CN111160706A - 模拟供应链风险响应的方法、装置和系统 - Google Patents
模拟供应链风险响应的方法、装置和系统 Download PDFInfo
- Publication number
- CN111160706A CN111160706A CN201911201814.0A CN201911201814A CN111160706A CN 111160706 A CN111160706 A CN 111160706A CN 201911201814 A CN201911201814 A CN 201911201814A CN 111160706 A CN111160706 A CN 111160706A
- Authority
- CN
- China
- Prior art keywords
- agent
- demand
- target
- target resource
- scheduling plan
- 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
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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- General Factory Administration (AREA)
Abstract
本申请公开了模拟供应链风险响应的方法、装置和系统,涉及生产技术领域及人工智能技术领域,有助于在供应链风险发生时,提高供应链风险响应速度。该方法可以应用于包含第一智能体和第二智能体的计算机系统。其中,第二智能体是第一智能体的下游需求端。第一智能体用于管理目标资源。该方法包括:第一智能体首先获取目标资源的第一库存量和第二智能体对标资源的需求量;然后,在第一库存量小于第二智能体对目标资源的需求量时,更新目标资源的当前排产计划。
Description
本申请要求于2019年07月16日提交国家知识产权局、申请号为201910641614.0、申请名称为“基于多智能体建模的多层资源和需求匹配方法和装置”的中国专利申请的优先权,其全部内容通过引用结合在本申请中。
技术领域
本申请涉及生产技术领域及人工智能技术领域,尤其涉及模拟供应链风险响应的方法、装置和系统。
背景技术
排产计划,是企业对生产任务作出统筹安排,具体拟定生产产品的品种、数量、质量和进度的计划。企业的生产线基于排产计划工作,因此排产计划是否合理关系到生产任务是否能够顺利完成。
供应链是从配套零件开始到制成中间产品及最终产品的一个由各物料的供应商、制造商等所连成的整体功能网链。配套零件、中间产品、最终产品等统称为物料。供应链风险是指供应链中物料的供给小于需求,从而导致生产任务不能顺利完成。生产任务变更、生产线故障、物料断货等均可能引发供应链风险。供应链风险响应是指当出现供应链风险时,通过调整排产计划,从而指导生产线调整工作,以尽快达到供应链平衡(即供应大于或等于需求)。
目前,排产计划是通过求解带有资源约束的混合整数优化问题,得到的以时间最短或成本最少等为目标的最优解。例如,以目标是成本最少为例,由于批量生产同一种产品的数量越大,生产成本越低;但是,同一种产品的生产数量越大,库存压力就会越大,这会增大库存成本。因此,现有的排产计划,是考虑对生产任务中的每种物料的各种成本(如生产成本、库存成本等),而得到的全局成本最低的排产方案。
上述方法只适用于约束和目标完全已知和不可变的情况,当供应链风险发生时,需要对排产计划进行全局重排。而实际供应链中,物料的种类可能很多如几千种甚至上万种,因此,使用上述方法进行全局重排,会造成计算时间过长,供应链风险响应速度过慢的问题。
发明内容
本申请实施例提供了模拟供应链风险响应的方法、装置和系统,有助于在供应链风险发生时,提高供应链风险响应速度。
第一方面,提供了一种模拟供应链风险响应的方法,应用于计算机系统,该计算机系统包括第一智能体和第二智能体,第二智能体是第一智能体的下游需求端;第一智能体用于管理目标资源。目标资源包括目标物料或目标物料的产能。该方法可以包括:第一智能体获取目标资源的第一库存量和第二智能体对目标资源的需求量;如果第一库存量小于第二智能体对目标资源的需求量(即供需不匹配),则第一智能体更新目标资源的当前排产计划。
本申请实施例,基于供应链创建至少两个智能体,并基于该至少两个智能体实现对供应链日常运营(包括风险控制)的模拟。与现有技术相比,将系统层级的复杂全局优化问题转化为平行的局部优化问题,并将统一执行的功能和算法分别分散到各个智能体中平行执行。这样,一方面,智能体之间平行计算,有助于提升计算速度,从而提高供应链风险响应速度。另一方面,在模拟风险响应时,由于智能体的极细颗粒度,可以做到仅触发局部响应而非全局响应,减少了风险对整个系统的影响,使需要求解局部优化问题的智能体最少,也达到了大幅降低计算复杂度的效果。另外,每个智能体处理的数据量不会很大,这有利于系统使用复杂的风险控制算法,实现更多的风险控制功能。
可选的,当目标资源包括目标物料时,第二智能体用于管理目标物料的下游物料;当目标资源包括目标物料的产能时,第二智能体用于管理目标物料。具体实现是,目标资源还可以包括目标物料和目标物料的产能。或者,目标资源还可以包括除目标物料和目标物料的产能之外的其他物料或其他物料的产能等。本申请实施例对此不进行限定。
其中,智能体是具有智能的实体,可以通过软件和/或硬件实现。在本申请实施例中,智能体用于管理供应链中的物料的信息(如物料的库存量、需求量、排产计划等),或者物料的产能的信息(如产能的库存量、需求量、排产计划等)。
如果物料A用于生产物料B,则物料A是物料B的上游供应端,物料B是物料A的下游需求端。此时,用于管理物料A的信息的智能体,是用于管理物料B的信息的智能体的上游供应端,用于管理物料B的信息的智能体是用于管理物料A的信息的智能体的下游需求端。
物料A的产能的下游需求端是物料A,物料A的产能没有上游供应端。此时,用于管理物料A的产能的智能体的下游需求端是用于管理物料A的信息的智能体。
第一智能体可以是计算机系统(即模拟供应链风险响应的系统)中的任意一个具有下游需求端的智能体。第二智能体可以是第一智能体的任意一个下游需求端。目标物料可以是任意一种具有下游需求端的物料。排产计划是个体日程安排或生产计划。
作为示例,目标资源的第一库存量,可以是计划的某一时间点(或时间单元)目标资源的库存量。第二智能体对目标资源的需求量,是该时间点(或时间单元)第二智能体对目标资源的需求量。目标资源的当前排产计划,可以是执行该更新步骤时,目标资源的排产计划。一个智能体所管理的资源的排产计划,与该资源的排产计划的概念相同,二者可以互换使用,在此统一说明,下文不再赘述。
在一种可能的设计中,更新所述目标资源的当前排产计划的目标包括:在目标资源的当前排产计划最小变动下,在第一预设时间内完成目标资源的最大需求量。这样,有助于最大程度保证目标资源的下游需求端的需求。本申请实施例对第一预设时间的时长的取值,以及该取值的确定方式均不进行限定。
在一种可能的设计中,第一智能体更新目标资源的当前排产计划,包括:第一智能体根据至少一种因素,更新目标资源的当前排产计划;该至少一种因素包括:目标资源的库存量(也可以称作第一智能体的库存量)第二智能体的服务标准或第二智能体的交付时间点预测结果。关于第二智能体的服务标准和交付时间点预测结果的相关描述可以参考下述具体实施方式部分,此处不再赘述。
在一种可能的设计中,该方法还包括:第一智能体根据更新后得到的排产计划,获取目标资源的库存量(标记为第二库存量);如果第二库存量小于第二智能体对目标资源的需求量(即供需仍不匹配),则第一智能体向第二智能体发送第一需求变动请求;其中,第一需求变动请求用于请求第二智能体减少对目标资源的需求量。本申请实施例中,当供需不匹配时,优先在内部优化排产计划,如果优化后仍不能实现供需匹配,则向下游需求端发送需求变动请求,这样有助于减少风险事件的发生,从而降低对系统全局的影响。
在一种可能的设计中,目标资源包括目标物料,计算机系统还包括第三智能体,第三智能体是第一智能体的上游供应端,该方法还包括:第一智能体接收第三智能体发送的第二需求变动请求;其中,第二需求变动请求用于请求第一智能体减少对第三智能体所管理的资源的需求量;第三智能体所管理的资源包括目标物料的产能或目标物料的上游物料;第一智能体根据第二需求变动请求,优化目标物料的当前排产计划。其中,这里的当前排产计划,是指执行该优化步骤时目标物料的排产计划。也就是说,风险由第三智能体传递到第一智能体之后,第一智能体更新自身的排产计划。这样,交互过程使智能体不断被触发形成事件链条,从而实现供应链风险响应的模拟过程。
当然,第一智能体接收到第二需求变动请求之后,也可以拒绝该第二需求变动请求,具体的,可以向第二智能体发送拒绝该请求的消息;或者,忽略该第二需求变动请求。
在一种可能的设计中,优化目标物料的当前排产计划的目标包括:在满足第二需求变动请求下,且目标物料的当前排产计划变动最小时,使第二预设时间内目标物料减少的总需求量小于或等于预设阈值。这样,有助于平衡当前排产计划的变动,以及尽量满足下游需求端对目标物料的需求这两个子目标,从而提高系统整体性能。本申请实施例对第二预设时间的时长和预设阈值的取值,以及该取值的确定方式均不进行限定。
在一种可能的设计中,目标资源包括目标物料,计算机系统还包括第三智能体和第四智能体,第三智能体和第四智能体均能够用于向第一智能体供应上游物料(具体是指供应同一种但是物料号不同的上游物料)。但是,当前,第三智能体是第一智能体的上游供应端,而第四智能体不是第一智能体的上游供应端。基于此,该方法还包括:第一智能体接收第三智能体发送的第二需求变动请求;其中,第二需求变动请求用于请求第一智能体减少对该上游物料的需求量;第一智能体根据第二需求变动请求,确定第四智能体为第一智能体的上游供应端。具体的,第一智能体可以根据第二需求变动请求,确定第三智能体和第四智能体共同作为用于向第一智能体提供该上游物料的智能体;或者,使用第四智能体替换第三智能体,即后续由第四智能体为第一智能体提供该上游物料。该可能的设计提供了一种选择上游供应端的具体实现方式。
在一种可能的设计中,该方法还可以包括:第一智能体在确定第四智能体为第一智能体的上游供应端之后,基于第四智能体所提供的该上游物料的供应量,优化目标物料的当前排产计划。
作为示例,上述第二需求变动请求中可以包括建议减少的需求量和建议减少的时间点。
在一种可能的设计中,该方法还可以包括:第一智能体确定第二智能体对目标资源的需求量变动,然后,记录第二智能体对目标资源的变动后的需求量和需求变动量;其中,变动后的需求量和需求变动量用于更新目标资源的当前排产计划。这样,基于下游需求端的历史需求量变动记录,更新目标资源的当前排产计划,有助于提高更新后的当前排产计划的合理性,从而提高系统的整体性能。
在一种可能的设计中,目标资源包括目标物料,该方法还包括:第一智能体在更新目标资源的当前排产计划之后,更新以下信息中的至少一种:目标物料的库存量(或称为第一智能体的库存量),目标物料对目标物料的上游物料的需求量(或称为第一智能体对目标物料的上游物料的需求量),或者,目标物料对目标物料的产能的需求量(或称为第一智能体对目标物料的产能的需求量)。这样,有助于第一智能体的上游供应端向第一智能体查询上述信息,从而优化该上游供应端内部的排产计划。
第二方面,提供了一种模拟供应链风险响应的装置,用于执行第一方面或第一方面的任一种可能的设计提供的第一智能体所执行的方法。该装置具体可以是智能体,或者计算机设备,或者是芯片。
在一种可能的实现方式中,该装置包括用于执行第一方面或第一方面任一种可能的设计提供的方法的各个模块。
第三方面,提供了一种模拟供应链风险响应的装置,该装置包括存储器和处理器,存储器用于用于存储计算机程序代码,处理器用于调用该计算机程序代码,以执行第一方面或第一方面任一种可能的设计所提供的方法。
第四方面,提供了一种计算机可读存储介质,其上储存有计算机程序代码,当该计算机程序代码在计算机上运行时,使得计算机执行第一方面或其任一种可能的设计提供的方法。
第五方面,提供了一种计算机程序产品,当其在计算机上运行时,使得第一方面或其任一种可能的设计提供的方法被执行。
第六方面,提供了一种模拟供应链风险响应的系统(或计算机系统),包括第一智能体。第一智能体所执行的步骤可以参考上述第一方面或其任一种可能的设计。
可以理解的是,上述提供的任一种模拟供应链风险响应的装置、系统、计算机可读存储介质或计算机程序产品均用于执行上文所提供的对应的方法,因此,其所能达到的有益效果可参考对应的方法中的有益效果,此处不再赘述。
附图说明
图1为本申请实施例提供的一种计算机系统的结构示意图;
图2为本申请实施例提供的另一种计算机系统的结构示意图;
图3为本申请实施例提供的一种计算机设备的结构示意图;
图4为本申请实施例提供的一种创建模拟供应链风险响应系统的方法的流程示意图;
图5为本申请实施例提供的一种模拟需求冲突时的处理方法流程图;
图6为本申请实施例提供的一种模拟供应链中发生供应冲突时的处理方法的流程图;
图7为本申请实施例提供的一种模拟供应链中需求变动时的处理方法的示意图;
图8为本申请实施例提供的一种模拟供应链风险响应的过程示意图;
图9为本申请实施例提供的一种智能体的结构示意图;
图10为本申请实施例提供的一种模拟供应链风险响应的系统的结构示意图。
具体实施方式
1)、物料、物料的产能、上游供应端、下游需求端
物料,是指生产领域中与产品生产有关的所有的物品,如原材料、辅助用品、半成品、成品(包括中间成品、最终成品)等。具有同一物料号的物品为一种物料。作为示例,型号1的电阻为一种物料,型号2的电阻为另一种物料。
物料的产能,是指单位时间内可对该物料进行处理的产量。一种物料对应一种或多种产能。作为示例,由于对一种物料进行一种或多种加工工序才可以生成另一种物料,基于每种工序可以对应一种产能,因此,一种物料可以对应一种或多种产能。例如,假设对物料B进行热处理、表面处理等工序之后生成物料C,那么,物料B的热处理工序可以对应一种产能(如单位时间内可以对100件物料B进行热处理),物料B的表面处理工序可以对应一种产能(如单位时间内可以对50件物料B进行表面处理)。
本示例是以每种加工工序对应一种产能为例进行说明的,实际实现时,还可以进行更细粒度的划分,例如一种加工工序中的一些处理步骤对应一种产能;或者,可以进行更粗粒度的划分,例如多种加工工序构成的集群对应一种产能。本申请实施例对此不进行限定。
当物料A用来生产物料B,物料A是物料B的上游供应端(或上游供给端或上游物料),物料B是物料A的下游需求端(或下游客户端或下游物料)。一种物料可以有一种或多种上游供应端,也可以具有一种或多种下游需求端。例如,PCB的上游供应端包括电容和电阻,下游需求端包括电脑和电视等。
物料A的产能的下游需求端是物料A,物料A的产能没有上游供应端。
2)、智能体(agent)
智能体是具有智能的实体,是人工智能领域中一个很重要的概念。具有处理功能且能够与其他实体之间进行信息交互的的实体都可以抽象为智能体。智能体可以是软件实体或者硬件实体,或者软件与硬件结合的实体。
在本申请实施例中,智能体包括实物资源智能体和非实物资源智能体。
一种物料(或物料号)可以对应一个实物资源智能体,即基于一种物料(或物料号)创建一个实物资源智能体。实物资源智能体用于对物料进行管理,例如,管理该物料的库存量、需求量或排产计划等。关于实物资源智能体的功能的相关描述可以参考下文。
一种物料的一种产能可以对应一个非实物资源智能体,即基于一种物料的一种产能需求创建一个非实物资源智能体。例如,基于物料B的热处理工序对应的产能和基于物料B的表面处理工序对应的产能分别创建一个非实物资源智能体。非实物资源智能体用于对产能进行管理,例如,管理该产能的需求量、排产计划等。关于非实物资源智能体的功能的相关描述可以参考下文。
每个实物资源智能体可以具有上游供应端和下游需求端。例如,如果物料A是物料B的上游供应端,则基于物料A所创建的实物资源智能体为基于物料B所创建的实物资源智能体上游供应端,基于物料B所创建的实物资源智能体为基于物料A所创建的实物资源智能体的下游需求端。
每个非实物资源智能体仅具有下游需求端,不具有上游供应端。例如,基于物料B的加工工序产能创建的非实物资源智能体的下游需求端是基于物料B创建的实物资源智能体。
作为一个示例,智能体的名称可以与其所对应的资源的名称相同。例如,基于物料B所创建的实物资源智能体的名称可以为物料B智能体。基于物料B的产能所创建的非实物智能体的名称可以为物料B的产能智能体。当然本申请实施例不限于此。
在本申请的一些实施例中,实物资源智能体可以被称作物料智能体,非实物资源智能体可以被称作是产能智能体。此处统一说明,下文不再赘述。
3)、智能体间的逻辑连接
如果两个智能体之间存在逻辑连接,则这两个智能体之间可以进行通信。智能体间是否具有逻辑连接,可以基于物料清单(bill of material,BOM)结构确定。具体的,如果BOM结构中的任意两个智能体之间具有上下游关系(即一个智能体是另一个智能体的上游供应端或下游需求端),则这两个智能体之间存在逻辑连接。如果BOM结构中的任意两个智能体之间不具有上下游关系,则这两个智能体之间不存在逻辑连接。
以供应链中的物料为例,如果BOM结构为串联的A->B->C,即物料A用来生产物料B,物料B用来生产物料C,那么,物料A为物料B的上游供应端,物料C为物料B的下游需求端;那么,物料B智能体分别与物料A智能体和物料C智能体之间存在逻辑连接。
4)、智能体间的技术连接
智能体间的技术连接,是指具有逻辑连接关系的智能体之间的通信方式。本申请实施例中智能体之间的通信方式可以是现有技术中所采用的智能体之间的任意一种通信方式。
以智能体间通过标准Java异步方式连接为例,假设物料B智能体需要与物料A智能体和物料C智能体协商解决需求冲突,则物料B智能体作为数据请求方,可以向物料C智能体运行的线程发出请求。物料C智能体在接收到该请求之后,如果需要时间处理其他请求或整合物料B智能体所需的数据,则发送空的future类型容器回复物料B智能体,以释放该请求作对物料B智能体的线程占用,使物料B智能体能够用释放的计算资源处理其他工作,比如处理来自物料A智能体的数据请求等。当物料C智能体完成数据整合后,会返回数据给物料B智能体,填补future类型容器建立的空白。
当一个智能体需要与另一个智能体通信时,可以在计算机系统的软件平台上基于该另一个智能体的名称发起请求。软件平台上的搜索引擎可以根据该名称搜索到目标智能体,并将请求内容以先进先出的原则顺序调用该另一个智能体的线程。后续,该智能体与该另一智能体之间可以直接进行信息交互。
5)、需求计划(即个体需求计划)
需要计划可以包括:物料的需求计划和产能的需求计划。
物料的需求计划,是计划的该物料的下游需求端什么时间需要多少该物料。例如,假设10月12日电脑智能体需要200件PCB,电视智能体需要800件PCB,则PCB的需求计划可以包括:10月12日PCB的需求量是1000件。
产能的需求计划,是计划的该产能的下游需求端什么时间需要多少该产能。
物料的需求计划与基于该物料创建的物料智能体的需求计划的含义相同,产能的需求计划与基于该产能创建的产能智能体的需求计划的含义相同,此处统一说明,下文不再赘述。
6)、排产计划
排产计划,即个体日程安排或生产计划,包括物料的排产计划和产能的排产计划。
物料的排产计划,是计划的什么时间生产多少该物料。例如,PCB的排产计划可以包括:10月10和10月11日分别生产400件PCB。
产能的排产计划,是计划的一个时间窗口内单位时间内的产量。例如,PCB产能的排产计划可以包括:在10月10日一天内,每个小时生产100件PCB。
7)、库存量
库存量,是指闲置资源,包括物料的库存量和产能的库存量。作为示例,库存量可以等价于供应计划。
物料的库存量,是计划的某个时间点该物料有多少库存。对于物料来说,库存量=已有库存+排产计划-需求计划;具体的,某一时间点某物料的库存量,是该时间点的已有库存量与该时间点排产计划所生产的该物料的产量之和,再减去该时间点该物料的下游需求端对该物料的需求量。物料在一个单位时间开始时的已有库存是上一个单位时间结束时的库存量,换句话说,物料的库存量是可以累积的。
产能的库存量,是计划的某个时间点该产能的值。例如,假设当前时间是10月1日,排产计划具体是从10月1日至10月14日的排产计划,且PCB产能的额定值是1000件/天,那么,当10月10日PCB的需求量是800件时,排产计划可以包括:10月10日PCB产能的库存量可以是800件/天;当10月11日PCB的需求量是900件时,排产计划可以包括:10月11日PCB产能的库存量可以是900件/天。对于产能来说,一个单位时间开始时的已有库存是0,也就是说,多个单位时间的库存量是不可以累计的。
8)、需求变动,供给变动
需求变动包括物料的需求变动和产能的需求变动。供给变动包括物料的供给变动和产能的供给变动。
物料的需求变动,是指物料的下游需求端对该物料的需求量变动。例如,电脑对PCB的需求量由1000件修改为1200件。
产能的需求变动,是指产能的下游需求端对该产能的需求量变动。例如,PCB对PCB产能的需求量由1000件/天修改为1200件/天。
物料的供给变动,是指物料的上游物料供应端向该物料提供的上游物料(即该上游供应端所管理的物料)变动,物料的上游产能供应端向该物料提供的产能变动。例如,计划的10月12日PCB的库存量由400件修改为300件。物料的质量隔离等因素可能引发该物料的供给变动。
产能的供给变动,是指生产物料所需的设备的产能变动。例如,生产PCB的设备的产能为400件/天,修改为:300件/天。生产线的变动如生产线故障等,可能引发产能变动。
9)、需求冲突,供应冲突
如果某一时间点,物料/产能的库存量小于需求量,则认为在该时间点上,基于该物料/产能的智能体发生了需求冲突(即供需不匹配)。例如,对于PCB智能体来说,如果某一时间点上PCB的库存量小于需求量,则认为PCB智能体发生了需求冲突。
如果某一时间点,物料的上游供应端不能供给相应的物料,则认为在该时间点上,基于该物料创建的智能体发生了供应冲突。例如,对于PCB来说,如果某一时间点,电阻的库存量小于PCB对电阻的需求量,则认为在该时间点上,PCB智能体发生了供应冲突。
10)、其他术语
在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请实施例中,“至少一个”是指一个或多个。“多个”是指两个或两个以上。
在本申请实施例中,“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
以下,说明本申请实施例提供的技术方案的一种应用场景:
在生产技术领域中,通常需要先确定生产任务中涉及的物料及其产能的排产计划,然后根据这些物料及其产能的排产计划指导企业生产线工作。由此可知,排产计划是否合理关系到生产任务是否能够顺利完成。
由于供应链中可能发生多种风险,如生产任务变更、生产线故障、物料断货等,并且,当供应链发生风险时,需要更新排产计划;因此,如何模拟供应链风险和供应链风险响应,从而得到合理的排产计划,进而指导企业生产线工作至关重要。本申请实施例提供了一种模拟供应链风险响应的方法、装置和系统。
如图1所示,为本申请实施例提供的技术方案所适用的一种计算机系统的结构示意图。该计算机系统包括数据源10和模拟仿真系统20。模拟仿真系统20包括至少两个智能体201。
模拟仿真系统20的输入来自数据源10。具体的,如图2所示,模拟仿真系统20输入可以来自本地数据湖或远程数据湖中的结构化数据库或非结构化数据库,或来自互联网技术(internet technology,IT)系统的批量或实时数据。结构化数据库用于存储结构化数据,非结构化数据库用于存储非结构化数据。本地数据湖中的数据库可以是预存在模拟仿真系统20本地的或者来自远程数据湖的数据库。远程数据湖中的非结构化数据库可以是基于实时非结构化数据生成的,结构化数据库可以是基于结构化数据生成的。本地数据湖中还可以包括配置信息,配置信息用于对智能体201进行创建(或配置),如可以包括智能体201的上游供应端和/或下游需求端的名称等。模拟仿真系统20中的智能体201可以更新本地数据湖和/或远程数据库中存储的数据。
模拟仿真系统20可以是基于Java的,当然不限于此。作为示例,模拟仿真系统20可以在任何单CPU或多CPU的计算机设备上运行,也可以在分布式CPU集群上运行。也就是说,模拟仿真系统20可以是分布式模拟仿真系统。CPU个数越多,运行性能提高越多。数据输入时,计算机设备将数据存储在内存中,并直接根据配置信息创建智能体。智能体的生成位置随机。如果是CPU集群,交互通过网络传输,交互遵守智能体交互的通讯协议。如图2所示,物理实现上,不同智能体201可以位于同一计算机设备中,或者不同计算机设备中,计算机设备之间的信息交互遵守智能体交互的通讯协议。也就是说,在物理实现上,上述模拟仿真系统20可以位于同一计算机设备或不同计算机设备中。下文中的方法实施例中,为了便于描述,均是以模拟仿真系统20位于同一计算机设备中为例进行说明的。在此统一说明,下文不再赘述。
如图3所示,为本申请实施例提供的一种计算机设备40的结构示意图。该计算机设备40可以包括:至少一个处理器401,通信线路402,存储器403以及至少一个通信接口404。
处理器401可以是一个通用中央处理器(central processing unit,CPU),微处理器,特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制本申请方案程序执行的集成电路。
通信线路402可包括一通路,在上述组件之间传送信息。
通信接口404,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,RAN,无线局域网(wireless local area networks,WLAN)等。
存储器403可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、只读光盘(compact disc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过通信线路402与处理器相连接。存储器也可以和处理器集成在一起。本申请实施例提供的存储器通常可以具有非易失性。其中,存储器403用于存储执行本申请方案的计算机执行指令,并由处理器401来控制执行。处理器401用于执行存储器403中存储的计算机执行指令,从而实现本申请下述实施例提供的方法。存储器403中包括内存。作为示例,处理器401用于执行内存中存储的计算机执行指令,从而实现智能体201的功能。
可选的,本申请实施例中的计算机执行指令也可以称之为应用程序代码,本申请实施例对此不作具体限定。
在具体实现中,作为一种实施例,上述主机、操作台和营业台均可以通过处理器401执行存储器403中存储的程序代码实现。
在具体实现中,作为一种实施例,处理器401可以包括一个或多个CPU,例如图3中的CPU0和CPU1。
在具体实现中,作为一种实施例,计算机设备40可以包括多个处理器,例如图3中的处理器401和处理器407。这些处理器中的每一个可以是一个单核(single-CPU)处理器,也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
在具体实现中,作为一种实施例,计算机设备40还可以包括输出设备405和输入设备406。输出设备405和处理器401通信,可以以多种方式来显示信息。例如,输出设备405可以是液晶显示器(liquid crystal display,LCD),发光二级管(light emitting diode,LED)显示设备,阴极射线管(cathode ray tube,CRT)显示设备,或投影仪(projector)等。输入设备406和处理器401通信,可以以多种方式接收用户的输入。例如,输入设备406可以是鼠标、键盘、触摸屏设备或传感设备等。
上述的计算机设备40可以是一个通用设备或者是一个专用设备。在具体实现中,计算机设备40可以是台式机、便携式电脑、网络服务器、掌上电脑(personal digitalassistant,PDA)、移动手机、平板电脑、无线终端设备、嵌入式设备或有图2中类似结构的设备。本申请实施例不限定计算机设备40的类型。
以下,结合附图,对本申请实施例提供的技术方案进行说明。具体通过初始化阶段和模拟供应链风险响应阶段为例进行说明。
初始化阶段:
如图4所示,为本申请实施例提供的一种创建模拟供应链风险响应系统(即创建上述模拟仿真系统20)的方法的流程示意图。该方法可以包括以下步骤:
S101:计算机设备获取生产任务中的物料名称(如物料号)及物料的产能名称。
例如,结合图3和上文中对图3的描述,计算机设备可以从数据库中获取生产任务(如一定时间窗内的生产任务)中的物料名称(如每种物料的物料名称)及物料的产能名称(如每种物料的每种产能的产能名称)。
S102:计算机设备基于S101中所获取的物料名称创建物料智能体,并基于S101中所获取的产能名称创建产能智能体,以及创建智能体之间的逻辑连接。
例如,计算机设备基于S101中所获取的每种物料名称创建一个物料智能体,并基于S101中所获取的每种物料的每种产能名称分别创建一个产能智能体,并创建智能体之间的逻辑连接。其中,创建智能体包括:定义一个智能体的名称、功能和初始信息。
物料智能体的主要功能可以包括以下至少一种:计算下游物料需求(如计算一定时间窗口内每个时间单元下游需求端对该物料智能体所管理的物料的需求量)、计算产品供给(如计算一定时间窗口内每个时间单元计划的该物料智能体所管理的物料的库存量)、计算供需匹配情况(如计算一定时间窗口内每个时间单元该物料智能体所管理的物料的库存量与需求量是否匹配)、输出供需匹配风险清单(如输出一定时间窗口内供需不匹配的时间单位的信息或该时间单位内的库存量和需求量)、向下游需求端发送需求取消请求(即请求下游需求端取消变动需求计划请求)、向下游需求端发送需求变动请求(即请求下游需求端变更对本物料的需求计划)、向上游供应端发送资源分配优化结果、或输出库存优化结果(即对所计算的库存进行优化后得到的库存)。
产能智能体的主要功能可以包括以下至少一种:计算需求(如计算一定时间窗口内每个时间单元需要消耗的产能)、计算产能供给(如计算一定时间窗口内每个时间单元能够提供的产能)、计算供需匹配情况、输出供需匹配风险清单、向下游需求端发送需求变动请求(以请求下游需求端修改产能需求)、对个体内部资源匹配做优化(如假设PCB的产能是2400件/天,那么,一种优化方式可以为每小时生产100件PCB;或者使用一天中的8个小时,且每小时生产300件PCB)、计算新的产能需求以替代原始产能需求。
智能体的初始信息可以包括:初始库存量、初始排产计划或初始需求计划等中的至少一项,当然还可以包括其他信息。
例如,假设生产计划中定义了原材料A->半成品B->成品C,即原材料A用来生产半成品B,半成品B用来生产成品C,那么:
计算机设备可以分别基于原材料A、半成品B和成品C创建物料A智能体、物料B智能体和物料C智能体,以及,创建物料A的产能智能体、物料B的产能智能体和物料C的产能智能体。并且,创建这些智能体之间的逻辑连接,具体可以包括:
在物料A智能体中创建如下逻辑连接:物料B智能体是物料A智能体的下游需求端。物料A的产能智能体是物料A智能体的上游供应端。
在物料B智能体中创建如下逻辑连接:物料A智能体和物料B的产能智能体是物料B智能体的上游供应端,物料C智能体是物料B智能体的下游需求端。
在物料C智能体中创建如下逻辑连接:物料B智能体和物料C的产能智能体是物料C智能体的上游供应端。
在物料A的产能智能体中创建如下逻辑连接:物料A智能体是物料A的产能智能体的下游需求端。
在物料B的产能智能体中创建如下逻辑连接:物料B智能体是物料B的产能智能体的下游需求端。
在物料C的产能智能体中创建如下逻辑连接:物料C智能体是物料C的产能智能体的下游需求端。
另外,计算机设备还可以定义每个智能体的初始库存量。例如,物料B的智能体的初始库存量可以包括:在一定时间窗口内,每个时间单位中计划的半成品B的库存。该库存量在系统达到稳定时,与原材料A的供应相匹配(即物料A、B供需匹配,即生产半成品B的原材料A有足够量),且能够覆盖成品C的需求(即物料B、C供需匹配,即计划生产的半成品B在每个时间单位中都大于或等于生产成品C的过程中对半成品B的需求)。又如,物料B的产能智能体的库存量可以包括:在一定时间窗口内,每个时间单位中计划的物料B的产能的值。该值在系统达到稳定时,与物料B智能体对物料B的产能的需求量匹配(即物料B的产能智能体供需匹配)。
需要说明的是,模拟供应链风险响应系统创建好之后是可以更新的,例如,随着生产任务的更新而更新。另外需要说明的是,实际实现时,模拟供应链风险响应系统中所创建的智能体个数可以达到万级,连接方式不仅仅是串联,而是成网状结构(例如,从任意一个智能体的角度,有一个或多个上游供应端,和/或,一个或多个下游需求端之间具有逻辑连接)。对于每个智能体来说,在模拟风险响应阶段所执行的步骤可以参考下文。
另外,为了便于说明,本申请实施例中的具体示例是基于一种物料创建一个实物资源智能体,基于一种产能创建一个非实物资源智能体为例进行说明的。实际实现时,不限于此。示例的,可以基于多种物料创建一个智能体。例如,同一厂商提供的外包装不同实际功能相同的电线,在实际生产中可以有不同的物料号,在本申请实施例中,可以基于该不同的物料号创建同一个智能体。示例的,可以基于多种产能创建一个智能体。示例的,可以基于一种或多种物料,以及一种或多种产能创建一个智能体。
模拟风险响应阶段
以下,通过实施例一至实施例三,说明了模拟供应链风险响应过程中物料智能体所执行的步骤。其中,实施例一描述了模拟需求冲突时的处理方法,实施例二描述了模拟供应冲突时的处理方法,实施例三描述了模拟需求变动时的处理方法。
实施例一
如图5所示,为本申请实施例提供的一种模拟需求冲突时的处理方法流程图。该方法包括以下步骤:
S200:物料智能体查询下游需求端(如各下游需求端)对该物料智能体所管理的物料的需求量。例如,物料智能体可以在每个响应周期内,通过与各下游需求端之间进行信息交互,查询各下游需求端对该物料智能体所管理的物料的需求量。
响应周期,是物料/产能智能体从一次查询其下游需求端对该智能体所管理的物料/产能的需求量的开始时刻,至下一次查询该下游需求端对该物料/产能的需求量的开始时刻之间的时间段。本申请实施例对响应周期的取值范围和取值方式均不进行限定。
S201:物料智能体判断一个响应周期内的一个或多个时间单元(如每个时间单元)上供需是否匹配。本申请实施例是以物料智能体周期性确定供需是否匹配为例进行说明的,实际实现时,不限于此。其中,本申请实施例对响应周期的取值和具体确定方式不进行限定。
其中,一个响应周期可以包括一个或多个时间单元。
作为示例,对于某一时间单元来说,如果该物料智能体所管理的物料在该时间单元的总库存量,小于该时间单元上各下游需求端的需求量之和,则视为该时间单元上供需不匹配,此时,该物料智能体发生了需求冲突。否则,视为该时间单元上供需匹配,此时,该物料智能体没有发生需求冲突。以PCB用于生产电脑和电视为例,当某个时间单元上PCB的库存量,小于该时间单元电脑和电视对PCB的需求量之和时,视为该时间单元上PCB智能体发生了需求冲突。
若供需匹配,则不产生风险事件。该物料智能体在当前响应周期内可以不执行下述的内部资源分配优化等步骤。
若供需不匹配,则该物料智能体可以执行内部资源分配优化(即通过内部调整解决供需不匹配的问题),或向下游需求端发送需求变动请求(即通过与下游需求端进行协商解决供需不匹配的问题)。可选的,内部调整的优先级,高于与下游需求端进行协商的优先级,这样能够减少风险事件的发生。基于此,如果供需不匹配,则该物料智能体可以执行S202。
可以理解的是,物料智能体的需求变动和供给变动,如需求量增加或库存量减少,均可能导致该物料智能体供需不匹配。
S202:该物料智能体执行内部资源分配优化,以调整该物料智能体的一个或多个下游需求端对该物料智能体所管理的物料的需求量。作为示例,内部资源优化分配的目标可以为:在当前排产计划最小变动下,在一定时间内完成最大需求量。
通俗地讲,内部资源分配优化,可以理解为,当物料智能体所管理的物料的库存量小于该物料智能体的所有下游需求端对该物料的需求量之和时,根据一定的因素,确定优先保证哪个或哪些下游需求端的多少需求量,以实现某个目标(如在该物料智能体的当前排产计划最小变动下,在一定时间内完成最大需求量)。
其中,该因素可以包括以下至少一种:该物料智能体所管理的物料的库存量、一个或多个下游需求端(如各下游需求端)的服务标准、或者,一个或多个下游需求端(如各下游需求端)的交付时间点预测结果等。具体的内部资源分配优化过程可以参考现有技术。
该物料智能体所管理的物料的库存量,可以是基于历史记录确定的,具体确定过程可以参考下述实施例三。
服务标准可以是预定义的,预定义之后是可以更新的。作为示例,下游需求端服务标准,可以理解为,允许其上游供应端在M个需要供应上游物料的时间点上,有N个时间点没有供应上。M是大于N的整数。以PCB智能体是电容智能体的下游需求端为例,PCB智能体的服务标准可以为:允许电容智能体在100个需要供应电容的时间点上,有1个时间点没有供应上。也就是说,对于电容智能体来说,PCB智能体的服务标准是99%。通常,下游需求端的服务标准越高,其上游供应端越需要优先保证该下游需求端的需求,因此,下游需求端的服务标准可以作为影响内部资源分配优化的因素。
下游需求端的交付时间点预测结果,可以是物料智能体基于历史供给记录(即历史上向该下游需求端供给物料的时间点的记录)和该下游需求端的服务标准等,预测向该下游需求端交付物料的时间点。本申请实施例对如何确定下游需求端交付时间点预测结果不进行限定。例如,物料智能体可以基于历史供给记录和下游需求端服务标准,对下游需求端交付时间点进行预测,得到下游需求端交付时间点预测结果。其中,历史供给记录,可以包括历史供给时间点和/或库存量的记录,即上游供应端什么时间向其下游需求端供应多少物料。
以下,通过下游需求端允许拆分需求订单和不允许拆分需求订单,说明内部资源优化分配的目标。其中,下游需求端是否允许拆分需求订单可以是预定义的,且预定义后是可以更改的。
其中,M表示订单数,N表示需要重排的时间单位数。作为示例,可以以一天为一个时间单位,N=14天,即排产计划是14天的排产计划。1≤m≤M,1≤n≤N。xmn表示第m个订单第n天优化后的需求量,wm表示第m个订单的交付优先级对应的权重。该权重的取值与订单的交付优先级相关,订单的交付优先级越高,权重越大。
需求约束可以为:其物理含义为:第m个订单N天的优化后的总量,小于或等于第m个订单的总需求量。其中,demandmn表示第m个订单第n天的需求量,demandConstraintm是根据需求量设置的优化问题约束,是第m个订单生产量的上限。
供应约束可以为:其物理含义为:M个订单第n天优化后的需求量之和小于等于第n天供应总量的上限。其中,supplyn表示第n天的库存量,supplyConstraintn是根据供应设置的优化问题约束,是第n天供应总量的上限。
示例2:本示例中假设下游需求端不允拆分许需求订单。该情况下,优化目标可以体现为在按时生产部分任务的子目标和延迟生产但保证订单完整的子目标间平衡。具体的,优化目标可以转换为:在满足如上述示例1的需求约束和供应约束的情况下,最小化obj1。
后续,该物料智能体可以基于变动后的排产计划,确定一定时间窗口内一个或多个时间单元(如每个时间单元)上,对上游物料的需求量,以供该物料智能体的上游供应端智能体查询。例如,某一时间单元,PCB的库存量是1000件,需求量是1200件,这会导致供需不匹配。PCB智能体可以通过提高产能,使得该时间单元PCB的库存量增大至1200件。此时,PCB智能体对上游物料如电阻和电容的需求量会增多。PCB智能体可以存储该时间单元上,对电阻和电容的需求量,以分别供电阻智能体和电容智能体来查询。对于该物料智能体的上游供应端智能体来说,可以基于所查询到的需求量,确定供需是否匹配,后续所执行的步骤可以参考S201~S204。
S203:如果该物料智能体通过执行内部资源分配优化,能够重新使供需匹配,则不产生风险事件。后续,该物料智能体在当前响应周期可以不再执行下述其他智能体进行协商的步骤等。
S204:如果该物料智能体通过执行内部资源分配优化,仍不能使供需匹配,则产生风险事件。该情况下,该物料智能体可以与其他智能体进行协商,具体的,该物料智能体向其一个或多个下游需求端发送需求变动请求。该需求变动请求用于请求该下游需求端减少对该物料的需求量。作为示例,物料智能体向其下游需求端发送的需求变动请求,可以替换为供应计划变动请求,用于该物料智能体请求减少向该下游需求端供应的该物料的库存量。
例如,PCB智能体向电脑智能体发送的需求变动请求,用于请求电脑智能体减少对PCB的需求量,换句话说,PCB智能体请求减少向电脑智能体供应PCB。
对于该物料智能体的下游需求端来说,接收到需求变动请求之后,发生了供应冲突。后续,该物料智能体的下游需求端所执行的步骤可以参考上述实施例二,当然不限于此。
本实施例中,在一个响应周期中,由于仅有个别智能体的响应功能被激活,并且当受影响的智能体个体不能完全缓冲风险(即不能通过调整内部排产计划解决需求冲突)时,才会触发下游需求端受到影响的智能体,这种方式可以控制风险范围,提高系统效率。
交互过程使智能体不断被触发形成事件链条,由于物料层级关系,在时间上有延迟。当所有智能体都进入稳定状态不再触发事件(即风险事件已解决),或提前设置的模拟终止条件满足(例如从风险事件持续时间达到一定阈值,或者触发风险事件的信息交互数量达到一定阈值等),系统会输出最终的排产计划建议、供需关系和对订单(即最下层的智能体的供应计划)的影响。其中,风险事件已解决,是指所有智能体不再触发协商(即传递风险)时,系统达到平衡状态。此时,所有智能体内部都满足约束(即供需匹配),则各个智能体代表的物料所生成的新供应计划在整合后输出。
可选的,如果在一定时间内风险事件没有解决,则在各个智能体内部检查仍出现供需匹配问题的时间点,在这些时间点上强制降低需求计划使所有智能体内部供需匹配,并一次性通知上游供应商新的降低的需求量。由于在这一过程中需求仅仅向降低的方向移动,所以不会再触发风险事件,系统最多在与BOM级数相同的响应周期个数内,能够保证达到稳定状态。
本实施例,通过将系统层级的复杂全局优化问题转化为平行的局部优化问题,大幅降低复杂度,加速模拟结果的产生。另外,在模拟风险响应时,由于智能体的极细颗粒度,可以做到仅触发局部响应而非全局响应,减少风险对整个系统的影响,使需要求解局部优化问题的智能体最少,也达到了大幅降低计算复杂度的效果。
实施例二
如图6所示,为本申请实施例提供的一种模拟供应链中发生供应冲突时的处理方法的流程图。该方法包括以下步骤:
S301:物料智能体接收其上游供应端发送的需求变动请求,该需求变动请求用于请求该物料智能体减少对该上游供应端所管理的物料(本申请中称为上游物料)的需求量。此时,对于该物料智能体来说,发生了供应冲突。示例的,该需求变动请求可以包括该物料智能体的上游供应端期望的变动后的需求量。
S302:物料智能体根据该需求变动请求,优化当前排产计划。可选的,如果物料智能体接收到其多个上游供应端发送的需求变动请求,则可以根据该多个需求变动请求,优化当前排产计划。例如,假设PCB根据电阻和电容分别发送的需求变动需求,优化当前排产计划。作为示例,优化目标可以为在满足所有减少需求量的请求下,满足当前排产计划变动最小,并使一定时间窗内减少的总需求量尽量小。
示例的,需求变动请求可以包括:需求变动的时间和建议减产量。目标是使优化后的排产计划能够满足所有需求变动请求的需求变动时间建议(不早于),同时,满足所有减产建议(同一时间单位内的实际减产量不小于最大的减产建议),并最小化需要减少的生产数量(尽量合并减产建议,减少重复计数)。抽象为函数,可以表示为:在满足约束条件下,最小化的绝对值。其中,Wmn是权重系数。该约束条件可以为:在任何时间单位,下游客户端累计减产量的绝对值不小于上游供应商建议的累计减产量之和的绝对值,抽象为函数可以表示为:其中,xi是到第n天的累计减产量,demandmi是上游供应商到第n天建议累计减产量之和。
可选的,在执行S302之前,该方法还可以包括:如果物料智能体存在多个供应同一种物料(即上游物料)的智能体,则物料智能体可以根据当前供应该上游物料的智能体发送的需求变动请求,并结合该多个智能体供应上游物料的历史供应情况(如供应量、供应成本、可信度等),确定后续为该物料智能体供应该上游物料的智能体。
例如,假设存在3种阻值相同,但是外观不同的电阻,那么,在实际实现中,这3种电阻具有不同的物料号,因此计算机设备会创建3个不同的电阻智能体(标记为电阻智能体1~3)。若当前为PCB提供电阻的是电阻智能体1,则PCB可以结合电阻智能体1发送的需求变动请求,并结合电阻智能体1~3的历史供应情况,选择后续由电阻智能体2或电阻智能体3来代替电阻智能体1为PCB供应电阻,或者继续选择电阻智能体1为PCB供应电阻。
具体的,物料智能体可以基于该多个供应同一种上游物料的智能体的历史正常成功交付记录(即历史上向该物料智能体成功交付该上游物料的记录),确定该多个智能体中的每个智能体的可信度。根据历史需求计划变动后的交付记录(如交付成功率等),确定该多个智能体中的每个智能体的灵活度。然后,基于该多个智能体的可信度、灵活度、成本或供应量等中的至少一种对该多个智能体进行评分,从而基于供应端评分结果确定最终所选择的供应端。
实施例三
如图7所示,为本申请实施例提供的一种模拟供应链中需求变动时的处理方法的示意图。图7所示的方法包括以下步骤:
S401:物料智能体的任意一个下游需求端对该物料的需求量变动时,该物料智能体记录该下游需求端对该物料的变动后的需求量和需求变动量。该下游需求端对该物料的一条变动后的需求量可以认为是该下游需求端的一条历史最终需求数据,该下游需求端对该物料的一条需求变动量可以认为是该下游需求端的一条历史需求变动记录。
物料智能体可以存储其所管理的每个下游需求端对该物料智能体所管理的物料的需求量。作为示例,物料智能体可以通过扫描(如周期性扫描)其下游需求端中存储的对该物料的当前需求量,或者,从数据库(如上文中所描述的数据库)中获取下游需求端对该物料的当前需求量;然后,将该当前需求量与本地存储的该下游需求端对该物料的需求量进行对比,从而确定该下游需求端对该物料的需求量是否有变动。
可选的,物料智能体可以基于所记录的历史最终需求数据和历史需求变动记录执行以下步骤S402~S404。示例的,S402~S404可以是物料智能体在记录多条历史最终需求数据和多条历史需求变动记录后执行的步骤,而非必须在记录每条历史最终需求数据和每条历史需求变动记录后执行的步骤。可选的,S402~S404可以是在物料智能体不占用线程时执行的步骤,这样可以节省计算资源。
S402:物料智能体根据该下游需求端的历史最终需求数据,确定需求总量预测结果,即预测未来一定时间窗内一个或多个时间单元(如每个时间单元)上,该物料智能体的下游需求端对该物料智能体所管理的物料的需求量。
S403:物料智能体根据该下游需求端的历史需求变动记录,确定该下游需求端的需求变动量预测结果,即预测未来一定时间窗内一个或多个时间单元(如每个时间单元)上,该物料智能体的下游需求端对该物料智能体所管理的物料的需求变动量的可能幅值。其中,需求变动量预测结果可以是一个数值或数值范围。
可选的,物料智能体排除该下游需求端的历史需求变动记录中的异常记录,并根据该下游需求端的排除异常记录后的历史需求变动记录,确定该下游需求端的需求变动量预测结果。本申请实施例对如何确定异常记录不进行限定,具体实现时可以基于现有技术确定。
本申请实施例对S402和S403的执行顺序不进行限定。
S404:物料智能体根据该下游需求端的需求总量预测结果和需求变动量预测结果,确定一定时间窗内一个或多个时间单元(如每个时间单元)上该物料智能体所管理的物料的库存量。
例如,假设电脑智能体计算的需求总量预测结果包括某一时间单元对PCB的需求量是1000件,需求变动量预测结果包括该时间单元上对PCB的需求变动量是[50,100]。换句话说,电脑智能体基于历史最终需求数据和历史需求变动记录分析,得到其对PCB的预测需求总量是1000件时,实际需求总量是1050~1100件之间。此时该时间单元的库存量可以是1100件。
可选的,物料智能体可以结合下游需求端的服务标准(如允许100次供应中的1次没有按期供应,则服务标准是99%)计算库存量。
作为示例,物料智能体可以根据该下游需求端的需求总量预测结果和需求变动量预测结果,并结合服务标准,计算一定时间窗口内一个或多个时间单元的最小安全存量。一个时间单元的最小安全存量是指截止下次采购之前,在该时间单元所需的最小库存量。
作为示例,上述S202可以认为是物料智能体在有需求冲突时,执行实时计算。上述S401~S404可以认为是物料智能体在需求量变动时,执行批量计算。批量计算,可以认为是:当该智能体的计算资源不被实时计算占用时计算,是指该智能体通过分析历史风险事件的数据,重新估算如供给所需时长、供应商可信程度、需求不确定性等统计值,提供给未来的实时计算作为输入值,即实时计算时,智能体可以根据该统计值调整供应计划。可选的,实时计算的优先级高于批量计算的优先级。
上述实施例一至实施例三均是以模拟供应链风险响应过程中物料智能体所执行的步骤为例进行说明的。以下,说明在模拟供应链风险响应过程中产能智能体所执行的步骤:
在模拟需求冲突的过程中,产能智能体所执行的步骤可以参考上述实施例一中物料智能体所执行的步骤,此处不再详述。需要说明的是,上述实施例一中的物料智能体所管理的物料的库存量,可以替换为,产能智能体所管理的产能的库存量。对于产能智能体来说,其下游需求端通常仅有一个,并且,产能的库存量可以理解为计划的产能的值。
可以理解的是,基于上文中描述的任一实施例,物料智能体的排产计划更新之后,该物料智能体对该物料智能体所管理的物料的产能的需求量可能会更新。对于该物料的产能智能体来说,可以通过与该物料智能体之间进行信息交互,从而查询该物料的产能的需求量。并基于该物料的产能的需求量,确定供需是否匹配,后续步骤可以参考上述实施例一。
对于产能智能体来说,不存在上游供应端,但是可能会因生产线故障等原因而发生变动。基于此,产能智能体可以不执行与上述实施例二类似的步骤,但是,可以保存因生产线故障等原因而导致的供给变动,从而为执行与上述实施例一类似的步骤作准备。在供应链中,某种产能是否变化,以及变化后的值,可以由产能智能体从数据库中获取,当然不限于此。
在模拟供应链中需求变动时的处理方法的过程中,产能智能体所执行的步骤可以参考上述实施例三中物料智能体所执行的步骤,此处不再描述。作为示例,由于产能的存量不能累计,因此,在模拟供应链中需求变动时的处理方法的过程,需求总量预测结果和需求变动量预测结果可以用于预测一段时间内该产能的值。
以下,通过一个示例,说明一个响应周期中智能体执行的步骤,图8中是以供应链中包括电阻和电容,且电阻和电容用于生产PCB为例进行说明的。图8所示的方法包括如下步骤:
1、电阻智能体获取电阻需求变动或供给变动,并记录电阻变动后的需求量和库存量。电容智能体获取电容需求变动或供给变动,并记录电容变动后的需求量和库存量。
2A、电阻智能体基于变动后的电阻的需求量或库存量确定电阻供需是否匹配,并在确定供需不匹配时,优化当前排产计划,具体优化方法可以参考上述实施例一。
2B、电容智能体基于变动后的电容的需求量或库存量确定电容供需是否匹配,并在确定供需不匹配时,优化当前排产计划。具体优化方法可以参考上述实施例一。
3A、电阻智能体在执行步骤2A之后,如果还不能达到供需匹配,则基于步骤2A的结果与PCB智能体进行协商,即向PCB智能体发送需求变动请求。
3B、电容智能体在执行步骤2B之后,如果还不能达到供需匹配,则基于步骤2B的结果与PCB智能体进行协商,即向PCB智能体发送需求变动请求。
4、PCB智能体基于接收到的需求变动请求,优化当前排产计划,具体优化方法可以参考上述实施例二。后续,一方面,PCB智能体可以基于优化后的排产计划,更新PCB智能体对PCB产能的需求量。另一方面,PCB智能体可以基于优化后的排产计划,更新PCB智能体对电阻的需求量和对电容的需求量,从而为电阻智能体和电容智能体查询做准备。
5、PCB的产能智能体通过与PCB智能体通信,查询PCB智能体对PCB产能的需求量。
6、PCB的产能智能体基于所查询到的PCB产能的需求量,确定PCB产能的供需是否匹配,并在供需不匹配时,优化当前排产计划,具体优化方法可以参考上述实施例一。
7、PCB的产能智能体在执行步骤6之后,如果还不能达到供需匹配,则基于步骤6的结果与PCB智能体进行协商,即向PCB智能体发送需求变动请求,即触发下一轮优化。
8、可以参考上述步骤4。
本申请实施例,基于供应链创建智能体和智能体之间的逻辑连接,实现对供应链日常运营(包括风险控制)的模拟。与现有技术相比,将系统层级的复杂全局优化问题转化为平行的局部优化问题,并将统一执行的功能和算法分别分散到各个智能体中平行执行。这样,一方面,在模拟风险响应时,由于智能体的极细颗粒度,可以做到仅触发局部响应而非全局响应,减少了风险对整个系统的影响,使需要求解局部优化问题的智能体最少,也达到了大幅降低计算复杂度的效果。另一方面,智能体之间平行计算,有助于提升计算速度。另外,每个智能体处理的数据量不会很大,这有利于系统使用复杂的风险控制算法,实现更多的风险控制功能。
以下,说明使用本申请实施例提供的技术方案,实现供应链风险控制的一个测试示例。本测试示例中,模拟了3种不同的风险类别,不同风险类别对应不同风险严重程度。这3种风险类别包括:原材料缺料1-9天;突发停线1-9天;半成品质量隔离1-9天。基于此,在系统计划库存天数为3-15天的情况下,得到如表1所示的结果:
表1
基于表1可知,经过重排,几乎所有订单都可以在14天的重排窗口内恢复全量生产。考虑订单的延迟,仍有超过93%及以上的订单可以在重排后按时、全量生产。产品层级中受到重排影响的物料平均保持在40%以下。由此可知,重排完成时间大幅降低。由于系统的分布式设计,在硬件资源更充分的情况下,有极强的规模扩展性。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对智能体进行功能模块的划分,例如可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
如图9所示,为本申请实施例提供的一种智能体90的结构示意图。该智能体90应用于计算机系统,该计算机系统还包括第二智能体,第二智能体是该智能体90的下游需求端;该智能体90用于管理目标资源;目标资源包括目标物料或目标物料的产能。该智能体90包括:获取模块901,用于获取目标资源的第一库存量和第二智能体对目标资源的需求量;更新模块902,用于如果第一库存量小于第二智能体对目标资源的需求量,则更新目标资源的当前排产计划。例如,结合图5,该智能体90可以是图5中的物料智能体,第二智能体可以是图5中的下游需求端,获取模块901可以用于执行S200,更新模块902可以用于执行S202。
可选的,当目标资源包括目标物料时,第二智能体用于管理目标物料的下游物料;当目标资源包括目标物料的产能时,第二智能体用于管理目标物料。当然不限于此。
可选的,更新目标资源的当前排产计划的目标包括:在该智能体90的当前排产计划最小变动下,在第一预设时间内完成目标资源的最大需求量。
可选的,更新模块902具体用于:根据至少一种因素,更新目标资源的当前排产计划;该至少一种因素包括:目标资源的库存量、第二智能体的服务标准或第二智能体的交付时间点预测结果。
可选的,获取模块901还用于,根据更新后得到的排产计划,获取目标资源的第二库存量。如图9所示,该智能体90还包括:发送模块903,用于如果第二库存量小于第二智能体对目标资源的需求量,则向第二智能体发送第一需求变动请求,第一需求变动请求用于请求第二智能体减少对目标资源的需求量。例如,结合图5,发送模块903可以用于执行S204。
可选的,目标资源包括目标物料,计算机系统还包括第三智能体,第三智能体是该智能体90的上游供应端,如图9所示,该智能体90还包括:接收模块904,用于接收第三智能体发送的第二需求变动请求。其中,第二需求变动请求用于请求该智能体90减少对第三智能体所管理的资源的需求量;第三智能体用于管理目标物料的产能或目标物料的上游物料。更新模块902还用于,根据第二需求变动请求,优化目标物料的当前排产计划。例如,结合图6,该智能体90可以是图6中的物料智能体,第三智能体可以是图6中的上游供应端。接收模块904可以用于执行S301,更新模块902可以用于执行S302。
可选的,优化目标物料的当前排产计划的目标包括:在满足第二需求变动请求下,且目标物料的当前排产计划变动最小时,使第二预设时间内目标物料减少的总需求量小于或等于预设阈值。
可选的,目标资源包括目标物料,计算机系统还包括第三智能体和第四智能体,第三智能体和所述第四智能体均能够用于向该智能体90供应上游物料,第三智能体是该智能体90的上游供应端;该智能体90还包括:接收模块904,用于接收第三智能体发送的第二需求变动请求;其中,第二需求变动请求用于请求该智能体90减少对该上游物料的需求量。确定模块905,用于根据第二需求变动请求,确定第四智能体为该智能体90的上游供应端。
可选的,该智能体90还包括:确定模块905,用于确定第二智能体对目标资源的需求量变动。记录模块906,用于记录第二智能体对目标资源的变动后的需求量和需求变动量;其中,变动后的需求量和需求变动量用于更新目标资源的当前排产计划。
可选的,目标资源包括目标物料,更新模块902还用于,在更新目标资源的当前排产计划之后,更新以下信息中的至少一种:目标物料的库存量,目标物料对目标物料的上游物料的需求量,或者,目标物料对目标物料的产能的需求量。
在另一个示例中,结合图3,上述获取模块901、更新模块902和确定模块905均可以通过图3中的处理器401调用存储器403中的计算机程序实现。上述记录模块906可以通过存储器403实现。在一种实现方式中,如果智能体90和与其通信的智能体位于不同的计算机设备上,则该智能体90中的发送模块903和接收模块904可以通过图3中的通信接口实现;如果智能体90和与其通信的智能体位于不同的计算机设备上,则该智能体90中的发送模块903和接收模块904可以通过处理器401调用存储器403中的计算机程序实现,具体可以理解为同一计算机设备中的功能模块之间的通信。
上述提供的任一种智能体90中相关内容的解释以及有益效果的描述等均可参考上述对应的方法实施例,此处不再赘述。
如图10所示,为本申请实施例提供的一种模拟供应链风险响应的系统的结构示意图。该系统包括:第一智能体1001和第二智能体1002。第二智能体1002是第一智能体1001的下游需求端。第一智能体1001,用于获取第一智能体1001所管理的目标资源的第一库存量和第二智能体1002对目标资源的需求量,如果第一库存量小于第二智能体1002对目标资源的需求量,则更新目标资源的当前排产计划。目标资源包括目标物料或目标物料的产能。例如,结合图5,第一智能体1001可以是图5中的物料智能体,第二智能体1002可以是图5中的下游需求端。第一智能体1001可以用于执行S200和S202。
可选的,第二智能体1002,用于当目标资源包括目标物料时,管理目标物料的下游物料;当目标资源包括目标物料的产能时,管理目标物料。
可选的,更新目标资源的当前排产计划的目标包括:在目标资源的当前排产计划最小变动下,在第一预设时间内完成目标资源的最大需求量。
可选的,第一智能体1001具体用于,根据至少一种因素,更新目标资源的当前排产计划;至少一种因素包括:目标资源的库存量、第二智能体1002的服务标准或第二智能体1002的交付时间点预测结果。
可选的,第一智能体1001还用于,根据更新后得到的排产计划,获取目标资源的第二库存量;如果第二库存量小于第二智能体1002对目标资源的需求量,则向第二智能体1002发送需求变动请求;需求变动请求用于请求第二智能体1002减少对目标资源的需求量。第二智能体1002还用于,接收需求变动请求。例如,结合图5,第一智能体1001可以用于执行S204。
可选的,第二智能体1002还用于,根据该需求变动请求,优化第二智能体1002所管理的资源的当前排产计划。该资源相对于目标资源来说是下游资源。具体的,当目标资源包括目标物料时,该下游资源包括目标物料的下游物料;当目标资源包括目标物料的产能时,该下游资源包括目标物料。例如,结合图6,第二智能体1002可以是图6中的物料智能体。
可选的,优化所述第二智能体1002所管理的下游资源的当前排产计划的目标包括:在满足该需求变动请求下,且该下游资源的当前排产计划变动最小时,使第二预设时间内该下游资源减少的总需求量小于或等于预设阈值。
可选的,目标资源包括目标物料。如图10所示,该系统还包括第三智能体1003,第三智能体1003和第一智能体1001均能够用于向第二智能体1002供应目标物料,但是,二者所供应的目标物料的物料号不同。当前,第一智能体1001是第二智能体1002的上游供应端,而第三智能体不是第二智能体1002的上游供应端。该情况下,第二智能体1002还用于,根据该需求变动请求,确定第三智能体为第二智能体1002的上游供应端。具体的,第二智能体1002可以将供应目标物料的智能体由第一智能体1001替换为第三智能体1003,或者由第一智能体1001和第三智能体1003共同为第二智能体1002供应目标物料。
需要说明的是,该可选的实现方式中的第三智能体1003与上文中所描述的第三智能体的含义不同。
另外需要说明的是,在对接收到需求变动请求之后的处理流程进行描述时,是以第二智能体1002的角度为例进行说明的。由于第一智能体1001和第二智能体1002具有任意性,因此,第一智能体1001和第三智能体1003对需求变动请求的处理过程也可以参考此描述。
可选的,第一智能体1001还用于:确定第二智能体1002对目标资源的需求量变动;记录第二智能体1002对目标资源的变动后的需求量和需求变动量;其中,变动后的需求量和需求变动量用于更新目标资源的当前排产计划。
可选的,目标资源包括目标物料。第一智能体1001还用于,在更新目标资源的当前排产计划之后,更新以下信息中的至少一种:目标物料的库存量,目标物料对目标物料的上游物料的需求量,或者,目标物料对目标物料的产能的需求量。
可选的,该系统还包括第四智能体1004,第四智能体1004是第二智能体1002的下游需求端;第二智能体1002具体用于:获取第二智能体1002所管理的资源的第三库存量和第四智能体1004对第二智能体1002所管理的资源的需求量;如果第三库存量小于第四智能体1004对第二智能体1002所管理的资源的需求量,则更新第二智能体1002所管理的资源的当前排产计划。也就是说,第一智能体与第二智能体之间可以并行执行(或并行执行),这有助于提高供应链风险响应速度。
上述提供的任一种模拟供应链风险响应的系统的中相关内容的解释以及有益效果的描述等均可参考上述对应的方法实施例,此处不再赘述。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机执行指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digitalsubscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带),光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看附图、公开内容、以及所附权利要求书,可理解并实现公开实施例的其他变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (30)
1.一种模拟供应链风险响应的方法,其特征在于,应用于计算机系统,所述计算机系统包括第一智能体和第二智能体,所述第二智能体是所述第一智能体的下游需求端;所述第一智能体用于管理目标资源;所述目标资源包括目标物料或目标物料的产能;所述方法包括:
所述第一智能体获取所述目标资源的第一库存量和所述第二智能体对所述目标资源的需求量;
如果所述第一库存量小于所述第二智能体对所述目标资源的需求量,则所述第一智能体更新所述目标资源的当前排产计划。
2.根据权利要求1所述的方法,其特征在于,所述更新所述目标资源的当前排产计划的目标包括:在所述目标资源的当前排产计划最小变动下,在第一预设时间内完成所述目标资源的最大需求量。
3.根据权利要求1或2所述的方法,其特征在于,所述第一智能体更新所述目标资源的当前排产计划,包括:
所述第一智能体根据至少一种因素,更新所述目标资源的当前排产计划;所述至少一种因素包括:所述目标资源的库存量、所述第二智能体的服务标准或所述第二智能体的交付时间点预测结果。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述方法还包括:
所述第一智能体根据所述更新后得到的排产计划,获取所述目标资源的第二库存量;
如果所述第二库存量小于所述第二智能体对所述目标资源的需求量,则所述第一智能体向所述第二智能体发送第一需求变动请求;其中,所述第一需求变动请求用于请求所述第二智能体减少对所述目标资源的需求量。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述目标资源包括所述目标物料,所述计算机系统还包括第三智能体,所述第三智能体是所述第一智能体的上游供应端,所述方法还包括:
所述第一智能体接收所述第三智能体发送的第二需求变动请求;其中,所述第二需求变动请求用于请求所述第一智能体减少对所述第三智能体所管理的资源的需求量;所述第三智能体所管理的资源包括所述目标物料的产能或所述目标物料的上游物料;
所述第一智能体根据所述第二需求变动请求,优化所述目标物料的当前排产计划。
6.根据权利要求5所述的方法,其特征在于,所述优化所述目标物料的当前排产计划的目标包括:在满足所述第二需求变动请求下,且所述目标物料的当前排产计划变动最小时,使第二预设时间内所述目标物料减少的总需求量小于或等于预设阈值。
7.根据权利要求1至4任一项所述的方法,其特征在于,所述目标资源包括所述目标物料,所述计算机系统还包括第三智能体和第四智能体,所述第三智能体和所述第四智能体均能够用于向所述第一智能体供应上游物料,所述第三智能体是所述第一智能体的上游供应端;所述方法还包括:
所述第一智能体接收所述第三智能体发送的第二需求变动请求;其中,所述第二需求变动请求用于请求所述第一智能体减少对所述上游物料的需求量;
所述第一智能体根据所述第二需求变动请求,确定所述第四智能体为所述第一智能体的上游供应端。
8.根据权利要求1至7任一项所述的方法,其特征在于,所述方法还包括:
所述第一智能体确定所述第二智能体对所述目标资源的需求量变动;
所述第一智能体记录所述第二智能体对所述目标资源的变动后的需求量和需求变动量;其中,所述变动后的需求量和所述需求变动量用于更新所述目标资源的当前排产计划。
9.根据权利要求1至8任一项所述的方法,其特征在于,所述目标资源包括所述目标物料,所述方法还包括:
所述第一智能体在更新所述目标资源的当前排产计划之后,更新以下信息中的至少一种:所述目标物料的库存量,所述目标物料对所述目标物料的上游物料的需求量,或者,所述目标物料对所述目标物料的产能的需求量。
10.一种智能体,其特征在于,应用于计算机系统,所述计算机系统还包括第二智能体,所述第二智能体是所述智能体的下游需求端;所述智能体用于管理目标资源;所述目标资源包括目标物料或目标物料的产能;所述智能体包括:
获取模块,用于获取所述目标资源的第一库存量和所述第二智能体对所述目标资源的需求量;
更新模块,用于如果所述第一库存量小于所述第二智能体对所述目标资源的需求量,则更新所述目标资源的当前排产计划。
11.根据权利要求10所述的智能体,其特征在于,所述更新所述目标资源的当前排产计划的目标包括:在所述智能体的所述当前排产计划最小变动下,在第一预设时间内完成所述目标资源的最大需求量。
12.根据权利要求10或11所述的智能体,其特征在于,
所述更新模块具体用于:根据至少一种因素,更新所述目标资源的当前排产计划;所述至少一种因素包括:所述目标资源的库存量、所述第二智能体的服务标准或所述第二智能体的交付时间点预测结果。
13.根据权利要求10至12任一项所述的智能体,其特征在于,
所述获取模块还用于,根据所述更新后得到的排产计划,获取所述目标资源的第二库存量;
所述智能体还包括:发送模块,用于如果所述第二库存量小于所述第二智能体对所述目标资源的需求量,则向所述第二智能体发送第一需求变动请求;其中,所述第一需求变动请求用于请求所述第二智能体减少对所述目标资源的需求量。
14.根据权利要求10至13任一项所述的智能体,其特征在于,所述目标资源包括所述目标物料,所述计算机系统还包括第三智能体,所述第三智能体是所述智能体的上游供应端,所述智能体还包括:
接收模块,用于接收所述第三智能体发送的第二需求变动请求;其中,所述第二需求变动请求用于请求所述智能体减少对所述第三智能体所管理的资源的需求量;所述第三智能体用于管理所述目标物料的产能或所述目标物料的上游物料;
所述更新模块还用于,根据所述第二需求变动请求,优化所述目标物料的当前排产计划。
15.根据权利要求14所述的智能体,其特征在于,所述优化所述目标物料的当前排产计划的目标包括:在满足所述第二需求变动请求下,且所述目标物料的当前排产计划变动最小时,使第二预设时间内所述目标物料减少的总需求量小于或等于预设阈值。
16.根据权利要求10至13任一项所述的智能体,其特征在于,所述目标资源包括所述目标物料,所述计算机系统还包括第三智能体和第四智能体,所述第三智能体和所述第四智能体均能够用于向所述智能体供应上游物料,所述第三智能体是所述智能体的上游供应端;所述智能体还包括:
接收模块,用于接收所述第三智能体发送的第二需求变动请求;其中,所述第二需求变动请求用于请求所述智能体减少对所述上游物料的需求量;
确定模块,用于根据所述第二需求变动请求,确定所述第四智能体为所述智能体的上游供应端。
17.根据权利要求10至16任一项所述的智能体,其特征在于,所述智能体还包括:
确定模块,用于确定所述第二智能体对所述目标资源的需求量变动;
记录模块,用于记录所述第二智能体对所述目标资源的变动后的需求量和需求变动量;其中,所述变动后的需求量和所述需求变动量用于更新所述目标资源的当前排产计划。
18.根据权利要求10至17任一项所述的智能体,其特征在于,所述目标资源包括所述目标物料,所述更新模块还用于,在更新所述目标资源的当前排产计划之后,更新以下信息中的至少一种:所述目标物料的库存量,所述目标物料对所述目标物料的上游物料的需求量,或者,所述目标物料对所述目标物料的产能的需求量。
19.一种模拟供应链风险响应的系统,其特征在于,包括:第一智能体和第二智能体;所述第二智能体是所述第一智能体的下游需求端;
所述第一智能体,用于获取所述第一智能体所管理的目标资源的第一库存量和所述第二智能体对所述目标资源的需求量,如果所述第一库存量小于所述第二智能体对所述目标资源的需求量,则更新所述目标资源的当前排产计划;所述目标资源包括目标物料或目标物料的产能。
20.根据权利要求19所述的系统,其特征在于,所述更新所述目标资源的当前排产计划的目标包括:在所述目标资源的当前排产计划最小变动下,在第一预设时间内完成所述目标资源的最大需求量。
21.根据权利要求19或20所述的系统,其特征在于,
所述第一智能体具体用于,根据至少一种因素,更新所述目标资源的当前排产计划;所述至少一种因素包括:所述目标资源的库存量、所述第二智能体的服务标准或所述第二智能体的交付时间点预测结果。
22.根据权利要求19至21任一项所述的系统,其特征在于,
所述第一智能体还用于,根据所述更新后得到的排产计划,获取所述目标资源的第二库存量;如果所述第二库存量小于所述第二智能体对所述目标资源的需求量,则向所述第二智能体发送需求变动请求;所述需求变动请求用于请求所述第二智能体减少对所述目标资源的需求量;
所述第二智能体还用于,接收所述需求变动请求。
23.根据权利要求22所述的系统,其特征在于,
所述第二智能体还用于,根据所述需求变动请求,优化所述第二智能体所管理的下游资源的当前排产计划。
24.根据权利要求23所述的系统,其特征在于,所述优化所述第二智能体所管理的下游资源的当前排产计划的目标包括:在满足所述需求变动请求下,且所述下游资源的当前排产计划变动最小时,使第二预设时间内所述下游资源减少的总需求量小于或等于预设阈值。
25.根据权利要求22所述的系统,其特征在于,所述目标资源包括所述目标物料,所述系统还包括第三智能体,所述第三智能体和所述第一智能体均能够用于向所述第二智能体供应所述目标物料;
所述第二智能体还用于,根据所述需求变动请求,确定所述第三智能体为所述第二智能体的上游供应端。
26.根据权利要求19至25任一项所述的系统,其特征在于,所述第一智能体还用于:
确定所述第二智能体对所述目标资源的需求量变动;
记录所述第二智能体对所述目标资源的变动后的需求量和需求变动量;其中,所述变动后的需求量和所述需求变动量用于更新所述目标资源的当前排产计划。
27.根据权利要求19至26任一项所述的系统,其特征在于,所述目标资源包括所述目标物料;
所述第一智能体还用于,在更新所述目标资源的当前排产计划之后,更新以下信息中的至少一种:所述目标物料的库存量,所述目标物料对所述目标物料的上游物料的需求量,或者,所述目标物料对所述目标物料的产能的需求量。
28.根据权利要求19至27任一项所述的系统,其特征在于,所述系统还包括第四智能体,所述第四智能体是所述第二智能体的下游需求端;所述第二智能体具体用于:
获取所述第二智能体所管理的资源的第三库存量和所述第四智能体对所述第二智能体所管理的资源的需求量;
如果所述第三库存量小于所述第四智能体对所述第二智能体所管理的资源的需求量,则更新所述第二智能体所管理的资源的当前排产计划。
29.一种模拟供应链风险响应的装置,其特征在于,包括:存储器和处理器,所述存储器用于存储计算机程序代码,所述处理器用于调用所述计算机程序代码,以执行权利要求1至9任一项所述的方法。
30.一种计算机可读存储介质,其特征在于,用于存储计算机程序代码,当所述计算机程序代码在计算机上运行时,使得所述计算机执行权利要求1至9任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2019106416140 | 2019-07-16 | ||
CN201910641614 | 2019-07-16 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111160706A true CN111160706A (zh) | 2020-05-15 |
Family
ID=70556336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911201814.0A Pending CN111160706A (zh) | 2019-07-16 | 2019-11-29 | 模拟供应链风险响应的方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111160706A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529358A (zh) * | 2020-11-06 | 2021-03-19 | 九牧厨卫股份有限公司 | 一种基于隧道窑反推前道工序的智能调度算法 |
CN113221527A (zh) * | 2021-05-10 | 2021-08-06 | 首钢京唐钢铁联合有限责任公司 | 一种生产表单生成方法、装置、设备和介质 |
CN113298336A (zh) * | 2020-08-21 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 资源排产信息确定方法及装置 |
CN113570314A (zh) * | 2021-09-23 | 2021-10-29 | 深圳市大创科技信息有限公司 | 基于scp智慧供应链信息传输的备货管理系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020019761A1 (en) * | 2000-01-12 | 2002-02-14 | Derek Lidow | Supply chain architecture |
JP2002189784A (ja) * | 2000-12-20 | 2002-07-05 | Canon Inc | 出荷納期回答システム、装置及び方法 |
US20020138358A1 (en) * | 2001-01-22 | 2002-09-26 | Scheer Robert H. | Method for selecting a fulfillment plan for moving an item within an integrated supply chain |
US20020143598A1 (en) * | 2001-01-22 | 2002-10-03 | Scheer Robert H. | System for providing integrated supply chain management |
WO2003042793A2 (en) * | 2001-11-14 | 2003-05-22 | Sap Aktiengesellschaft | Agent using detailed predictive model |
CN103353965A (zh) * | 2013-07-08 | 2013-10-16 | 深圳市普路通供应链管理股份有限公司 | 智能供应链的数据处理方法和系统 |
CN107977818A (zh) * | 2017-12-05 | 2018-05-01 | 北京小米移动软件有限公司 | 供应数据处理方法、装置、计算设备及存储介质 |
-
2019
- 2019-11-29 CN CN201911201814.0A patent/CN111160706A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020019761A1 (en) * | 2000-01-12 | 2002-02-14 | Derek Lidow | Supply chain architecture |
JP2002189784A (ja) * | 2000-12-20 | 2002-07-05 | Canon Inc | 出荷納期回答システム、装置及び方法 |
US20020138358A1 (en) * | 2001-01-22 | 2002-09-26 | Scheer Robert H. | Method for selecting a fulfillment plan for moving an item within an integrated supply chain |
US20020143598A1 (en) * | 2001-01-22 | 2002-10-03 | Scheer Robert H. | System for providing integrated supply chain management |
WO2003042793A2 (en) * | 2001-11-14 | 2003-05-22 | Sap Aktiengesellschaft | Agent using detailed predictive model |
CN103353965A (zh) * | 2013-07-08 | 2013-10-16 | 深圳市普路通供应链管理股份有限公司 | 智能供应链的数据处理方法和系统 |
CN107977818A (zh) * | 2017-12-05 | 2018-05-01 | 北京小米移动软件有限公司 | 供应数据处理方法、装置、计算设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
周军伟: "基于Multi-Agent的汽车供应链关键问题研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》, pages 139 - 142 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113298336A (zh) * | 2020-08-21 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 资源排产信息确定方法及装置 |
CN112529358A (zh) * | 2020-11-06 | 2021-03-19 | 九牧厨卫股份有限公司 | 一种基于隧道窑反推前道工序的智能调度算法 |
CN112529358B (zh) * | 2020-11-06 | 2023-03-31 | 九牧厨卫股份有限公司 | 一种基于隧道窑反推前道工序的智能调度方法 |
CN113221527A (zh) * | 2021-05-10 | 2021-08-06 | 首钢京唐钢铁联合有限责任公司 | 一种生产表单生成方法、装置、设备和介质 |
CN113570314A (zh) * | 2021-09-23 | 2021-10-29 | 深圳市大创科技信息有限公司 | 基于scp智慧供应链信息传输的备货管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11656911B2 (en) | Systems, methods, and apparatuses for implementing a scheduler with preemptive termination of existing workloads to free resources for high priority items | |
CN111160706A (zh) | 模拟供应链风险响应的方法、装置和系统 | |
US10514951B2 (en) | Systems, methods, and apparatuses for implementing a stateless, deterministic scheduler and work discovery system with interruption recovery | |
US11294726B2 (en) | Systems, methods, and apparatuses for implementing a scalable scheduler with heterogeneous resource allocation of large competing workloads types using QoS | |
US10839338B2 (en) | Order sourcing with asynchronous communication and using optimization for large sourcing networks | |
US11226848B2 (en) | Systems, methods, and apparatuses for implementing a scheduler and workload manager with snapshot and resume functionality | |
US10733026B2 (en) | Automated workflow selection | |
US11243807B2 (en) | Systems, methods, and apparatuses for implementing a scheduler and workload manager with workload re-execution functionality for bad execution runs | |
CN106528280B (zh) | 一种任务分配方法和系统 | |
CN106134136B (zh) | 计算针对广域网上的数据传送的长期调度 | |
US11237866B2 (en) | Systems, methods, and apparatuses for implementing a scheduler and workload manager with scheduling redundancy and site fault isolation | |
US11567801B2 (en) | Systems and methods for autoscaling instance groups of computing platforms | |
US7286889B1 (en) | Method for resource allocation and re-grouping recognizing competing priorities which vary by date | |
CN111985862A (zh) | 定位库存物品的方法和装置 | |
CN115456494A (zh) | 自动补货方法、装置、计算机设备及计算机可读存储介质 | |
US11887017B2 (en) | Automatically predicting transaction likelihood information and transaction-related temporal information using machine learning techniques | |
CN116384718B (zh) | 一种基于智能决策的供应商联合排产方法、系统及设备 | |
US10496081B2 (en) | Method for fulfilling demands in a plan | |
JP2006107167A (ja) | スケジューリングシステム,スケジューリングプログラム及びスケジューリング方法 | |
Bijvank et al. | Lost-sales inventory systems | |
CN113780914A (zh) | 库存调配方法和装置 | |
CN113222304A (zh) | 一种库存调度方法和装置 | |
CN108694460B (zh) | 产品需求预测方法及装置 | |
US20230068901A1 (en) | Advanced available-to-promise supply creation-based confirmation | |
US20200159834A1 (en) | Systems and methods of processing transaction data |
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 |