CN111191846B - 一种面向客户复杂定制需求的油缸产品排产优化装置 - Google Patents
一种面向客户复杂定制需求的油缸产品排产优化装置 Download PDFInfo
- Publication number
- CN111191846B CN111191846B CN201911423036.XA CN201911423036A CN111191846B CN 111191846 B CN111191846 B CN 111191846B CN 201911423036 A CN201911423036 A CN 201911423036A CN 111191846 B CN111191846 B CN 111191846B
- Authority
- CN
- China
- Prior art keywords
- order
- production
- customer
- machine
- task
- 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.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 claims abstract description 101
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000003993 interaction Effects 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000003860 storage Methods 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 42
- 230000008569 process Effects 0.000 claims description 26
- 238000013461 design Methods 0.000 claims description 17
- 238000012384 transportation and delivery Methods 0.000 claims description 17
- 238000003780 insertion Methods 0.000 claims description 15
- 230000037431 insertion Effects 0.000 claims description 15
- 230000002441 reversible effect Effects 0.000 claims description 8
- 238000012790 confirmation Methods 0.000 claims description 7
- 238000012946 outsourcing Methods 0.000 claims description 6
- 238000012966 insertion method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 206010012186 Delayed delivery Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 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
- G06Q10/04—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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0621—Item configuration or customization
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- 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)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (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)
- General Factory Administration (AREA)
Abstract
本发明涉及一种面向客户复杂定制需求的油缸产品排产优化装置，包括：订单预处理模块，用于对客户需求进行处理，获得生产任务包；生产调度模块，用于根据机器产能情况获取当前生产任务包的最优排产计划，所述生产任务包括插单任务和未执行等待任务；信息存储模块，用于存储所述生产任务包及最优排产计划；客户交互模块，用于与客户端实现通信。与现有技术相比，本发明具有提高加工设备利用率和生产效率等优点。
Description
技术领域
本发明涉及一种生产排产优化装置，尤其是涉及一种面向客户复杂定制需求的油缸产品排产优化装置。
背景技术
油缸广泛应用于工程机械、机床设备、汽车制造、冶金矿山和航天航空等领域。虽然随着关键原材料及生产等问题的解决，油缸制造在商品化与工业化层面已达到工业2.0的发展水平。但信息化与工业化融合的制造业改革全面开展，众多企业面临生产模式的转型升级，如何将先进技术与现有资源、生产方式相融合成为企业不得不考虑的问题。油缸制造业也面临着同样的问题，尤其是随着行业整体制造技术专业性的提升以及设备生产线自动化水平的提高，油缸的年产能大大增加，制造厂商考虑主机厂配套需求外，更需考虑如何消化剩余产能，提升油缸外销任务发展。
与此同时客户对产品和服务的多样性期望不断提升，尤其油缸这类标准化程度较高且应用领域极为广泛的元件，针对不同领域需要使用适用其领域的标准，订单的复杂度、差异性大大增加。据此油缸制造业基本使用多品种小批量生产模式，不可避免的会面对紧急订单出现频繁、交货期短等问题。虽然紧急订单能够给企业带来高于正常订单的利润，但给正常的生产调度造成了更大的挑战，如何解决紧急订单(一般需要插单处理)对生产执行的扰动以及重新生产排程问题，并为定制化客户形成可交互的系统沟通以保证订单生产的精密性与准确性，已成为当下生产中需要考虑的重点问题。
现对紧急插单问题常见的方法采用启发式算法、神经网络等从订单优先级、物料变更等方面确定生产调度。虽然解决方案比较齐全，但一般是针对企业生产管理中的事后研究，对生产计划投入运行时的紧急订单插入问题研究甚少，且油缸生产中遇到的产能过剩，如何与客户及时交互的问题并没有进行过多的考虑。
现有技术一般不能兼顾产能与调度实时性。如专利申请CN201710121292.8(一种多品种小批量混流装配线的总装生产排序方法及装置)公开了一种针对多品种小批量混流装配线的特点提出了一种生产排序方法，主要步骤如下：首先对交货期“特急”的产品排序，然后对交货期“急”的产品排序，最后对其他交货期要求的产品排序；然后对交货期无要求的机型进行均衡化排序，即：按各系列机型需求的比例确定各系列每天所排数量，并按产品装配难易程度排序，最后得到各个机型在T天内每天顺序计划排产数量。但是此方法是对生产前的统一调度，若产生插单需要重排调度，实时性差。
专利201711094792.3(一种柔性作业车间插单动态调度优化方法)公开了一种为满足柔性作业车间生产特点的车间插单动态调度优化方法，主要步骤如下：在构建任务序列的优化和分单批次分配的数学模型的基础上，通过研究分批选择的策略，采用算例仿真方式获得合理子批数量，同时根据对典型算例的仿真计算，给出分批数量的推荐值，其次基于工序、机器、分单数量的三层基因染色体，以最小的最大完工时间和拖延期为优化目标；最后采用粒子群算法与遗传算法的混合算法，以提高子批数量向最优方向的进化速度，有效减少拖期量。但是该方法未说明插单对订单分批的影响且未考虑产能对生产调度的影响，精确性不高。
专利申请CN201910693414.X(一种智能制造MES平台)公开了一种智能制造MES平台，包括云平台控制层、智能制造层和客户应用终端，所述云平台控制层、智能制造层和客户应用终端两两之间实现双向连接，所述云平台控制层包括云平台服务器、工序委外处理单元和总装厂订单管理单元，主要功能如下：实现了通过多工厂计划实现计划、物料、工序的协同，很好的达到了通过智能终端、现场看板、现场设备信息自动采集和智能拣货的目的，实现了车间作业的数字化和透明化管理。但是此方法未说明对于生产插单与剩余产能问题的解决方案。
综上，面向非标油缸生产排程复杂性与客户定制需求，现存主要技术问题包括：1)油缸生产线的当前产能和剩余产能实时更新与合理消化问题；2)紧急订单对生产执行的扰动以及重新生产排程与优化问题。
发明内容
本发明的目的在于克服上述现有技术存在的缺陷而提供一种提高加工设备利用率和生产效率的面向客户复杂定制需求的油缸产品排产优化装置。
本发明的目的可以通过以下技术方案来实现：
一种面向客户复杂定制需求的油缸产品排产优化装置，包括：
订单预处理模块，用于对客户需求进行处理，获得生产任务包；
生产调度模块，用于根据机器产能情况获取当前生产任务包的最优排产计划，所述生产任务包括插单任务和未执行等待任务；
信息存储模块，用于存储所述生产任务包及最优排产计划；
客户交互模块，用于与客户端实现通信。
进一步地，所述订单预处理模块包括：
信息提取单元，用于从所述客户订单需求提取个性化需求信息，生成SCC文档，所述个性化需求信息包括油缸型号、交货期和成本等；
反馈确认单元，用于获取对所述客户订单需求的反馈确认信息，与所述客户交互模块进行通信，工厂将针对客户需求的油缸产品进行设计核对，以保证设计、生产满足客户实际需求；
任务生成单元，用于接收与所述个性化需求信息匹配的设计信息，生成生产任务包。
进一步地，所述生产任务包内的信息包括油缸零件BOM清单与设计图。
进一步地，所述生产调度模块包括：
优先级确定单元，用于根据任务特性确定订单优先级；
机器状态获取单元，用于获取并存储订单完成情况与机器产能情况；
排产计划生成单元，用于根据机器产能情况使用逆序插单法对现有的生产排产计划进行优化，生成最优排产计划，并根据机器产能情况产生产能空闲数据，生成可加急订单。
进一步地，所述任务特性包括紧急性、成本需求和客户重要度。
进一步地，所述订单优先级的确定过程包括：
1)基于任务特性获得影响因素数据，对所述影响因素数据进行无量纲归一化处理；
2)利用无量纲数据计算灰色关联系数；
3)基于所述灰色关联系数计算订单优先级：
其中，n表示影响因素个数，λj表示第j个影响因素的影响因子，ri表示参考订单a0和订单ai的关联度，ri的值越大则优先级越高，将ri按大小排序得到订单优先级顺序。
进一步地，所述逆序插单法的目标函数和约束条件具体为：
目标函数：
约束条件：Xi,m(i,k)+Zm(i,k)＝Xi,m(i,k+1) k＝1,2,…,Fi-1
Xi,m(i,k)＝max{(Xi,m(i,k-1)+Zi,m(i,k-1)),(X(i-1),m(i,k)+Z(i-1),m(i,k))}
0≤Yijt≤Cjt
Xij≥0,且Xij取整数
其中，n表示影响因素个数，αi为延期交付订单标记，Di表示订单i的交货期，Cjt表示机器j在t时刻的产能，Pij表示订单i在机器j上的加工时间，Fi为订单i的加工工序数，m(i,k)表示订单i第k个工序对应的加工机器，Ci表示订单i加工完成时间，Yijt表示订单i在t时刻占用机器j的产能，Xij表示订单i到达机器j的时刻，Zi,j表示订单i从到达机器j到被加工完毕的时间长度。
进一步地，所述对现有的生产排产计划进行优化时，将插入订单排入排产计划或产生退单指令及外包指令。
进一步地，所述客户交互模块包括：
顾客接口单元，用于传输客户订单需求，实时获取订单完成情况，并与订单预处理模块进行通信；
可加急订单发布单元，用于发布所述可加急订单。
进一步地，所述订单预处理模块、生产调度模块和信息存储模块集成于企业私有云中。
与现有技术相比，本发明在考虑动态产能的基础上完成生产排产的动态优化，并实现客户及时交互功能，具有如下有益效果：
1、云调度能够在特定资源环境下根据资源使用规则，快速、准确、高效的分配服务资源，本发明加入云调度技术实现排产任务精确、高效分配同时实时获取车间设备动态产能，包括当前产能和剩余产能，且在服务开始前进行统一调度或在运行中停止生产重新调度以满足产能要求。
2、本发明主要利用企业私有云获取各机器产能，并可通过现有机器产能估计进行紧急插单后机器产能状况，可兼顾企业产能状况，避免出现产能状况不能满足生产调度需求以导致调度失败的场景，提高调度效率。
3、本发明设定三优先级以进行排产管理，以高优先级按时完成为导向，低优先级任务在产能不足或预测产能不足时都可进行退单、外包或等待策略，从而能够保证高优先级任务能够按时按量完成，提高调度可靠性。
4、本发明加入用户接口模块，使得工厂生产情况与用户需求实时反应，满足高端定制客户的需求，并为工厂及时按客户需求调整节约时间。
5、本发明为用户提供加急订单服务，使用产能预测模块对产能剩余工位所能提供服务发布于客户云，为需要客户提供加急服务，既能满足客户加急要求，也解决工厂产能剩余问题。
附图说明
图1为本发明装置的结构示意图；
图2为本发明装置的工作流程示意图；
图3为逆序插单算法的流程示意图；
图4为订单重排策略的流程示意图；
图5为优先级排产结果示意图；
图6为逆序插单法排产结果示意图；
图7为加急订单加入结果示意图；
图8为加急订单加入有误情况示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本发明提供一种面向客户复杂定制需求的油缸产品排产优化装置，客户将定制要求登记进入企业私有云平台中，私有云平台调用客户需求、机床组的产能与订单完成情况，结合客户需求进行实时排产确定，并且将订单完成情况及时反馈给客户。该装置能够使工厂根据产能预测优化排产，根据富余产能制定可加急订单，为需要客户提供加急服务并解决工厂部分的富余产能问题，提高生产效率。
如图1所示，该油缸产品排产优化装置主要由四个模块组成，分别是订单预处理模块A、信息存储模块B、生产调度模块C与客户交互模块D。
订单预处理模块A，主要用于对客户需求进行处理，包括：
信息提取单元，用于从所述客户订单需求提取个性化需求信息，生成SCC文档，所述个性化需求信息包括油缸型号、交货期和成本等；
反馈确认单元，用于获取对所述客户订单需求的反馈确认信息，与所述客户交互模块D进行通信，工厂将针对客户需求的油缸产品进行设计核对，以保证设计、生产满足客户实际需求；
任务生成单元，用于接收与所述个性化需求信息匹配的设计信息，生成生产任务包，生产任务包内的信息包括油缸零件BOM清单与设计图，传送给信息存储模块B。
信息存储模块B，主要用于存储工艺、工时信息与机器产能信息，包括：
工艺工时编制单元，用于根据所述油缸零件BOM清单与设计图形成工艺工时信息；
排产信息存储单元，用于获取并存储排产计划。
生产调度模块C，主要用于完成插单任务与未执行等待任务的生产排产，包括：
优先级确定单元，用于根据插单任务的特性(订单的紧急性、成本需求、客户重要度等因素)使用灰色关联度分析法确定订单优先级；
机器状态获取单元，用于获取并存储订单完成情况与机器产能情况；
排产计划生成单元，用于根据机器产能情况使用逆序插单法对现有的生产排产计划进行优化，最后将插入订单排入排产计划或进行退单、外包等操作，将排产计划传送给信息存储模块B，并根据机器产能情况产生产能空闲数据，生成可加急订单。
客户交互模块D，主要用于解决客户与工厂交互与工厂产能富余问题，包括：
顾客接口单元，用于传输客户订单需求，实时获取订单完成情况，并与订单预处理模块A的反馈确认单元进行通信，对高端定制用户实现工作透明化，满足客户不同需求；
可加急订单发布单元，用于发布所述可加急订单，为需要顾客提供可加急服务，在保障顾客需求时解决部分产能剩余问题。
上述油缸产品排产优化装置的工作过程包括以下步骤：
S01：根据客户需求制定设计非标油缸，制定具体生产计划。装置通过顾客接口单元获取客户所需非标油缸信息，上传至企业私有云生成订单合同，后交由企业设计部门设计具体生产方案并将设计方案传输至顾客接口单元与客户进行重要参数核对。最后生成设计图纸与所用零件清单交由车间部门完成工艺、工时编制。
S02：从私有云平台获取各机器产能状况。生产车间中的所有机器均与企业私有云相连，机器产能情况能够实时上传至云端。将新进订单作为装置激活点，当新单进入时本装置开始运行，从云端获取各机器产能状况。
S03：根据新入任务的特性(订单的紧急性、成本需求、客户重要度等因素)使用灰色关联度分析法确定订单优先级，具体做法如下：
1)数据归一化处理。由于影响订单优先级各因素单位不同，需要对数据进行无量纲化处理，简化计算，即将数据转换为[0,1]之间的数据。
式(1)主要用于转换效益型指标，式(2)主要用于转换成本型指标，minaij表示第i个订单中第j个影响因素数值的最小值，maxaij表示第i个订单中第j个影响因素数值的最大值。
2)利用无量纲数据计算灰色关联系数。
dij＝|a0j-aij| (3)
其中dij表示订单a0和ai在影响因素j处无量纲数据差的绝对值；ξij表示订单a0和ai在影响因素j处的关联系数；ζ表示分辨系数，一般取0.5；mini minj dij表示绝对值中的最小值；maxi maxj dij表示绝对值中的最大值。
3)订单优先级计算。
采取直接计算平均值的方法计算订单优先级：
其中，n表示影响因素个数，λj表示第j个影响因素的影响因子，ri表示参考订单a0和订单ai的关联度，ri的值越大则优先级越高，将ri按大小排序即可得到优先级顺序。
4)优先级分类
为方便监控与管理模块的排产策略调整将优先级分为高、中、低三层次进行处理。由于企业插单情况不会十分严重，常见情况下数据量较小不需要使用聚类算法进行精确分类，因此本实施例使用2:7:1的比例将订单分为三层。
表1常见优先级影响因素
| 影响因素 | 指标 | 说明 |
| 交货期紧迫度 | b1 | 交货期越短，优先级越高 |
| 客户重要度 | b2 | 客户越重要，优先级越高 |
| 质量要求 | b3 | 质量要求越高，优先级越低 |
| 成本需求 | b4 | 成本需求越高，优先级越低 |
| 订单效益 | b5 | 订单效益越高，优先级越高 |
S04：使用逆序插单法对现有的生产排产进行优化。
目标函数：
约束条件：Xi,m(i,k)+Zm(i,k)＝Xi,m(i,k+1) k＝1,2,…,Fi-1 (7)
Xi,m(i,k)＝max{(Xi,m(i,k-1)+Zi,m(i,k-1)),(X(i-1),m(i,k)+Z(i-1),m(i,k))} (9)
0≤Yijt≤Cjt (12)
Xij≥0,且Xij取整数 (13)
其中，Di表示订单i的交货期，Cjt表示机器j在t时刻的产能，Pij表示订单i在机器j上的加工时间，Fi为订单i的加工工序数，m(i,k)表示订单i第k个工序对应的加工机器，Ci表示订单i加工完成时间，Yijt表示订单i在t时刻占用机器j的产能，Xij表示订单i到达机器j的时刻，Zi,j表示订单i从到达机器j到被加工完毕的时间长度。
公式(6)表示延期交货订单数最少，即优化目标为最小化延迟订单数量。公式(7)表示订单i的第k个加工工序到达相应的加工机器的时间与该工序在此机器上加工所需的时间之和，等于该订单下一工序到达其相应加工机器的时间。公式(8)表示订单i的最后一道加工工序到达其加工机器的时间与在该机器上被加工的时间之和，等于该订单加工完毕的时间。公式(9)表示订单i的第k个加工工序到达其加工机器的时间等于订单i的第k-1道加工工序被加工完毕的时间和订单i-1的第k个加工工序在其加工机器上被加工完毕时间的最大值。公式(10)表示机器的产能可以满足订单各工序的加工需求。公式(11)表示订单在第t天的生产负荷小于机器j的产能。
S05：监控与管理模块周期性结合当前机器产能状况对下一步任务执行时的各机器产能状况作出预测。
S06：对产能预测结果进行分析，确定产能剩余情况。根据近三年订单状况，制定所有可能生产序列，将所有可生产产品及工艺、工时编排传输至存储模块B保存。当出现产能剩余情况，将现有情况与可生产产品的制造流程进行对比，发布可加急产品信息，上传至客户交互模块D。
S07：根据产能预测结果结合生产优先级进一步调整生产排产策略。即当预测产能不能支持先前插单任务所需的平均产能时则对现有生产排产计划做出调整。该种情况主要出现在订单优先级低但是需要消耗大量产能，出现紧急插单情况时机器产能不足造成需要进行生产策略重排或生产延迟的现象，影响紧急插单的及时完成导致惩罚成本增加。根据企业过去10年订单数据分析，预留产能一般保持在3％-5％。
案例验证
以某油缸制造商的5批订单8台工位为例，验证以上装置的可行性和有效性。表2为3批订单的优先级影响指标合集，订单开始加工时间为2019-10-31，表3为生成的初始生产计划，表4为有高优先级生产计划插入时的调整方案。
表2订单优先级影响指标
表3订单工位加工信息
注：999999为外协工序。
具体操作：首先对数据按照公式(1)、(2)做无量纲化处理。具体方法如下：将交货期与加工时长的差值最大允许量设为半年，一天按20小时计算，一天三个班次；设定从未、偶尔、有时、经常、通常、频繁六个客户合作频繁程度(统计近三年客户合作数据，使用AHP法(The analytic hierarchy process，层次分析法)将其进行分层评估，本实施例中使用比例标度构建法将客户合作度分为六层次)；根据产品使用目的设定民用、出口、政府、军用四个质量要求；将订单收益的最大值设为一年来单笔订单最大收益，最小值为单笔订单最小收益(本实施例中最大收益为200万元，最小收益为0万元)。
交货紧急度：
客户合作度：客户频繁程度六层次分别对应客户合作度值为0.167，0.333，0.500，0.667，0.833，1.000；
质量要求：质量要求对应的定量值为0.25，0.50，0.75，1.00；
订单效益：
所得结果如表5所示(以下表格中括号里的数字代表各指标所占权重)。
表5评价指标无量纲数据计算结果
然后按照公式(3)计算参考订单绝对差值，a1、a2为在制订单，a3、a4为排队订单，a5为紧急插入订单，所得结果如表6所示。
表6评价指标绝对差值计算结果
按照公式(4)计算灰色关联度系数，计算各订单优先级，所得结果如表7所示。
表7评价指标灰色关联度系数计算结果
按照2:7:1比例将订单优先级分组，5组订单均为b类订单，优先级r5＞r1＞r3＞r4＞r2。
直接运用优先级先后排产结果如图5所示。
如图6所示的情况，企业可合理安排在工位空闲时的加急服务。如在客户云中发布在115时刻(2109年11月6号)可提供加急制作非标油缸A服务(流程同订单1055853)，并可按照所获成本将新加入的加急订单按次排入。
如图8所示情况，此时工位159000剩余产能仅为1.4％，不满足为紧急插单预留产能要求，此时可考虑将加急订单5进行退单或外包操作。
图5与图6相比机器产能明显上升且设备总加工时间明显减少，加入加急订单排产后如图7所示机器产能利用率进一步上升，由此可看出本发明装置的先进性。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由本发明所确定的保护范围内。
Claims (6)
1.一种面向客户复杂定制需求的油缸产品排产优化装置，其特征在于，包括：
订单预处理模块，用于对客户需求进行处理，获得生产任务包；
生产调度模块，用于根据机器产能情况获取当前生产任务包的最优排产计划，所述生产任务包括插单任务和未执行等待任务；
信息存储模块，用于存储所述生产任务包及最优排产计划；
客户交互模块，用于与客户端实现通信；
所述订单预处理模块、生产调度模块和信息存储模块集成于企业私有云中；
所述生产调度模块包括：
优先级确定单元，用于根据任务特性确定订单优先级；
机器状态获取单元，用于获取并存储订单完成情况与机器产能情况；
排产计划生成单元，用于根据机器产能情况使用逆序插单法对现有的生产排产计划进行优化，生成最优排产计划，并根据机器产能情况产生产能空闲数据，生成可加急订单；
所述逆序插单法的目标函数和约束条件具体为：
目标函数： ，
约束条件：，
，
，
，
，
，
，
其中，n表示影响因素个数，为延期交付订单标记，/>表示订单i的交货期，/>表示机器j在t时刻的产能，/>表示订单i在机器j上的加工时间，/>为订单i的加工工序数，/>表示订单i第k个工序对应的加工机器，/>表示订单i加工完成时间，/>表示订单i在t时刻占用机器j的产能，/>表示订单i到达机器j的时刻，/>表示订单i从到达机器j到被加工完毕的时间长度；
所述订单优先级的确定过程包括：
1）基于任务特性获得影响因素数据，对所述影响因素数据进行无量纲归一化处理；
2）利用无量纲数据计算灰色关联系数；
3）基于所述灰色关联系数计算订单优先级：
其中，n表示影响因素个数， 表示第/>个影响因素的影响因子，/>表示参考订单/>和订单/>的关联度，/>的值越大则优先级越高，将/>按大小排序得到订单优先级顺序，/>表示订单/>和/>在影响因素j处的关联系数。
2.根据权利要求1所述的面向客户复杂定制需求的油缸产品排产优化装置，其特征在于，所述订单预处理模块包括：
信息提取单元，用于从所述客户订单需求提取个性化需求信息，生成SCC文档，所述个性化需求信息包括油缸型号、交货期和成本等；
反馈确认单元，用于获取对所述客户订单需求的反馈确认信息，与所述客户交互模块进行通信，工厂将针对客户需求的油缸产品进行设计核对，以保证设计、生产满足客户实际需求；
任务生成单元，用于接收与所述个性化需求信息匹配的设计信息，生成生产任务包。
3.根据权利要求2所述的面向客户复杂定制需求的油缸产品排产优化装置，其特征在于，所述生产任务包内的信息包括油缸零件BOM清单与设计图。
4.根据权利要求1所述的面向客户复杂定制需求的油缸产品排产优化装置，其特征在于，所述任务特性包括紧急性、成本需求和客户重要度。
5.根据权利要求1所述的面向客户复杂定制需求的油缸产品排产优化装置，其特征在于，所述对现有的生产排产计划进行优化时，将插入订单排入排产计划或产生退单指令及外包指令。
6.根据权利要求1所述的面向客户复杂定制需求的油缸产品排产优化装置，其特征在于，所述客户交互模块包括：
顾客接口单元，用于传输客户订单需求，实时获取订单完成情况，并与订单预处理模块进行通信；
可加急订单发布单元，用于发布所述可加急订单。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911423036.XA CN111191846B (zh) | 2019-12-31 | 2019-12-31 | 一种面向客户复杂定制需求的油缸产品排产优化装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911423036.XA CN111191846B (zh) | 2019-12-31 | 2019-12-31 | 一种面向客户复杂定制需求的油缸产品排产优化装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111191846A CN111191846A (zh) | 2020-05-22 |
| CN111191846B true CN111191846B (zh) | 2023-08-04 |
Family
ID=70709733
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911423036.XA Active CN111191846B (zh) | 2019-12-31 | 2019-12-31 | 一种面向客户复杂定制需求的油缸产品排产优化装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111191846B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113762563B (zh) * | 2020-07-08 | 2023-07-21 | 山东财经大学 | 基于订单灰色关联分析的仓储货位优化布局方法及系统 |
| CN111985848A (zh) * | 2020-09-03 | 2020-11-24 | 沈阳工学院 | 一种基于启发式算法的轴承端盖生产排产调度优化方法 |
| CN112270444B (zh) * | 2020-11-02 | 2024-06-07 | 上海才匠智能科技有限公司 | 轻量级aps双桥计划系统 |
| CN112487721B (zh) * | 2020-11-30 | 2023-04-18 | 浪潮通用软件有限公司 | 一种工单排产实现方法、设备及介质 |
| CN112397147B (zh) * | 2020-12-03 | 2021-06-15 | 北京三维天地科技股份有限公司 | 基于智能调度技术实现共线生产的基因测序交付方法及系统 |
| CN113433915B (zh) * | 2021-07-08 | 2023-03-24 | 南京航空航天大学苏州研究院 | 一种车间钣金加工自动排产算法 |
| CN113515790B (zh) * | 2021-07-12 | 2022-11-22 | 哈尔滨工业大学 | 一种渔具交互式定制方法及系统 |
| CN113642894A (zh) * | 2021-08-16 | 2021-11-12 | 无锡美林数联科技有限公司 | 一种基于工业互联网的资源管理系统及方法 |
| CN113822549B (zh) * | 2021-09-02 | 2024-05-31 | 西安隆基智能技术有限公司 | 一种订单处理方法和装置 |
| CN114612005B (zh) * | 2022-04-02 | 2023-08-01 | 杭州聚玻科技有限公司 | 基于SaaS实现的玻璃工厂数字智能系统 |
| CN114792212A (zh) * | 2022-06-22 | 2022-07-26 | 深圳劲嘉集团股份有限公司 | 印刷包装产品生产工单智能化管理方法、系统及电子设备 |
| CN115239173A (zh) * | 2022-08-03 | 2022-10-25 | 上海数策软件股份有限公司 | 排产计划生成方法、装置、电子设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103439885A (zh) * | 2013-07-26 | 2013-12-11 | 同济大学 | 半导体生产线优化调度装置 |
| CN105427021A (zh) * | 2015-10-30 | 2016-03-23 | 江苏云道信息技术有限公司 | 一种服装智能排产方法 |
| 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 |
| EP3029617A1 (en) * | 2014-12-01 | 2016-06-08 | Institute for Imformation Industry | Production performance management device and production performance management method thereof |
| CN107831745A (zh) * | 2017-11-09 | 2018-03-23 | 西南交通大学 | 一种柔性作业车间插单动态调度优化方法 |
| CN109242306A (zh) * | 2018-09-04 | 2019-01-18 | 深圳市城市公共安全技术研究院有限公司 | 基于多层次灰色关联分析的安全生产风险评估方法及系统 |
| CN109359884A (zh) * | 2018-10-31 | 2019-02-19 | 南京航空航天大学 | 航空复杂装备结构件车间作业计划及重调度方法 |
| CN109543921A (zh) * | 2018-12-11 | 2019-03-29 | 合肥工业大学 | 基于改进遗传算法的石油专用管流水车间的生产排产方法 |
| CN109711745A (zh) * | 2019-01-02 | 2019-05-03 | 郑州航空工业管理学院 | 基于智能优化算法的双层式生产计划优化控制方法 |
| CN110501978A (zh) * | 2018-05-18 | 2019-11-26 | 中国科学院沈阳自动化研究所 | 一种机器人产品生产车间排产调度方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7668761B2 (en) * | 2000-10-27 | 2010-02-23 | Jda Software Group | System and method for ensuring order fulfillment |
-
2019
- 2019-12-31 CN CN201911423036.XA patent/CN111191846B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103439885A (zh) * | 2013-07-26 | 2013-12-11 | 同济大学 | 半导体生产线优化调度装置 |
| EP3029617A1 (en) * | 2014-12-01 | 2016-06-08 | Institute for Imformation Industry | Production performance management device and production performance management method thereof |
| CN105427021A (zh) * | 2015-10-30 | 2016-03-23 | 江苏云道信息技术有限公司 | 一种服装智能排产方法 |
| 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 |
| CN107831745A (zh) * | 2017-11-09 | 2018-03-23 | 西南交通大学 | 一种柔性作业车间插单动态调度优化方法 |
| CN110501978A (zh) * | 2018-05-18 | 2019-11-26 | 中国科学院沈阳自动化研究所 | 一种机器人产品生产车间排产调度方法 |
| CN109242306A (zh) * | 2018-09-04 | 2019-01-18 | 深圳市城市公共安全技术研究院有限公司 | 基于多层次灰色关联分析的安全生产风险评估方法及系统 |
| CN109359884A (zh) * | 2018-10-31 | 2019-02-19 | 南京航空航天大学 | 航空复杂装备结构件车间作业计划及重调度方法 |
| CN109543921A (zh) * | 2018-12-11 | 2019-03-29 | 合肥工业大学 | 基于改进遗传算法的石油专用管流水车间的生产排产方法 |
| CN109711745A (zh) * | 2019-01-02 | 2019-05-03 | 郑州航空工业管理学院 | 基于智能优化算法的双层式生产计划优化控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111191846A (zh) | 2020-05-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111191846B (zh) | 一种面向客户复杂定制需求的油缸产品排产优化装置 | |
| CN111027876B (zh) | 一种分散式生产模式下的工序生产计划排产系统 | |
| CN103955754B (zh) | 基于实时生产数据采集的模具车间调度方法 | |
| CN110516936B (zh) | 一种智能生产流水线调配系统 | |
| CN111126806B (zh) | 基于2b业务的销产供信息化系统 | |
| CN109615165B (zh) | 一种基于erp与mes数据交互技术的柔性加工调度方法 | |
| CN108805325B (zh) | 一种生产计划与调度集成优化方法 | |
| CN111523803A (zh) | 一种工厂透明管理的方法 | |
| CN107516149B (zh) | 企业供应链管理系统 | |
| McLaughlin et al. | Cellular manufacturing applications in MRO operations | |
| CN106327053B (zh) | 一种基于多模式集合的纺织工艺推荐模型的构建方法 | |
| CN116940952A (zh) | 产品的生产排程方法、电子设备和存储介质 | |
| CN114596020A (zh) | 一种用于大规模定制生产的项目mrp设计方法及系统 | |
| CN112633769A (zh) | 一种高级计划排程系统 | |
| CN110750526B (zh) | 单装使用计划生成方法、装置及存储介质 | |
| CN108445853B (zh) | 一种基于云数据的产能共享车间 | |
| CN106909992B (zh) | 一种多品种小批量混流装配线的分装生产方法及装置 | |
| US8170703B2 (en) | Method for controlling a plurality of production processes | |
| CN116451974B (zh) | 一种数字化工厂业务管理方法及系统 | |
| Fan et al. | Tabu-search-based order seat planning for engineer-to-order manufacturing | |
| Wang et al. | An assemble-to-order production planning with the integration of order scheduling and mixed-model sequencing | |
| CN113592288B (zh) | 一种基于非等同并行机模型的下料计划排程方法 | |
| CN115358537A (zh) | 一种基于多机型多架次的生产能力平衡方法 | |
| US20040193299A1 (en) | System and method for scheduling production of molds | |
| CN117933684B (zh) | 考虑原材料齐套约束和多机器并行加工的车间调度方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |