CN110297466A - 最小化制造排程变异系统 - Google Patents

最小化制造排程变异系统 Download PDF

Info

Publication number
CN110297466A
CN110297466A CN201810238800.5A CN201810238800A CN110297466A CN 110297466 A CN110297466 A CN 110297466A CN 201810238800 A CN201810238800 A CN 201810238800A CN 110297466 A CN110297466 A CN 110297466A
Authority
CN
China
Prior art keywords
data
scheduling
original
anxious
module
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
Application number
CN201810238800.5A
Other languages
English (en)
Other versions
CN110297466B (zh
Inventor
李宛玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FINE MACHINERY RESEARCH AND DEVELOPMENT CENTER
Precision Machinery Research and Development Center
Original Assignee
FINE MACHINERY RESEARCH AND DEVELOPMENT CENTER
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by FINE MACHINERY RESEARCH AND DEVELOPMENT CENTER filed Critical FINE MACHINERY RESEARCH AND DEVELOPMENT CENTER
Priority to CN201810238800.5A priority Critical patent/CN110297466B/zh
Publication of CN110297466A publication Critical patent/CN110297466A/zh
Application granted granted Critical
Publication of CN110297466B publication Critical patent/CN110297466B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明提供一种最小化制造排程变异系统，所述系统包含：订单处理模块、数据获取模块以及数据运算模块，订单处理模块用于接收外部的订单信息；数据获取模块用于接收多个加工机台的机台信息；数据运算模块制造流程用于将订单信息配合各机台信息，透过目标模型进行混合式基因运算法，以产生原始排程；当数据运算模块接收来自于订单处理模块或数据获取模块的排程异动消息，透过目标模型根据排程异动消息及原始排程进行混合式基因运算法，以产生变动最小化的变异排程；鉴于此，以动态排程方式，降低工厂生产损失与风险。

Description

最小化制造排程变异系统
技术领域
本发明涉及一种数据处理系统，特别是涉及一种最小化制造排程变异系统。
背景技术
所谓排程系统，将系统中需要执行的作业，在满足系统技术、资源或其他条件限制下，安排每一个作业的运行时间和顺序，使其顺利完成所有工作的决策过程。
对于制造工厂而言，排程是很重要的工作，生产计划必须满足客户交期的要求，其中，对于少量多样化混线式生产的制造工厂而言，除了需要考虑交期，还须考虑到不同制程的特性和限制，使生产资源(例如：人员、机台、原料及方法等)做优化的运用。
当业务部门接单并和生管部门，基于产能限制安排适当的生产计划，而制造部门依照排程完成产品制造，以交货给客户；但是由于产品制造过程中，可能会发生紧急插单、机台故障或其它意外，导致需要耗费时间和成本进行各部门间的协调，由于各部门多考虑各自部门的目标，因而无法规划出优化的排程。
再者，少量多样化混线式生产，会面临到紧急插单、订单内容调整、取消订单或机台故障等问题时，传统静态式排程方法，无法立即提供有效信息供用户决策，而且为了解决面临的问题而须重新排程，并无法确保新的排程不会产生过多的成本增加和时间浪费。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提供一种最小化制造排程变异系统，通过目标模型搭配混合式基因运算法，最小化排程异动消息和原始排程间之变动；鉴于此，将生产排程以动态实时调整方式，降低生产损失和风险。
一种最小化制造排程变异系统，其中，所述系统包括：
订单处理模块，所述订单处理模块用以接收外部的订单信息；
数据获取模块，所述数据获取模块用于和多个加工机台耦接，并接收所述加工机台的机台信息；
数据运算模块，所述数据运算模块用于和所述订单处理模块及所述数据获取模块耦接，所述数据运算模块对应制造流程将所述订单信息配合所述机台信息，透过目标模型进行混合式基因运算法，以产生原始排程，其中，当所述数据运算模块接收来自所述订单处理模块或所述数据获取模块的排程异动消息，透过所述目标模型根据所述排程异动消息及所述原始排程进行所述混合式基因运算法，以产生变动最小化的变异排程。
在其中一个实施例中，还包括：在上述系统中，所述排程异动消息为所述订单处理模块接收外部的急单信息，所述目标模型用以最小化所述急单信息的延迟完工时间，所述目标模型的目标函式为：
i为所述急单信息的序号；Ci为延迟所述急单信息完工的罚锾金额；NTi为批次所述急单信息的最终完工时间；DDi为批次所述急单信息的预定完工时间。
在其中一个实施例中：在上述系统中，所述排程异动消息为所述订单处理模块接收外部的急单信息，所述急单信息具有多个急单工件数据，所述订单信息具有多个原始工件数据，所述原始工件资料编排在所述原始排程，所述目标模型用以最小化合计所述急单工件资料和所述原始工件数据，在制造流程所述加工机台的开始加工时间，所述急单工件数据及所述原始工件资料编排至所述变异排程，所述目标模型的目标函式为：
i为所述急单工件资料或所述原始工件资料；j为i的制造流程的步骤；k为所述机台信息；NSijk为所述急单信息在所述加工机台的开始加工时间；Sijk为所述订单信息在所述加工机台的开始加工时间。
在其中一个实施例中：在上述系统中，所述订单信息具有多个原始工件数据，所述原始工件资料编排在所述原始排程，所述排程异动消息为所述数据获取模块接收到其中一个加工机台的机台信息发生故障，所述目标模型用以最小化合计在制造流程中，所述原始工件资料分配至其余所述的加工机台的开始加工时间，所述目标模型的目标函式为：
i为所述急单工件资料或所述原始工件资料；j为i的制造流程的步骤；k为所述机台信息；NSijk为所述急单信息在所述加工机台的开始加工时间；Sijk为所述订单信息在所述加工机台的开始加工时间。
在其中一个实施例中：在上述系统中，所述排程异动消息为所述工厂订单处理模块接收外部的急单信息，所述急单信息具有多个急单工件数据，所述订单信息具有多个原始工件数据，所述工件资料编排在所述原始排程，所述目标模型用以最小化平均所述急单工件和所述原始工件数据，在制造流程中所述加工机台的开始加工时间，所述目标模型的目标函式为：
i为所述急单工件资料或所述原始工件资料；j为i的制造流程的步骤；k为所述机台信息；NSijk为所述急单信息在所述加工机台的开始加工时间；Sijk为所述订单信息在所述加工机台的开始加工时间。
在其中一个实施例中：在上述系统中，所述订单信息具有多个原始工件数据，所述工件资料编排在所述原始排程，所述排程异动消息为所述数据获取模块接收到其中一个加工机台的机台信息发生故障，所述目标模型用以最小化平均在制造流程中，所述原始工件资料分配至其余所述的加工机台的开始加工时间，所述目标模型的目标函式为：
i为各所述急单工件资料或各所述原始工件资料；j为i的制造流程的步骤；k为各所述机台信息；NSijk为所述急单信息在所述加工机台的开始加工时间；Sijk为所述订单信息在所述加工机台的开始加工时间。
在其中一个实施例中：在上述系统中，所述排程异动消息为所述工厂订单处理模块接收外部的急单信息，所述急单信息具有多个急单工件类型数据，所述订单信息具有多个原始工件类型数据，所述原始工件类型数据批次编排在所述原始排程，所述目标模型用以最小化平均所述急单工件类型数据和所述原始工件类型数据批次在制造流程所述加工机台的开始加工时间，所述急单工件类型数据及所述原始工件类型数据批次编排至所述变异排程，所述目标模型的目标函式为：
i为所述急单工件类型数据或所述原始工件类型数据；NS'i为所述急单工件类型数据在所述加工机台的开始加工时间；S'i为所述原始工件类型数据在所述加工机台的开始加工时间。
在其中一个实施例中：在上述系统中，所述排程异动消息为所述工厂订单处理模块接收外部的急单信息，所述目标模型用以最小化所述急单信息影响所述原始排程的完工时间，所述目标模型的目标函式为：
DMS＝NCmax-Cmax，
NCmax为制造流程增加所述急单信息的完工时间；Cmax为所述原始排程的完工时间。
在其中一个实施例中：在上述系统中，所述订单信息具有多个原始工件数据，所述原始工件资料批次编排在所述原始排程，所述排程异动消息为所述工厂订单处理模块接收外部的急单信息，所述目标模型用以最小化所述急单信息影响所述原始工件数据在所述原始排程中被移动分配至所述加工机台的数量，所述目标模型的目标函式为：
X(j+1)ikcs及Xjikcs为所述加工机台的分配；RDi为所述原始工件数据处在制造流程中的数量。
在其中一个实施例中：在上述系统中，所述混合式基因算法为基因算法搭配仿真退火法及禁忌搜索算法。
综上所述，当产品在制造过程中，遇到面临到紧急插单、订单内容调整、取消订单或机台故障等问题时，本发明利用目标模型搭配混合式基因运算法，将排程异动消息和原始排程间的变动最小化；鉴于此，改善传统静态式排程方法，无法立即提供优化排程的缺点，进而达到以动态调整方式，主动规划出最小变动的排程，以确保制造产线的流畅度，并且降低工厂的成本损耗和时间浪费。
再者，本发明透过目标模型搭配混合式基因运算法，将排程异动消息和原始排程间的变动最小化，能够改善跨部门在生产计划和生产排程的沟通疑虑，并且能够确保排成流畅度和加工制程的可行性，以及提高生产效率和订单达交率。
另外，本发明数据运算模块根据工厂订单处理模块接收的订单信息，透过目标模型搭配混合式基因运算法，快速且实时进行自动优化排程，提供产线优化资源分配及制造流程顺畅度，通过改善通常情况下无法规划出优化排程的问题。
附图说明
图1为一个实施例提供的最小化制造排程变异系统模块示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
请参阅图1所示，本发明提供一种最小化制造排程变异系统100，所述系统设置在内部服务器或云端服务器，在本发明实施例中，最小化制造排程变异系统100为设置在工厂的内部服务器；最小化制造排程变异系统100包含：
订单处理模块10，所述订单处理模块用以接收外部的订单信息，其中，订单信息具有多个原始工件数据或多个原始工件类型数据；进一步说明，每个订单信息中会有所需生产的产品数量，而各原始工件资料就是指所需生产的产品；而对于少样多量化生产而言，每个订单信息会有多种产品类型，而各原始工件类型数据就是指所需生产的产品类型；换言之，一个订单信息中，能够包含同类型且多个原始工件数据，或是有多个不同类型的原始工件类型数据，而各原始工件类型数据会具有多个原始工件数据；在本发明实施例中，人员通过操作接口(例如：计算机终端机或行动装置)将客户需求的订单信息输入传送至订单处理模块10。
数据获取模块20，所述数据获取模块用于和多个加工机台30耦接，数据获取模块20接收各加工机台30的机台信息31；进一步说明，根据产品制造流程需求，在工厂中设置不同或相同类型的多个加工机台30，在本发明一项实施例中，每个加工机台30皆设有传感器，各传感器产生的讯号具有各加工机台30的目前状态、作用类型、制造流程的排程工序时间或其它相对应的机台信息31；或是在本发明另一项实施例中，利用物联网技术取得各加工机台30的目前状态、作用类型、制造流程的排程工序时间或其它相对应的机台信息31；因此，数据获取模块20可以利用有线或无线方式获取各加工机台30含有机台信息31的讯号。
数据运算模块40，所述数据运算模块用于和订单处理模块10及数据获取模块20耦接，数据运算模块40对应制造流程将订单信息配合各机台信息31，透过目标模型进行混合式基因运算法，以产生原始排程；进一步说明，当数据运算模块40接收到订单信息时，数据运算模块40将订单信息的各原始工件资料或各原始工件类型数据，根据产品需求对应制造流程，并且搭配各机台信息31透过目标模型进行混合式基因运算法，以产生优化的原始排程。
再者，数据运算模块40用于接收来自在订单处理模块10或数据获取模块20的排程异动消息，其中，排程异动消息为订单处理模块10接收外部的急单信息、数据获取模块20接收到其中一加工机台30发生故障的机台信息31、订单处理模块10接收到取消订单信息或是其他相对应会发生在生产制造过程的意外变动状况。
数据运算模块40的目标模型能够根据排程异动消息及原始排程进行混合式基因运算法，以产生变动最小化的变异排程，其中，混合式基因算法为基因算法搭配仿真退火法(Simulated Annealing)及禁忌搜索算法(Tabu Search)；在本发明实施例中，数据运算模块40具有多个目标模型，每个目标模型代表最小化不同变动目标，例如：最小化急单信息的延迟完工时间、最小化急单信息和订单信息在制造流程的开始加工时间、最小化各加工机台30等待时间、最小化产品移动数量等等目标，用户或系统自动根据排程异动消息设定所需最小化的目标模型。
进一步说明，当数据运算模块40接收到排程异动消息时，用户或系统能够设定所需的目标模型，数据运算模块40根据所设定的目标模型随机产生多个解决路径，将各解决路径转化成对应的第一适应目标；接着，将所述的第一适应目标和目标模型比对，当每个第一适应目标中，有其中一个第一适应目标符合目标模型，则视为满足条件，而符合的第一适应目标便视为最佳解，也就是变动最小化的变异排程。
然而，当任何一个第一适应目标，都无法满足目标模型，即产生不可行解时，便将所述的第一适应目标进行基因运算法，基因运算为将各第一适应目标进行选择复制、交配及突变运算，以产生多个第二适应目标；接着，将所述的第二适应目标进行仿真退火法，以产生多个第一评估路径；同时将所述的第二适应目标进行禁忌搜索算法，以产生多个第二评估路径；然后，将各第一评估路径和各第二评估路径转化成混合适应目标，将混合适应目标和目标模型比对，当混合适应目标符合目标模型时，则将混合适应目标视为优化解，也就是变动最小化的变异排程。
说明1：当排程异动消息为订单处理模块10接收外部的急单信息，目标模型为用以最小化急单信息的延迟完工时间，目标模型的目标函式为：
i为所述急单信息的序号；Ci为延迟所述急单信息完工的罚锾金额；NTi为批次所述急单信息的最终完工时间；DDi为批次所述急单信息的预定完工时间。
说明2：排程异动消息为订单处理模块10接收外部的急单信息，急单信息具有多个急单工件数据，目标模型用以最小化合计各急单工件资料和各原始工件数据，在制造流程中，各加工机台30开始加工时间，而数据运算模块40会将各急单工件数据及各原始工件资料编排至变异排程中；目标模型的目标函式为：
i为各急单工件资料或各原始工件资料，i＝1表示第1个急单工件数据或原始工件数据，i＝2表示第2个急单工件数据或原始工件数据，以此类推；j为i的制造流程的步骤，j＝1表示各急单工件资料或各原始工件资料的第1个制程步骤，j＝2表示各急单工件资料或各原始工件资料的第2个制程步骤，以此类推；k为各加工机台30的机台信息31，也就是在制造流程中所需运用到的各加工机台30，k＝1表示第1个加工机台30，k＝2表示第2个加工机台30，以此类推；NSijk为订单信息或急单信息在各加工机台30开始加工时间；Sijk为订单信息在各加工机台30开始加工时间。
说明3：排程异动消息为数据获取模块20接收到其中一个加工机台30的机台信息31发生故障，目标模型用以最小化合计在制造流程中，各原始工件资料分配至其余所述的加工机台30的开始加工时间；目标模型的目标函式为：
i为各急单工件资料或各原始工件资料；j为i的制造流程的步骤；k为各机台信息31；NSijk为订单信息或急单信息在各加工机台30开始加工时间；Sijk为订单信息在各加工机台30开始加工时间。
说明4：排程异动消息为订单处理模块10接收外部的急单信息，或是数据获取模块20接收到其中一个加工机台30的机台信息31发生故障，目标模型用以在制造流程中最小化平均各原始工件数据分配至其余所述的加工机台30的开始加工时间；目标模型用以最小化平均各急单工件和各原始工件数据，在制造流程中各加工机台30开始加工时间，目标模型的目标函式为：
i为各急单工件资料或各原始工件资料；j为i的制造流程的步骤；k为各机台信息31；NSijk为急单信息在各加工机台30开始加工时间；Sijk为订单信息在各加工机台30开始加工时间。
说明5：排程异动消息为订单处理模块10接收外部的急单信息，急单信息具有多个急单工件类型数据，对于少样多量化生产而言，各急单工件类型数据就是指所需生产的产品类型；目标模型用以最小化平均各急单工件类型数据和各原始工件类型数据，各加工机台30开始加工时间，其中，数据运算模块40会将各急单工件类型数据及各原始工件类型数据批次编排至变异排程中，目标模型的目标函式为：
i为各急单工件类型数据或各原始工件类型数据，i＝1表示第1种类型的急单工件类型数据或原始工件类型数据，i＝2表示第2种类型的急单工件类型数据或原始工件类型数据，以此类推；NS'i为各急单工件类型数据在各加工机台30开始加工时间；S'i为各原始工件类型数据在各加工机台30开始加工时间。
说明6：排程异动消息为订单处理模块10接收外部的急单信息，目标模型用以最小化急单信息影响原始排程的完工时间，目标模型的目标函式为：
DMS＝NCmax-Cmax，
NCmax为制造流程增加急单信息后的完工时间；Cmax为原始排程的完工时间。
说明7：排程异动消息为订单处理模块10接收外部的急单信息，或是数据获取模块20接收到其中一个加工机台30的机台信息31发生故障，目标模型用以最小化急单信息影响各原始工件数据在原始排程中被移动分配至各加工机台30的数量，或是最小化各原始工件数据须被移动分配至其余各加工机台30的数量，也就是说，原始排程已经根据订单信息配合制造流程，将各原始工件数据或各原始工件类型数据分配在各加工机台30制造，所以当有急单信息或加工机台30故障时，需要将各原始工件数据重新移动分配至其余加工机台30，若是需要移动的原始工件数据的数量过多，便容易造成原始工件数据损伤，导致成本增加，因此，需要最小化原始工件数据移动数量，减少搬运浪费、产品损伤和人力成本负担的增加；目标模型的目标函式为：
X(j+1)ikcs及Xjikcs为各加工机台30的分配；RDi为各原始工件数据处在制造流程中的数量。
再者，在说明7中，本发明的目标模型的目标函式，也能够最小化各原始工件数据移动制不同生产线或厂区的数量，鉴在此，最小化排程异动消息对在原始排程所造成的影响。
因此，当订单处理模块10接收到订单信息时，数据运算模块40透过目标模型搭配混合式基因运算法，快速且实时进行自动优化排程，提供产线作优化资源分配及制造流程顺畅度。
再者，当产品在制造过程中，遇到面临到紧急插单、订单内容调整、取消订单或机台故障等排程异动消息时，数据运算模块40透过目标模型搭配混合式基因运算法，将排程异动消息和原始排程间的变动最小化；鉴在此，以动态调整方式，主动规划出最小变动的排程，以确保制造产线的流畅度，并且降低工厂的成本损耗和时间浪费。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的每个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种最小化制造排程变异系统，其特征在于，所述系统包括：
订单处理模块，所述订单处理模块用以接收外部的订单信息；
数据获取模块，所述数据获取模块用于和多个加工机台耦接，并接收所述加工机台的机台信息；
数据运算模块，所述数据运算模块用于和所述订单处理模块及所述数据获取模块耦接，所述数据运算模块对应制造流程将所述订单信息配合所述机台信息，透过目标模型进行混合式基因运算法，以产生原始排程，其中，当所述数据运算模块接收来自所述订单处理模块或所述数据获取模块的排程异动消息时，透过所述目标模型根据所述排程异动消息及所述原始排程进行所述混合式基因运算法，以产生变动最小化的变异排程。
2.根据权利要求1所述的系统，其特征在于，所述排程异动消息为所述订单处理模块接收外部的急单信息，所述目标模型用以最小化所述急单信息的延迟完工时间，所述目标模型的目标函式为：
i为所述急单信息的序号；Ci为延迟所述急单信息完工的罚锾金额；NTi为批次所述急单信息的最终完工时间；DDi为批次所述急单信息的预定完工时间。
3.根据权利要求1所述的系统，其特征在于，所述排程异动消息为所述订单处理模块接收外部的急单信息，所述急单信息具有多个急单工件数据，所述订单信息具有多个原始工件数据，所述原始工件资料编排在所述原始排程，所述目标模型用以最小化合计所述急单工件资料和所述原始工件数据，在制造流程所述加工机台的开始加工时间，所述急单工件数据及所述原始工件资料编排至所述变异排程，所述目标模型的目标函式为：
i为所述急单工件资料或所述原始工件资料；j为i的制造流程的步骤；k为所述机台信息；NSijk为所述急单信息在所述加工机台的开始加工时间；Sijk为所述订单信息在所述加工机台的开始加工时间。
4.根据权利要求1所述的系统，其特征在于，所述订单信息具有多个原始工件数据，所述原始工件资料编排在所述原始排程，所述排程异动消息为所述数据获取模块接收到其中一个加工机台的机台信息发生故障，所述目标模型用以最小化合计在制造流程中，所述原始工件资料分配至其余所述的加工机台的开始加工时间，所述目标模型的目标函式为：
i为所述急单工件资料或所述原始工件资料；j为i的制造流程的步骤；k为所述机台信息；NSijk为所述急单信息在所述加工机台的开始加工时间；Sijk为所述订单信息在所述加工机台的开始加工时间。
5.根据权利要求1所述的系统，其特征在于，所述排程异动消息为所述工厂订单处理模块接收外部的急单信息，所述急单信息具有多个急单工件数据，所述订单信息具有多个原始工件数据，所述工件资料编排在所述原始排程，所述目标模型用以最小化平均所述急单工件和所述原始工件数据，在制造流程中所述加工机台的开始加工时间，所述目标模型的目标函式为：
i为所述急单工件资料或所述原始工件资料；j为i的制造流程的步骤；k为所述机台信息；NSijk为所述急单信息在所述加工机台的开始加工时间；Sijk为所述订单信息在所述加工机台的开始加工时间。
6.根据权利要求1所述的系统，其特征在于，所述订单信息具有多个原始工件数据，所述工件资料编排在所述原始排程，所述排程异动消息为所述数据获取模块接收到其中一个加工机台的机台信息发生故障，所述目标模型用以最小化平均在制造流程中，所述原始工件资料分配至其余所述的加工机台的开始加工时间，所述目标模型的目标函式为：
i为各所述急单工件资料或各所述原始工件资料；j为i的制造流程的步骤；k为各所述机台信息；NSijk为所述急单信息在所述加工机台的开始加工时间；Sijk为所述订单信息在所述加工机台的开始加工时间。
7.根据权利要求1所述的系统，其特征在于，所述排程异动消息为所述工厂订单处理模块接收外部的急单信息，所述急单信息具有多个急单工件类型数据，所述订单信息具有多个原始工件类型数据，所述原始工件类型数据批次编排在所述原始排程，所述目标模型用以最小化平均所述急单工件类型数据和所述原始工件类型数据批次在制造流程所述加工机台的开始加工时间，所述急单工件类型数据及所述原始工件类型数据批次编排至所述变异排程，所述目标模型的目标函式为：
i为所述急单工件类型数据或所述原始工件类型数据；NS'i为所述急单工件类型数据在所述加工机台的开始加工时间；S'i为所述原始工件类型数据在所述加工机台的开始加工时间。
8.根据权利要求1所述的系统，其特征在于，所述排程异动消息为所述工厂订单处理模块接收外部的急单信息，所述目标模型用以最小化所述急单信息影响所述原始排程的完工时间，所述目标模型的目标函式为：
DMS＝NCmax-Cmax，
NCmax为制造流程增加所述急单信息的完工时间；Cmax为所述原始排程的完工时间。
9.根据权利要求1所述的系统，其特征在于，所述订单信息具有多个原始工件数据，所述原始工件资料批次编排在所述原始排程，所述排程异动消息为所述工厂订单处理模块接收外部的急单信息，所述目标模型用以最小化所述急单信息影响所述原始工件数据在所述原始排程中被移动分配至所述加工机台的数量，所述目标模型的目标函式为：
X(j+1)ikcs及Xjikcs为所述加工机台的分配；RDi为所述原始工件数据处在制造流程中的数量。
10.根据权利要求1所述的系统，其特征在于，所述混合式基因算法为基因算法搭配仿真退火法及禁忌搜索算法。
CN201810238800.5A 2018-03-22 2018-03-22 最小化制造排程变异系统 Active CN110297466B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810238800.5A CN110297466B (zh) 2018-03-22 2018-03-22 最小化制造排程变异系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810238800.5A CN110297466B (zh) 2018-03-22 2018-03-22 最小化制造排程变异系统

Publications (2)

Publication Number Publication Date
CN110297466A true CN110297466A (zh) 2019-10-01
CN110297466B CN110297466B (zh) 2020-10-27

Family

ID=68025676

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810238800.5A Active CN110297466B (zh) 2018-03-22 2018-03-22 最小化制造排程变异系统

Country Status (1)

Country Link
CN (1) CN110297466B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114118500A (zh) * 2020-08-25 2022-03-01 财团法人精密机械研究发展中心 金属加工生产排程的优化系统及优化方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW564361B (en) * 2000-12-14 2003-12-01 Manugistics Inc System and method for enabling collaborative procurement of products in a supply chain
CN1556486A (zh) * 2003-12-31 2004-12-22 冶金自动化研究设计院 一种一体化的钢铁企业生产过程在线计划调度系统与方法
CN1629865A (zh) * 2003-12-18 2005-06-22 台湾积体电路制造股份有限公司 适用于集成电路的制程规划与控制的计算机系统及方法
TW200535582A (en) * 2004-04-26 2005-11-01 Taiwan Semiconductor Mfg Systems and methods for backup control
CN101271543A (zh) * 2008-04-23 2008-09-24 永凯软件技术（上海）有限公司 一种应用了基于精英解池的遗传算法的生产排程系统和方法
CN101334869A (zh) * 2007-06-28 2008-12-31 鸿富锦精密工业（深圳）有限公司 订单计划排程系统及方法
CN101859100A (zh) * 2010-06-18 2010-10-13 杭州电子科技大学 一种基于模糊交货期流水生产排程的改进微粒群优化方法
TW201205474A (en) * 2010-02-19 2012-02-01 Applied Materials Inc Prediction and scheduling server
CN104252667A (zh) * 2014-09-26 2014-12-31 武汉钢铁(集团)公司 物料生产排程仿真装置
CN105160439A (zh) * 2015-10-08 2015-12-16 桥弘软件开发（上海）有限公司 一种生产排程方法及自动排程系统
CN106897832A (zh) * 2017-02-24 2017-06-27 西门子传感器与通讯有限公司 生产线的生产排程方法、生产线的生产排程系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW564361B (en) * 2000-12-14 2003-12-01 Manugistics Inc System and method for enabling collaborative procurement of products in a supply chain
CN1629865A (zh) * 2003-12-18 2005-06-22 台湾积体电路制造股份有限公司 适用于集成电路的制程规划与控制的计算机系统及方法
CN1556486A (zh) * 2003-12-31 2004-12-22 冶金自动化研究设计院 一种一体化的钢铁企业生产过程在线计划调度系统与方法
TW200535582A (en) * 2004-04-26 2005-11-01 Taiwan Semiconductor Mfg Systems and methods for backup control
CN101334869A (zh) * 2007-06-28 2008-12-31 鸿富锦精密工业（深圳）有限公司 订单计划排程系统及方法
CN101271543A (zh) * 2008-04-23 2008-09-24 永凯软件技术（上海）有限公司 一种应用了基于精英解池的遗传算法的生产排程系统和方法
TW201205474A (en) * 2010-02-19 2012-02-01 Applied Materials Inc Prediction and scheduling server
CN101859100A (zh) * 2010-06-18 2010-10-13 杭州电子科技大学 一种基于模糊交货期流水生产排程的改进微粒群优化方法
CN104252667A (zh) * 2014-09-26 2014-12-31 武汉钢铁(集团)公司 物料生产排程仿真装置
CN105160439A (zh) * 2015-10-08 2015-12-16 桥弘软件开发（上海）有限公司 一种生产排程方法及自动排程系统
CN106897832A (zh) * 2017-02-24 2017-06-27 西门子传感器与通讯有限公司 生产线的生产排程方法、生产线的生产排程系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114118500A (zh) * 2020-08-25 2022-03-01 财团法人精密机械研究发展中心 金属加工生产排程的优化系统及优化方法

Also Published As

Publication number Publication date
CN110297466B (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN113344338B (zh) 生产排程方法、系统、设备及介质、生产排程管理平台
US20080301010A1 (en) Component Inventory Management
CN101329746A (zh) 生产计划自动排程系统及方法
EP1701302A1 (en) Ordering/order receiving system
CN110472860A (zh) 一种自动化服务及跟踪的方法及系统
JP2010097506A (ja) スケジュール作成システム、スケジュール作成方法およびスケジュール作成プログラム
CN110297466A (zh) 最小化制造排程变异系统
CN112070378B (zh) 一种利用计算机基于逻辑优先原则的生产排产管理方法
CN113592303A (zh) 同时面向订单和库存的月度排产方法、系统、介质和终端
Ren et al. A flexible resource investment problem based on project splitting for aircraft moving assembly line
CN116341931B (zh) 一种多偏好钢铁企业经营数据分析系统及方法
CN110580579B (zh) 一种基于互联网的汽车零部件供应商产能管理方法及系统
TWI663557B (zh) 製造排程變異最小化系統
US10666059B2 (en) Systems, apparatus, and methods for controlling generating assets, flexible loads and/or storage assets to support dynamic regulation
Andres et al. Collaborative calculation of the materials requirement planning in the automotive industry
US20040193299A1 (en) System and method for scheduling production of molds
TW202226088A (zh) 智能交期預測方法與系統
CN111815200A (zh) 任务调度方法及装置、计算机设备、存储介质
TWM613466U (zh) 智能交期預測系統
US20190050772A1 (en) Schedule arbitration system
JP4303449B2 (ja) 生産管理システム
CN111815148A (zh) 排产方法、装置、电子设备及计算机可读存储介质
Turnbull et al. Recent developments in the UK automotive industry: JIT/TQC and information systems
JP2010097421A (ja) 最適生産計画システム
Raghunath et al. Lean Six Sigma approach for auto component manufacturing SMEs

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