CN110580579A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110580579A CN110580579A CN201910802167.2A CN201910802167A CN110580579A CN 110580579 A CN110580579 A CN 110580579A CN 201910802167 A CN201910802167 A CN 201910802167A CN 110580579 A CN110580579 A CN 110580579A
- Authority
- CN
- China
- Prior art keywords
- capacity
- power
- configuration
- lvi
- power configuration
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 35
- 238000005096 rolling process Methods 0.000 claims abstract description 96
- 238000000034 method Methods 0.000 claims abstract description 56
- 238000004519 manufacturing process Methods 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000013439 planning Methods 0.000 claims abstract description 30
- 238000011161 development Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 5
- 238000002156 mixing Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 abstract description 2
- 238000003491 array Methods 0.000 abstract 1
- 238000012546 transfer Methods 0.000 description 6
- NOOYIVIUEHDMSF-PKLMIRHRSA-N (2r)-1-phenyl-n-(3-phenylpropyl)propan-2-amine;hydrochloride Chemical compound Cl.C([C@@H](C)NCCCC=1C=CC=CC=1)C1=CC=CC=C1 NOOYIVIUEHDMSF-PKLMIRHRSA-N 0.000 description 4
- 208000020369 Polymerase proofreading-related adenomatous polyposis Diseases 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了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，所述方法包括：获取各零件供应商提供的各零件的产能信息、开发信息、各动力配置的产能目标、滚动计划；采用目标规划法和正调/反调法进行分析处理，得到每个动力配置的产能瓶颈和分析图表；共线配置按照滚动计划的比例，确定各零件的需求量，分配产能；如果出现不共线的零件，则每个零件每个配置通过正调和/或反调，得到每个月每个配置的产能值。采用本发明的技术方案，提升了产能数据统计、分析、风险辨识及解决效率，缩短了沟通及信息传递时间，供应商可及时合理的安排整车物料及库存管理；实现信息共享，而且提高了信息的准确度，改变产能管理各自为阵的现状。
Description
技术领域
本发明涉及信息处理技术领域，尤其涉及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。
背景技术
在汽车生产和装配生产中，涉及到的零部件的种类和数量特别多，供应商的数量也很多，目前车厂大都采用手工方式管理供应商的产能，手工处理供应商的产能导致信息孤岛，无法实现信息共享，存在信息不对称、反馈不及时的问题。而且无法精确且快速的掌握并分析出供应商资源，滚动计划变化频繁，每次变化，需花大量精力识别产能风险及确定供应商资源对滚动计划的满足情况。
现市场上汽车零部件缺乏电子化、自动化的产能管理系统。因为供应商的产能管理涉及到供货、库存控制、资金占用，甚至影响到很多主机厂的新品上市时间。近年来，随着环保政策、产品迭代加速等因素，汽车零部件行业瞬息万变，特别是汽车行业“新四化”的到来，建立一个创新型的产能管理系统显得尤为重要，以解决目前汽车行业供应链的痛点。
发明内容
针对以上技术问题，本发明公开了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，实现资源的最优配置。
对此，本发明采用的技术方案为：
一种基于互联网的汽车零部件供应商产能管理方法，其包括以下步骤：
步骤S1，获取各零件供应商提供的各零件的产能信息、开发信息、各动力配置的产能目标、滚动计划；其中开发信息指的是每个零件的OTS认可/PPAP/PTR/公告/3C等开发信息。
步骤S2，采用目标规划法和正调/反调法进行分析处理，得到每个动力配置的产能瓶颈和分析图表；
其中所述正调/反调法包括：
共线配置按照滚动计划的比例，确定各零件的需求量，分配产能；如果出现不共线的零件，则每个零件每个配置通过正调和/或反调，得到每个月每个配置的产能值；
其中，正调为将各动力配置超出产能瓶颈的零件按照滚动计划量小的动力配置往大的方向调，反调为将各动力配置超出产能瓶颈的零件从滚动计划量大的动力配置往小的方向调。其中，所述开发信息指的是每个零件的OTS认可/PPAP/PTR/公告/3C等开发信息。
采用次技术方案，对获取的数据进行分析处理，形成可视化图表，可以计算出每月每个配置的实际产能、风险件清单、各角色产能风险预警、各区域风险件关闭情况、项目风险件进展延期分析、长周期物料备货分析、一品多点及新建厂供应商产能分析、可实现所有信息分类查询及多项目交叉查询；实现资源的最优配置，滚动计划发生变化时，可快速实现资源共享转移，并分析出转移后的产能满足情况。
作为本发明的进一步改进，所述目标规划法包括：
步骤S101，所有零件按照动力配置的滚动计划的大小的顺序进行排放，若某车型共有i个动力配置，各动力配置的滚动计划数据为LV1<LV2<……<LVi-1<LVi，其中Lvi指某款车型的第i种配置；
步骤S102，根据各供应商提供的各零件的产能信息，得到各个动力配置Lvi的产能约束条件；
LVi≤c；LV1+LV2<＝d；LV0+LV1<＝e；LV0、LV1、LV2、LV3、LVi>＝0
步骤S103，确定各个配置Lvi的优先级Pi，并设定每个优先级的顺序；
步骤S104，通过目标规划法根据公式(1)求解目标函数的值；
其中，di为第i个动力配置Lvi的产能距离滚动计划的距离，di -为各个动力配置Lvi的产能未达到目标值的差值；P总和是所有动力配置的优先级Pi之和，d总和 -是所有动力配置的产能之和距离产能目标之和的距离；Z是所有动力配置Lvi的产能距离滚动计划的距离之和的最小值；
步骤S105，确定柔性约束条件如下：
LVi+di --di +＝某月LVi滚动计划
LV1+LV2+……+LVi+d总和 --d总和 +＝某月所有配置产能目标之和
其中，di -为第i个动力配置未达到目标值的差值；di +为第i个动力配置超出目标值的差值；
步骤S106，根据上述得到的相关信息，通过MATLAB调用目标规划求解方法，计算出某月每个动力配置的产能。
作为本发明的进一步改进，对于共线配置的零件，按照各个动力配置滚动计划的比例，分配产能；其中，专线零件不用调配。
得到各个动力配置LVi的产能瓶颈对应零件及其产品瓶颈产能Axi，即动力配置LVi的产能瓶颈值；其中Axi代表第i个动力配置的瓶颈零件x的产能；
然后将所有动力配置正调，即将该共线配置的零件从滚动计划小的配置向滚动计划大的配置方向调整；若Ax1<LV1的滚动计划，所有LV1的共线零件上的产能值不用调配到LV2，如Ax1>LV1的滚动计划，将LV1所有动力配置共线的零件上分配的高于LV1的滚动计划的数据调配到LV2，同理处理LV1之后的动力配置的产能，一直调配到LVi-1，再到LVi；
正调完毕，每个零件的各个动力配置的产能得到重新分配。
作为本发明的进一步改进，正调完毕后，得到各个动力配置新的产能瓶颈值、对应零件及其产品瓶颈产能，再进行反调，即从动力配置LVi开始往LV1的方向调整；若重新分配后的零件x的第i个动力配置的数量Bxi1<Bxi，即小于第i个动力配置的新的产能瓶颈值，则不用调配；若重新分配后的零件x的第i个动力配置的数量Bxi1>Bxi，即大于第i个动力配置的新的产能瓶颈值，则将Bxi1高于Bxi的产能调配给第i-1个动力配置，按照此方法一直调配到LV1，反调完毕；
反调完毕，每个零件的动力配置的产能得到重新分配，并得到每个动力配置的新的产能瓶颈值，该产能瓶颈值为最终每个动力配置的产能，用于指导排产。
作为本发明的进一步改进，所述分析图表包括产能提升计划一览表或图(即滚动计划及供应商产能对比表)、风险零件清单、新建厂进度、一品多点开发进度、长周期、供应商零件交叉一览、总项目清单。
其中，得到的图或表中的数据为某车型的所有动力配置的滚动计划数据/产能目标数据/供应商所能达到的产能数据。其他图表例如风险零件关闭图、风险零件进展延期分析图、长周期物料备货分析、一品多点及新建厂供应商产能分析图，均是可以直接运行出来。
作为本发明的进一步改进，步骤S1包括，平台主管输入项目各动力配置的产能目标、滚动计划、开发信息、指定风险件负责人；采购员确定零件基本信息及供应商信息，采购员输入零部件供应商配比信息，供应商质量工程师SQE填写实际节拍；
供应商输入对应项目提供的零件的产能信息，并经过对应负责人审核。
其中，所述产能信息包括生产节拍、班次等。
本发明还公开了一种基于互联网的汽车零部件供应商产能管理系统，包括：
产能信息输入端，包括供应商端和用户端，用于获取各零件供应商提供的各零件的产能信息以及开发信息、各动力配置的产能目标、滚动计划；其中，开发信息为指的是每个零件的OTS认可/PPAP/PTR/公告/3C等开发信息；
审核模块，用于审核产能信息输入端的信息；
数据处理子系统，用于采用目标规划法和正调/反调法进行分析处理，得到每个动力配置的产能瓶颈和分析图表；
其中所述正调/反调法包括：
共线配置按照滚动计划的比例，确定各零件的需求量，分配产能；如果出现不共线的零件，则每个零件每个配置通过正调和/或反调，得到每个月每个配置的产能值；
其中，正调为将各动力配置超出产能瓶颈的零件按照滚动计划量小的动力配置往大的方向调，反调为将各动力配置超出产能瓶颈的零件从滚动计划量大的动力配置往小的方向调；
产能信息输出端，用于输出每个动力配置的产能瓶颈、分析图表和产能风险预警。
作为本发明的进一步改进，所述目标规划法包括：
所有零件按照动力配置的滚动计划的大小的顺序进行排放，若某车型共有i个动力配置，各动力配置的滚动计划数据为LV1<LV2<……<LVi-1<LVi，其中Lvi指某款车型的第i种配置；
根据各供应商提供的各零件的产能信息，得到各个动力配置Lvi的产能约束条件；
比如：LVi≤c；LV1+LV2<＝d；LV0+LV1<＝e；LV0、LV1、LV2、LV3、LVi>＝0
确定各个配置Lvi的优先级Pi，并设定每个优先级的顺序；
通过目标规划法根据公式(1)求解目标函数的值；
其中，di为第i个动力配置Lvi的产能距离滚动计划的距离，di -为各个动力配置Lvi的产能未达到目标值的差值；P总和是所有动力配置的优先级Pi之和，d总和 -是所有动力配置的产能之和距离产能目标之和的距离；Z是所有动力配置Lvi的产能距离滚动计划的距离之和的最小值；
确定柔性约束条件如下：
LVi+di --di +＝某月LVi滚动计划，
LV1+LV2+……+LVi+d总和 --d总和 +＝某月所有配置产能目标之和
其中，di -为第i个动力配置未达到目标值的差值；di +为第i个动力配置超出目标值的差值；
通过MATLAB调用目标规划求解方法，计算出某月每个动力配置的产能；
进一步的，对于共线配置的零件，按照各个动力配置滚动计划的比例，分配产能；专线零件不用调配。
得到各个动力配置LVi的产能瓶颈对应零件及其产品瓶颈产能Axi，即动力配置LVi的产能瓶颈值；其中Axi代表第i个动力配置的瓶颈零件x的产能；
然后将所有动力配置正调，即将该共线配置的零件从滚动计划小的配置向滚动计划大的配置方向调整；若Ax1<LV1的滚动计划，所有LV1的共线零件上的产能值不用调配到LV2，如Ax1>LV1的滚动计划，将LV1所有动力配置共线的零件上分配的高于LV1的滚动计划的数据调配到LV2，同理处理LV1之后的动力配置的产能，一直调配到LVi-1，再到LVi；
正调完毕，每个零件的各个动力配置的产能得到重新分配；
进一步的，正调完毕后，得到各个动力配置新的产能瓶颈值、对应零件及其产品瓶颈产能，再进行反调，即从动力配置LVi开始往LV1的方向调整；若重新分配后的零件x的第i个动力配置的数量Bxi1<Bxi，即小于第i个动力配置新的产能瓶颈值，则不用调配；若重新分配后的零件x的第i个动力配置的数量Bxi1>Bxi，即大于第i个动力配置新的产能瓶颈值，则将Bxi1高于Bxi的产能调配给第i-1个动力配置，按照此方法一直调配到LV1，反调完毕；
反调完毕，每个零件的动力配置的产能得到重新分配，并得到每个动力配置的新的产能瓶颈值，该产能瓶颈值为最终每个动力配置的产能，用于指导排产。
本发明还公开了一种装置，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上所述的基于互联网的汽车零部件供应商产能管理方法。
本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的基于互联网的汽车零部件供应商产能管理方法。
与现有技术相比，本发明的有益效果为：
采用本发明的技术方案，有利于提升产能数据统计、分析、风险辨识及解决效率，缩短产能提升过程中的沟通及信息传递时间，供应商可及时合理的安排整车物料及库存管理；实现信息共享，强化各部门对供应商产能进行稳定可靠的一体化有效管理；而且提高了信息的准确度，改变产能管理各区域各自为阵的现状。
特别针对新项目，能快速提高产能，且供应商及其分供方产能信息可及时真实灵活的反馈给平台使用者，以最快的速度实现资源最优配置，为排产提供依据的需求。也可快速调整供应商及其分供方资源并实现快速转移，精准预测产能爬坡趋势并制定产能提升计划。另外，可以通过产能模拟，实现供应商多种产品资源共享并转移，起到资源管理器的功能。
附图说明
图1是本发明一种基于互联网的汽车零部件供应商产能管理系统的数据流的示意图。
图2是本发明实施例显示的每个动力配置的产能目标及滚动计划图。
图3是本发明实施例的每个零件的产能信息等的显示界面。
图4是本发明实施例的产能提升计划图。
图5是本发明实施例的一系列产能分析表格示意图。
图6是本发明实施例的产能模拟界面示意图。
具体实施方式
下面对本发明的较优的实施例作进一步的详细说明。
如图1所示，一种基于互联网的汽车零部件供应商产能管理系统，其包括：
产能信息输入端，包括供应商端和用户端，用于获取各零件供应商提供的各零件的产能信息以及开发信息、各动力配置的产能目标、滚动计划；其中，开发信息指的是每个零件的OTS认可/PPAP/PTR/公告/3C等开发信息。
审核模块，用于审核产能信息输入端的信息；
后台数据处理子系统，对上传数据分析处理，形成可视化图表，计算出每月每个配置的实际产能、风险件清单、各角色产能风险预警、各区域风险件关闭情况、项目风险件进展延期分析、长周期物料备货分析、一品多点及新建厂供应商产能分析、可实现所有信息分类查询及多项目交叉查询。采用后台数据处理子系统改善了原手工方式的产能计算及掌握不精确的问题。
每月每个动力配置的实际产能运算方法包括目标规划法、正调/反调法等，通过调配，实现资源的最优配置，滚动计划发生变化时，可快速实现资源共享转移，并分析出转移后的产能满足情况。
产能信息输出端，用于输出每个动力配置的产能瓶颈、分析图表和各角色产能风险预警。
后台数据处理子系统采用以下步骤进行汽车零部件供应商产能管理，包括：
步骤S1，获取各零件供应商提供的各零件的产能信息、开发信息、各动力配置的产能目标、滚动计划；具体而言包括：
供应商端和用户端经过身份认证后登陆系统；
平台主管输入项目各动力配置的产能目标、滚动计划、开发信息、指定风险件负责人；采购员确定零件基本信息及供应商信息；
SOP前一个月，采购员填写零部件供应商配比信息，SQE填写实际节拍。
供应商输入对应项目提供的零件的产能信息及开发信息，并经过对应负责人审核。
其中，所述产能信息包括生产节拍、班次等。
步骤S2，步骤S1的数据流流入后台数据处理子系统后，通过后台大数据处理，形成最终的分析图表，方法包括：
采用目标规划法和正调/反调法进行分析处理，得到每个动力配置的产能瓶颈和分析图表；
所述目标规划法(以计算某车型某月产能为例)包括：
步骤S101，所有零件按照动力配置的滚动计划的大小的顺序进行排放，若某车型共有i个动力配置，各动力配置的滚动计划数据为LV1<LV2<……<LVi-1<LVi，其中Lvi指某款车型的第i种配置；
步骤S102，根据各供应商提供的各零件的产能信息，得到各个动力配置Lvi的产能约束条件；
LVi≤c；LV2+LV3≤d；LV1+LV2≤e；LV0、LV1、LV2……LVi>＝0……(一品多点零件共线根据配比分配产能需求比例，更多配置以此类推)。
步骤S103，确定各个配置Lvi的优先级Pi，并设定每个优先级的顺序；
LVi的产能尽可能接近并超出滚动计划，优先级Pi；假设只有4种配置，SUM(LVi)的产能尽可能接近并超出产能目标，优先级为P4。假设优先级顺序P3>P2>P1>P0>P4(更多配置以此类推)，滚动计划的量越大，越优先。
步骤S104，通过目标规划法根据公式(1)求解目标函数的值；
min Z＝P3d3 -+P2d2 -+P1d1 -+P4d4 -+P总和d总和 - 式(2)，
其中，di为第i个动力配置Lvi的产能距离滚动计划的距离，di -为各个动力配置Lvi的产能未达到目标值的差值；P总和是所有动力配置的优先级Pi之和，d总和 -是所有动力配置的产能之和距离产能目标之和的距离；Z是所有动力配置Lvi的产能距离滚动计划的距离之和的最小值；
某月各配置产能原约束条件为刚性约束，见上面的约束条件1；
步骤S105，确定柔性约束条件如下：
LVi+di --di +＝某月LVi滚动计划，
LV4+LV3+LV2+LV1+d总和 -—d总和 +＝某月所有配置产能目标之和，
其中，di -、di +>＝0，di -为第i个动力配置未达到目标值的差值；di +为第i个动力配置超出目标值的差值；
步骤S106，根据上述得到的相关信息，通过MATLAB调用目标规划求解方法，单纯形法，再与JAVA混合编程，可计算出某月每个动力配置的产能，更多配置，依此类推。
然后，采用正调/反调法进行资源调整；
对于共线配置的零件，按照各个动力配置滚动计划的比例，分配产能；其中，专线零件不用调配。得到各个动力配置LVi的产能瓶颈对应零件及其产品瓶颈产能Axi，即动力配置LVi的产能瓶颈值；其中Axi代表第i个动力配置的瓶颈零件x的产能；
然后将所有动力配置正调，即将该共线配置的零件从滚动计划小的配置向滚动计划大的配置方向调整；若Ax1<LV1的滚动计划，所有LV1的共线零件上的产能值不用调配到LV2，如Ax1>LV1的滚动计划，将LV1所有动力配置共线的零件上分配的高于LV1的滚动计划的数据调配到LV2，同理处理LV1之后的动力配置的产能，一直调配到LVi-1，再到LVi；
正调完毕，每个零件的各个动力配置的产能得到重新分配。
正调完毕后，得到各个动力配置新的产能瓶颈值、对应零件及其产品瓶颈产能，再进行反调，即从动力配置LVi开始往LV1的方向调整；若重新分配后的零件x的第i个动力配置的数量Bxi1<Bxi，即小于第i个动力配置的新的产能瓶颈值，则不用调配；若重新分配后的零件x的第i个动力配置的数量Bxi1>Bxi，即大于第i个动力配置的新的产能瓶颈值，则将Bxi1高于Bxi的产能调配给第i-1个动力配置，按照此方法一直调配到LV1，反调完毕；
反调完毕，每个零件的动力配置的产能得到重新分配，并得到每个动力配置的新的产能瓶颈值，该产能瓶颈值为最终每个动力配置的产能，用于指导排产。
对于上述正调/反调法下面举例如下：
假设零件号为m-1的零件所有动力配置共线，零件号为m的零件不共线，为专线，下面只列举对于零件号为m-1的零件的处理方式，其他的所有共线的零件采取与零件m-1相同的处理方式，如下表所示：
所有动力配置正调，从滚动计划小的向滚动计划大的方向调整。
若Min(Am1,A(m-1)1,…)<LV1的滚动计划，所有LV1的共线零件上的产能值不用调配到LV2，如Min(Am1,A(m-1)1,…)>LV1的滚动计划，将LV1所有动力配置共线的零件上分配的高于LV1的滚动计划的数据调配到LV2，同理处理LV2的产能，一直调配到LVi-1，再到LVi。
经过上面调整后，正调完毕。每个零件的动力配置的产能得到重新分配，并得到每个动力配置的新的产能瓶颈值。
再进行反调：从LVi开始往LV1的方向调整，若零件m-1的B(m-1)i<Min(Bm1,B(m-1)1,…)，不用调配；若零件m-1的B(m-1)i>Min(Bm1,B(m-1)1,…)，将B(m-1)i高于Min(Bm1,B(m-1)1,…)的产能调配给B(m-1)(i-1)，就这样一直调配到LV2，再到LV1，反调完毕。
经过上面调整后，反调完毕。每个零件的动力配置的产能得到重新分配，并得到每个动力配置的新的产能瓶颈值。该产能瓶颈值为最终每个动力配置的产能，可用于指导排产。
所述分析图表包括产能提升计划一览表或图(即滚动计划及供应商产能对比表)、风险零件清单、新建厂进度、一品多点开发进度、长周期、供应商零件交叉一览、总项目清单。其中，得到的图或表中的数据为某车型的所有动力配置的滚动计划数据/产能目标数据/供应商所能达到的产能数据。其他图表例如风险零件关闭图、风险零件进展延期分析图、长周期物料备货分析、一品多点及新建厂供应商产能分析图，均是可以直接运行出来。
本发明还公开了一种装置，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上所述的基于互联网的汽车零部件供应商产能管理方法。
本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的基于互联网的汽车零部件供应商产能管理方法。
之前采用手工调查，应用上述新方法后，通过系统调查供应商产能，以CN210S为例，进行自动调控。
(1)平台采购输入CN210S项目每个动力配置的产能目标及滚动计划，见图2，然后再发布需调查的零件清单，系统发送到采购员处。
(2)采购员填写每个被调查零件的动力配置及供应商信息，并提交。
(3)供应商输入每个零件的产能信息，该项目供应商共输入390条产能信息，系统自动判定零件产能风险级别，供应商输入信息实现各区域信息共享，见图3。
(4)平台采购通过系统所判定每个零件的风险状态，周期性的对风险件展开调查，有效制定及跟踪产能提升措施，最大程度满足滚动计划的需求，同时采购中心各区域人员通过共享的产能信息，共同监控产能措施完成情况，周期性调查的方式有单个及批量两种方式，这样改善了产能管理各自为阵的状态，见图3。
(5)为了确保产能节拍信息的准确性，平台采购可通过点击节拍及产能核实(产能信息管理页面)，SQE收到节拍及产能核实代办，确定产能信息，产能调查方式有单个及批量两种方式，见图3。
(6)在产品动力配置进行迭代时，平台采购触发填写配比信息，采购员收到代办，更新配置配比及供应商信息，并发供应商确定产能信息，见图3。
(7)在供应商输入产能信息后，通过后台大数据的处理，以最快的速度实现资源最优配置，为排产提供依据，分析图为：每个动力配置对产能目标及滚动计划的满足情况(即产能提升计划图)，统计出每个科室的风险零件关闭情况，风险件零件进展分析，见图4。
(8)供应商输入信息后，还生成一系列产能分析表格(共7个)，包括：产能提升计划一览(即滚动计划及供应商产能对比表)、风险件清单、新建厂进度、一品多点开发进度、长周期、供应商零件交叉一览、总项目清单，见图5。
(9)在滚动计划发生变化，通过产能模拟功能，调整滚动计划的数据，可以迅速的判断出供应商产能对滚动计划的满足情况，见图6。
该方法实现供应商端/用户端/后台大数据处理同步连接，所有区域信息共享，大大提高了产能管理效率。更加快速辨识产能风险，第一时间推送至相关联的区域和人员，信息及时度得到很大提升。另外，所有区域共用并确认产能数据，避免了产能信息的不对称，信息准确度提高。并可以多种表现形式输出产能曲线，更加直观、美观、全面。
上述方法通过正调、反调法可快速精确掌握供应商产能资源，并最大程度对供应商生产线共用资源进行调配，最大程度的利用供应商产能满足排产需求。还可以通过产能模拟，实现资源调配及共享转移，以适应整车需求调整大、产品迭代速度快的需求。数据库安全性高且可备份恢复。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于互联网的汽车零部件供应商产能管理方法，其特征在于：其包括以下步骤：
步骤S1，获取各零件供应商提供的各零件的产能信息、开发信息、各动力配置的产能目标、滚动计划；
步骤S2，采用目标规划法和正调/反调法进行分析处理，得到每个动力配置的产能瓶颈和分析图表；
其中所述正调/反调法包括：
共线配置按照滚动计划的比例，确定各零件的需求量，分配产能；如果出现不共线的零件，则每个零件每个配置通过正调和/或反调，得到每个月每个配置的产能值；
其中，正调为将各动力配置超出产能瓶颈的零件按照滚动计划量小的动力配置往大的方向调，反调为将各动力配置超出产能瓶颈的零件从滚动计划量大的动力配置往小的方向调。
2.根据权利要求1所述的基于互联网的汽车零部件供应商产能管理方法，其特征在于：所述目标规划法包括：
步骤S101，所有零件按照动力配置的滚动计划的大小的顺序进行排放，若某车型共有i个动力配置，各动力配置的滚动计划数据为LV1<LV2<……<LVi-1<LVi，其中Lvi指某款车型的第i种配置，i为0～n的自然数；
步骤S102，根据各供应商提供的各零件的产能信息，得到各个动力配置Lvi的产能约束条件；
步骤S103，确定各个配置Lvi的优先级Pi，并设定每个优先级的顺序；
步骤S104，通过目标规划法根据公式(1)求解目标函数的值；
其中，di为第i个动力配置Lvi的产能距离滚动计划的距离，di -为各个动力配置Lvi的产能未达到目标值的差值；P总和是所有动力配置的优先级Pi之和，d总和 -是所有动力配置的产能之和距离产能目标之和的距离；Z是所有动力配置Lvi的产能距离滚动计划的距离之和的最小值；
步骤S105，确定柔性约束条件如下：
LVi+di --di +＝某月LVi滚动计划，
LV1+LV2+……+LVi+d总和 --d总和 +＝某月所有配置产能目标之和，
其中，di -为第i个动力配置未达到目标值的差值；di +为第i个动力配置超出目标值的差值；
步骤S106，通过MATLAB调用目标规划求解方法，计算出某月每个动力配置的产能。
3.根据权利要求2所述的基于互联网的汽车零部件供应商产能管理方法，其特征在于：对于共线配置的零件，按照各个动力配置滚动计划的比例，分配产能；
得到各个动力配置LVi的产能瓶颈对应零件及其产品瓶颈产能Axi，即动力配置LVi的产能瓶颈值；其中Axi代表第i个动力配置的瓶颈零件x的产能；
然后将所有动力配置正调，即将该共线配置的零件从滚动计划小的配置向滚动计划大的配置方向调整；若Ax1<LV1的滚动计划，所有LV1的共线零件上的产能值不用调配到LV2，如Ax1>LV1的滚动计划，将LV1所有动力配置共线的零件上分配的高于LV1的滚动计划的数据调配到LV2，同理处理LV1之后的动力配置的产能，一直调配到LVi-1，再到LVi；
正调完毕，每个零件的各个动力配置的产能得到重新分配。
4.根据权利要求3所述的基于互联网的汽车零部件供应商产能管理方法，其特征在于：正调完毕后，得到各个动力配置新的产能瓶颈值、对应零件及其产品瓶颈产能，再进行反调，即从动力配置LVi开始往LV1的方向调整；若重新分配后的零件x的第i个动力配置的数量Bxi1<Bxi，即小于第i个动力配置的新的产能瓶颈值，则不用调配；若重新分配后的零件x的第i个动力配置的数量Bxi1>Bxi，即大于第i个动力配置的新的产能瓶颈值，则将Bxi1高于Bxi的产能调配给第i-1个动力配置，按照此方法一直调配到LV1，反调完毕；
反调完毕，每个零件的动力配置的产能得到重新分配，并得到每个动力配置的新的产能瓶颈值，该产能瓶颈值为最终每个动力配置的产能，用于指导排产。
5.根据权利要求1～4任意一项所述的基于互联网的汽车零部件供应商产能管理方法，其特征在于：所述分析图表包括产能提升计划一览表或图、风险零件清单、新建厂进度、一品多点开发进度、长周期、供应商零件交叉一览、总项目清单。
6.根据权利要求5所述的基于互联网的汽车零部件供应商产能管理方法，其特征在于：步骤S1包括，平台主管输入项目各动力配置的产能目标、滚动计划、开发信息、指定风险件负责人；采购员确定零件基本信息及供应商信息，采购员输入零部件供应商配比信息，供应商质量工程师SQE填写实际节拍；
供应商输入对应项目提供的零件的产能信息，并经过对应负责人审核。
7.一种基于互联网的汽车零部件供应商产能管理系统，其特征在于，包括：
产能信息输入端，包括供应商端和用户端，用于获取各零件供应商提供的各零件的产能信息以及开发信息、各动力配置的产能目标、滚动计划；
审核模块，用于审核产能信息输入端的信息；
数据处理子系统，用于采用目标规划法和正调/反调法进行分析处理，得到每个动力配置的产能瓶颈和分析图表；
其中所述正调/反调法包括：
共线配置按照滚动计划的比例，确定各零件的需求量，分配产能；如果出现不共线的零件，则每个零件每个配置通过正调和/或反调，得到每个月每个配置的产能值；
其中，正调为将各动力配置超出产能瓶颈的零件按照滚动计划量小的动力配置往大的方向调，反调为将各动力配置超出产能瓶颈的零件从滚动计划量大的动力配置往小的方向调；
产能信息输出端，用于输出每个动力配置的产能瓶颈、分析图表和产能风险预警。
8.根据权利要求7所述的基于互联网的汽车零部件供应商产能管理系统，其特征在于：所述目标规划法包括：
所有零件按照动力配置的滚动计划的大小的顺序进行排放，若某车型共有i个动力配置，各动力配置的滚动计划数据为LV1<LV2<……<LVi-1<LVi，其中Lvi指某款车型的第i种配置；
根据各供应商提供的各零件的产能信息，得到各个动力配置Lvi的产能约束条件；
确定各个配置Lvi的优先级Pi，并设定每个优先级的顺序；
通过目标规划法根据公式(1)求解目标函数的值；
其中，di为第i个动力配置Lvi的产能距离滚动计划的距离，di -为各个动力配置Lvi的产能未达到目标值的差值；P总和是所有动力配置的优先级Pi之和，d总和 -是所有动力配置的产能之和距离产能目标之和的距离；Z是所有动力配置Lvi的产能距离滚动计划的距离之和的最小值；
确定柔性约束条件如下：
LVi+di --di +＝某月LVi滚动计划，
LV1+LV2+……+LVi+d总和 --d总和 +＝某月所有配置产能目标之和，
其中，di -为第i个动力配置未达到目标值的差值；di +为第i个动力配置超出目标值的差值；
通过MATLAB调用目标规划求解方法，计算出某月每个动力配置的产能；
对于共线配置的零件，按照各个动力配置滚动计划的比例，分配产能；
得到各个动力配置LVi的产能瓶颈对应零件及其产品瓶颈产能Axi，即动力配置LVi的产能瓶颈值；其中Axi代表第i个动力配置的瓶颈零件x的产能；
然后将所有动力配置正调，即将该共线配置的零件从滚动计划小的配置向滚动计划大的配置方向调整；若Ax1<LV1的滚动计划，所有LV1的共线零件上的产能值不用调配到LV2，如Ax1>LV1的滚动计划，将LV1所有动力配置共线的零件上分配的高于LV1的滚动计划的数据调配到LV2，同理处理LV1之后的动力配置的产能，一直调配到LVi-1，再到LVi；
正调完毕，每个零件的各个动力配置的产能得到重新分配；
正调完毕后，得到各个动力配置新的产能瓶颈值、对应零件及其产品瓶颈产能，再进行反调，即从动力配置LVi开始往LV1的方向调整；若重新分配后的零件x的第i个动力配置的数量Bxi1<Bxi，即小于第i个动力配置新的产能瓶颈值，则不用调配；若重新分配后的零件x的第i个动力配置的数量Bxi1>Bxi，即大于第i个动力配置新的产能瓶颈值，则将Bxi1高于Bxi的产能调配给第i-1个动力配置，按照此方法一直调配到LV1，反调完毕；
反调完毕，每个零件的动力配置的产能得到重新分配，并得到每个动力配置的新的产能瓶颈值，该产能瓶颈值为最终每个动力配置的产能，用于指导排产。
9.一种装置，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1～6任一项所述的基于互联网的汽车零部件供应商产能管理方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1～6任一项所述的基于互联网的汽车零部件供应商产能管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910802167.2A CN110580579B (zh) | 2019-08-28 | 2019-08-28 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910802167.2A CN110580579B (zh) | 2019-08-28 | 2019-08-28 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110580579A true CN110580579A (zh) | 2019-12-17 |
| CN110580579B CN110580579B (zh) | 2023-05-30 |
Family
ID=68812035
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910802167.2A Active CN110580579B (zh) | 2019-08-28 | 2019-08-28 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110580579B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115759569A (zh) * | 2022-10-21 | 2023-03-07 | 荣耀终端有限公司 | 排产方法及电子设备 |
| CN116091093A (zh) * | 2022-12-01 | 2023-05-09 | 深圳市创芯人科技有限公司 | 基于云数据的前置仓SaaS平台管理方法、系统及介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1508731A (zh) * | 2002-12-14 | 2004-06-30 | 鸿富锦精密工业（深圳）有限公司 | 主生产排配管理系统及方法 |
| WO2009045218A1 (en) * | 2007-10-04 | 2009-04-09 | Donovan John J | A video surveillance, storage, and alerting system having network management, hierarchical data storage, video tip processing, and vehicle plate analysis |
| CN101939766A (zh) * | 2007-03-26 | 2011-01-05 | 艾克蒂夫普朗特公司 | 监控和量化自动化生产设备性能的系统和方法 |
| CN102402716A (zh) * | 2010-09-15 | 2012-04-04 | 香港理工大学 | 智能生产决策支持系统 |
| CN103353954A (zh) * | 2013-06-04 | 2013-10-16 | 上海华力微电子有限公司 | 动态产能分配系统及方法 |
| CN104077633A (zh) * | 2014-06-27 | 2014-10-01 | 歌尔声学股份有限公司 | 基于瓶颈工序的排产方法 |
| CN104077432A (zh) * | 2014-05-21 | 2014-10-01 | 浙江工业大学 | 一种基于多维关联函数的调整工艺选择分析方法 |
| CN104484161A (zh) * | 2014-06-11 | 2015-04-01 | 国家电网公司 | 省级电力计量中心生产计划预测软件系统的模型和方法 |
| CN105550836A (zh) * | 2015-11-03 | 2016-05-04 | 武汉宝钢华中贸易有限公司 | 基于大数据分析处理技术的自动排产优化管理信息模型 |
| CN105809307A (zh) * | 2014-12-30 | 2016-07-27 | 中国铁道科学研究院电子计算技术研究所 | 一种基于物联技术的离散生产线瓶颈检测方法 |
| CN106295840A (zh) * | 2015-06-09 | 2017-01-04 | 北京福田康明斯发动机有限公司 | 一种优化生产流水线作业的方法、装置及生产流水线 |
| CN106793557A (zh) * | 2017-01-17 | 2017-05-31 | 上海辰竹仪表有限公司 | 物料配置方法和装置、smt生产方法及生产系统 |
| CN109409606A (zh) * | 2018-10-31 | 2019-03-01 | 郑州航空工业管理学院 | 断电器装配线工人数平衡优化 |
-
2019
- 2019-08-28 CN CN201910802167.2A patent/CN110580579B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1508731A (zh) * | 2002-12-14 | 2004-06-30 | 鸿富锦精密工业（深圳）有限公司 | 主生产排配管理系统及方法 |
| CN101939766A (zh) * | 2007-03-26 | 2011-01-05 | 艾克蒂夫普朗特公司 | 监控和量化自动化生产设备性能的系统和方法 |
| WO2009045218A1 (en) * | 2007-10-04 | 2009-04-09 | Donovan John J | A video surveillance, storage, and alerting system having network management, hierarchical data storage, video tip processing, and vehicle plate analysis |
| CN102402716A (zh) * | 2010-09-15 | 2012-04-04 | 香港理工大学 | 智能生产决策支持系统 |
| CN103353954A (zh) * | 2013-06-04 | 2013-10-16 | 上海华力微电子有限公司 | 动态产能分配系统及方法 |
| CN104077432A (zh) * | 2014-05-21 | 2014-10-01 | 浙江工业大学 | 一种基于多维关联函数的调整工艺选择分析方法 |
| CN104484161A (zh) * | 2014-06-11 | 2015-04-01 | 国家电网公司 | 省级电力计量中心生产计划预测软件系统的模型和方法 |
| CN104077633A (zh) * | 2014-06-27 | 2014-10-01 | 歌尔声学股份有限公司 | 基于瓶颈工序的排产方法 |
| CN105809307A (zh) * | 2014-12-30 | 2016-07-27 | 中国铁道科学研究院电子计算技术研究所 | 一种基于物联技术的离散生产线瓶颈检测方法 |
| CN106295840A (zh) * | 2015-06-09 | 2017-01-04 | 北京福田康明斯发动机有限公司 | 一种优化生产流水线作业的方法、装置及生产流水线 |
| CN105550836A (zh) * | 2015-11-03 | 2016-05-04 | 武汉宝钢华中贸易有限公司 | 基于大数据分析处理技术的自动排产优化管理信息模型 |
| CN106793557A (zh) * | 2017-01-17 | 2017-05-31 | 上海辰竹仪表有限公司 | 物料配置方法和装置、smt生产方法及生产系统 |
| CN109409606A (zh) * | 2018-10-31 | 2019-03-01 | 郑州航空工业管理学院 | 断电器装配线工人数平衡优化 |
Non-Patent Citations (2)
| Title |
|---|
| 梁冬青: "面向订单生产和市场预测型的工厂产能评估与改进策略研究" * |
| 苏艳辉: "发动机工厂生产计划排产优化" * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115759569A (zh) * | 2022-10-21 | 2023-03-07 | 荣耀终端有限公司 | 排产方法及电子设备 |
| CN115759569B (zh) * | 2022-10-21 | 2024-04-16 | 荣耀终端有限公司 | 排产方法及电子设备 |
| CN116091093A (zh) * | 2022-12-01 | 2023-05-09 | 深圳市创芯人科技有限公司 | 基于云数据的前置仓SaaS平台管理方法、系统及介质 |
| CN116091093B (zh) * | 2022-12-01 | 2024-01-16 | 深圳市创芯人科技有限公司 | 基于云数据的前置仓SaaS平台管理方法、系统及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110580579B (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bhatnagar et al. | Models for multi-plant coordination | |
| Volling et al. | Modeling and simulation of order-driven planning policies in build-to-order automobile production | |
| US8280757B2 (en) | Demand forecast system and method | |
| Pfeiffer et al. | Stability-oriented evaluation of rescheduling strategies, by using simulation | |
| CN105427021A (zh) | 一种服装智能排产方法 | |
| KR102574244B1 (ko) | 어텐션 메커니즘 기반의 미래 수요 예측 데이터 생성방법 및 장치 | |
| 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 | |
| CN1661609A (zh) | 钢铁生产计划中合同与库存联合优化管理方法 | |
| CN1831857A (zh) | 订货/接单系统 | |
| Liu et al. | A scheduling model of logistics service supply chain based on the time windows of the FLSP’s operation and customer requirement | |
| CN112200640A (zh) | 一种基于区块链智能合约下物资供应自动匹配方法及系统 | |
| Vogelezang | 4.3 Using COSMIC FFP for Sizing, Estimating, and Planning in an ERP Environment | |
| US20080091446A1 (en) | Method and system for maximizing revenue generated from service level agreements | |
| KR20110020485A (ko) | 예산 관리 시스템 | |
| Kopp et al. | A hierarchical approach to qualification management in wafer fabs | |
| CN115375413B (zh) | 一种erp采购计算方法与系统 | |
| US7844486B2 (en) | System and method for determining and increasing an accuracy of costing | |
| Ferrer-Nadal et al. | Optimal reactive scheduling of manufacturing plants with flexible batch recipes | |
| CN110390443A (zh) | 一种考虑需求响应的生产计划调整方法及系统 | |
| CN112905909B (zh) | 数据预测方法、装置、计算机可读存储介质及电子设备 | |
| CN100350407C (zh) | 设备和机器的租赁及费用的要求方法、筛选装置和模拟工具 | |
| US20220318870A1 (en) | Negotiation system, negotiation method, and negotiation program | |
| CN111815200A (zh) | 任务调度方法及装置、计算机设备、存储介质 | |
| Vickery et al. | Integer goal programming for multistage lot sizing: Experimentation and implementation | |
| US20110172801A1 (en) | Method and system for determining manufacturing throughput target |
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 |