 |
| CN110866591A (zh) * | 2019-10-28 | 2020-03-06 | 浙江大学 | 基于需求预测进行前瞻式云制造服务租赁配置的方法 |
| CN111311090A (zh) * | 2020-02-13 | 2020-06-19 | 北京轩宇信息技术有限公司 | 一种基于大数据计算与分析的智能排程方法及装置 |
| CN111652463A (zh) * | 2020-04-18 | 2020-09-11 | 北京智通云联科技有限公司 | 基于分形自相似原理的aps递归系统、方法及设备 |
| CN112462702A (zh) * | 2020-11-12 | 2021-03-09 | 南京恩瑞特实业有限公司 | 一种基于工业互联网的智能监测与智慧调度系统 |
| CN112861371A (zh) * | 2021-03-02 | 2021-05-28 | 东南大学 | 一种基于边缘计算的钢铁行业云排产方法 |
| CN113298336A (zh) * | 2020-08-21 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 资源排产信息确定方法及装置 |
| CN114493199A (zh) * | 2022-01-11 | 2022-05-13 | 电子科技大学 | 一种基于跨中小型企业的智能云排产方法 |
| TWI785512B (zh) * | 2021-02-26 | 2022-12-01 | 德科智能科技股份有限公司 | 自動訂單收發系統 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101315686A (zh) * | 2007-05-30 | 2008-12-03 | 鸿富锦精密工业（深圳）有限公司 | 生产计划正向排程系统及方法 |
| CN105321042A (zh) * | 2015-10-19 | 2016-02-10 | 金航数码科技有限责任公司 | 一种基于遗传算法的高级计划排程系统及方法 |
| CN107016449A (zh) * | 2016-01-28 | 2017-08-04 | 北京仿真中心 | 一种基于跨企业动态计划排程的智能制造方法 |
| CN107168267A (zh) * | 2017-06-29 | 2017-09-15 | 山东万腾电子科技有限公司 | 基于改进粒子群与启发式策略的生产排产方法及系统 |
| CN107292391A (zh) * | 2017-06-20 | 2017-10-24 | 上海交通大学 | 基于de和l‑bfgs‑b混合算法的柔性化车间任务调度优化方法 |
-
2017
- 2017-10-26 CN CN201711016639.9A patent/CN108053047A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101315686A (zh) * | 2007-05-30 | 2008-12-03 | 鸿富锦精密工业（深圳）有限公司 | 生产计划正向排程系统及方法 |
| CN105321042A (zh) * | 2015-10-19 | 2016-02-10 | 金航数码科技有限责任公司 | 一种基于遗传算法的高级计划排程系统及方法 |
| CN107016449A (zh) * | 2016-01-28 | 2017-08-04 | 北京仿真中心 | 一种基于跨企业动态计划排程的智能制造方法 |
| CN107292391A (zh) * | 2017-06-20 | 2017-10-24 | 上海交通大学 | 基于de和l‑bfgs‑b混合算法的柔性化车间任务调度优化方法 |
| CN107168267A (zh) * | 2017-06-29 | 2017-09-15 | 山东万腾电子科技有限公司 | 基于改进粒子群与启发式策略的生产排产方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 陈通 等: "可重入柔性调度问题研究：模型、算法与应用", 《系统工程理论与实践》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108985711A (zh) * | 2018-06-29 | 2018-12-11 | 北京仿真中心 | 一种智能工厂动态计划排程系统 |
| CN110751352A (zh) * | 2018-07-24 | 2020-02-04 | 上汽通用汽车有限公司 | 试验排程方法以及计算机可读存储介质 |
| CN109711494A (zh) * | 2018-12-24 | 2019-05-03 | 张学礼 | 一种可再生资源的循环销售方法及系统 |
| CN110826849A (zh) * | 2019-09-20 | 2020-02-21 | 珠海格力电器股份有限公司 | 一种生产排程方法、装置、电子设备及存储介质 |
| CN110866591B (zh) * | 2019-10-28 | 2022-11-01 | 浙江大学 | 基于需求预测进行前瞻式云制造服务租赁配置的方法 |
| CN110866591A (zh) * | 2019-10-28 | 2020-03-06 | 浙江大学 | 基于需求预测进行前瞻式云制造服务租赁配置的方法 |
| CN111311090A (zh) * | 2020-02-13 | 2020-06-19 | 北京轩宇信息技术有限公司 | 一种基于大数据计算与分析的智能排程方法及装置 |
| CN111652463A (zh) * | 2020-04-18 | 2020-09-11 | 北京智通云联科技有限公司 | 基于分形自相似原理的aps递归系统、方法及设备 |
| CN113298336A (zh) * | 2020-08-21 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 资源排产信息确定方法及装置 |
| CN112462702A (zh) * | 2020-11-12 | 2021-03-09 | 南京恩瑞特实业有限公司 | 一种基于工业互联网的智能监测与智慧调度系统 |
| TWI785512B (zh) * | 2021-02-26 | 2022-12-01 | 德科智能科技股份有限公司 | 自動訂單收發系統 |
| CN112861371A (zh) * | 2021-03-02 | 2021-05-28 | 东南大学 | 一种基于边缘计算的钢铁行业云排产方法 |
| CN114493199A (zh) * | 2022-01-11 | 2022-05-13 | 电子科技大学 | 一种基于跨中小型企业的智能云排产方法 |
| CN114493199B (zh) * | 2022-01-11 | 2023-04-18 | 电子科技大学 | 一种基于跨中小型企业的智能云排产方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108053047A (zh) | 云生产资源调度方法、装置和系统 | |
| Phanden et al. | Integration of process planning and scheduling: a state-of-the-art review | |
| Pan et al. | Robust supply chain design under uncertain demand in agile manufacturing | |
| CN111915410B (zh) | 面向高动态生产物流过程的智能管控系统 | |
| Prajapat et al. | A review of assembly optimisation applications using discrete event simulation | |
| Younus et al. | MES development and significant applications in manufacturing-A review | |
| TWI788650B (zh) | 用於半導體加工調度的方法、半導體加工調度系統和非暫時性電腦可讀儲存介質 | |
| Chen et al. | Optimizing profit and logistics for precast concrete production | |
| Varthanan et al. | A simulation based heuristic discrete particle swarm algorithm for generating integrated production–distribution plan | |
| Zhang et al. | Multi-level inventory matching and order planning under the hybrid Make-To-Order/Make-To-Stock production environment for steel plants via Particle Swarm Optimization | |
| Kuo et al. | Industry 4.0 enabling manufacturing competitiveness: Delivery performance improvement based on theory of constraints | |
| Varthanan et al. | An AHP based heuristic DPSO algorithm for generating multi criteria production–distribution plan | |
| CN107341596A (zh) | 基于层次任务网络和关键路径法的任务优化方法 | |
| CN106327053B (zh) | 一种基于多模式集合的纺织工艺推荐模型的构建方法 | |
| Thenarasu et al. | Development and selection of hybrid dispatching rule for dynamic job shop scheduling using multi-criteria decision making analysis (MCDMA) | |
| Barlatt et al. | Ford motor company implements integrated planning and scheduling in a complex automotive manufacturing environment | |
| Fiasché et al. | A novel hybrid fuzzy multi-objective linear programming method of aggregate production planning | |
| Slak et al. | Application of genetic algorithm into multicriteria batch manufacturing scheduling | |
| Jiang et al. | Improved heuristic algorithm for modern industrial production scheduling | |
| Ebrahimi et al. | Determining the optimal performance of flexible manufacturing systems using network analysis and simulation process | |
| Masmoudi | Sizing manufacturing cell machines based on the simulation and an expert system | |
| Ounnar et al. | Isoarchic and multi-criteria control of supply chain network | |
| Ilkevich | Strategy of digital transformation of industrial enterprises: The effects of the introduction of smart manufacturing technologies | |
| Liu et al. | Production Scheduling of Regional Industrial Clusters Based on Customization Oriented Smart Garment Ecosystem | |
| Paopongchuang et al. | Finite capacity material requirement planning with supplier constraints |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180518 |