CN112529358B - 一种基于隧道窑反推前道工序的智能调度方法 - Google Patents
一种基于隧道窑反推前道工序的智能调度方法 Download PDFInfo
- Publication number
- CN112529358B CN112529358B CN202011232168.7A CN202011232168A CN112529358B CN 112529358 B CN112529358 B CN 112529358B CN 202011232168 A CN202011232168 A CN 202011232168A CN 112529358 B CN112529358 B CN 112529358B
- Authority
- CN
- China
- Prior art keywords
- kiln
- type
- types
- product
- white blank
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000008569 process Effects 0.000 title claims abstract description 19
- 238000004519 manufacturing process Methods 0.000 claims abstract description 42
- 238000010304 firing Methods 0.000 claims description 8
- 238000001354 calcination Methods 0.000 abstract description 7
- 239000000919 ceramic Substances 0.000 abstract description 6
- 238000005265 energy consumption Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 229910052573 porcelain Inorganic materials 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow 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)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Control Of Heat Treatment Processes (AREA)
Abstract
本发明公开了一种基于隧道窑反推前道工序的智能调度方法,面向大批量陶瓷生产过程中的煅烧环节,根据窑速计算t小时预计出窑的窑车数量,获取当前出窑的窑车号。推算t小时后出窑所有窑车的窑位类型及其数量,根据推算出来的窑位类型跟数量,推算出未来要生产的白坯类型和数量。能及时获取相应数据,简便现场生产调整,并实现排产计划实时更新,从而大幅度提升产效率并降低生产成本。
Description
技术领域
本发明涉及陶瓷生产技术领域,尤其涉及一种基于隧道窑反推前道工序的智能调度方法。
背景技术
我国陶瓷工艺发展至今,技术改进巨大,对能源的消耗和环境的污染也越来越恶劣。陶瓷工艺的主要能耗产生在煅烧阶段,煅烧是将形状体积大小不一的瓷坯放在窑(气窑、电窑)里,于空气中进行高温的、长时间的持续热处理过程。在这个过程中,窑的容量一定,而每个瓷坯的体积大小不定,不同的分批方案可以得到不同的煅烧时间,以往企业大多没有找到一个合理的分批方案,因此导致瓷器煅烧中产生了较大的能耗,煅烧成本高不下,煅烧时间长,加工效率也低,无形中增加了企业的生产成本,也对环境造成了不小的污染。由于排产过程复杂,涉及计算窑炉未来t小时出窑窑车数量、窑板类型数量、产品窑板对应关系、立体库实时库存、流水线体库存、产品压坯特性、订单需求等诸多因素。人工排产无法及时获取相应数据,计算逻辑复杂,现场生产调整频繁,固需要通过智能调度算法隧道窑炉智能调度,并实现排产计划实时更新。
发明内容
本发明的其他特征和优点将在随后的说明书中阐述,并且部分地从说明书中变得显而易见,或者通过实施本发明而了解。
本发明的目的在于克服上述不足,提供一种基于隧道窑反推前道工序的智能调度方法。
为实现上述目的,本发明的技术解决方案是:一种基于隧道窑反推前道工序的智能调度方法,按如下步骤进行:
步骤1、初始化,定义i为窑车从进入窑炉的顺序,j为窑车上的窑位的类型,k为窑位类型j相对应的数量;Ci-j-k表示第i辆窑车j类型的数量为k;
步骤2、将不同隧道窑炉一天输送的窑车数量的速度记为v,计算指定加工时间段t小时内的进入窑炉的窑车总数h=v/24*t,得到该时间t内最后出来一辆进入窑炉的窑车编号为Ch;
步骤3、计算t时间段内h辆车各类窑位类型的烧制数量Wj=∑Ci-j-k(j=1,2,…,n,…;k=1,2,…,n,…);
步骤4、定义m为白坯产品型号的类型,获取白坯库存总量信息,计算库存总量里各型号产品类型的数量Qm(m=1,2,…,n,…);
步骤5、判断白坯库存各类产品总量Qm和t时间段内h辆车进入窑炉各类窑位类型的烧制数量Wj的是否匹配,若Qm≥Wj(m=j=1,2,…,n,…)时,即满足每一类产品的类型的白坯库存总量大于相对应窑位类型的数量,可以增大窑炉窑速度v,提高生产效率;反之,当存在至少一种产品类型Qm<Wj,要增加相对应白坯类型的数量,以满足生产需求;
步骤6、定义L为订单优先级,DL-m-y表示订单优先级L上白坯产品类型为m的数量是y,获取订单库总量信息,计算订单库里各型号产品类型的数量Pm=∑DL-m-y(L=1,2,…,n,…;m=1,2,…,n,…;y=1,2,…,n,…);
步骤7、判断白坯库存各型号产品总量Qm和总订单各类产品窑位数量Pm=的是否匹配,若Qm≥Pm(m=1,2,…,n,…)时,即满足所有订单完成生产,若Qm<Pm(m=1,2,…,n,…)时,则先安排优先级高的订单先生产。
优选的,所述窑炉一天输送的窑车数量速度v为90-125车/天。
优选的,步骤4中剔除库存总量中数量Qc(c为大件产品的种类)未超过4小时的产品数量,得到大件物品类型的最终库存数量Qc。
优选的,步骤4白坯库存总量包括白坯库到窑炉之间流水线上未装窑炉的产品数量。
优选的,步骤3中每一种白坯产品的类型包括一种或几种小类型。
优选的,所述订单类型L先按交期排序,交期靠前的优先生产。交期一样的需要根据订单类型二次排序,渠道类型优于新品类型,新品类型优于试产类型。
优选的,所述窑车均设置有窑车身份标签,所述窑车身份标签包括窑车编号、窑位类型及对应窑位类型的数量,所述窑车身份标签可以采用条形码、RFID电子标签任一一种。
优选的,所述白坯均设置有白坯身份标签,所述白坯身份标签包括产品类型、生产时间,所述白坯身份标签可以采用条形码、RFID电子标签任一一种。
通过采用上述的技术方案,本发明的有益效果是:据窑车进去的先后顺序,根据先进先出的原则,往后推算t小时将要出窑的车数,推算t小时后出窑所有窑车的窑位类型及其数量,根据推算出来的窑位类型跟数量,推算出未来要生产的白坯类型和数量。先按交期排序,交期靠前的优先生产。交期一样的需要根据订单类型二次排序,渠道类型优于新品类型,新品类型优于试产类型。及时获取相应数据,计算逻辑简单,简化现场生产调整,实现排产计划实时更新。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合具体实施方式对本发明进一步详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,但并不用于限定本发明。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。但注明直接连接则说明连接地两个主体之间并不通过过渡结构构建连接关系,只通过连接结构相连形成一个整体。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。
一种基于隧道窑反推前道工序的智能调度方法,按如下步骤进行:
步骤1、初始化,定义i为窑车进入窑炉的顺序,j为窑车上的窑位的类型,k为窑位类型j相对应的数量;Ci-j-k表示第i辆窑车j类型的数量为k;
步骤2、将不同隧道窑炉一天输送的窑车数量的速度记为v,计算指定加工时间段t小时内的进入窑炉的窑车总数h=v/24*t,得到该时间t内最后出来一辆进入窑炉的窑车编号为Ch;
步骤3、计算t时间段内h辆车各个窑位类型的烧制数量Wj=∑Ci-j-k(j=1,2,…,n,…;k=1,2,…,n,…);
步骤4、定义m为白坯产品的类型,获取白坯库存总量信息,计算库存总量里各类产品类型的数量Qm(m=1,2,…,n,…);
步骤5、判断白坯库存各类产品总量Qm和t时间段内h辆车各类产品窑位数量Wj的是否匹配,若Qm≥Wj(m=j=1,2,…,n,…)时,即满足每一类产品的类型的白坯库存总量大于相对应窑位类型的数量,可以增大窑炉窑速度v,提高生产效率;反之,当存在至少一种产品类型Qm<Wj,要增加相对应白坯类型的数量,以满足生产需求;
步骤6、定义L为订单优先级类型,DL-m-y表示订单优先级L上白坯产品类型为m的数量是y,获取订单库总量信息,计算订单库里各型号产品类型的数量Pm=∑DL-m-y(L=1,2,…,n,…;m=1,2,…,n,…;y=1,2,…,n,…);
步骤7、判断白坯库存各型号产品总量Qm和总订单各类产品窑位数量Pm=的是否匹配,若Qm≥Pm(m=1,2,…,n,…)时,即满足所有订单完成生产,若Qm<Pm(m=1,2,…,n,…)时,则先安排优先级高的订单先生产。
本发明的窑车身份标签和白坯身份标签可以采用条形码和RFID电子标签;每一个白坯的条形码或者RFID电子标签包含该白坯产品类型、生产时间的信息,每一辆窑车条形码或者RFID电子标签包含该窑车的编号、窑位类型对应窑位类型的数量。
进入窑炉窑车的编号是无序的,例如t时间段内,第一辆进入窑炉的编号为387,第二辆编号为236,第三辆145,…,最后一辆车编号为312;当扫描窑车身份标签获取到编号为387的窑车时,统计387号窑车的窑位类型及相对应数量,直到第h=v/24*t辆窑车的编号为312结束,就可以推算出t时间段内进入窑炉所有窑位类型及其数量。在烧制的时间内,白坯要根据推算出来的窑位类型和数量进行生产,确保白坯的生产量满足烧制结束出窑的窑车的窑位类型和数量,使得整个生产线能持续不间断的进行生产,大大提高生产效率,节约能耗。
本实施例中窑炉窑速v=120车/小时;t为6小时,则h=v/24*t=30,得到该时间t内最后出来一辆窑车编号为C30;窑位类型j=1为A类型,j=2为B型号,j=3为C类型(为大件产品,在其他实施例可以有多个大件产品的类型),j=4为D类型;C1-A-2即表示第1辆窑车A窑位类型的数量为2,C1-B-0即表示第1辆窑车B窑位类型的数量为0,C1-C-3即表示第1辆窑车C窑位类型的数量为3,C1-D-2即表示第1辆窑车D窑位类型的数量为2,C2-A-3即表示第2辆窑车A窑位类型的数量为3,C2-B-2即表示第2辆窑车B窑位类型的数量为2,C2-C-4即表示第2辆窑车C窑位类型的数量为4,C2-D-0即表示第2辆窑车D窑位类型的数量为0,…,C30-A-2即表示第30辆窑车A窑位类型的数量为2,C30-B-1即表示第30辆窑车B窑位类型的数量为1,C30-C-3即表示第30辆窑车C窑位类型的数量为3,C30-D-1即表示第30辆窑车D窑位类型的数量为1。
对1到30辆窑车A窑位类型的总数量进行统计:
WA=∑Ci-A-k=C1-A-2+C2-A-3+…+C30-A-2=2+3+…+2
WB=∑Ci-B-k=C1-B-0+C2-B-2+…+C30-B-1=0+2+…+1
WC=∑Ci-C-k=C1-C-3+C2-C-4+…+C30-C-3=3+4+…+3
WD=∑Ci-D-k=C1-D-2+C2-D-0+…+C30-D-1=2+0+…+1
定义m为白坯产品的类型,获取白坯库存总量信息,计算库存总量里各类产品类型的数量Qm(m=1,2,…,n,…),本实施例中白坯产品的类型m=1为A类型,m=2为B型号,m=3为C类型(为大件产品,在其他实施例可以有多个大件产品的类型),m=4为D类型;且白坯产品类型A包括A1、A2、A3;B型号包括B1、B2、B3、B4,C型号包括C1、C2,D型号只有一种D1;计算库存总量里各类产品类型的数量,每件白坯产品上都设置有条形码信息,条形码信息至少包括产品型号、生产时间等信息,通过扫描条形码的信息从而对各种型号的数量进行计数,且大件产品C类型的如果生产的时间不超过4小时,要剔除出去。
QA=QA1+QA2+QA3
QB=QB1+QB2+QB3+QB4
QC=QC1+QC2-x(x为C产品类型生产时间不超过4小时)
QD=QD1
判断白坯库存各型号产品总量Qm和t时间段内h辆车进入窑炉各类窑位类型的烧制数量Wj的是否匹配:
当QA≥WA、QB≥WB、QC≥WC、QD≥WD四种情形同时满足,即满足每一类产品的类型的白坯库存总量大于相对应窑位类型的数量,可以增大窑炉窑速度v,提高生产效率。
当出现QA<WA、QB<WB、QC<WC、QD<WD任意一种或几种情况,即需要提高相关产品类型的白坯生产数量,例QA<WA即要提高A产品类型的白坯生产量。
本实施例中存在订单1,订单2,订单3,订单4,且订单1为试产类型交期时间早于订单2、订单3、订单4;订单2为新品类型、订单3为渠道类型,订单4为试产类型,订单2、3、4交期时间一样。
订单1的订单详情(A1数量100,A2数量20,A3数量50,B1数量30,C1数量20,C2数量30,D1数量50);订单2的订单详情(A1数量50,A2数量30,B1数量50,B2数量30,C1数量20,C2数量30,D1数量50);订单3的订单详情(A1数量50,A2数量30,A3数量100,B1数量20,B2数量30,C1数量30,C2数量30,D1数量50,D2数量30);订单4的订单详情(A1数量50,A2数量30,A3数量100,B1数量20,B2数量30,C1数量30,C1数量30,C2数量50,D2数量40);
综上,订单1的A、B、C、D产品类型总量分别为170,30,50,50;
订单2的A、B、C、D产品类型总量分别为80,20,50,50;
订单3的A、B、C、D产品类型总量分别为180,50,60,80;
订单4的A、B、C、D产品类型总量分别为170,30,50,50;
按优先级先后顺序进行产品类型的数量累加,先按交期排序,交期靠前的优先生产。交期一样的需要根据订单类型二次排序,渠道类型优于新品类型,新品类型优于试产类型。先生产订单1上的白坯类型跟数量,然后是订单3上的白坯类型跟数量;接着是订单2上的白坯类型跟数量,最后再生产订单4上的白坯类型跟数量。
PA=170+180+80+170
PB=30+50+20+30
PC=30+60+50+50
PD=50+80+50+50
上文已经计算出各种窑位数量
WA=∑Ci-A-k=C1-A-2+C2-A-3+…+C30-A-2=2+3+…+2
WB=∑Ci-B-k=C1-B-0+C2-B-2+…+C30-B-1=0+2+…+1
WC=∑Ci-C-k=C1-C-3+C2-C-4+…+C30-C-3=3+4+…+3
WD=∑Ci-D-k=C1-D-2+C2-D-0+…+C30-D-1=2+0+…+1
进一步推算出需要生产的白坯数量QA=WA、QB=WB、QC=WC、QD=WD的数量。
当QA>PA、QB>PB、QC>PC、QD>PD,订单总需求小于窑位数量,若存在订单5订单优先级和订单4一样,即可以继续生产,若新增订单6,优先级级别大于订单3一样,则需要先生产订单6再生产订单3,接着订单2,最后订单4。
当QA<PA,QB>PB;假设QA=300,PA=170+180+80+170=600;QB=150,PB=30+50+20+30=130;
此时A类型的窑位的数量不够只够生产订单1和部分订单2A类型产品的白坯,剩下等第二批出窑的窑车;B类型的窑位大于订单1、2、3、4加起来的B产品的类型的数量,即可以把订单5的B产品类型的白坯也生产,以此类推。
通过本发明的智能调度算法实现,整个陶瓷生产线的不间断持续的生产,大大提高生产效率。根据窑车进去的先后顺序,根据先进先出的原则,往后推算t小时将要出窑的车数,推算t小时后出窑所有窑车的窑位类型及其数量,根据推算出来的窑位类型跟数量,推算出未来要生产的白坯类型和数量。先按交期排序,交期靠前的优先生产。交期一样的需要根据订单类型二次排序,渠道类型优于新品类型,新品类型优于试产类型。
说明书中提到的“实施例”意指结合实施例描述的特定特征、或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语或“实施例”并不一定均指同一个实施例。
此外,所描述的特征或特性可以任何其他合适的方式结合到一个或多个实施例中。在上面的描述中,提供一些具体的细节,例如厚度、数量等,以提供对本发明的实施例的全面理解。然而,相关领域的技术人员将明白,本发明无需上述一个或多个具体的细节便可实现或者也可采用其他方法、组件、材料等实现。
以上该的,仅为本发明的较佳实施例而已,不能限定本发明实施的范围,凡是依本发明申请专利范围所作的均等变化与装饰,皆应仍属于本发明涵盖的范围内。
Claims (7)
1.一种基于隧道窑反推前道工序的智能调度方法,其特征是按如下步骤进行:
步骤1、初始化,定义i为窑车进入窑炉的顺序,j为窑车上的窑位的类型,k为窑位类型j相对应的数量;Ci-j-k表示第i辆窑车j窑位类型的数量为k;
步骤2、将不同隧道窑炉一天输送的窑车数量的速度记为v,计算指定加工时间段t小时内的进入窑炉的窑车总数h=v/24*t,得到该时间t内最后出来一辆进入窑炉的窑车编号为Ch;
步骤3、计算t时间段内h辆车进入窑炉各类窑位类型的烧制数量Wj=∑Ci-j-k(i=1,2…h;j=1,2,…,n,…;k=1,2,…,n,…);
步骤4、定义m为白坯产品的类型,在白坯产品上设置白坯身份标签,通过扫描所述白坯身份标签获取白坯库存总量信息,计算库存总量信息里各型号产品类型的数量Qm(m=1,2,…,n,…),其中,当m=3时,为白坯产品中的大件产品类型,统计时需剔除库存总量中大件产品类型未超过4小时的产品数量,得到大件产品类型的最终库存数量Q3;
步骤5、判断Qm和t时间段内h辆车进入窑炉各类窑位类型的烧制数量Wj的是否匹配,若Qm≥Wj(m=j=1,2,…,n,…)时,即满足每一类产品的类型的白坯库存总量大于相对应窑位类型的数量;反之,当存在至少一种产品类型Qm<Wj,要增加相对应白坯类型的数量,以满足生产需求;
步骤6、定义L为订单优先级,DL-m-y表示订单优先级L上白坯产品类型为m的数量是y,获取订单库总量信息,按订单优先级先后顺序对每种产品类型的数量进行累加得到Pm=∑DL-m-y(L=1,2,…,n,…;m=1,2,…,n,…;y=1,2,…,n,…);
步骤7、判断若Qm≥Pm(m=1,2,…,n,…)时,即满足所有订单完成生产,若Qm<Pm(m=1,2,…,n,…)时,则先生产优先级高的订单的产品类型及相关数量。
2.根据权利要求1所述的一种基于隧道窑反推前道工序的智能调度方法,其特征在于:所述窑炉一天输送的窑车数量的速度v为90-125车/天。
3.根据权利要求1所述的一种基于隧道窑反推前道工序的智能调度方法,其特征在于:步骤4白坯库存总量包括白坯库到窑炉之间流水线上未装窑炉的产品数量。
4.根据权利要求1所述的一种基于隧道窑反推前道工序的智能调度方法,其特征在于:步骤3中每一种白坯产品的类型包括一种或几种小类型。
5.根据权利要求1所述的一种基于隧道窑反推前道工序的智能调度方法,其特征在于:所述订单优先级L先按交期排序,交期靠前的优先生产,交期一样的需要根据订单类型二次排序,渠道类型优于新品类型,新品类型优于试产类型。
6.根据权利要求1所述的一种基于隧道窑反推前道工序的智能调度方法,其特征在于:所述窑车均设置有窑车身份标签,所述窑车身份标签包括窑车编号、窑位类型及对应窑位类型的数量。
7.根据权利要求1所述的一种基于隧道窑反推前道工序的智能调度方法,其特征在于:所述白坯身份标签信息包括产品类型、生产时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011232168.7A CN112529358B (zh) | 2020-11-06 | 2020-11-06 | 一种基于隧道窑反推前道工序的智能调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011232168.7A CN112529358B (zh) | 2020-11-06 | 2020-11-06 | 一种基于隧道窑反推前道工序的智能调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112529358A CN112529358A (zh) | 2021-03-19 |
CN112529358B true CN112529358B (zh) | 2023-03-31 |
Family
ID=74979942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011232168.7A Active CN112529358B (zh) | 2020-11-06 | 2020-11-06 | 一种基于隧道窑反推前道工序的智能调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112529358B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111160706A (zh) * | 2019-07-16 | 2020-05-15 | 华为技术有限公司 | 模拟供应链风险响应的方法、装置和系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5810594B2 (ja) * | 2011-04-12 | 2015-11-11 | Jfeスチール株式会社 | コークス炉の操業スケジュール決定装置及び方法 |
CN205102592U (zh) * | 2015-10-30 | 2016-03-23 | 成都的卢高科技有限公司 | 一种节能窑炉 |
CN109086987B (zh) * | 2018-07-23 | 2021-02-09 | 华中科技大学 | 一种面向磁性材料成型-烧结计划控制与详细调度方法 |
CN109472467A (zh) * | 2018-10-23 | 2019-03-15 | 佛山欧神诺云商科技有限公司 | 一种自动化瓷砖生产调度系统 |
CN110355869A (zh) * | 2019-08-17 | 2019-10-22 | 佛山蓝动力智能科技有限公司 | 一种lgv激光导航智能储坯系统及运行方法 |
CN110618668A (zh) * | 2019-09-29 | 2019-12-27 | 西北工业大学 | 柔性生产的绿色动态调度方法 |
CN111156419B (zh) * | 2020-01-07 | 2021-09-17 | 南京富岛信息工程有限公司 | 一种长输管线原油混输变速调度方法和系统 |
-
2020
- 2020-11-06 CN CN202011232168.7A patent/CN112529358B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111160706A (zh) * | 2019-07-16 | 2020-05-15 | 华为技术有限公司 | 模拟供应链风险响应的方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112529358A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102393634A (zh) | 一种基于pso-ga混合优化算法的单目标多生产线调度控制方法 | |
CN110598941A (zh) | 一种基于仿生策略的粒子群优化制造系统双目标排产方法 | |
CN101604409B (zh) | 应用于多重入复杂制造系统的调度方法 | |
CN111208796A (zh) | 一种基于聚类小生境遗传算法的车间生产作业排程方法 | |
CN109886490A (zh) | 一种组合车辆联合运输的匹配优化方法 | |
CN112529358B (zh) | 一种基于隧道窑反推前道工序的智能调度方法 | |
CN111666681B (zh) | 基于改进遗传算法的pbs缓冲区车辆排序调度方法 | |
CN114881504B (zh) | 一种基于订单选择的电子精密件全自动柔性生产线调度方法 | |
CN116203959A (zh) | 基于hac算法的机器人路径规划方法及系统 | |
CN111507657B (zh) | 一种基于半自动拣选系统的订单分波方法 | |
CN112288375A (zh) | 一种基于大数据的智慧供应链协调管理系统 | |
CN109086990B (zh) | 面向连续生产的生产与运输联合调度方法 | |
CN112734101B (zh) | 一种基于用车需求预测的共享单车智能调配方法 | |
CN104021425B (zh) | 一种用于解决提早‑延期调度问题的模因演化算法 | |
CN115049175A (zh) | 多产品的生产规划方法及装置、计算机设备及存储介质 | |
CN115034653B (zh) | 一种基于transformer的端到端动态作业车间调度系统 | |
Wang et al. | A multi-objective cuckoo search algorithm based on the record matrix for a mixed-model assembly line car-sequencing problem | |
CN106920036A (zh) | 一种作业车间装备全活跃节能排程方法和系统 | |
CN111178464A (zh) | 一种基于神经网络的ocr识别在物流行业快递面单的应用 | |
CN115319742A (zh) | 带机器人物料搬运的柔性制造单元作业调度方法 | |
CN115907066A (zh) | 基于混合麻雀智能优化算法的水泥企业车辆调度方法 | |
CN112950101B (zh) | 一种基于产量预测的汽车工厂混流线排产方法 | |
CN112949948B (zh) | 电动汽车分时段换电需求区间预测的集成学习方法及系统 | |
CN115099617A (zh) | 烟草工业品物流调度方法 | |
CN113485278A (zh) | 优化两生产指标的柔性作业车间调度多目标分布估计方法 |
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 |