CN110826829A - 一种基于大数据的智能计分排产的方法 - Google Patents
一种基于大数据的智能计分排产的方法 Download PDFInfo
- Publication number
- CN110826829A CN110826829A CN201810913059.8A CN201810913059A CN110826829A CN 110826829 A CN110826829 A CN 110826829A CN 201810913059 A CN201810913059 A CN 201810913059A CN 110826829 A CN110826829 A CN 110826829A
- Authority
- CN
- China
- Prior art keywords
- scoring
- product
- information system
- factory
- intelligent information
- 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 36
- 238000004519 manufacturing process Methods 0.000 claims abstract description 35
- 230000006399 behavior Effects 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 238000012550 audit Methods 0.000 claims abstract description 7
- 238000007405 data analysis Methods 0.000 claims abstract description 5
- 238000012790 confirmation Methods 0.000 claims abstract 5
- 239000002994 raw material Substances 0.000 claims description 12
- 230000001932 seasonal effect Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013077 scoring method Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 abstract description 4
- 230000006978 adaptation Effects 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
Images
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
- G06Q10/06316—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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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 Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的目的在于提供一种基于大数据的智能计分排产的方法，特别是应用于生产管理方面。该发明通过创建原始的评分标准，评分标准里可设置若干评分条件，自定义评分条件的名称、有效期、适用条件(订单类型和产品类型等)；设置评分条件的在各个工厂的计分方式以及优先级权重；用户通过对产品属性的分析，并跟原始的评分标准进行一一匹配，模拟产品在各个工厂生产的适配值，权重计算每个产品在不同工厂的总得分；用户对智能信息系统计算出来的排单结果进行审核确认或调整，智能信息系统记录审核确认或调整行为，并进行大数据分析统计，结合历史排厂数据，提供一个更优的评分标准；用户根据智能信息系统的建议，确认对评分标准的调整，并应用于下一次的排厂选择过程中；智能信息系统通过智能学习，使得排单结果跟主观的人为经验分离，实现最科学最合理最优的以及经济最大化的排单结果，而且不断迭代优化。
Description
技术领域
本发明涉及智能计分俳优技术领域，尤其涉及应用于生产管理的基于大数据的智能计分排产处理的方法。
背景技术
工厂实际生产排单的考虑因素众多，比如工厂产能，工厂基础设备情况，产品的生产周期，产品的类型，产品的工艺要求，地方的关税政策，地方的假期政策，集团的产品策略，季度/年度历史排单情况，客户要求的生产地，产品原材料供应商的产地限制，产品原材料采购成本，产品生产成本，成品运输成本等。现状对于工厂排单的综合考虑判断都是基于人为的主观经验，存在考虑不全面，结果非最优，以及效率低下的情况。。
对于企业来说，如何按照优先级权重量化适配值，并通过历史数据不断优化迭代，得到最优的排单结果，实际利益的最大化是他们最关注的。是否能撇除人为经验和主观判断，解决各个因素优先级以及权重的设定，同时进行历史排单大数据的分析统计从而不断优化实现智能排单是关键。
当前人为经验排单主要存在以下问题：
1.排单时只能考虑有限的主要因素，而无法覆盖所有相关的因素，并按优先级权重量化是配置，得到最优的结果；
2.严重依赖个人经验，排单结果偏主观，结果会有因人而异的情况；
3.无法根据历史排单的大数据进行统计分析，不断优化迭代更优排厂方案；
4.排单容易出错，花费人力时间多，效率低下。
发明内容
本发明的目的在于提供一种基于大数据的智能计分排产的方法，特别是应用于生产管理方面。该发明通过设定优先级权重，以及统计分析历史数据和用户行为，进行计分量化排产，使得排单结果跟主观的人为经验分离，实现最科学最合理最优的以及经济最大化的排单结果，而且不断迭代优化。
本发明的目的通过以下技术方案予以实现：
一种基于大数据的智能计分排产的应用于生产管理的方法，可以通过计算机等设备以智能信息系统的形式实现所述方法，具体包含以下阶段：
如附图1所述，本发明所提供的一种基于大数据的智能计分排产的方法，包括：阶段1，创建原始的评分标准阶段；阶段2，推荐最优排厂结果阶段；阶段3，评分标准迭代优化阶段。
所述阶段1的创建原始评分标准阶段，其处理流程如附图2所示，可分为以下步骤：
1.用户在智能信息系统上创建原始的评分标准；
2.在评分标准里设置若干评分条件；
所述的评分条件包含且不限于以下要素：工厂产能、工厂基础设备情况、产品的生产周期、产品的类型、产品的工艺要求、地方的关税政策、地方的假期政策、集团的产品策略、季度/年度历史排单情况、客户要求的生产地、产品原材料供应商的产地限制、产品原材料采购成本、产品生产成本和成品运输成本。
3.设置评分条件的名称、有效期等基本属性；
4.设置评分条件的适用条件：订单类型、产品类型等；
5.该评分条件的计分方式(分为两种，一种是分数，一种是系数)，该评分条件是否为必要考虑因素，该评分条件对应的类型，该评分条件在各个工厂的分数权重等。
所述阶段2的推荐最优排厂结果阶段，其处理流程如附图3所示，可分为以下步骤：
1.用户对订单属性进行分析；
2.用户对产品的属性进行分析；
3.用户在已经设定好的评分标准中选择适用评分标准
4.用户跟已经设定好的评分标准进行一一匹配。
5.智能信息系统经过权重计算后最终得到每个产品在不同工厂的排产的评分；所述评分即按优先级综合考虑各个影响因素，模拟该产品在这个工厂生产的适配值；
6.智能信息系统以最高评分则为最优选择，从而得出最优排厂结果。
所述阶段3的评分标准迭代优化阶段，其处理流程如附图4所示，可分为以下步骤：
1.用户对智能信息系统计算的排厂结果进行审核；如果用户对智能信息系统计算的排厂结果有进行调整，则转到步骤2；如果用户对智能信息系统计算的排厂结果有进行调整则转到步骤3。
2.智能信息系统会记录并分析用户调整行为；
3.智能信息系统系统结合历史排厂数据进行大数据分析统计；
4.智能信息系统提供一个更优的评分标准，即调整评分条件的优先级权重或者新增新的评分条件；
5.用户根据智能信息系统的建议，确认对评分标准的调整，并应用于下一次的排厂过程中，从而实现智能学习，不断迭代优化排厂算法。
本发明具有以下有益效果：
本发明通过设置评分标准，按优先级权重计算出不同产品在不同工厂生产的适配度，从而得到最优的排单结果，从而避免了依靠人力主观经验判断的失误，大大节省了时间人力。而且通过对历史数据和用户行为的分析统计，智能优化迭代评分标准，已达到最新最准最优。
具体如下：
1.本发明设置了以下评分条件，工厂产能，工厂基础设备情况，产品的生产周期，产品的类型，产品的工艺要求，地方的关税政策，地方的假期政策，集团的产品策略，季度/年度历史排单情况，客户要求的生产地，产品原材料供应商的产地限制，产品原材料采购成本，产品生产成本，成品运输成本，并对每一个条件设置了有效期以及在每一个工厂设置了分数权重等。其中对于必要条件，特别设置了系数权重。以上条件覆盖了各种因素，以及根据优先级权重得出最优排单结果。这种方法相比起现有的依靠人为的有限几个因素进行分析排单出来的结果更科学更合理。
2.本发明可持续统计分析用户调整行为和历史排单结果数据，并提出优化评分条件的建议方案。这种懂得自我学习自我迭代自我优化的机制相比起现有的人为的一成不变的经验而言更符合市场经济规律，每一次的排单结果都更符合真实生产情况，更符合经济利益最大化。
附图说明
图1为本发明实施例中所涉及的排产方法的三个阶段；
图2为本发明实施例中所涉及的阶段1的流程示意图；
图3为本发明实施例中所涉及的阶段2的流程示意图；
图4为本发明实施例中所涉及的阶段3的流程示意图。
具体实施方式
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如附图1所述，本发明所提供的一种基于大数据的智能计分排产的方法，包括：阶段1，创建原始的评分标准阶段；阶段2，推荐最优排厂结果阶段；阶段3，评分标准迭代优化阶段。
所述阶段1的创建原始评分标准阶段，其处理流程如附图2所示，可分为以下步骤：
1.用户在智能信息系统上创建原始的评分标准；
2.在评分标准里设置若干评分条件；
所述的评分条件包含且不限于以下要素：
工厂产能、工厂基础设备情况、产品的生产周期、产品的类型、产品的工艺要求、地方的关税政策、地方的假期政策、集团的产品策略、季度/年度历史排单情况、客户要求的生产地、产品原材料供应商的产地限制、产品原材料采购成本、产品生产成本和成品运输成本。
3.设置评分条件的名称、有效期等基本属性；
4.设置评分条件的适用条件：订单类型、产品类型等；
5.该评分条件的计分方式(分为两种，一种是分数，一种是系数)，该评分条件是否为必要考虑因素，该评分条件对应的类型，该评分条件在各个工厂的分数权重等。
所述阶段2的推荐最优排厂结果阶段，其处理流程如附图3所示，可分为以下步骤：
1.用户对订单属性进行分析；
2.用户对产品的属性进行分析；
3.用户在已经设定好的评分标准中选择适用评分标准
4.用户跟已经设定好的评分标准进行一一匹配。
5.智能信息系统经过权重计算后最终得到每个产品在不同工厂的排产的评分；所述评分即按优先级综合考虑各个影响因素，模拟该产品在这个工厂生产的适配值；
6.智能信息系统以最高评分则为最优选择，从而得出最优排厂结果。
所述阶段3的评分标准迭代优化阶段，其处理流程如附图4所示，可分为以下步骤：
1.用户对智能信息系统计算的排厂结果进行审核；如果用户对智能信息系统计算的排厂结果有进行调整，则转到步骤2；如果用户对智能信息系统计算的排厂结果有进行调整则转到步骤3。
2.智能信息系统会记录并分析用户调整行为；
3.智能信息系统系统结合历史排厂数据进行大数据分析统计；
4.智能信息系统提供一个更优的评分标准，即调整评分条件的优先级权重或者新增新的评分条件；
5.用户根据智能信息系统的建议，确认对评分标准的调整，并应用于下一次的排厂过程中，从而实现智能学习，不断迭代优化排厂算法。
Claims (5)
1.一种基于大数据的智能计分排产的方法，其特征在于，包括如下阶段：
阶段1，创建原始的评分标准阶段；该阶段主要是创建评分标准、设置评分条件和应用条件；具体包括：
(1)用户在智能信息系统上创建原始的评分标准；
(2)在评分标准里设置若干评分条件；
所述的评分条件包含且不限于以下要素：工厂产能、工厂基础设备情况、产品的生产周期、产品的类型、产品的工艺要求、地方的关税政策、地方的假期政策、集团的产品策略、季度/年度历史排单情况、客户要求的生产地、产品原材料供应商的产地限制、产品原材料采购成本、产品生产成本和成品运输成本。
(3)设置评分条件的名称、有效期等基本属性；
(4)设置评分条件的适用条件：订单类型、产品类型等；
(5)设置评分条件的计分方式，
所述的计分方式分为两种：一种是分数；一种是系数，即该评分条件是否为必要考虑因素，该评分条件对应的类型，该评分条件在各个工厂的分数权重等。
阶段2，推荐最优排厂结果阶段；该阶段主要是分析订单属性，推荐最优排厂结果；具体包括：
(1)用户对订单属性进行分析；
(2)用户对产品的属性进行分析；
(3)用户在已经设定好的评分标准中选择适用评分标准
(4)用户跟已经设定好的评分标准进行一一匹配。
(5)智能信息系统经过权重计算后最终得到每个产品在不同工厂的排产的评分；所述评分即按优先级综合考虑各个影响因素，模拟该产品在这个工厂生产的适配值；
(6)智能信息系统以最高评分则为最优选择，从而得出最优排厂结果。
阶段3，的评分标准迭代优化阶段；该阶段主要是基于用户对排厂结果的确认或调整，分析历史排单数据，迭代优化评分标准；具体包括：
(1)用户对智能信息系统计算的排厂结果进行审核；
(2)智能信息系统会记录并分析用户调整行为；
(3)智能信息系统系统结合历史排厂数据进行大数据分析统计；
(4)智能信息系统提供一个更优的评分标准，即调整评分条件的优先级权重或者新增新的评分条件；
(5)用户根据智能信息系统的建议，确认对评分标准的调整，并应用于下一次的排厂过程中，从而实现智能学习，不断迭代优化排厂算法。
2.如权利要求1所述的一种基于大数据的智能计分排产的方法，其特征在于，所述的评分条件包含且不限于以下要素：工厂产能、工厂基础设备情况、产品的生产周期、产品的类型、产品的工艺要求、地方的关税政策、地方的假期政策、集团的产品策略、季度/年度历史排单情况、客户要求的生产地、产品原材料供应商的产地限制、产品原材料采购成本、产品生产成本和成品运输成本。
3.如权利要求1所述的一种基于大数据的智能计分排产的方法，其特征在于，所述的计分方式分为两种：一种是分数；一种是系数，即该评分条件是否为必要考虑因素，该评分条件对应的类型，该评分条件在各个工厂的分数权重等。
4.如权利要求1所述的一种基于大数据的智能计分排产的方法，其特征在于，用户通过对产品属性的分析，并跟原始的评分标准进行一一匹配，智能信息系统模拟产品在各个工厂生产的适配值，权重计算每个产品在不同工厂的总得分；以最高评分则为最优选择，从而得出最优排厂结果。
5.如权利要求1所述的一种基于大数据的智能计分排产的方法，其特征在于，用户对智能信息系统计算出来的排单结果进行审核确认或调整，智能信息系统记录审核确认或调整行为，并进行大数据分析统计，结合历史排厂数据，提供一个更优的评分标准；该方法可持续统计分析用户调整行为和历史排单结果数据，并提出优化评分条件的建议方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810913059.8A CN110826829A (zh) | 2018-08-13 | 2018-08-13 | 一种基于大数据的智能计分排产的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810913059.8A CN110826829A (zh) | 2018-08-13 | 2018-08-13 | 一种基于大数据的智能计分排产的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110826829A true CN110826829A (zh) | 2020-02-21 |
Family
ID=69546859
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810913059.8A Pending CN110826829A (zh) | 2018-08-13 | 2018-08-13 | 一种基于大数据的智能计分排产的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110826829A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113066543A (zh) * | 2021-04-12 | 2021-07-02 | 北京药明津石医药科技有限公司 | 临床研究协调员排程方法、装置、计算机设备和存储介质 |
| CN113610450A (zh) * | 2020-05-04 | 2021-11-05 | 西门子股份公司 | 用于将订单执行在mom系统中进行分布的方法和系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004303069A (ja) * | 2003-03-31 | 2004-10-28 | Fujitsu Ltd | 評価方法 |
| TW200739433A (en) * | 2006-04-14 | 2007-10-16 | Chi Lin Technology Co Ltd | Supplier selection system and method utilizing intelligence neural network |
| CN101286214A (zh) * | 2007-04-12 | 2008-10-15 | 鸿富锦精密工业（深圳）有限公司 | 供应商评分系统及方法 |
| CN103235983A (zh) * | 2013-04-23 | 2013-08-07 | 浪潮集团山东通用软件有限公司 | 一种多维度的供应商自动评价方法 |
| CN106952052A (zh) * | 2017-04-06 | 2017-07-14 | 东北林业大学 | 基于混合权重核主成分分析企业供应商评价方法 |
| CN107045674A (zh) * | 2017-03-31 | 2017-08-15 | 北京国电通网络技术有限公司 | 基于可量化指标体系的供应商评价方法 |
| CN108256763A (zh) * | 2018-01-15 | 2018-07-06 | 苏州索及信息技术有限公司 | 基于层次分析法的非标零部件供应商制造能力分析方法及装置 |
-
2018
- 2018-08-13 CN CN201810913059.8A patent/CN110826829A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004303069A (ja) * | 2003-03-31 | 2004-10-28 | Fujitsu Ltd | 評価方法 |
| TW200739433A (en) * | 2006-04-14 | 2007-10-16 | Chi Lin Technology Co Ltd | Supplier selection system and method utilizing intelligence neural network |
| CN101286214A (zh) * | 2007-04-12 | 2008-10-15 | 鸿富锦精密工业（深圳）有限公司 | 供应商评分系统及方法 |
| CN103235983A (zh) * | 2013-04-23 | 2013-08-07 | 浪潮集团山东通用软件有限公司 | 一种多维度的供应商自动评价方法 |
| CN107045674A (zh) * | 2017-03-31 | 2017-08-15 | 北京国电通网络技术有限公司 | 基于可量化指标体系的供应商评价方法 |
| CN106952052A (zh) * | 2017-04-06 | 2017-07-14 | 东北林业大学 | 基于混合权重核主成分分析企业供应商评价方法 |
| CN108256763A (zh) * | 2018-01-15 | 2018-07-06 | 苏州索及信息技术有限公司 | 基于层次分析法的非标零部件供应商制造能力分析方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113610450A (zh) * | 2020-05-04 | 2021-11-05 | 西门子股份公司 | 用于将订单执行在mom系统中进行分布的方法和系统 |
| CN113066543A (zh) * | 2021-04-12 | 2021-07-02 | 北京药明津石医药科技有限公司 | 临床研究协调员排程方法、装置、计算机设备和存储介质 |
| CN113066543B (zh) * | 2021-04-12 | 2022-04-19 | 上海药明津石医药科技有限公司 | 临床研究协调员排程方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110378528B (zh) | 基于遗传算法的车间排产方法及系统 | |
| US20230247138A1 (en) | Methods and internet of things systems for gas operation based on call centers of smart gas | |
| CN110837587A (zh) | 一种基于机器学习的数据匹配方法和系统 | |
| CN107038486A (zh) | 金融产品预测装置以及金融产品预测方法 | |
| CN111045907B (zh) | 一种基于业务量的系统容量预测方法 | |
| CN108428055B (zh) | 一种考虑负荷纵向特性的负荷聚类方法 | |
| Hajej et al. | Quality issue in forecasting problem of production and maintenance policy for production unit | |
| CN113469595A (zh) | 智慧供应链系统及服务器平台 | |
| US20150347952A1 (en) | Partner analytics management tool | |
| US7130712B1 (en) | Method and system for small-lot orders to optimize production runs in the steel industry | |
| CN112614010A (zh) | 负荷预测方法及装置、存储介质及电子装置 | |
| CN110826829A (zh) | 一种基于大数据的智能计分排产的方法 | |
| CN116911962B (zh) | 一种基于数据模型的选品装置及方法 | |
| CN113191533A (zh) | 仓库用工预测方法、装置、设备及存储介质 | |
| CN107977855B (zh) | 一种管理用户信息的方法及装置 | |
| CN110516709B (zh) | 基于层级聚类的传媒客户价值模型建立方法 | |
| Zeng et al. | Multi-skilled worker assignment in seru production system for the trade-off between production efficiency and workload fairness | |
| CN114881370A (zh) | 食堂菜品规划方法及装置 | |
| CN110717666A (zh) | 一种企业产品的市场竞争力评价方法 | |
| CN116933937B (zh) | 一种基于模型迁移学习的电子产品零件备货量预测方法 | |
| CN114022232A (zh) | 一种基于大数据分析技术的电工钢用户选材询单推荐方法 | |
| Rauf et al. | Multi-criteria inventory classification based on multi-criteria decision-making (MCDM) technique | |
| Vanchipura et al. | Development and analysis of hybrid genetic algorithms for flow shop scheduling with sequence dependent setup time | |
| Koo et al. | Simultaneous determination of lot size and production rate at capacity-constrained multiple-product systems | |
| CN115660608A (zh) | 一种一站式的创新创业孵化方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200221 |