CN109886591A - 基于大数据分析的事件优先级应急指挥调度方法 - Google Patents

Abstract

本发明涉及一种基于大数据分析的事件优先级应急指挥调度方法，基于Hadoop分布式平台构建包括设备数据、产品/零部件加工工艺数据、物料资源信息、订单信息的大数据分析平台；根据大数据分析平台中的设备数据、产品/零部件加工工艺数据、物料资源信息、订单信息，利用关联规则挖掘算法对计划调度的约束因素进行挖掘，得到排产对象的关键约束因子；根据关键约束因子，对当前订单进行排产、工艺路线的确定。

Description

基于大数据分析的事件优先级应急指挥调度方法

技术领域

本发明涉及生产计划排产领域，具体涉及一种基于大数据分析的事件优先 级应急指挥调度方法。

背景技术

多品种小批量生产类型的企业在现代社会已较为普遍，但企业对生产能力 的了解和应用方面远远不及成批生产，表现为多品种小批量生产的管理和控制 难，因此产能评估是多品种小批量生产需要解决的基础性问题。由于生产能力 的评估本身存在较多影响因素，如产品、设备、生产环境、人员、组织方式等 等都会影响企业的产能。在这些因素之中，确定性因素和不确定因素交织在一 起，使得整个生产系统呈现出相当程度的复杂性。计划调度主要进行资源优化 和计划编排，并为计划的执行和控制提供指导。调度优化过程即寻找合理调度 方案的过程，即对生产对象在不同的生产主体进行生产时，如何合理安排生产 的匹配关系，以优化生产进程，在满足现有生产条件下，使生产收益最大化， 调度优化直接控制生产的稳定和有序执行。良好的生产调度能够充分利用设备 的产能，缩短产品或项目在车间的流动时间，减少在制品及在制项目数量，保 证准时交工。

由于多品种小批量生产在相同的情况下加工同一规格的零件数量有限，企 业一般按照订单进行生产，对于不同的订单其加工内容不同需要进行相应的设 计，由于各订单的加工数量、加工方法、工艺参数、加工路线与设备等等的不 同，在进行计划和生产调度时，如果不能把握企业的生产能力，订单的生产控 制就得不到保障，从而表现出质量问题、交货期问题。

随着大数据技术的发展，影响计划调度及优化因素的挖掘又有了新的手段， 不仅仅只局限于传统的产品或项目设计数据、制造数据等环节，其影响因素应 当蕴含于包含传感器数据、控制器数据及设备系统的网络化数据等组成的大数 据中。因此，计划调度优化与大数据分析有机融合就成了必然趋势，通过大数 据的分析获取影响计划调度优化的影响因素，进而利用这些影响因素及相关的 其它历史数据完成相对最优计划编制方案的制定。

发明内容

考虑到现有技术的上述问题，本发明提供一种能够利用大数据分析，在动 态变化的产能情况下对各种订单进排产，通过大数据分析得出最佳的排产和调 度计划，并指导生产，提高企业生产效率。本发明的技术方案如下：

一种基于大数据分析的事件优先级应急指挥调度方法，其特征在于：

基于Hadoop分布式平台构建包括设备数据、产品/零部件加工工艺数据、 物料资源信息、订单信息的大数据分析平台；其中，所述设备数据至少包括设 备的型号、产能、可加工范围、加工成本、加工精度范围、设备的排产状态信 息；所述产品/零部件加工工艺数据为某一产品可以进行生产的工艺路线，产品/ 零部件的工艺路线可以为多个；

根据大数据分析平台中的设备数据、产品/零部件加工工艺数据、物料资源 信息、订单信息，利用关联规则挖掘算法对计划调度的约束因素进行挖掘，得 到排产对象的关键约束因子；所述关键约束因子至少包括设备产能约束、物料 约束、订单交货期约束、成本约束、加工效率中的一个或多个；

根据关键约束因子，对当前订单进行排产、工艺路线的确定。

特别地，本发明通过大数据分析，获得在各种排产状况下，对新订单进行 排产的经验约束因子，以及经验排产优先级，对设备、工艺路线进行确定。

进一步地，本发明的大数据分析平台还可以在获得新订单后，根据新订单 的交货期、产品类型、生产数量进行是否插单生产进行判断，以及在判断可以 进行插单时，根据大数据分析的经验值快速进行重新排产和调度。

进一步地，本发明的大数据分析平台，可以根据生产状态信息以及排产状 态，通过大数据分析，得出当前的任务的优先级别，所述优先级与排产的准备 程度、交货期、插单带来的影响等因素相关。

进一步地，本发明的方法，还可以根据历史的生产状况对产能的变化进行 预估和监测，从而提高产能评估的准确性。

技术效果

本发明通过构建大数据分析平台，使得产品在设计、制造、试验、运维等 阶段的数据通过传感器数据、控制器数据和设备网络化数据能够都融入到大数 据分析平台，并通过运用并行化的关联规则算法挖掘出较为全面的影响因素， 在全面考虑计划调度约束因素的情况下对计划进行编制，通过约束因素在整个 执行时间段内对工序开工、完工时间的控制和约束，从而获得相对最优的计划 调度方案，能够有效提高约束因素的准确度，有效节省成本，提高企业运行效 率。

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，下面对本发明做进一步地 详细描述。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发 明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明 的保护范围之内。

实施例1

本发明的基于大数据分析的事件优先级应急指挥调度方法，技术方案如下：

首先，基于Hadoop构建大数据分析挖掘平台，该平台上能够得到包括设备 数据、产品/零部件加工工艺数据、物料资源信息、订单信息等信息；其中，所 述设备数据包括设备的型号、产能、可加工范围、加工成本、加工精度范围、 设备的排产状态等信息；所述产品/零部件加工工艺数据为某一产品可以进行生 产的工艺路线，产品/零部件的工艺路线可以为多个；物料信息包括各种原材料 的数量、型号、成本等；

然后利用关联规则算法对计划调度的约束因素进行分析和挖掘；优选地， 可利用MapReduce计算框架对数据进行挖掘分析，得到排产对象的关键约束因 子；所述关键约束因子至少包括设备产能约束、物料约束、订单交货期约束、 成本约束、加工效率中的一个或多个；例如，计算得到计划中每道工序的加工 时间、加工成本、设备的排产时间，计算每道工序的开工和完工时间，完成对 其的优化，从而能够计算整个订单或产品计划的开工完工时间；根据开完工时 间与物料情况的匹配，开完工时间与订单交货期的匹配，加工工序采用的设备 与设备的精度与加工成本的匹配，得出其关键约束因子；

对约束因素进行挖掘时，具体挖掘时的方法如下，

初始化设定迭代参数k及其最大值，在大数据分析平台中产生候选k项集； 其中，k为正整数；

在k项候选集中由Map函数产生<key，value style＝"margin:0px；padding:0px；">对；

对产生的所有<key，value style＝"margin:0px；padding:0px；">对进行combiner整合；

在整合后<key，value style＝"margin:0px；padding:0px；">对的基础上通过Reduce规约产生频繁k项集；

根据设定k的最大值，判断k是否达到最大值K，如果否则进行合并，并 使k＝k+1，重复以上步骤，直到k达到最大值；如果是则结束，得到K项约束 因素及其数据；

将挖掘得到的K项约束因素及其数据写入数据库，并展示。

特别地，关键约束因子中，优先保证订单交货期，在此基础上考虑加工成 本、加工时间、物料情况。在同时存在多个关键约束因子时，按照以上优先级 考虑进行排产调度。

根据关键约束因子，对当前订单进行排产、工艺路线的确定。

实施例2

当新的一件或多件新订单出现，大数据分析平台根据大数据分析结果结合 现有的设备数据、产品/零部件加工工艺数据、物料资源信息、订单信息自动生 成推荐的生产工艺路线和排产顺序；其中，所述设备信息至少包括排产状况。

可以从成本、效率、加工能力三个方面进行工艺路线的选择，成本因素下 面的指标加工成本C1指工艺路线所涉及的各道工序加工所需要的成本；效率因 素下的加工时间C2指所选加工工艺完成产品的加工所需要的总时间；加工能力 因素下涉及两个指标：工序平均超出排产时间C3和产能平衡度C4。

工序平均超出排产时间C3可以按照设备所安排生产的情况来确定：

其中：C3为平均超出排产时间，ti为工序上涉及的设备已排产到的时间，t 当前为当前进行评价的时间，n为工艺涉及的工序数。

产能平衡度C4是指工艺路线所涉及的各个工序的设备排产时间的平衡情况， 如方案A所涉及到的1、2、5、7、9这几道工序各自排产的时间，可用平均离 差和来表示：

常规来讲，根据以上方式可以比较多种工艺路线，在不同的设备排产状况 下的排产方案，而在大数据分析的基础上，可以根据各自设备的排产情况，自 主推荐较为合适的工艺路线和对订单的排产。

实施例3

现有的排产和调度主要基于现有的产能情况和得到的订单情况，而由于新 的订单的到来可能会打乱之前的排产情况，因此本发明还通过大数据分析统计 历史的订单数据和生产状况，根据过去的排产信息，例如过去一年中不同月份 的订单情况，来预测未来的订单的数量和类型，并在进行排产时，加入可能出 现的预期情况进行预留，以便减少对排产的多次调整。

大数据分析平台根据过去的订单和生产数据获得排产当月的预期数据以及 产品类型、设备使用情况、订单交货期限信息；

根据以上信息生成预测信息预留值，在此基础上通过大数据分析获得关键 约束因子，并根据关键约束因子，对当前订单进行排产、工艺路线的确定。

以上，结合具体实施例对本发明进行了介绍，所介绍的实施例用于帮助理 解本发明的思想。本发明的并不限于以上实施例中的具体细节，任何按照本发 明的构思所做的简单变形均属于本发明的保护范围。

Claims (4)

1.一种基于大数据分析的事件优先级应急指挥调度方法，其特征在于，包括如下步骤：

基于Hadoop分布式平台构建包括设备数据、产品/零部件加工工艺数据、物料资源信息、订单信息的大数据分析平台；其中，所述设备数据至少包括设备的型号、产能、可加工范围、加工成本、加工精度范围、设备的排产状态信息；所述产品/零部件加工工艺数据为某一产品可以进行生产的工艺路线，产品/零部件的工艺路线可以为多个；

根据大数据分析平台中的设备数据、产品/零部件加工工艺数据、物料资源信息、订单信息，利用关联规则挖掘算法对计划调度的约束因素进行挖掘，得到排产对象的关键约束因子；所述关键约束因子至少包括设备产能约束、物料约束、订单交货期约束、成本约束、加工效率中的一个或多个；

根据关键约束因子，对当前订单进行排产、工艺路线的确定。

2.根据权利要求1所述的调度方法，其特征在于：在获得新订单后，根据新订单的交货期、产品类型、生产数量进行是否插单生产进行判断，以及在判断可以进行插单时，根据大数据分析的经验值快速进行重新排产和调度。

3.根据权利要求2所述的调度方法，其特征在于：根据生产状态信息以及排产状态，通过大数据分析，得出当前的任务的优先级别，所述优先级与排产的准备程度、交货期、插单带来的影响等因素相关。

4.根据权利要求3所述的调度方法，其特征在于：根据历史的生产状况对产能的变化进行预估和监测，从而提高产能评估的准确性。