CN111798063A - 一种基于作业双层冗余时间削减的研发资源配置方法 - Google Patents

一种基于作业双层冗余时间削减的研发资源配置方法 Download PDF

Info

Publication number
CN111798063A
CN111798063A CN202010659777.4A CN202010659777A CN111798063A CN 111798063 A CN111798063 A CN 111798063A CN 202010659777 A CN202010659777 A CN 202010659777A CN 111798063 A CN111798063 A CN 111798063A
Authority
CN
China
Prior art keywords
job
resource
time
redundancy
scheduled
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
Application number
CN202010659777.4A
Other languages
English (en)
Inventor
张发平
孙嘉铖
王蕊蕊
敬石开
阎艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202010659777.4A priority Critical patent/CN111798063A/zh
Publication of CN111798063A publication Critical patent/CN111798063A/zh
Pending legal-status Critical Current

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
    • G06Q10/04—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
    • G06Q10/06312—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
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • 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)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (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

本发明公开的一种基于作业双层冗余时间削减的研发资源配置方法，属于产品研发过程中的作业调度与资源分配领域。本发明实现方法为：获取待调度作业基本属性数据；基于作业属性匹配相似作业，利用相似度参考法计算任务集内每个作业的初始时间冗余系数；修正待调度作业初始时间冗余系数，削减作业冗余时间，更新作业属性数据；生成初始作业执行队列并进行资源预分配；基于资源释放节点，对初始作业执行队列及预分配的资源进行调整和调度，削减流程冗余时间，得到使资源闲置最少的作业调度结果队列与资源配置方案。本发明能够避免单一作业对资源的过度占用，同时减少流程中的资源闲置，提高作业完成与资源使用效益。

Description

一种基于作业双层冗余时间削减的研发资源配置方法
技术领域
本发明涉及一种基于作业双层冗余时间削减的研发资源配置方法，属于产品研发过程中的作业调度与资源分配领域。
背景技术
近年来，随着计算机与互联网技术的蓬勃发展，各行各类产品更新迭代速度显著加快，对企业研发能力提出了更高要求。对于企业的研发部门来说，如何合理地调度研发作业并进行资源优化配置，既能尽可能缩短研发周期，在单位时间内完成更多的研发作业，又能充分利用企业的资源，提高企业收益，已然成为一个亟待解决的问题。
以往关于作业调度与资源配置的研究主要面向生产制造车间与高性能计算等领域，对于研发作业调度与资源配置的研究相对较少。在生产制造车间和高性能计算作业调度与资源配置领域，目前已经形成了如先到先服务、短作业优先、优先级调度算法、先进先出等诸多作业调度方法，采用这些方法，结合现代优化算法进行合理的资源配置，能够有效提高作业效率与资源利用率。然而，在研发作业调度与资源配置领域，由于其作业均具有一定的创新性，其作业周期往往依赖于专家经验确定，存在较强的主观性，且为了保证作业完成情况，通常预计工期时间冗余量相对较大，易造成单一任务对资源的过度占用，降低资源使用收益；同时，对于研发作业，当前通常采取先到先服务的方法分配资源并进行作业，对于整体的作业流程来说，总作业周期较长且流程中资源闲置现象较为严重。
发明内容
针对现有研发作业过程中作业周期较长，单一任务过度占用资源，且作业流程中资源闲置现象较为严重的问题，本发明的目的是提供一种基于作业双层冗余时间削减的研发资源配置方法，对单一研发作业的冗余时间与作业流程的冗余时间进行削减，并在此基础上进行研发资源配置，缩短作业周期，避免单一作业对资源的过度占用，同时减少流程中的资源闲置，提高作业完成与资源使用效益。
本发明的目的是通过以下技术方案实现的：
本发明公开的一种基于作业双层冗余时间削减的研发资源配置方法，获取待调度作业基本属性数据；基于作业属性在现有研发设计任务数据库内匹配相似作业，利用相似度参考法计算待调度任务集内每个作业的初始时间冗余系数；修正待调度作业初始时间冗余系数，削减作业冗余时间，更新作业属性数据；基于更新后的作业属性生成初始作业执行队列并进行资源预分配；基于资源释放节点，对初始作业执行队列及预分配的资源进行调整和调度，削减流程冗余时间，得到使资源闲置最少的作业调度结果队列与资源配置方案；利用步骤五得到的使资源闲置最少的作业调度结果队列与资源配置方案进行作业调度与资源配置。
本发明公开的一种基于作业双层冗余时间削减的研发资源配置方法，包括如下步骤：
步骤一：对于待调度任务集中的每一个作业，获取其作业基本属性数据，所述研发作业基本属性数据包括：作业类型、预计工期、最晚截止时间和资源需求；
步骤二：对于某一待调度作业，以作业类型为第一指标、以资源需求为第二指标，在现有研发设计任务数据库内匹配该作业的相似作业，并抽取所有相似作业，形成带有相似度参数的相似作业集，结合作业的预计工期数据，计算该作业初始作业冗余时间及时间冗余系数，对待调度任务集中的每一个作业执行此操作，采用相似度参考法生成每个待调度作业的初始作业冗余时间及时间冗余系数。
步骤2.1：对于某一待调度作业，在现有研发设计任务数据库内查找与之作业类型相同的作业并进行标记；所述作业类型为第一指标；
步骤2.2：提取被步骤2.1标记作业的基本属性数据，包括作业类型、开始时间、预计工期、实际工期和资源使用情况；
步骤2.3：基于资源需求情况计算被标记作业与该待调度作业的相似度，提取相似度大于预设相似度阈值的被标记作业，形成该待调度作业的相似作业集，所述资源需求为第二指标；
所述步骤2.3相似度计算的具体方法为：相似度
Figure BDA0002576666240000028
Figure BDA0002576666240000029
其中RL、RM、RS分别表示资源类别、资源型号和资源数量，取值规则为：分别对比被标记作业使用资源与待调度作业需求资源的RL、RM、RS，若对比项相同，取值为1；若不同，取值为0。
步骤2.3所述预设相似度阈值优选60％。
步骤2.4：基于步骤2.3形成的相似作业集，结合该作业的预计工期数据，计算该待调度作业的初始作业冗余时间及时间冗余系数；
所述作业冗余时间tw为：作业预计工期tP与作业实际工期tD之差，取值规则为：当tP-tD≤0时，tw＝0；当tP-tD>0时，tw＝tP-tD。作业时间冗余系数
Figure BDA0002576666240000021
所述步骤2.4初始时间冗余系数计算的具体方法为：对于该待调度作业，其预计工期为tP，其相似作业集S＝{Z1,Z2,…,Zl}中相似作业的预计工期分别为{tPZ1,tPZ2,…,tPZl}，对应的相似度分别为
Figure BDA0002576666240000022
通过相似作业集得到该待调度作业预计工期估计值
Figure BDA0002576666240000023
Figure BDA0002576666240000024
将
Figure BDA0002576666240000025
视作该待调度作业的实际工期tD，利用公式(2)、(3)分别计算该作业初始冗余时间
Figure BDA0002576666240000026
和初始时间冗余系数
Figure BDA0002576666240000027
步骤2.5：对待调度任务集中的每一个作业，执行步骤2.1至步骤2.4，即采用相似度参考法生成每个待调度作业的初始作业冗余时间及时间冗余系数。
步骤三：对于待调度任务集中的每一个作业，计算其相似作业集内相似作业实际作业时间冗余系数的加权平均值，作为冗余修正条件，修正每个待调度作业的初始时间冗余系数，削减待调度作业冗余时间，更新待调度任务集中的作业基本属性数据。
步骤3.1：对于待调度任务集中的某一作业，步骤2.5已获得其初始冗余时间
Figure BDA0002576666240000031
和初始时间冗余系数
Figure BDA0002576666240000032
其预计工期为tP，其相似作业集S＝{Z1,Z2,…,Zl}中相似作业的预计工期分别为{tPZ1,tPZ2,…,tPZl}，实际工期分别为{tDZ1,tDZ2,…,tDZl}，对应的相似度分别为
Figure BDA0002576666240000033
步骤3.2：对于某一作业，利用公式(2)计算相似作业集内各作业的时间冗余系数{εZ1,εZ2,…,εZl}；
步骤3.3：计算相似作业集内相似作业时间冗余系数的加权平均值
Figure BDA0002576666240000034
比较
Figure BDA0002576666240000035
与
Figure BDA0002576666240000036
并赋值为：
Figure BDA0002576666240000037
步骤3.4：修正该作业的初始时间冗余系数，获得修正后的待调度作业时间冗余系数ε与预计工期调整辅助系数ε′，并调整其预计工期为
Figure BDA0002576666240000038
其中t′P的取值规则为向上取整；
步骤3.5：对待调度任务集中的每一个作业，执行步骤3.1至步骤3.4，修正每个待调度作业的初始时间冗余系数；
步骤3.6：更新待调度任务集中的作业基本属性数据。
步骤四：根据作业时间节点要求生成初始作业执行队列，并根据作业资源需求属性对资源进行预分配，得到全部待调度作业初始执行队列与资源预分配方案。
所述步骤四初始作业执行队列生成与资源预分配方法为：将待调度任务集中的所有作业按资源需求分类，形成m个无资源竞争关系的子作业集C1,C2,…,Cm，子作业集Cj内部含有n个有资源竞争关系的待调度作业，将此n个作业按最晚截止时间从早至晚排序，根据排序结果依次进行资源预分配并生成一个使各作业能够在最晚截止时间之前完成的初始作业执行队列，对于无资源竞争关系的各子作业集C1,C2,…,Cm，它们能够并行执行，由此能够得到全部待调度作业初始执行队列。
步骤五：分析当前作业执行流程时间冗余情况与资源闲置情况，以资源闲置最少为目标，基于资源释放批次，对初始作业执行队列及预分配的资源进行调整和调度，削减流程冗余时间，得到使资源闲置最少的作业调度结果队列与资源配置方案。
步骤5.1：分析当前作业执行流程时间冗余情况与资源闲置情况；
步骤5.1.1：计算初始作业执行队列的流程冗余时间；
所述流程冗余时间tf为：对于有内部资源竞争关系的作业集Cj(j＝1,2,…,m)，其含有n个作业，每个作业的开始时间为TCji(i＝1,2,…,n)，则对于作业集Cj，子流程冗余时间
Figure BDA0002576666240000039
Figure BDA00025766662400000310
对于所有研发作业，流程冗余时间
Figure BDA00025766662400000311
步骤5.1.2：对于子作业集Cj的初始作业执行队列，获取各作业资源释放时间节点、各节点释放资源数量以及每个资源释放节点进入闲置状态的资源数量。
所述资源释放时间节点与资源释放数量为：资源释放节点即作业完成后不再占用资源而将之释放的时间节点，其中，第一个资源释放节点定义为最早执行的作业即将开始时的时间节点，此时资源释放数量为资源全集内含有的资源数；资源释放数量为在该资源释放节点处于未占用状态的资源数量。
步骤5.2：以资源闲置最少为目标，基于资源释放批次，对初始作业执行队列及预分配的资源进行调整和调度；
对于子作业集Cj的初始作业执行队列，分析每个资源释放时间节点的资源流向，对于某一资源释放节点，其释放资源数量为x，其中有y个资源将立即分配给下一任务，有(x-y)个资源将进入一定时间的闲置期。若x-y＝0，则继续分析下一个资源释放节点；若x-y>0，则分析该节点后的作业队列，查找是否有一个或多个作业能够调整至该时间节点后立即执行使x-y＝0，且能够保证各作业能够在最晚截止时间之前完成，若有满足条件的作业，则进行作业队列调整；若没有，则依据x-y最小原则进行作业队列调整，同时更新作业执行队列。重复以上操作直至所有的资源释放节点分析完成，得到使资源闲置最少的作业执行队列与资源配置方案。
步骤5.3：对每个子作业集Cj执行步骤5.1至步骤5.2，得到使每个子作业集资源闲置最少的作业执行队列与资源配置方案，各子作业集能够并行执行，最终得到全部待调度作业的最终调度结果与资源配置方案。
还包括步骤六：利用步骤五得到的使资源闲置最少的作业调度结果队列与资源配置方案进行作业调度与资源配置，有效缩短研发作业周期，避免单一作业对资源的过度占用，同时减少流程中的资源闲置，提高作业完成与资源使用效益。
所述作业调度与资源配置适用领域包括所有研发作业调度与资源配置领域，包括机械、化工、材料领域，包括但不限于上述作业领域。所述机械领域作业调度与资源配置包括车辆、船舶、航空航天等研发作业的作业调度与资源配置。
有益效果：
1、本发明公开的一种基于相似度参考的作业冗余时间削减方法，采用相似作业的基本属性数据对待调度作业的冗余时间进行评估与削减，相较于依据专家经验确定作业执行信息更加精准，能够缩短作业的预计工期，避免单一作业对资源的过度占用。
2、本发明公开的一种基于资源释放节点的流程冗余时间削减方法，通过分析初始作业队列中每一个资源释放节点处的资源流向与闲置情况，调整作业顺序与资源配置方案，实现各节点处进入闲置状态的资源最少，进而削减流程冗余时间，减少流程中的资源闲置。
3、本发明公开的一种基于作业双层冗余时间削减的研发资源配置方法，依次对单个作业的作业冗余时间及作业队列的流程冗余时间进行削减，并在此基础上完成作业所需的资源配置。通过第一层冗余时间即作业冗余时间的削减，能够避免作业独占资源，加快资源周转；通过第二层冗余时间即流程冗余时间的削减，能够减少资源闲置，缩短总作业周期。
4、本发明公开的一种基于作业双层冗余时间削减的研发资源配置方法，使用该方法时无需考虑研发资源具体种类约束，因此能满足多领域研发作业的作业调度与资源配置。
附图说明
图1为一种基于作业双层冗余时间削减的研发资源配置方法流程图；
图2为本发明的相似度参考法生成作业初始时间冗余系数的方法流程图；
图3为本发明的修正作业初始时间冗余系数的方法流程图；
图4为实施例中基于相似度参考法进行作业冗余时间削减前后单个作业预计工期对比图；
图5为实施例中初始作业执行队列与资源配置方案；
图6为本发明的调整初始作业执行队列及预分配资源的方法流程图；
图7为实施例中调整后的作业执行队列与资源配置方案；
图8为本发明的方法中作业流向与操作示意图。
具体实施方式
为了更好的说明本发明的目的和优点，下面结合附图与实施例对本发明做进一步的详细说明。
为了验证方法的可行性，选择某列车研发部门为例。假设该研发部门现存在五个待调度作业A、B、C、D、E，其中作业A、B、C、D为四种型号列车底盘的力学试验，作业E为某型号列车的车身流体仿真。
如图1所示，本实施例公开的一种基于作业双层冗余时间削减的研发资源配置方法，作业冗余时间与流程冗余时间定义如下：
所述作业冗余时间tw为：作业预计工期tP与作业实际工期tD之差，取值规则为：当tP-tD≤0时，tw＝0；当tP-tD>0时，tw＝tP-tD。作业时间冗余系数
Figure BDA0002576666240000051
所述流程冗余时间tf为：对于有内部资源竞争关系的作业集Cj(j＝1,2,…,m)，其含有n个作业，每个作业的开始时间为TCji(i＝1,2,…,n)，则对于作业集Cj，子流程冗余时间
Figure BDA0002576666240000052
Figure BDA0002576666240000053
对于所有研发作业，流程冗余时间
Figure BDA0002576666240000054
在上述定义和说明的基础上，如图1所示，本实施例公开的一种基于作业双层冗余时间削减的研发资源配置方法，具体实现步骤如下：
步骤一：对于待调度任务集中的每一个作业，获取其作业基本属性数据，所述研发作业基本属性数据包括：作业类型、预计工期、最晚截止时间和资源需求。
对于A、B、C、D、E五个作业，获取其作业基本属性，如表1.1所示：
作业编号 作业类型 预计工期 最晚截止时间 资源需求
A 试验 8d 15天后 10t力学试验台*3
B 试验 7d 11天后 10t力学试验台*2
C 试验 6d 18天后 10t力学试验台*6
D 试验 9d 12天后 10t力学试验台*5
E 仿真 5d 6天后 流体仿真软件*4
表1.1
步骤二：对于某一待调度作业，以作业类型为第一指标、以资源需求为第二指标，在现有研发设计任务数据库内匹配该作业的相似作业，并抽取所有相似作业，形成带有相似度参数的相似作业集，结合作业的预计工期数据，计算该作业初始作业冗余时间及时间冗余系数，对待调度任务集中的每一个作业执行此操作，采用相似度参考法生成每个待调度作业的初始作业冗余时间及时间冗余系数。
如图2所示，采用相似度参考法生成作业初始冗余时间及冗余时间系数的具体步骤为：
步骤2.1：对于某一待调度作业，在现有研发设计任务数据库内查找与之作业类型相同的作业并进行标记；所述作业类型为第一指标；
步骤2.2：提取被步骤2.1标记作业的基本属性数据，包括作业类型、开始时间、预计工期、实际工期和资源使用情况；
步骤2.3：基于资源需求情况计算被标记作业与该待调度作业的相似度，提取相似度大于预设相似度阈值的被标记作业，形成该待调度作业的相似作业集，所述资源需求为第二指标；
所述步骤2.3相似度计算的具体方法为：相似度
Figure BDA0002576666240000062
阈值为60％，其中RL、RM、RS分别表示资源类别、资源型号和资源数量，取值规则为：分别对比被标记作业使用资源与待调度作业需求资源的RL、RM、RS，若对比项相同，取值为1；若不同，取值为0。
步骤2.3所述预设相似度阈值优选60％。
基于所述步骤2.1至2.3，以作业类型为第一指标、以资源需求为第二指标，分别提取作业A、B、C、D、E的相似作业并筛选形成各作业的相似作业集，同时获取各作业相似作业的基本属性信息及各作业与相似集中相似作业的相似度，如下表2.1至2.5所示。
作业A的相似作业基本属性及作业A与各相似作业的相似度如表2.1所示：
Figure BDA0002576666240000061
Figure BDA0002576666240000071
表2.1
作业B的相似作业基本属性及作业B与各相似作业的相似度如表2.2所示：
Figure BDA0002576666240000072
表2.2
作业C的相似作业基本属性及作业C与各相似作业的相似度如表2.3所示：
Figure BDA0002576666240000073
表2.3
作业D的相似作业基本属性及作业D与各相似作业的相似度如表2.4所示：
Figure BDA0002576666240000074
表2.4
作业E的相似作业基本属性及作业E与各相似作业的相似度如表2.5所示：
Figure BDA0002576666240000081
表2.5
步骤2.4：基于步骤2.3形成的相似作业集，结合该作业的预计工期数据，计算该待调度作业的初始作业冗余时间及时间冗余系数；
所述作业冗余时间tw为：作业预计工期tP与作业实际工期tD之差，取值规则为：当tP-tD≤0时，tw＝0；当tP-tD>0时，tw＝tP-tD。作业时间冗余系数
Figure BDA0002576666240000082
所述步骤2.4初始时间冗余系数计算的具体方法为：对于该待调度作业，其预计工期为tP，其相似作业集S＝{Z1,Z2,…,Zl}中相似作业的预计工期分别为{tPZ1,tPZ2,…,tPZl}，对应的相似度分别为
Figure BDA0002576666240000083
通过相似作业集得到该待调度作业预计工期估计值
Figure BDA0002576666240000084
Figure BDA0002576666240000085
将
Figure BDA0002576666240000086
视作该待调度作业的实际工期tD，利用公式(2)、(3)分别计算出该作业初始冗余时间
Figure BDA0002576666240000087
和初始时间冗余系数
Figure BDA0002576666240000088
步骤2.5：对待调度任务集中的每一个作业，执行步骤2.1至步骤2.4，即采用相似度参考法生成每个待调度作业的初始作业冗余时间及时间冗余系数。
基于所述步骤2.4至2.5，生成作业A、B、C、D、E的初始作业冗余时间及时间冗余系数如下表2.6所示。
作业编号 初始预计工期 初始作业冗余时间 初始作业时间冗余系数
A 8d 1.904d 23.8％
B 7d 0.714d 10.2％
C 6d 0 0
D 9d 3.384d 37.6％
E 5d 1.25d 25％
表2.6
步骤三：对于待调度任务集中的每一个作业，计算其相似作业集内相似作业实际作业时间冗余系数的加权平均值，作为冗余修正条件，修正每个待调度作业的初始时间冗余系数，削减待调度作业冗余时间，更新待调度任务集中的作业基本属性数据。
如图3所示，修正作业初始时间冗余系数的具体步骤为：
步骤3.1：对于待调度任务集中的某一作业，步骤2.5已获得其初始冗余时间
Figure BDA0002576666240000089
和初始时间冗余系数
Figure BDA00025766662400000810
其预计工期为tP，其相似作业集S＝{Z1,Z2,…,Zl}中相似作业的预计工期分别为{tPZ1,tPZ2,…,tPZl}，实际工期分别为{tDZ1,tDZ2,…,tDZl}，对应的相似度分别为
Figure BDA0002576666240000091
步骤3.2：对于某一作业，利用公式(2)计算相似作业集内各作业的时间冗余系数{εZ1,εZ2,…,εZl}；
步骤3.3：计算相似作业集内相似作业时间冗余系数的加权平均值
Figure BDA0002576666240000092
比较
Figure BDA0002576666240000093
与
Figure BDA0002576666240000094
并赋值为：
Figure BDA0002576666240000095
步骤3.4：修正该作业的初始时间冗余系数，获得修正后的待调度作业时间冗余系数ε与预计工期调整辅助系数ε′，并调整其预计工期为
Figure BDA0002576666240000096
其中t′P的取值规则为向上取整；
步骤3.5：对待调度任务集中的每一个作业，执行步骤3.1至步骤3.4，修正每个待调度作业的初始时间冗余系数；
基于所述步骤3.1至3.5，修正作业A、B、C、D、E的初始作业时间冗余系数，各作业的初始时间冗余系数、修正后的作业时间冗余系数及调整后的预计工期如表3.1所示：
Figure BDA0002576666240000097
表3.1
如图4所示为基于相似度参考法对作业A、B、C、D、E进行作业冗余时间削减前后单个作业预计工期对比图。通过计算与对比图能够得出，采用相似度参考法能够有效削减作业冗余时间，缩短单个作业的预计工期，减少单一任务对资源的过度占用，提高资源周转率与作业效益，其预计工期平均缩减比达到28.1％。
步骤3.6：更新待调度任务集中的作业基本属性数据。
更新作业A、B、C、D、E的作业属性信息，获得新的作业属性信息如表3.2所示：
Figure BDA0002576666240000098
Figure BDA0002576666240000101
表3.2
步骤四：根据作业时间节点要求生成初始作业执行队列，并根据作业资源需求属性对资源进行预分配，得到全部待调度作业初始执行队列与资源预分配方案。
所述步骤四初始作业执行队列生成与资源预分配方法为：将待调度任务集中的所有作业按资源需求分类，形成m个无资源竞争关系的子作业集C1,C2,…,Cm，子作业集Cj内部含有n个有资源竞争关系的待调度作业，将此n个作业按最晚截止时间从早至晚排序，根据排序结果依次进行资源预分配并生成一个使各作业能够在最晚截止时间之前完成的初始作业执行队列，对于无资源竞争关系的各子作业集C1,C2,…,Cm，它们能够并行执行，由此能够得到全部待调度作业初始执行队列。
对于作业A、B、C、D、E，根据需求资源有无冲突，将待调度作业分为两个子作业集C1＝{A,B,C,D}，C2＝{E}，假设当前资源池内含有10t力学实验台8台，流体仿真软件License6个。由于子集C2中仅有一个作业E，直接分配资源执行即可。对于子作业集C1＝{A,B,C,D}，其中含有四个有资源冲突的作业且资源数量不足以支持四个作业同时进行，为保证作业在截止时间之前完成，现有作业队列生成策略通常为：将这些作业按最晚截止时间从早至晚排序，生成一个顺序作业队列，对该队列内的作业依次进行资源预分配并生成一个使各作业能够在最晚截止时间之前完成的初始作业执行队列。
对子作业集C1，将其中作业A、B、C、D按最晚截止时间从早至晚排序，得到作业队列B-D-A-C；
第0天，有8个试验台待分配，按照作业队列，先分配2个给作业B，这2个试验台将处于被占用状态6天；再分配5个给作业D，这5个试验台将处于被占用状态5天；剩余1个试验台由于不能满足作业A与作业C的需求，故暂时处于闲置状态；
第5天，作业D释放5个试验台，将其中3个分配给作业A，这3个试验台将处于被占用状态6天；剩余2个与闲置的1个不能满足作业C的需求，故此3个试验台将暂时处于闲置状态；
第6天，作业B释放2个试验台，结合3个处于闲置的试验台仍无法满足作业C的需求，故此5个试验台将暂时处于闲置状态；
第11天，作业A释放3个试验台，结合5个处于闲置状态的试验台，能够满足作业C的需求，故分配6个试验台给作业C，此6个试验台将处于被占用状态5天，剩余2个试验台处于闲置状态。
如图5所示为作业A、B、C、D、E的初始作业执行队列及资源配置方案。
步骤五：分析当前作业执行流程时间冗余情况与资源闲置情况，以资源闲置最少为目标，基于资源释放批次，对初始作业执行队列及预分配的资源进行调整和调度，削减流程冗余时间，得到使资源闲置最少的作业调度结果队列与资源配置方案。
如图6所示，初始作业执行队列及预分配资源调整方法的具体步骤为：
步骤5.1：分析当前作业执行流程时间冗余情况与资源闲置情况；
步骤5.1.1：计算初始作业执行队列的流程冗余时间；
所述流程冗余时间tf为：对于有内部资源竞争关系的作业集Cj(j＝1,2,…,m)，其含有n个作业，每个作业的开始时间为TCji(i＝1,2,…,n)，则对于作业集Cj，子流程冗余时间
Figure BDA0002576666240000111
Figure BDA0002576666240000112
对于所有研发作业，流程冗余时间
Figure BDA0002576666240000113
利用公式(6)计算作业A、B、C、D、E初始作业队列的流程冗余时间，得tf＝16天。
步骤5.1.2：对于子作业集Cj的初始作业执行队列，获取各作业资源释放时间节点、各节点释放资源数量以及每个资源释放节点进入闲置状态的资源数量。
所述资源释放时间节点与资源释放数量为：资源释放节点即作业完成后不再占用资源而将之释放的时间节点，其中，第一个资源释放节点定义为最早执行的作业即将开始时的时间节点，此时资源释放数量为资源全集内含有的资源数；资源释放数量为在该资源释放节点处于未占用状态的资源数量。
子作业集C2中仅有一个作业E，无需分析流程冗余时间与资源闲置情况。对于子作业集C1＝{A,B,C,D}，初始作业队列与资源配置方案中资源释放节点、各节点释放资源数量以及每个资源释放节点进入闲置状态的资源数量如表5.1所示：
资源释放节点 0d 5d 6d 11d
资源释放数量 8 6 5 8
闲置资源数量 1 3 5 2
表5.1
步骤5.2：以资源闲置最少为目标，基于资源释放批次，对初始作业执行队列及预分配的资源进行调整和调度；
对于子作业集Cj的初始作业执行队列，分析每个资源释放时间节点的资源流向，对于某一资源释放节点，其释放资源数量为x，其中有y个资源将立即分配给下一任务，有(x-y)个资源将进入一定时间的闲置期。若x-y＝0，则继续分析下一个资源释放节点；若x-y>0，则分析该节点后的作业队列，查找是否有一个或多个作业能够调整至该时间节点后立即执行使x-y＝0，且能够保证各作业能够在最晚截止时间之前完成，若有满足条件的作业，则进行作业队列调整；若没有，则依据x-y最小原则进行作业队列调整，同时更新作业执行队列。重复以上操作直至所有的资源释放节点分析完成，得到使资源闲置最少的作业执行队列与资源配置方案。
子作业集C2中仅有一个作业E，无需进行调整。对于子作业集C1＝{A,B,C,D}，采用所述基于资源释放节点的初始作业执行队列及预分配资源调整方法进行调整，具体操作为：
第0天为第一个资源释放节点，资源释放数量为x＝8，此时，根据初始作业执行队列，资源流向为：2个流向B，5个流向D，即y＝7。此时x-y>0，分析后续作业，查找能否有使x-y＝0的作业，发现若在此节点，可将2个资源流向B，6个资源流向C，使得x-y＝0，故调整C的执行时间至此节点处，并推后作业D的执行时间。
因此，在第0天，作业执行与资源流向为：
先分配2个给作业B执行，这2个试验台将处于被占用状态6天；再分配6个给作业C执行，这6个试验台将处于被占用状态5天；无处于闲置状态的资源；
第5天为第二个资源释放节点，资源释放数量为x＝6，此时，若继续执行作业A，则y＝3，x-y＝3；若继续执行作业D，则y＝5，x-y＝1；故将作业D的执行时间设置为此节点。
因此，在第5天，作业执行与资源流向为：
在作业C释放试验台资源后，将其中5个分配给作业D执行，这5个试验台将处于被占用状态5天；剩余1个试验台资源处于闲置状态；
第6天为第三个资源释放节点，资源释放数量为x＝2+1＝3，此时，将这3个试验台资源分配给作业A执行，恰好满足要求。
因此，在第6天，作业执行与资源流向为：
作业B释放两个试验台资源后，与闲置的1个资源合计共3个试验台资源，将此3个试验台分配给作业A执行，这5个试验台将处于被占用状态6天。
调整后子作业集C1＝{A,B,C,D}的资源释放节点、各节点释放资源数量以及每个资源释放节点进入闲置状态的资源数量如表5.2所示：
资源释放节点 0d 5d 6d
资源释放数量 8 6 3
闲置资源数量 0 1 0
表5.2
利用公式(6)计算该调整后作业队列的流程冗余时间，得tf＝11天。
流程冗余时间削减率为31.25％。
步骤5.3：对每个子作业集Cj执行步骤5.1至步骤5.2，得到使每个子作业集资源闲置最少的作业执行队列与资源配置方案，各子作业集能够并行执行，最终得到全部待调度作业的最终调度结果与资源配置方案。
如图7所示为基于资源释放节点调整后的作业A、B、C、D、E初始作业执行队列及资源配置方案。
还包括步骤六：利用步骤五得到的使资源闲置最少的作业调度结果队列与资源配置方案进行作业调度与资源配置，有效缩短研发作业周期，避免单一作业对资源的过度占用，同时减少流程中的资源闲置，提高作业完成与资源使用效益。
如图8所示为采用所述方法进行作业调度与资源配置过程中作业的交互与流向。
以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还能够做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (7)

1.一种基于作业双层冗余时间削减的研发资源配置方法，其特征在于：包括如下步骤，
步骤一：对于待调度任务集中的每一个作业，获取其作业基本属性数据，所述研发作业基本属性数据包括：作业类型、预计工期、最晚截止时间和资源需求；
步骤二：对于某一待调度作业，以作业类型为第一指标、以资源需求为第二指标，在现有研发设计任务数据库内匹配该作业的相似作业，并抽取所有相似作业，形成带有相似度参数的相似作业集，结合作业的预计工期数据，计算该作业初始作业冗余时间及时间冗余系数，对待调度任务集中的每一个作业执行此操作，采用相似度参考法生成每个待调度作业的初始作业冗余时间及时间冗余系数；
步骤三：对于待调度任务集中的每一个作业，计算其相似作业集内相似作业实际作业时间冗余系数的加权平均值，作为冗余修正条件，修正每个待调度作业的初始时间冗余系数，削减待调度作业冗余时间，更新待调度任务集中的作业基本属性数据；
步骤四：根据作业时间节点要求生成初始作业执行队列，并根据作业资源需求属性对资源进行预分配，得到全部待调度作业初始执行队列与资源预分配方案；
步骤五：分析当前作业执行流程时间冗余情况与资源闲置情况，以资源闲置最少为目标，基于资源释放批次，对初始作业执行队列及预分配的资源进行调整和调度，削减流程冗余时间，得到使资源闲置最少的作业调度结果队列与资源配置方案。
2.如权利要求1所述的一种基于作业双层冗余时间削减的研发资源配置方法，其特征在于：还包括步骤六，利用步骤五得到的使资源闲置最少的作业调度结果队列与资源配置方案进行作业调度与资源配置，有效缩短研发作业周期，避免单一作业对资源的过度占用，同时减少流程中的资源闲置，提高作业完成与资源使用效益。
3.如权利要求1或2所述的一种基于作业双层冗余时间削减的研发资源配置方法，其特征在于：步骤二实现方法为，
步骤2.1：对于某一待调度作业，在现有研发设计任务数据库内查找与之作业类型相同的作业并进行标记；所述作业类型为第一指标；
步骤2.2：提取被步骤2.1标记作业的基本属性数据，包括作业类型、开始时间、预计工期、实际工期和资源使用情况；
步骤2.3：基于资源需求情况计算被标记作业与该待调度作业的相似度，提取相似度大于预设相似度阈值的被标记作业，形成该待调度作业的相似作业集，所述资源需求为第二指标；
所述步骤2.3相似度计算的具体方法为：相似度
Figure FDA0002576666230000011
Figure FDA0002576666230000012
其中RL、RM、RS分别表示资源类别、资源型号和资源数量，取值规则为：分别对比被标记作业使用资源与待调度作业需求资源的RL、RM、RS，若对比项相同，取值为1；若不同，取值为0；
步骤2.4：基于步骤2.3形成的相似作业集，结合该作业的预计工期数据，计算该待调度作业的初始作业冗余时间及时间冗余系数；
所述作业冗余时间tw为：作业预计工期tP与作业实际工期tD之差，取值规则为：当tP-tD≤0时，tw＝0；当tP-tD>0时，tw＝tP-tD；作业时间冗余系数
Figure FDA0002576666230000021
所述步骤2.4初始时间冗余系数计算的具体方法为：对于该待调度作业，其预计工期为tP，其相似作业集S＝{Z1,Z2,…,Zl}中相似作业的预计工期分别为{tPZ1,tPZ2,…,tPZl}，对应的相似度分别为
Figure FDA0002576666230000022
通过相似作业集得到该待调度作业预计工期估计值
Figure FDA0002576666230000023
Figure FDA0002576666230000024
将
Figure FDA0002576666230000025
视作该待调度作业的实际工期tD，利用公式(2)、分别计算该作业初始冗余时间
Figure FDA0002576666230000026
和初始时间冗余系数
Figure FDA0002576666230000027
步骤2.5：对待调度任务集中的每一个作业，执行步骤2.1至步骤2.4，即采用相似度参考法生成每个待调度作业的初始作业冗余时间及时间冗余系数。
4.如权利要求3所述的一种基于作业双层冗余时间削减的研发资源配置方法，其特征在于：步骤三实现方法为，
步骤3.1：对于待调度任务集中的某一作业，步骤2.5已获得其初始冗余时间
Figure FDA0002576666230000028
和初始时间冗余系数
Figure FDA0002576666230000029
其预计工期为tP，其相似作业集S＝{Z1,Z2,…,Zl}中相似作业的预计工期分别为{tPZ1,tPZ2,…,tPZl}，实际工期分别为{tDZ1,tDZ2,…,tDZl}，对应的相似度分别为
Figure FDA00025766662300000210
步骤3.2：对于某一作业，利用公式(2)计算相似作业集内各作业的时间冗余系数{εZ1,εZ2,…,εZl}；
步骤3.3：计算相似作业集内相似作业时间冗余系数的加权平均值
Figure FDA00025766662300000211
比较
Figure FDA00025766662300000212
与
Figure FDA00025766662300000213
并赋值为：
Figure FDA00025766662300000214
步骤3.4：修正该作业的初始时间冗余系数，获得修正后的待调度作业时间冗余系数ε与预计工期调整辅助系数ε′，并调整其预计工期为
Figure FDA00025766662300000215
其中t′ P的取值规则为向上取整；
步骤3.5：对待调度任务集中的每一个作业，执行步骤3.1至步骤3.4，修正每个待调度作业的初始时间冗余系数；
步骤3.6：更新待调度任务集中的作业基本属性数据。
5.如权利要求4所述的一种基于作业双层冗余时间削减的研发资源配置方法，其特征在于：所述步骤四初始作业执行队列生成与资源预分配方法为：将待调度任务集中的所有作业按资源需求分类，形成m个无资源竞争关系的子作业集C1,C2,…,Cm，子作业集Cj内部含有n个有资源竞争关系的待调度作业，将此n个作业按最晚截止时间从早至晚排序，根据排序结果依次进行资源预分配并生成一个使各作业能够在最晚截止时间之前完成的初始作业执行队列，对于无资源竞争关系的各子作业集C1,C2,…,Cm，它们能够并行执行，由此能够得到全部待调度作业初始执行队列。
6.如权利要求5所述的一种基于作业双层冗余时间削减的研发资源配置方法，其特征在于：步骤五实现方法为，
步骤5.1：分析当前作业执行流程时间冗余情况与资源闲置情况；
步骤5.1.1：计算初始作业执行队列的流程冗余时间；
所述流程冗余时间tf为：对于有内部资源竞争关系的作业集Cj(j＝1,2,…,m)，其含有n个作业，每个作业的开始时间为TCji(i＝1,2,…,n)，则对于作业集Cj，子流程冗余时间
Figure FDA0002576666230000031
Figure FDA0002576666230000032
对于所有研发作业，流程冗余时间
Figure FDA0002576666230000033
步骤5.1.2：对于子作业集Cj的初始作业执行队列，获取各作业资源释放时间节点、各节点释放资源数量以及每个资源释放节点进入闲置状态的资源数量；
所述资源释放时间节点与资源释放数量为：资源释放节点即作业完成后不再占用资源而将之释放的时间节点，其中，第一个资源释放节点定义为最早执行的作业即将开始时的时间节点，此时资源释放数量为资源全集内含有的资源数；资源释放数量为在该资源释放节点处于未占用状态的资源数量；
步骤5.2：以资源闲置最少为目标，基于资源释放批次，对初始作业执行队列及预分配的资源进行调整和调度；
对于子作业集Cj的初始作业执行队列，分析每个资源释放时间节点的资源流向，对于某一资源释放节点，其释放资源数量为x，其中有y个资源将立即分配给下一任务，有(x-y)个资源将进入一定时间的闲置期；若x-y＝0，则继续分析下一个资源释放节点；若x-y>0，则分析该节点后的作业队列，查找是否有一个或多个作业能够调整至该时间节点后立即执行使x-y＝0，且能够保证各作业能够在最晚截止时间之前完成，若有满足条件的作业，则进行作业队列调整；若没有，则依据x-y最小原则进行作业队列调整，同时更新作业执行队列；重复以上操作直至所有的资源释放节点分析完成，得到使资源闲置最少的作业执行队列与资源配置方案；
步骤5.3：对每个子作业集Cj执行步骤5.1至步骤5.2，得到使每个子作业集资源闲置最少的作业执行队列与资源配置方案，各子作业集能够并行执行，最终得到全部待调度作业的最终调度结果与资源配置方案。
7.如权利要求3所述的一种基于作业双层冗余时间削减的研发资源配置方法，其特征在于：步骤2.3所述预设相似度阈值优选60％。
CN202010659777.4A 2020-07-09 2020-07-09 一种基于作业双层冗余时间削减的研发资源配置方法 Pending CN111798063A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010659777.4A CN111798063A (zh) 2020-07-09 2020-07-09 一种基于作业双层冗余时间削减的研发资源配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010659777.4A CN111798063A (zh) 2020-07-09 2020-07-09 一种基于作业双层冗余时间削减的研发资源配置方法

Publications (1)

Publication Number Publication Date
CN111798063A true CN111798063A (zh) 2020-10-20

Family

ID=72810659

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010659777.4A Pending CN111798063A (zh) 2020-07-09 2020-07-09 一种基于作业双层冗余时间削减的研发资源配置方法

Country Status (1)

Country Link
CN (1) CN111798063A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104915407A (zh) * 2015-06-03 2015-09-16 华中科技大学 一种基于Hadoop多作业环境下的资源调度方法
CN107015856A (zh) * 2017-03-30 2017-08-04 青海大学 云环境下科学工作流中的任务调度方案生成方法及装置
US20190258637A1 (en) * 2016-09-26 2019-08-22 Splunk Inc. Partitioning and reducing records at ingest of a worker node
CN111061565A (zh) * 2019-12-12 2020-04-24 湖南大学 一种Spark环境下的两段式流水线任务调度方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104915407A (zh) * 2015-06-03 2015-09-16 华中科技大学 一种基于Hadoop多作业环境下的资源调度方法
US20190258637A1 (en) * 2016-09-26 2019-08-22 Splunk Inc. Partitioning and reducing records at ingest of a worker node
CN107015856A (zh) * 2017-03-30 2017-08-04 青海大学 云环境下科学工作流中的任务调度方案生成方法及装置
CN111061565A (zh) * 2019-12-12 2020-04-24 湖南大学 一种Spark环境下的两段式流水线任务调度方法及系统

Similar Documents

Publication Publication Date Title
Luh et al. Job shop scheduling with group-dependent setups, finite buffers, and long time horizon
CN107015856A (zh) 云环境下科学工作流中的任务调度方案生成方法及装置
Wan et al. Scheduling with variable time slot costs
Leyvand et al. A unified approach for scheduling with convex resource consumption functions using positional penalties
CN103729748B (zh) 基于多级网络计划的进度计算方法及其算法实现
CN103729246A (zh) 一种任务调度方法和装置
CN103984595A (zh) 一种异构cmp的静态任务调度方法
CN105550825B (zh) 云计算环境下的基于MapReduce并行化的柔性工厂作业调度方法
CN114169748A (zh) 多机器人任务分配方法、系统、设备及可读存储介质
CN106934539A (zh) 一种带有期限和费用约束的工作流调度方法
CN111274021A (zh) 一种gpu集群任务调度分配方法
CN111552241A (zh) 一种装配生产线仿真模型优化方法
US20100004916A1 (en) Process Analyzer
CN110084507B (zh) 云计算环境下分级感知的科学工作流调度优化方法
CN104156505A (zh) 一种基于用户行为分析的Hadoop集群作业调度方法及装置
Ashour et al. A GASP simulation study of job-shop scheduling
CN113406939A (zh) 一种基于深度q网络的无关并行机动态混合流水车间调度方法
CN111798063A (zh) 一种基于作业双层冗余时间削减的研发资源配置方法
Dziurzanski et al. Implementing digital twins of smart factories with interval algebra
CN114816690A (zh) 一种任务分配方法、装置、设备及存储介质
Selladurai et al. Dynamic simulation of job shop scheduling for optimal performance
CN113222431B (zh) 一种面向作业计划阶段的设计资源替换方法
Shah et al. New modeling and performance evaluation of tool sharing control in FMS using colored Petri nets
CN115169794A (zh) 一种车间调度任务智能规划方法及系统
Eberlein et al. A pull principle for the material supply of low-volume mixed-model assembly lines

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

Application publication date: 20201020

WD01 Invention patent application deemed withdrawn after publication