CN109543930A - 基于机台多级别稳态生产速率的派工方法及系统 - Google Patents
基于机台多级别稳态生产速率的派工方法及系统 Download PDFInfo
- Publication number
- CN109543930A CN109543930A CN201710904561.8A CN201710904561A CN109543930A CN 109543930 A CN109543930 A CN 109543930A CN 201710904561 A CN201710904561 A CN 201710904561A CN 109543930 A CN109543930 A CN 109543930A
- Authority
- CN
- China
- Prior art keywords
- throughput rate
- rate value
- stable state
- product
- board
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000005516 engineering process Methods 0.000 claims abstract description 55
- VEMKTZHHVJILDY-UHFFFAOYSA-N resmethrin Chemical compound CC1(C)C(C=C(C)C)C1C(=O)OCC1=COC(CC=2C=CC=CC=2)=C1 VEMKTZHHVJILDY-UHFFFAOYSA-N 0.000 claims description 66
- 230000009183 running Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 239000000047 product Substances 0.000 description 149
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002311 subsequent effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001052 transient effect Effects 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
- G06Q10/06—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
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24568—Data stream processing; Continuous queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
基于机台多级别稳态生产速率的派工方法及系统。该派工方法包含:接收多个生产机台生产多个产品时的多个即时串流信息;依据一第一数据分箱技术的多个重叠速率区间对这些即时串流信息进行分群,以产生各该即时串流信息所对应的一第一稳态生产速率值;依据一第二数据分箱技术的多个非重叠速率区间对这些即时串流信息进行分群,以产生各该即时串流信息所对应的一第二稳态生产速率值;及根据这些第一稳态生产速率值的一部分及这些第二稳态生产速率值的一部分,决定待产产品的派工讯息。
Description
技术领域
本发明是关于一种基于机台多级别稳态生产速率的派工方法及系统。具体 而言,本发明是关于一种基于由不同数据分箱技术所产生的机台多级别稳态生 产速率的派工方法及系统。
背景技术
随着智能制造产业的快速发展,巨量资料分析与应用也成为提升制造业生 产力、竞争力及创新力的关键指标之一。在智能制造产业中,若能有效地分析 巨量资料并依据分析结果进行生产派工,除了能快速地复制到各种高科技制造 业(如光电半导体)或传统产业制造业中外,还能协助制造业降低维运成本、 提高工厂资源运用效率。
已知制造业的派工方法主要是借由分析历史数据库中相似的产品订单或 建立各类生产数据模型来进行派工。然而,已知的派工技术并未如本发明般借 由不同的数据分箱技术(data binning technique)记录各产品于各机台上的数种 级别稳态生产速率,并通过比较整体厂区中多个待产产品及/或生产中多个产品 各自的数种级别稳态生产速率进行派工。因此,已知技术容易受到历史数据库 中的异常数据的影响,导致无法提供较有效率、较准确且较即时的派工结果。
有鉴于此,本领域仍亟需一种掌握产品于机台上的生产效率与机台类别、 产品特性、原料的关联性而优化机台效率的派工技术。
发明内容
本发明的一目的在于提供一种基于机台多级别稳态生产速率的派工方法, 其是适用于一电脑。该派工方法包含下列步骤(a)、步骤(b)及步骤(c)。步骤(a) 接收多个即时串流信息,其中各该即时串流信息对应至多个机台其中之一及多 个产品规格其中之一。步骤(b)对各该该即时串流信息执行以下步骤:(b1)依据 一第一数据分箱技术的多个重叠速率区间,将该即时串流信息所包含的多个生 产速率值分群为多个第一群组,(b2)依据该多个第一群组中的一选定群组所对 应的该多个生产速率值计算的一第一稳态生产速率值,(b3)依据一第二数据分 箱技术的多个非重叠速率区间,将该即时串流信息所包含的该多个生产速率值 分群为多个第二群组,及(b4)依据该第二群组的一部分所对应的该多个生产速 率值计算一第二稳态生产速率值。该步骤(c)根据该多个第一稳态生产速率值的 一部分及该多个第二稳态生产速率值的一部分,决定一待产产品的一派工讯息。
本发明的另一目的在于提供一种基于机台多级别稳态生产速率的派工系 统。该派工系统包含一数据库及一处理器,且二者电性连接。该处理器接收多 笔即时串流信息,其中各该即时串流信息对应至多个机台其中之一及多个产品 规格其中之一。该处理器针对各该即时串流信息进行以下运作:(a)依据一第一 数据分箱技术的多个重叠速率区间,将该即时串流信息所包含的多个生产速率 值分群为多个第一群组,(b)依据该多个第一群组中的一选定群组所对应的该多 个生产速率值计算一第一稳态生产速率值,(c)依据一第二数据分箱技术的多个 非重叠速率区间,将该即时串流信息所包含的该多个生产速率值分群为多个第 二群组,及(d)依据该第二群组的一部分所对应的该多个生产速率值计算一第二 稳态生产速率值。该处理器更根据该多个第一稳态生产速率值的一部分及该多 个第二稳态生产速率值的一部分,决定一待产产品的一派工讯息。
本发明所提供的派工技术(包含系统及方法)是利用两种数据分箱技术所 界定的不同的速率区间(亦即,多个重叠速率区间及多个非重叠速率区间), 对多个机台在生产多个产品时的即时串流信息所包含的生产速率值进行分群。 借由前述分群,可取得每一产品规格于每一机台上的不同稳态区域(亦即,级 别)的多个稳态生产速率值。之后,本发明的派工技术便能依据待产产品的待 产产品规格,选取对应的不同级别的稳态生产速率值进行评估与派工。
本发明所提供的派工技术在对即时串流信息进行分群时,可根据其所包含 的各生产速率值去更新群组的资料个数、资料总和及资料平方总和。之后,本 发明所提供的派工技术可选择生产速率值个数最多的第一群组作为一选定群 组,且以该选定群组所对应的该多个生产速率值的平均值作为一第一稳态生产 速率值。另外,本发明可选择生产速率值个数最多的一或多个第二群组所对应 的该多个生产速率值的平均值作为一第二稳态生产速率值。通过数据分箱技术, 不仅能排除异常的生产速率值被包含在主要稳态区域的可能性,且能进一步地 提高各产品规格于各机台上的不同稳态区域(亦即,级别)的稳态生产速率值 的准确性。因此,本发明所提供的派工技术能进一步基于数据库中所记载的各 产品规格于各机台上的不同稳态区域(亦即,级别)的稳态生产速率值及其稳 态参数,决定一或多个待产产品与各该机台间的派工关系。依据此派工关系, 本发明的派工系统/方法便能预测多个待产产品的生产速率及时间,且在配合即 时监控产品的生产状况下,能优化产品派工及整体厂区的人力调度。
附图说明
为让本发明的上述目的、特征和优点能更明显易懂,以下结合附图对本发 明的具体实施方式作详细说明,其中:
图1A是描绘第一实施方式的派工系统100的架构示意图;
图1B是描绘派工系统100以第一及第二数据分箱技术对即时串流信息 RD_1进行分群及产生二个稳态区域的示意图;
图1C是描绘第一数据分箱技术的多个重叠速率区间的示意图;
图1D是描绘以第一数据分箱技术的多个重叠速率区间对即时串流信息分 群的示意图;
图1E是描绘第二数据分箱技术的多个非重叠速率区间的示意图;
图1F是描绘以第二数据分箱技术的多个非重叠速率区间对即时串流信息 分群的示意图;
图1G是描绘第一实施方式的第一稳态区域、第二稳态区域及第三稳态区 域的示意图;
图2A是描绘第二实施方式的派工方法的流程图;以及
图2B是描绘步骤S202的详细流程图。
符号说明:
M_1、M_m:机台
RD_1、RD_n:即时串流信息
100:派工系统
101:处理器
102:数据库
B1:第一数据分箱技术
B2:第二数据分箱技术
UPHmax:最大生产速率值
UPHmin:最小生产速率值
S1:第一稳态区域
S2:第二稳态区域
S3:第三稳态区域
X1:第一稳态速率值
X2:第二稳态速率值
C1~C5:重叠速率区间
C6~C12:非重叠速率区间
D:移动距离
G1~G5:第一群组
G6~G12:第二群组
S201~S203:步骤
S211~S215:步骤
具体实施方式
以下将通过实施方式来解释本发明所提供的基于机台多级别稳态生产速 率的派工系统及派工方法。然而,这些实施方式并非用以限制本发明需在如这 些实施方式所述的任何环境、应用或方式方能实施。因此,关于实施方式的说 明仅为阐释本发明的目的,而非用以限制本发明的范围。应理解,在以下实施 方式及附图中,与本发明非直接相关的元件已省略而未绘示,且各元件的尺寸 以及元件间的尺寸比例仅为例示而已,而非用以限制本发明的范围。
本发明的第一实施方式为一种基于机台多级别稳态生产速率的派工系统 100,其架构示意图是描绘于图1A。基于机台多级别稳态生产速率的派工系统 100包含处理器101及数据库102,其中处理器101电性连接至数据库102。处 理器101可为各种处理器、中央处理单元(Central Processing Unit;CPU)、 微处理器、控制元件、其他可执行指令的硬件元件或本发明所属技术领域中具 有通常知识者所知的其他计算装置中的任一者。数据库102可为一存储器、一 通用串行总线(Universal Serial Bus;USB)碟、一硬盘、一光盘(Compact Disk; CD)、一随身碟或本发明所属技术领域中具有通常知识者所知且具有相同功能 的任何其他储存媒体或电路。
派工系统100可用于一具有多个机台M_1、……、M_m的生产作业环境 (或其他类似的环境),且机台M_1、……、M_m中的每一个可生产符合一 或多个产品规格的产品。概要而言,处理器101接收机台M_1、……、M_m 生产多个产品时的多笔即时串流信息RD_1、……RD_n。即时串流信息 RD_1、……RD_n的每一笔包含多个生产速率值,且对应至机台M_1、……、M_m其中之一及多个产品规格其中之一。换言之,即时串流信息RD_1、…… RD_n的每一笔包含机台M_1……、M_m其中之一在生产符合某一产品规格的 产品时的生产速率值。处理器101以多个数据分箱(data binning)技术对即时 串流信息RD_1、……RD_n的每一笔分群,再依据分群的结果决定于各机台 M_1……、M_m生产符合各产品规格的产品时的多个稳态生产速率值及多个稳 态参数。之后,派工系统100便可根据这些稳态生产速率值中的一部分,甚至 再根据这些稳态参数中的一部分,决定一待产产品的一派工讯息。
兹以即时串流信息RD_1为例,说明派工系统100如何通过多个(例如: 二个)数据分箱技术对即时串流信息RD_1分群,其示意图是描绘于图1B。
图1B左侧为即时串流信息RD_1所包含的生产速率值的分布示意图,其 中水平轴代表时间,垂直轴代表生产速率值,且生产速率值为每小时的生产单 位(Unit Per Hour,UPH)。分布示意图中的每一黑点即代表包含于即时串流信 息RD_1的生产速率值。处理器101采用第一数据分箱技术B1的多个重叠速 率区间C1、C2、C3、C4、C5(容后详述)及第二数据分箱技术B2的多个非 重叠速率区间C6、C7、C8、C9、C10、C11、C12(容后详述)分别对即时串 流信息RD_1所包含的生产速率值进行分群。处理器101以第一数据分箱技术 B1对生产速率值分群后,会依据分群结果找出第一稳态区域S1(容后详述), 且会以对应至第一稳态区域S1的生产速率值计算出一稳态生产速率值X1(例 如:这些生产速率值的平均值)。处理器101会根据第一稳态区域S1决定一 第二稳态区域S2(容后详述),再根据对应到第二稳态区域S2的生产速率值 (可由第二数据分箱技术B2取得)计算出一稳态生产速率值X2。处理器101 可另外地计算第一稳态区域S1及第二稳态区域S2各自的稳态参数。之后,处 理器101将稳态生产速率值X1、X2以及稳态参数记录于数据库102。
第一数据分箱技术B1的重叠速率区间C1~C5的示意图是描绘于图1C。 第一数据分箱技术B1在最大生产速率值UPHmax及最小生产速率值UPHmin间 定义了重叠速率区间C1~C5,其中重叠速率区间C1~C5各具有一第一区间长度 (亦即,长度皆为第一区间长度),具有一顺序,且依该顺序相邻的二重叠速 率区间以一移动距离D重叠(例如:重叠速率区间C1与重叠速率区间C2重 叠,且错开移动距离D)。
处理器101会依据重叠速率区间C1~C5,将即时串流信息RD_1所包含的 这些生产速率值分群为多个第一群组G1、G2、G3、G4、G5,如图1D所示。 具体而言,当一生产速率值落于重叠速率区间C1~C5中的某一或某些个,则该 生产速率值属于那一(那些)个重叠速率区间所对应的第一群组。例如:生产 速率值D1会被分群至重叠速率区间C4所对应至第一群组G4及重叠速率区间 C5所对应至第一群组G5。处理器101以第一数据分箱技术B1分群时,会一 并地计算各第一群组G1~G5的资料个数(亦即,有几笔生产速率值)。于某些 实施态样中,处理器101还会一并地计算各第一群组G1~G5的资料总和(亦即, 这些生产速率值的总和)以及资料平方总和(这些生产速率值的平方总和)。
于图1D所示的范例中,落入第一群组G5的资料个数最多,因此处理器 101会以第一群组G5所对应的重叠速率区间C5作为第一稳态区域S1,且以第 一群组G5作为选定群组。接着,处理器101依据选定群组(亦即,第一群组 G5)所对应的这些生产速率值,计算一稳态生产速率值X1(例如:取这些生 产速率值的平均值)。需说明者,处理器101可采一资料类别化方式对即时串 流信息RD进行运算,以决定重叠速率区间C1~C5的长度,其中前述资料类别 化方式包括全距等分分箱法(Bucket)、等分位法(Quantile)及最适分箱法 (OptimalBinning)。
第二数据分箱技术B2的非重叠速率区间C6~C12的示意图是描绘于图1E。 第二数据分箱技术B2在最大生产速率值UPHmax及最小生产速率值UPHmin间 定义了非重叠速率区间C6~C12,其中非重叠速率区间C6~C12各具一第二区间 长度(亦即,长度皆为第二区间长度),且该第二区间长度为第一数据分箱技 术B1中的移动距离D。
据此,处理器101会依据非重叠速率区间C6~C12,将即时串流信息RD_1 所包含的这些生产速率值分群为多个第二群组G6、G7、G8、G9、G10、G11、 G12,如图1F所示。具体而言,当一生产速率值落于非重叠速率区间C6~C12 中的某一个,则该生产速率值属于那一非重叠速率区间所对应的第二群组。处 理器101以第二数据分箱技术B2分群时,会一并地计算各第二群组G6~G12 的资料个数(亦即,有几笔生产速率值)。于某些实施态样中,处理器101还 会一并地计算各第二群组G6~G12的资料总和(亦即,这些生产速率值的总和) 以及资料平方总和(这些生产速率值的平方总和)。
处理器101会以第一稳态区域S1外的其他非重叠速率区间决定第二稳态 区域S2,甚至决定更多个其他的稳态区(选择性的)。举例而言,处理器101 可选择第一稳态区域S1外的其他非重叠速率区间中对应至最多(或较多)个 生产速率值的一或多个非重叠速率区间作为第二稳态区域S2。当位于第一稳态 区域S1外的其他非重叠速率区间有多个对应至相同个数的生产速率值时,处 理器101可选择生产速率值相对较高的非重叠速率区间作为第二稳态区域S2。 于本实施方式中,处理器101还会根据其余的非重叠速率区间决定一第三稳态 区域S3。为便于理解,请参图1G所描绘的第一稳态区域S1、第二稳态区域 S2及第三稳态区域S3。第二稳态区域S2由非重叠速率区间C8、C9组成,第 三稳态区域S3由非重叠速率区间C6、C7组成,且第二稳态区域S2所对应的 生产速率值的笔数多于第三稳态区域S3所对应的生产速率值的笔数。
处理器101会分别计算第一稳态区域S1、第二稳态区域S2及第三稳态区 域S3的稳态生产速率值X1、稳态生产速率值X2及稳态生产速率值X3。于某 些实施方式中,处理器101还会计算第一稳态区域S1、第二稳态区域S2及第 三稳态区域S3个别的稳态参数(可包含几率值及标准差)。如前所述,处理 器101会计算各群组(含第一及第二群组)的资料个数,且某些实施态样会一 并地计算各群组(含第一及第二群组)的资料总和(亦即,这些生产速率值的 总和)以及资料平方总和(这些生产速率值的平方总和)。于这些实施态样中, 处理器101可依据这些值来计算各稳态区域的稳态生产速率值、几率值及标准 差。为便于理解,兹以第二稳态区域S2为例说明。处理器101可根据下列公 式(1)计算第二稳态区域S2的稳态生产速率值X2,根据下列公式(2)计算第二稳 态区域S2的几率值,且根据下列公式(3)计算第二稳态区域S2的标准差。
稳态生产速率值其中
上述公式(1)-(3)中,参数ni代表第Gi个群组的资料个数,参数si代表第Gi个群组的资料总和,且参数ssi代表第Gi个群组的资料平方总和。
处理器101会将前述稳态生产速率值X1~X3及这些稳态参数记录于数据 库102中,以待而后决定待产产品的派工讯息的使用。需说明者,尽管以上仅 以即时串流信息RD_1为例说明派工系统100如何通过二个数据分箱技术对即 时串流信息RD_1分群,但派工系统100会以同样的技术手段去对其他的即时 串流信息进行分群及计算,且会将根据其他各即时串流信息所产生的稳态生产 速率值X1~X3及这些稳态参数记录于数据库102。需说明者,由于即时串流信 息RD_1、……RD_n的每一笔对应至机台M_1、……、M_m其中之一及这些产品规格其中之一,因此各第一稳态生产速率值对应至机台M_1、……、M_m 其中之一及这些产品规格其中之一,各第二稳态生产速率值对应至机台 M_1、……、M_m其中之一及这些产品规格其中之一,且各第三稳态生产速率 值对应至机台M_1、……、M_m其中之一及这些产品规格其中之一。
接着说明本发明的派工系统100如何决定一待产产品的一派工讯息,其中 派工讯息可包含该待产产品的一对应生产机台。处理器101可借由比对数据库 102所记录的这些产品规格及该待产产品的一待产产品规格,选择这些产品规 格其中之一作为该待产产品的参照规格。处理器101再根据该参照规格所对应 的这些第一稳态生产速率值、这些第二稳态生产速率值及这些第三稳态生产速 率值,决定该待产产品于各该机台上的一第一预计生产速率值、一第二预计生 产速率值、一第三预计生产速率值(例如:以一学习方法来决定,而学习方法 包含回归法、最近邻居分类法(K-nearest neighbors algorism)、机器学习演算 法)。
处理器101可再根据该参照规格所对应的这些稳态参数,决定该待产产品 于各该机台上的一预计稳态参数。之后,处理器101再根据这些第一预计生产 速率值、这些第二预计生产速率值、这些第三预计生产速率值,甚至可再根据 这些预计稳态参数,决定派工讯息。需说明者,前述各产品该规格可包含产品 的尺寸、材料或其他产品属性/特征。处理器101可利用一回归法、一内插法或 其他相似度分析法来决定该待产产品的该参照规格。
于某些实施方式中,处理器101借由对各该机台执行以下运作:(a)依据该 机台的该第一预计生产速率值、该第二预计生产速率值及该第三预计生产速率 值,计算该待产产品于该机台的一预估生产时间,以及(b)依据该机台的该预 估生产时间、一可开始生产时间点及一调机时间,决定一预估完成时间点。之 后,处理器101依据这些预估完成时间点决定该待产产品的该派工讯息所包含 的一对应生产机台。举例而言,处理器101可指派该待产产品至预估生产时间 最小者所对应的机台进行生产。再举例而言,处理器101亦可指派该待产产品 至预估完成时间点最早者所对应的机台进行生产。
为便于理解,兹于表一列出待产产品j于机台m上的各稳态区域(各级别) 的预计生产速率值及其稳态参数中的几率值。兹假设所需生产的待产产品j的 个数为Nj,机台m可以开始生产尚未派工产品的时间点为qm,已于产线中生 产的最后一个产品为im,而从产品im改为生产待产产品j的调机时间为则处理单元101可利用以下公式(4)计算待产产品j于机台m的预估生产时间且可利用以下公式(5)计算待产产品j于机台m的预估完成时间点
表一
如前所述,处理器101在计算出预估生产时间及预估完成时间点后, 可指派待产产品j至预估生产时间最小者所对应的机台进行生产,或者指派 待产产品j至预估完成时间点最早者所对应的机台进行生产。
在另一实施方式中,派工系统100欲生产多个种类的多个待产产品。处理 器101先以上述公式(4)及公式(5)取得各该待产产品的多个预估生产时间接着,处理器101以一预估法来对预估生产时间进行运算,借此求得这些待 产产品的派工讯息(包含各待产产品的一对应生产机台、派工顺序及预估产能 值),其中该预估法可为混合整数规划模型或各种启发式演算法(如基因演算 法)。举例而言,处理器101可利用以下公式(6)计算这些待产产品的各自对应 生产机台、派工顺序及预估产能值:
处理器101在针对公式(6)求解时,必须符合以下数个条件:
条件(a):
条件(b):
条件(c):
条件(d):
条件(e):
条件(f):
条件(g):
条件(h):
条件(i):
条件(j):
上述公式(6)代表在条件(a)至条件(j)的限制下,将所有待产产品(亦即,待 派工的产品)于每个机台上超过交期的时间的总和最小化后,得出待产产品与 各机台间的最佳组合(即,获得待产产品所各自对应的机台及派工顺序)。如 此,根据上述最佳组合及各待产产品于各机台上的各稳态区域的预计生产速率 值,本发明的派工系统便能计算出预估产能值,包含每单位时间内在各机台上 的所产出各待产产品的数量、各待产产品于各机台上的生产时间、各机台的使 用程度及等等。
条件(a)代表对每个产品j,恰巧被指派至一个机台m上的第一个位置或在 某产品后生产。条件(b)代表每个机台m上的第一个指派位置最多只会有一个产 品。条件(c)代表若产品j被指派至机台m上的第一个位置或在某产品后生产, 则产品j也会在机台m上最后一个位置或在某产品前生产。条件(d)代表每个产 品j开始处理的时间点在产品到达时间点之后。条件(e)代表若产品j被指派至 机台m上的第一个位置,则产品j在机台m上的开始处理的时间点在机台m 可以开始处理的时间点后。条件(f)代表若产品j被指派至机台m上的产品i后, 则产品j在机台m上的开始处理的时间点在产品i的生产完成的时间点后。条件(g)代表若产品j被指派至机台m上的产品i后,则产品j的完成时间点在产 品j的到达时间点加上调机时间加上生产时间之后。此外,条件(h)及条件(i)代 表对每产品j,超过交期的时间为0与完成时间点减掉交期时间二者中的较大 的值。条件(j)则代表机台或/及产品的指派变数,其值可为0或1。
兹说明上述公式(6)以及条件(a)至条件(j)中所使用的各参数。参数代表待 派工的产品(亦即,待产产品)的集合,且参数代表机台的集合。参数rj代 表产品j到达此站(厂区)的时间点(release date),参数dj代表产品 j在此站(厂区)生产的交期(due date),参数代表在机台m上产 品j的生产时间(processing time),参数代表在机台m上 产品i换到产品j的调机时间(setup time),参数qm代表机 台m可开始生产产品集合的时间点,参数参数另外, 于某些实施方式中,参数M可通过以下公式表示:
另外,参数参数及参数的涵义如下:
此外,参数Bj代表开始处理(含调机及生产)产品j的时间点,参 数Cj代表产品j生产完成的时间点,参数Tj代表产品j超过交期的时间,
在另一实施方式中,当厂区接获一插单的待产产品时,本发明的派工系统 100可利用其处理器101与数据库102执行前述程序,以求得此插单的待产产 品的派工讯息,其中还可借由在前述限制式中加重此插单的待产产品的权重, 来提高使此插单的待产产品满足交期的优先顺序。
由前述说明可知,本发明所提供的派工系统100利用两种数据分箱技术所 界定的不同的速率区间(亦即,多个重叠速率区间及多个非重叠速率区间), 对各笔即时串流信息进行分群。各笔即时串流信息包含某一机台在生产符合某 一产品规格的产品时的生产速率值。借由前述分群,可取得每一产品规格于每 一机台上的不同稳态区(亦即,级别)的多个稳态生产速率值。之后,派工系 统100便能依据待产产品的待产产品规格,选取对应的不同级别的多个稳态生 产速率值进行评估与派工。
在对一笔即时串流信息进行分群时,该笔即时串流信息所包含的多个生产 速率值是陆续地进来。针对每一个生产速率值,派工系统100依据多个重叠速 率区间及多个非重叠速率区间,判断该生产速率值属于哪些群组,再更新各群 组的资料个数、资料总和及资料平方总和。在对该笔即时串流信息分群完之后, 派工系统100便可决定多个稳态区域(亦即,多个级别),再根据这些群组的 资料个数、资料总和及资料平方总和,计算出各稳态区域的稳态生产速率值, 甚至计算出其他的稳态参数。通过记录各群组的资料个数、资料总和及资料平 方总和可降低需要储存的资料量,亦可提高后续计算稳态生产速率值的效率。 另外,通过数据分箱技术,能排除异常的生产速率值被包含在主要稳态区域(亦 即,生产速率值个数最多的群组,例如:第一稳态区域S1),且能进一步地提 高各产品规格于各机台上的不同稳态区域的稳态生产速率值的准确性。
基于上述的运作及所储存的信息,本发明所提供的派工系统100能进一步 地基于数据库中所记载的各产品规格于各机台上的不同稳态区域的稳态生产 速率值及其稳态参数,决定一或多个待产产品与各该机台间的派工关系。此外, 本发明的派工系统还能依据此关系预测多个待产产品的生产速率及时间,及在 配合即时监控产品的生产状况下,优化产品派工及整体厂区的人力调度。
本发明的第二实施方式为一种基于机台多级别稳态生产速率的派工方法, 其流程图是描绘于图2。该派工方法适用于一派工系统(例如:第一实施方式 所述的派工系统100),且该派工系统可由一电脑、一电子计算装置或其他具 有计算能力的类似的装置来实现。
首先,于步骤S201,由该派工系统接收多笔即时串流信息,其中各该即时 串流信息对应至多个机台其中之一及多个产品规格其中之一。具体而言,各该 即时串流信息包含这些机台其中之一在生产符合某一产品规格的产品时的多 个生产速率值。接着,于步骤S202,由该派工系统针对各该即时串流信息,计 算出多个稳态生产速率值。
于本实施方式中,步骤S202是针对各该即时串流信息执行图2B所绘示的 流程。于步骤S211,由该派工系统依据第一数据分箱技术的多个重叠速率区间, 将该即时串流信息所包含的多个生产速率值分群为多个第一群组。具体来说, 各这些重叠速率区间具一第一区间长度,具有一顺序,且依该顺序相邻的二重 叠速率区间以一移动距离重叠。步骤S211以这些重叠速率区间对该即时串流 信息进行分群时,是判断各生产速率值落于重叠速率区间的某一或某些个,并 依据判断的结果决定该生产速率值属于那一(那些)个重叠速率区间所对应的 第一群组。在执行步骤S211时,该派工系统还会一并地计算各第一群组的资料个数(亦即,有几笔生产速率值)。
接着,于步骤S212,依据这些第一群组中的一选定群组所对应的这些生产 速率值计算一第一稳态生产速率值。该选定群组所对应的重叠速率区间可视为 一第一稳态区域。具体来说,步骤S212会判断哪一个群组中具最多笔生产速 率值,并以该第一群组作为一选定群组。步骤S212还会对该选定群组中的这 些生产速率值进行平均值运算,并以该平均值作为该第一稳态区域的该第一稳 态生产速率值。
另一方面,于步骤S213,由该派工系统依据一第二数据分箱技术的多个非 重叠速率区间,将该即时串流信息所包含的这些生产速率值分群为多个第二群 组。具体来说,各该非重叠速率区间具有一第二区间长度,且该第二区间长度 等于第一数据分箱技术中的该移动距离。步骤S213以这些非重叠速率区间对 该即时串流信息所包含的这些生产速率值进行分群时,是判断各生产速率值落 于非重叠速率区间的哪一个,并依据判断的结果决定该生产速率值属于那一个 非重叠速率区间所对应的第二群组。
接着,于步骤S214,由该派工系统依据这些第二群组的一第一部分所对应 的这些生产速率值计算一第二稳态生产速率值。具体来说,步骤S214会先由 该派工系统以第一稳态区域外的其他非重叠速率区间决定一第二稳态区域。举 例而言,派工系统可选择第一稳态区域外的其他非重叠速率区间中对应至最多 (或较多)个生产速率值的一或多个非重叠速率区间作为该第二稳态区。步骤 S214接着再对该第二稳态区所对应的该(等)第二群组所包含的这些生产速率 值进行平均值运算,并以该平均值作为该第二稳态区域的该第二稳态生产速率 值。
需要说明的是,于某些实施方式中,该派工系统在执行步骤S211时,还 会一并地计算各第一群组的资料总和(亦即,这些生产速率值的总和)以及资 料平方总和(这些生产速率值的平方总和)。此外,该派工系统在执行步骤S213 时,还会一并地计算各第二群组的资料总和(亦即,这些生产速率值的总和) 以及资料平方总和(这些生产速率值的平方总和)。于这些实施方式中,该派 工系统还会执行一步骤以依据这些第一群组中的该选定群组所对应的这些生 产速率值决定一第一稳态参数,依据这些第二群组的该第一部分所对应的这些 生产速率值决定一第二稳态参数,且依据这些第二群组的该第二部分所对应的这些生产速率值决定一第三稳态参数。这些第一稳态参数、这些第二稳态参数、 这些第三稳态参数各自包含一几率值及一标准差。
需要说明的是,于本实施方式中,该派工系统是以一资料类别化方式对即 时串流信息进行运算,以决定这些重叠速率区间的区间长度。前述资料类别化 方式包括全距等分分箱法(Bucket)、等分位法(Quantile)及最适分箱法(Optimal Binning)。另外,于某些实施方式中,该派工系统在执行步骤S214时,还可 以再决定一或多个其他的稳态区域(亦即,选择第一稳态区域及第二稳态区域 外的其他非重叠速率区间),再针对各其他稳态区域所包含的这些生产速率值 进行平均值运算,借此取得各其他稳态区的稳态生产速率值。之后,执行步骤S215,由该派工系统将该第一稳态生产速率值、该第二稳态生产速率值以及其他的稳态生产速率值(若有)记录于该派工系统的数据库中。
该派工方法针对各该即时串流信息执行步骤S211至步骤S215后(亦即, 执行完步骤S202),便获得各该即时串流信息的多个稳态生产速率值。接着, 于步骤S203,由该派工系统根据该第一稳态生产速率值的一部分、该第二稳态 生产速率值的一部分及该第三稳态生产速率值的一部分(若有),决定一待产 产品的一派工讯息,其中该派工讯息包含待产产品的对应生产机台、派工顺序 及预估产能值。
具体来说,步骤S203是由该派工系统借由比对其数据库所记录的多个产 品规格与该待产产品的待产产品规格,选择这些产品规格其中之一作为该待产 产品的一参照规格(例如:选择相同或最相近的产品规格作为参照规格)。前 数这些产品规格可包含产品的尺寸、材料或其他产品属性/特征。于某些实施方 式中,步骤S203是以一回归法、一内插法或其他相似度分析法决定该参照规 格。步骤S203还可根据该参照规格所对应的这些第一稳态生产速率值、这些 第二稳态生产速率值及这些第三稳态生产速率值,决定该待产产品于各该机台 的一第一预计生产速率值、一第二预计生产速率值及一第三预计生产速率值。之后,步骤S203再根据这些第一预计生产速率值、这些第二预计生产速率值 及这些第三预计生产速率值,决定该派工讯息。
具体来说,于本实施方式中,步骤S203可对各机台执行以下步骤:(a)依 据该机台的该第一预计生产速率值、该第二预计生产速率值及该第三预计生产 速率值,计算该待产产品于该机台的一预估生产时间,及(b)依据该机台的该预 估生产时间、一可开始生产时间点及一调机时间,决定一预估完成时间点。之 后,步骤S203再依据这些预估完成时间点决定该待产产品的一对应生产机台。
于某些实施方式中,于步骤S203后,该派工系统可再执行另一步骤(未 绘示)以根据这些稳态生产速率值及各自的这些多个稳态参数,估算出多个待 产产品的各自的多个预估生产时间及多个预估完成时间点,再执行另一预估法 (例如:通过前述公式(6))来对所估算的这些预估生产时间及这些预估完成时 间点进行运算,以求得这些待产产品的各自的对应生产机台、派工顺序及预估 产能值,其中该预估法可为混合整数规划模型或各种启发式演算法(如基因演 算法)。
除了上述步骤,第二实施方式亦能执行第一实施方式所描述的所有运作及 步骤,具有同样的功能,且达到同样的技术效果。本发明所属技术领域中具有 通常知识者可直接了解第二实施方式如何基于上述第一实施方式以执行此等 运作及步骤,具有同样的功能,并达到同样的技术效果,故不赘述。
在第二实施方式中所阐述的派工方法可由包含多个指令的一电脑程序产 品实现。各电脑程序产品可为能被于网络上传输的档案,亦可被储存于一非暂 态电脑可读取储存媒体中。针对各电脑程序产品,在其所包含的这些指令被载 入一电子计算装置(例如:第一实施方式的派工系统)之后,该电脑程序执行 如在第二实施方式中所述的派工方法。该非暂态电脑可读取储存媒体可为一电 子产品,例如:一只读存储器(read only memory;ROM)、一快闪存储器、 一软盘、一硬盘、一光盘(compact disk;CD)、一随身碟、一磁带、一可由 网络存取的数据库或本发明所属技术领域中具有通常知识者所知且具有相同 功能的任何其他储存媒体。
需说明者,于本发明专利说明书中,所有冠以“第一”、“第二”或“第 三”的名词中的“第一”、“第二”或“第三”仅用来表示这些名词为不同名 词。举例来说,于本发明专利说明书中,第一稳态生产速率值、第二稳态生产 速率值及第三稳态生产速率值中的“第一”、“第二”及“第三”仅用来表示 这些稳态生产速率值为不同稳态生产速率值。
综上所述,本发明所提供的派工技术(包含系统及方法)利用两种数据分 箱技术所界定的不同的速率区间(亦即,多个重叠速率区间及多个非重叠速率 区间),对多个机台在生产多个产品时的即时串流信息进行分群。借由前述分 群,可取得每一产品规格于每一机台上的不同稳态区域(亦即,级别)的多个 稳态生产速率值。之后,本发明的派工技术便能依据待产产品的待产产品规格, 选取对应的不同级别的稳态生产速率值进行评估与派工。
本发明所提供的派工技术在对即时串流信息进行分群时,会根据其所包含 的各生产速率值去更新群组的资料个数、资料总和及资料平方总和。之后,本 发明所提供的派工技术可选择生产速率值个数最多的第一群组作为一选定群 组,且以该选定群组所对应的这些生产速率值的平均值作为一第一稳态生产速 率值。另外,本发明可选择生产速率值个数最多的一或多个第二群组所对应的 这些生产速率值的平均值作为一第二稳态生产速率值。通过数据分箱技术,不 仅能排除异常的生产速率值被包含在主要稳态区域的可能性,且能进一步地提 高各产品规格于各机台上的不同稳态区域(亦即,级别)的稳态生产速率值的 准确性。因此,本发明所提供的派工技术能进一步地基于数据库中所记载的各 产品规格于各机台上的不同稳态区域(亦即,级别)的稳态生产速率值及其稳 态参数,决定一或多个待产产品与各该机台间的派工关系。此外,本发明所提 供的派工系统/方法还能依据此关系预测多个待产产品的生产速率及时间,及在 配合即时监控产品的生产状况下,优化产品派工及整体厂区的人力调度。
虽然本发明已以较佳实施例揭示如上,然其并非用以限定本发明,任何本 领域技术人员,在不脱离本发明的精神和范围内,当可作些许的修改和完善, 因此本发明的保护范围当以权利要求书所界定的为准。
Claims (18)
1.一种基于机台多级别稳态生产速率的派工系统,其特征在于,包含:
一数据库;以及
一处理器,电性连接至该数据库,接收多笔即时串流信息,各该即时串流信息对应至多个机台其中之一及多个产品规格其中之一,该处理器针对各该即时串流信息进行以下运作:
依据一第一数据分箱(data binning)技术的多个重叠速率区间,将该即时串流信息所包含的多个生产速率值分群为多个第一群组,且依据该多个第一群组中的一选定群组所对应的该多个生产速率值计算一第一稳态生产速率值,
依据一第二数据分箱技术的多个非重叠速率区间,将该即时串流信息所包含的该多个生产速率值分群为多个第二群组,且依据该多个第二群组的一第一部分所对应的该多个生产速率值计算一第二稳态生产速率值,
其中,该处理器更根据该多个第一稳态生产速率值的一部分及该多个第二稳态生产速率值的一部分,决定一待产产品的一派工讯息。
2.如权利要求1所述的派工系统,其特征在于,该处理器更针对各该即时串流信息进行以下运作:
根据该多个第二群组的一第二部分所包含的该多个生产速率值决定一第三稳态生产速率值,
其中,该处理器是根据该多个第一稳态生产速率值的该部分、该多个第二稳态生产速率值其中的该部分及该多个第三稳态生产速率值其中的一部分,决定该待产产品的该派工讯息。
3.如权利要求2所述的派工系统,其特征在于,该派工讯息包含该待产产品的一对应生产机台、一派工顺序及一预估产能值。
4.如权利要求2所述的派工系统,其特征在于,该数据库记录该多个产品规格、该多个第一稳态生产速率值、该多个第二稳态生产速率值及该多个第三稳态生产速率值,各该第一稳态生产速率值对应至该多个机台其中之一及该多个产品规格其中之一,各该第二稳态生产速率值对应至该多个机台其中之一及该多个产品规格其中之一,且各该第三稳态生产速率值对应至该多个机台其中之一及该多个产品规格其中之一。
5.如权利要求4所述的派工系统,其特征在于,该处理器借由执行以下运作而决定该派工讯息:
借由比对该数据库所记录的该多个产品规格及该待产产品的一待产产品规格,选择该多个产品规格其中之一作为该待产产品的一参照规格,
根据该参照规格所对应的该多个第一稳态生产速率值、该多个第二稳态生产速率值及该多个第三稳态生产速率值,决定该待产产品于各该机台的一第一预计生产速率值、一第二预计生产速率值及一第三预计生产速率值,以及
根据该多个第一预计生产速率值、该多个第二预计生产速率值及该多个第三预计生产速率值,决定该派工讯息。
6.如权利要求5所述的派工系统,其特征在于,该处理器是以一回归法、一内插法及一相似度分析法选择该参照规格。
7.如权利要求5所述的派工系统,其特征在于,该处理器更针对各该即时串流信息进行以下运作:
依据该多个第一群组中的该选定群组所对应的该多个生产速率值决定一第一稳态参数,依据该多个第二群组的该第一部分所对应的该多个生产速率值决定一第二稳态参数,依据该多个第二群组的该第二部分所对应的该多个生产速率值决定一第三稳态参数,
其中,该多个第一稳态参数、该多个第二稳态参数及该多个第三稳态参数各自包含一几率值及一标准差。
8.如权利要求1所述的派工系统,其特征在于,各该重叠速率区间具有一第一区间长度,该多个重叠速率区间具有一顺序,依该顺序相邻的二重叠速率区间以一移动距离重叠,各该非重叠速率区间具有一第二区间长度,且该第二区间长度等于该移动距离。
9.如权利要求7所述的派工系统,其特征在于,该处理器是借由执行以下运作而决定该派工讯息:
对各该机台执行以下运作:
依据该机台的该第一预计生产速率值、该第二预计生产速率值及该第三预计生产速率值,计算该待产产品于该机台的一预估生产时间,以及
依据该机台的该预估生产时间、一可开始生产时间点及一调机时间,决定一预估完成时间点,以及
依据该多个预估完成时间点决定该待产产品的该派工讯息所包含的一对应生产机台。
10.一种基于机台多级别稳态生产速率的派工方法,适用于一派工系统,其特征在于,该派工方法包含下列步骤:
(a)接收多个即时串流信息,其中各该即时串流信息对应至多个机台其中之一及多个产品规格其中之一;
(b)对各该该即时串流信息执行以下步骤:
(b1)依据一第一数据分箱技术的多个重叠速率区间,将该即时串流信息所包含的多个生产速率值分群为多个第一群组;
(b2)依据该多个第一群组中的一选定群组所对应的该多个生产速率值计算一第一稳态生产速率值;
(b3)依据一第二数据分箱技术的多个非重叠速率区间,将该即时串流信息所包含的该多个生产速率值分群为多个第二群组;以及
(b4)依据该多个第二群组的一第一部分所对应的该多个生产速率值计算一第二稳态生产速率值;以及
(c)根据该多个第一稳态生产速率值的一部分及该多个第二稳态生产速率值的一部分,决定一待产产品的一派工讯息。
11.如权利要求10所述的派工方法,其特征在于,该步骤(b)更对各该该即时串流信息执行以下步骤:
根据该多个第二群组的一第二部分所包含的该多个生产速率值决定一第三稳态生产速率值;
其中,该步骤(c)是根据该多个第一稳态生产速率值的该部分、该多个第二稳态生产速率值的该部分及该多个第三稳态生产速率值的一部分,决定该待产产品的该派工讯息。
12.如权利要求11所述的派工方法,其特征在于,该派工讯息包含该待产产品的一对应生产机台、一派工顺序及一预估产能值。
13.如权利要求11所述的派工方法,更包括下列步骤:
将该多个产品规格、该多个第一稳态生产速率值、该多个第二稳态生产速率值及该多个第三稳态生产速率值记录于一数据库,
其中,各该第一稳态生产速率值对应至该多个机台其中之一及该多个产品规格其中之一,各该第二稳态生产速率值对应至该多个机台其中之一及该多个产品规格其中之一,且各该第三稳态生产速率值对应至该多个机台其中之一及该多个产品规格其中之一。
14.如权利要求13所述的派工方法,其特征在于,该步骤(c)包括下列步骤:
(c1)借由比对该数据库所记录的该多个产品规格及该待产产品的一待产产品规格,选择该多个产品规格其中之一作为该待产产品的一参照规格;
(c2)根据该参照规格所对应的该多个第一稳态生产速率值、该多个第二稳态生产速率值及该多个第三稳态生产速率值,决定该待产产品于各该机台的一第一预计生产速率值、一第二预计生产速率值及一第三预计生产速率值;以及
(c3)根据该多个第一预计生产速率值、该多个第二预计生产速率值及该多个第三预计生产速率值,决定该派工讯息。
15.如权利要求14所述的派工方法,其特征在于,该步骤(c3)是以一回归法、一内插法及一相似度分析法选择该参照规格。
16.如权利要求14所述的派工方法,其特征在于,该步骤(b)更对各该该即时串流信息执行以下步骤:
依据该多个第一群组中的该选定群组所对应的该多个生产速率值决定一第一稳态参数;
依据该多个第二群组的该第一部分所对应的该多个生产速率值决定一第二稳态参数;
依据该多个第二群组的该第二部分所对应的该多个生产速率值决定一第三稳态参数;
其中,该多个第一稳态参数、该多个第二稳态参数、该多个第三稳态参数各自包含一几率值及一标准差。
17.如权利要求10所述的派工方法,其特征在于,各重叠速率区间具有一第一区间长度,该多个重叠速率区间具有一顺序,依该顺序相邻的二重叠速率区间以一移动距离重叠,各该非重叠速率区间具有一第二区间长度,且该第二区间长度等于该移动距离。
18.如权利要求16所述的派工方法,其特征在于,该步骤(c)更包括下列步骤:
对各该机台执行以下运作:
依据该机台的该第一预计生产速率值、该第二预计生产速率值及该第三预计生产速率值,计算该待产产品于该机台的一预估生产时间;以及
依据该机台的该预估生产时间、一可开始生产时间点及一调机时间,决定一预估完成时间点;以及
依据该多个预估完成时间点决定该待产产品的一对应生产机台。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106132679 | 2017-09-22 | ||
TW106132679A TWI653587B (zh) | 2017-09-22 | 2017-09-22 | 基於機台多級別穩態生產速率之派工方法及系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109543930A true CN109543930A (zh) | 2019-03-29 |
CN109543930B CN109543930B (zh) | 2021-10-08 |
Family
ID=60186028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710904561.8A Active CN109543930B (zh) | 2017-09-22 | 2017-09-29 | 基于机台多级别稳态生产速率的派工方法及系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10679155B2 (zh) |
EP (1) | EP3460732B1 (zh) |
CN (1) | CN109543930B (zh) |
TW (1) | TWI653587B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111459409A (zh) * | 2020-03-22 | 2020-07-28 | 华中科技大学 | 一种优化的闪存固态盘加热方法及闪存固态盘 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7242995B1 (en) * | 2004-10-25 | 2007-07-10 | Rockwell Automation Technologies, Inc. | E-manufacturing in semiconductor and microelectronics processes |
CN102361003A (zh) * | 2011-09-01 | 2012-02-22 | 上海宏力半导体制造有限公司 | 派工控制方法及派工控制设备 |
CN103399561A (zh) * | 2013-08-14 | 2013-11-20 | 上海华力微电子有限公司 | 自动派工方法及系统 |
CN104977903A (zh) * | 2014-04-03 | 2015-10-14 | 中芯国际集成电路制造(上海)有限公司 | 基于实时派工系统的机台组下的晶圆批次派工方法和系统 |
EP3029617A1 (en) * | 2014-12-01 | 2016-06-08 | Institute for Imformation Industry | Production performance management device and production performance management method thereof |
CN106682382A (zh) * | 2015-11-04 | 2017-05-17 | 财团法人资讯工业策进会 | 稳态制造效率产生方法及系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5265006A (en) * | 1990-12-14 | 1993-11-23 | Andersen Consulting | Demand scheduled partial carrier load planning system for the transportation industry |
US7590644B2 (en) | 1999-12-21 | 2009-09-15 | International Business Machine Corporation | Method and apparatus of streaming data transformation using code generator and translator |
US7739099B2 (en) * | 2005-12-22 | 2010-06-15 | International Business Machines Corporation | Method and system for on-line performance modeling using inference for real production IT systems |
DE102006009248B4 (de) * | 2006-02-28 | 2017-10-12 | Globalfoundries Inc. | Verfahren und System zur Modellierung eines Produktstromes in einer Fertigungsumgebung durch Prozess- und Anlagenkategorisierung |
US8503015B2 (en) * | 2008-01-23 | 2013-08-06 | Reischling Press, Inc. | Multiproduct printing workflow system with dynamic cadence |
US8082055B2 (en) * | 2009-07-08 | 2011-12-20 | Taiwan Semiconductor Manufacturing Company, Ltd. | Method for a bin ratio forecast at new tape out stage |
US8479181B2 (en) * | 2010-02-01 | 2013-07-02 | International Business Machines Corporation | Interactive capacity planning |
US9251479B2 (en) * | 2010-07-02 | 2016-02-02 | General Electric Technology Gmbh | Multi-interval dispatch method for enabling dispatchers in power grid control centers to manage changes |
US8538593B2 (en) * | 2010-07-02 | 2013-09-17 | Alstom Grid Inc. | Method for integrating individual load forecasts into a composite load forecast to present a comprehensive synchronized and harmonized load forecast |
CA3128629A1 (en) * | 2015-06-05 | 2016-07-28 | C3.Ai, Inc. | Systems and methods for data processing and enterprise ai applications |
US11550632B2 (en) | 2015-12-24 | 2023-01-10 | Intel Corporation | Facilitating efficient communication and data processing across clusters of computing machines in heterogeneous computing environment |
US10289619B2 (en) * | 2017-04-21 | 2019-05-14 | Sas Institute Inc. | Data processing with streaming data |
-
2017
- 2017-09-22 TW TW106132679A patent/TWI653587B/zh active
- 2017-09-29 CN CN201710904561.8A patent/CN109543930B/zh active Active
- 2017-10-19 EP EP17197381.1A patent/EP3460732B1/en active Active
- 2017-10-23 US US15/791,342 patent/US10679155B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7242995B1 (en) * | 2004-10-25 | 2007-07-10 | Rockwell Automation Technologies, Inc. | E-manufacturing in semiconductor and microelectronics processes |
CN102361003A (zh) * | 2011-09-01 | 2012-02-22 | 上海宏力半导体制造有限公司 | 派工控制方法及派工控制设备 |
CN103399561A (zh) * | 2013-08-14 | 2013-11-20 | 上海华力微电子有限公司 | 自动派工方法及系统 |
CN104977903A (zh) * | 2014-04-03 | 2015-10-14 | 中芯国际集成电路制造(上海)有限公司 | 基于实时派工系统的机台组下的晶圆批次派工方法和系统 |
EP3029617A1 (en) * | 2014-12-01 | 2016-06-08 | Institute for Imformation Industry | Production performance management device and production performance management method thereof |
CN106682382A (zh) * | 2015-11-04 | 2017-05-17 | 财团法人资讯工业策进会 | 稳态制造效率产生方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111459409A (zh) * | 2020-03-22 | 2020-07-28 | 华中科技大学 | 一种优化的闪存固态盘加热方法及闪存固态盘 |
Also Published As
Publication number | Publication date |
---|---|
US20190095827A1 (en) | 2019-03-28 |
TWI653587B (zh) | 2019-03-11 |
EP3460732B1 (en) | 2023-09-06 |
CN109543930B (zh) | 2021-10-08 |
EP3460732A1 (en) | 2019-03-27 |
TW201915845A (zh) | 2019-04-16 |
US10679155B2 (en) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pickardt et al. | Evolutionary generation of dispatching rule sets for complex dynamic scheduling problems | |
Chatterjee et al. | Flexible manufacturing system selection using preference ranking methods: A comparative study | |
Backus et al. | Factory cycle-time prediction with a data-mining approach | |
Gan et al. | Joint optimization of maintenance, buffer, and spare parts for a production system | |
CN107544251B (zh) | 一种基于分布式鲁棒模型的最小化总拖期的单机调度方法 | |
US8983881B2 (en) | Benchmarking progressive systems for solving combinatorial problems | |
TW201835821A (zh) | 工作計劃最佳化裝置及工作計劃最佳化方法 | |
CN117709617A (zh) | 一种基于mes的生产车间智能排程系统 | |
Vaghefinezhad et al. | A genetic algorithm approach for solving a flexible job shop scheduling problem | |
CN109543930A (zh) | 基于机台多级别稳态生产速率的派工方法及系统 | |
JP2013033450A (ja) | 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム | |
Dziurzanski et al. | Implementing digital twins of smart factories with interval algebra | |
Venkatadri et al. | A multi-commodity network flow-based formulation for the multi-period cell formation problem | |
CN116126827B (zh) | 一种同时实现电力生产数据建模与可视化分析的方法 | |
JP6318623B2 (ja) | 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム | |
Bensmaine et al. | A simulation-based genetic algorithm approach for process plans selection in uncertain reconfigurable environment | |
Gatica et al. | An aggregation approach for capacity planning under uncertainty for the pharmaceutical industry | |
JP2005284415A (ja) | 組立製造ラインにおける作業工程別タクトタイム推定方法、全体工程編成方法、装置およびプログラム | |
Lohmer et al. | Multi-factory job shop scheduling with due date objective | |
JP4442356B2 (ja) | スケジューリングシステム及びスケジューリング方法 | |
Wang et al. | Decomposition-Based Scheduling for Makespan Minimisation of Flexible Flow Shop with Stochastic Processing Times. | |
Parviznejad et al. | Modeling and Solving Flow Shop Scheduling Problem Considering Worker Resource | |
TWI826087B (zh) | 派工系統和派工方法 | |
JP2006146735A (ja) | サービス品質評価支援装置 | |
Billiet et al. | A review on simulation metamodeling for decision support systems using artificial neural networks |
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 |